Investigación aplicada para las mejores aplicaciones del futuro

Investigación e innovación

Nuestra pasión por la ingeniería de software de alta gama es lo que nos mueve, pero nuestra labor trasciende el desarrollo de software de vanguardia, ya que también invertimos en investigación de nuevas tecnologías y métodos. Con un equipo ágil y autoorganizado de científicos investigadores, siempre vamos un paso por delante en el ámbito tecnológico y creamos hoy la base de las innovaciones digitales del mañana.

Esto convierte a XITASO en su colaborador para toda la cadena de valor en el sector de la investigación y la innovación, desde la investigación aplicada hasta el desarrollo de innovaciones listas para el mercado.

La excelencia científica a escala internacional y el estrecho diálogo con la comunidad están firmemente anclados en nuestra investigación diaria. Esta es la base de nuestro poder de innovación y el secreto de nuestro éxito.

«Somos pioneros en las tecnologías de vanguardia innovadoras.»

Dr. Jan-Philipp Steghöfer - su experto para investigación e innovación
Dr. Jan-Philipp Steghöfer
Head of R&I
XITASO

Investigación e innovación para su éxito

Junto con nuestros socios de la industria y la ciencia, desarrollamos nuevos ámbitos y ampliamos nuestros conocimientos en el marco de proyectos de investigación interdisciplinarios:

  • Llevamos a cabo investigaciones conjuntas con socios de la industria sobre casos de uso práctico para garantizar la relevancia y el impacto de nuestra investigación.
  • Junto con nuestros socios científicos, adaptamos los conocimientos tecnológicos y metodológicos básicos necesarios a los retos prácticos.
  • Adaptamos nuestra investigación a las tendencias tecnológicas sostenibles del mercado, que identificamos junto con nuestros clientes, organizaciones asociadas y asociaciones.

Porque juntos podemos cambiar el estado de la técnica.

Investigación e innovación en XITASO – aquí encontrará más información sobre los ámbitos principales de nuestros proyectos de investigación:

IA en aplicaciones industriales: valor añadido con datos escasos 

La IA en aplicaciones industriales se topa a menudo con datos desequilibrados con relativamente pocos casos de error en los que muchos métodos de IA fallan. Nuestro trabajo de investigación e innovación está orientado a soluciones de IA que puedan funcionar de forma eficaz y generalizada en este entorno, con el fin de evitar costosas configuraciones de ensayo para la generación de datos y aumentar el valor añadido por medio de la IA. Las innovaciones digitales desempeñan aquí un papel fundamental, sobre todo en ámbitos como la extracción de conocimiento, la IA neurosimbólica y el aprendizaje contrastivo.

IA en la sanidad y la tecnología médica: orientada a la privacidad y la fiabilidad 

Para aprovechar todo el potencial de la IA en la sanidad y la tecnología médica se necesita una infraestructura que dé prioridad a la protección de datos y a la confianza. Por ello, centramos nuestra investigación en la explicabilidad, la seguridad de los datos y la cuantificación de las incertidumbres. Mediante la investigación aplicada y el desarrollo de tecnologías específicas, pretendemos crear soluciones en las que la gente pueda confiar y con las que quiera trabajar porque la IA se vuelve cada vez más fiable.

IA generativa: un cambio tecnológico de confianza l  

El auge de la IA generativa (GenAI) está provocando un cambio en el uso de la tecnología y abriendo nuevos caminos para la innovación digital. Sin embargo, aún quedan preguntas pendientes, cuyas respuestas queremos averiguar. La fiabilidad de los contenidos generados es fundamental para nosotros y nuestros clientes, ya que la IA carece del criterio de nuestro sentido común. La seguridad de la información almacenada es otro aspecto importante de nuestra investigación e innovación. También estamos investigando el impacto de la GenAI en la actividad principal de XITASO: el desarrollo de software.

Sistemas autónomos y robótica: fiabilidad y facilidad de uso 

Los sistemas autónomos y los robots cada vez están más integrados en nuestra vida cotidiana, desde robots de reparto y trenes automatizados hasta coches con funciones de conducción automática. Mediante la investigación industrial específica, estamos explorando cómo hacer que estas tecnologías sean aún más seguras y eficientes.
Con nuestro desarrollo tecnológico, respaldamos y ampliamos la pretensión con la que creamos soluciones de software para sistemas autónomos en XITASO: que sean seguras, fiables, ampliables y fáciles de usar.

Ciberseguridad y agilidad criptográfica: software preparado para el futuro 

Nuestros sistemas de software también deben ser seguros en el futuro. En un mundo interconectado, es importante desarrollar mecanismos de protección sólidos para proteger los datos sensibles de las nuevas amenazas y hacer que los sistemas sean resistentes a los ciberataques. Las innovaciones digitales son esenciales en este ámbito, ya que permiten establecer nuevos enfoques para el tratamiento de datos y el cifrado seguros. En este sentido, la agilidad criptográfica desempeña un papel fundamental. Garantiza que los sistemas puedan adaptarse a nuevos métodos de cifrado si se detectan vulnerabilidades en los algoritmos. Con nuestra investigación aplicada, desarrollamos soluciones prácticas para que los sistemas de software estén preparados para el futuro a largo plazo.

Industria 4.0 y salas de datos: más eficiencia en la industria 

La internet de las cosas (IoT) industrial no solo cambiará los procesos de fabricación e industriales, sino que los revolucionará. Mejora la conectividad, crea gemelos digitales de equipos e instalaciones físicos y garantiza el intercambio de datos fluido a lo largo de toda la cadena de suministro.  El desarrollo de salas de datos favorece este cambio porque permite la aparición de aplicaciones interoperables y aumenta el desarrollo tecnológico y la eficiencia en la industria.

Aquí encontrará más información sobre nuestros proyectos de investigación y nuestros colaboradores:

Nuestro equipo de investigación

XITASO Research Team

Una selección de nuestras publicaciones

TitelKategorienLink
Human-Centered Explainable AI: Creating Explanations that Address Stakeholder Needs
Explaining Uncertainty: Exploring the Synergies of Explainable Artificial Intelligence and Uncertainty Quantification
Challenges in AI Projects for Machinery and Plant Engineering
The Components of Collaborative Joint Perception and Prediction – A Conceptual Framework,
An Exploratory Study on the Engineering of Security Features
Natural Language Processing for Requirements Traceability
LGAR: Zero-Shot LLM-Guided Neural Ranking for Abstract Screening in Systematic Literature Reviews
Migrating Software Systems towards Post-Quantum-Cryptography – A Systematic Literature Review,
No Data Left Behind: Exogenous Variables in Long-Term Forecasting of Nursing Staff Capacity,
A Closer Look at Length-niching Selection and Spatial Crossover in Variable-length Evolutionary Rule Set Learning,
Length-niching Selection and Spatial Crossover in Variable-length Evolutionary Rule Set Learning,
Managing Security Evidence in Safety-Critical Organizations
Human Factors in Model-Driven Engineering: Future Research Goals and Initiatives for MDE
Supporting Meta-model-based Language Evolution and Rapid Prototyping with Automated Grammar Transformation
Using Boundary Objects and Methodological Island (BOMI) Modeling in Large-Scale Agile Systems Development
Systematizing Modeler Experience (MX) in Model-Driven Engineering Success Stories
Evaluating the Role of Security Assurance Cases in Agile Medical Device Development
Facilitating skill-based robot programing using the Asset Administration Shell
Interactive Knowledge-Guided Learning
Tracking assets in source code with Security Annotations,
Combining Requirements Enigneering Techniques for the Analysis of a Legacy System
Measuring Similarities in Model Structure of Metaheuristic Rule Set Learners,
Where Requirements and Agility Meet: No Man’s Land or a Land of Opportunity? 
Contrastive pretraining of regression tasks in reliability forecasting of automotive electronics.,
Automated Extraction of Grammar Optimization Rule Configurations for Metamodel-Grammar Co-evolution
Composing Behaviour Trees for Rapid Application Development in Mobile Human-Robot-Collaboration
Creating Python-style Domain Specific Languages: A Semi-automated Approach and Intermediate Results
Exploiting Meta-Model Structures in the Generation of Xtext Editors.
Trustful Model-Based Information Exchange in Collaborative Engineering.
CASCADE: An Asset-driven Approach to Build Security Assurance Cases for Automotive Systems.
Blended modeling in commercial and open-source model-driven software engineering tools: A systematic study.
Processes, Methods, and Tools in Model-based Engineering — A Qualitative Multiple-Case Study
FeatRacer: Locating Features Through Assisted Traceability
Reliability-Based Aggregation of Heterogeneous Knowledge to Assist Operators in Manufacturing
Towards Conceptual and Procedural Models of Operator Knowledge in Industrial Information Models
A Closer Look at Sum-based Embedding Aggregation for Knowledge Graphs Containing Procedural Knowledge
Identifying security-related requirements in regulatory documents based on cross-project classification
Predicting thermal resistance of solder joints based on Scanning Acoustic Microscopy using Artificial Neural Networks
Knowledge Extraction via Decentralized Knowledge Graph Aggregation
CAD-based Grasp and Motion Planning for Process Automation in Fused Deposition Modelling
Learning Classifier Systems for Self-Explaining Socio-Technical-Systems
Evaluating the Effect of User-Given Guiding Attention on the Learning Process
Opportunities and Limitations of Mixed Reality Holograms in Industrial Robotics
Towards Automated Parameter Optimization by Persisting Expert Knowledge
partsival – Collision-based Particle and many-body Simulations on GPUs for Planetary Exploration Systems
2024
  • Measuring Similarities in Model Structure of Metaheuristic Rule Set Learners
    David Pätzel, Richard Nordsieck, Jörg Hähner
    EvoAPPS 2024

  • Tracking assets in source code with Security Annotations
    Daniel Haak, Raphael Mayr, Jan-Philipp Steghöfer, Alexandra Teynor, Phillip Heidegger
    ICSE 2024 Poster Track

  • Where Requirements and Agility Meet: No Man’s Land or a Land of Opportunity? 
    Fabiano Dalpiaz, Jan-Philipp Steghöfer
    To appear in IEEE Software
    Hier lesen

  • Combining Requirements Enigneering Techniques for the Analysis of a Legacy System
    Jessica Friedline, Jan-Philipp Steghöfer

    Joint Proceedings of REFSQ-2024 Workshops, Doctoral Symposium, Posters & Tools Track and Education and Training Track. Co-located with REFSQ 2024. Winterthur, Switzerland, April 8, 2024
    PDF-Download

2023
  • Contrastive pretraining of regression tasks in reliability forecasting of automotive electronics.
    Emilio Zarbali, Alwin Hoffmann, Jonas Hepp
    22nd International Conference on Machine Learning and Applications (ICMLA 2023), Jacksonville, Florida, USA, Dez. 2023.
  • FeatRacer: Locating Features Through Assisted Traceability
    Mukelabai Mukelabai, Kevin Hermann, Thorsten Berger, Jan-Philipp Steghöfer
    IEEE Transactions on Software Engineering, 2023
    Hier lesen

  • Processes, Methods, and Tools in Model-based Engineering — A Qualitative Multiple-Case Study
    Jörg Holtmann, Grischa Liebel, Jan-Philipp Steghöfer
    Journal of Software and Systems, 2023
    PDF-Download

  • Blended modeling in commercial and open-source model-driven software engineering tools: A systematic study.
    Istvan David, Malvina Latifaj, Jakob Pietron, Weixing Zhang, Federico Ciccozzi, Ivano Malavolta, Alexander Raschke, Jan-Philipp Steghöfer, Regina Hebig
    Softw. Syst. Model.22(1): 415-447 (2023)
    Hier lesen

  • CASCADE: An Asset-driven Approach to Build Security Assurance Cases for Automotive Systems.
    Mazen Mohamad, Rodi Jolak, Örjan Askerdal, Jan-Philipp Steghöfer, Riccardo Scandariato
    ACM Trans. Cyber Phys. Syst. 7(1): 3:1-3:26 (2023)
    Hier lesen

  • Trustful Model-Based Information Exchange in Collaborative Engineering.
    David Schmelter, Jan-Philipp Steghöfer, Karsten Albers, Mats Ekman, Jörg Tessmer, Raphael Weber
    EuroSPI (1) 2023: 156-170
    Hier lesen

  • Exploiting Meta-Model Structures in the Generation of Xtext Editors.
    Jörg Holtmann, Jan-Philipp Steghöfer, Weixing Zhang.
    Proceedings of the 11th International Conference on Model-Based Software and Systems Engineering (MODELSWARD).
    PDF-Download

  • Creating Python-style Domain Specific Languages: A Semi-automated Approach and Intermediate Results.
    Weixing Zhang, Regina Hebig, Jan-Philipp Steghöfer, Jörg Holtmann.
    Proceedings of the 11th International Conference on Model-Based Software and Systems Engineering (MODELSWARD).
    PDF-Download

  • Automated Extraction of Grammar Optimization Rule Configurations for Metamodel-Grammar Co-evolution.
    Weixing Zhang, Regina Hebig, Daniel Strüber, Jan-Philipp Steghöfer
    SLE 2023: 84-96
    PDF-Download

2022
  • Predicting thermal resistance of solder joints based on Scanning Acoustic Microscopy using Artificial Neural Networks.
    Andreas Zippelius, Tobias Strobl, Maximilian Schmid, Joseph Hermann, Alwin Hoffmann, Gordon Elger.
    9th Electronics System-Integration Technology Conference (ESTC 2022).
  • Identifying security-related requirements in regulatory documents based on cross-project classification.
    Mazen Mohamad, Jan-Philipp Steghöfer, Alexander Åström, and Riccardo Scandariato.
    Proceedings of the 18th International Conference on Predictive Models and Data Analytics in Software Engineering (PROMISE’22), pp. 82-91.
  • A Closer Look at Sum-based Embedding Aggregation for Knowledge Graphs Containing Procedural Knowledge.
    Richard Nordsieck, Michael Heider, Anton Hummel, Jörg Hähner.
    6th International Workshop On Deep Learning For Knowledge Graphs (DL4KG) at the 21th International Semantic Web Conference (ISWC 2022).
    PDF-Download
  • Towards Conceptual and Procedural Models of Operator Knowledge in Industrial Information Models.
    Richard Nordsieck, Anton Hummel, Michael Heider, Alwin Hoffmann, Jörg Hähner.
    First International Workshop On Semantic Industrial Information Modelling (SemIIM) at the 19th Extended Semantic Web Conference (ESWC 2022).
    PDF-Download
  • Reliability-Based Aggregation of Heterogeneous Knowledge to Assist Operators in Manufacturing.
    Richard Nordsieck, Michael Heider, Alwin Hoffmann, Jörg Hähner.
    2022 IEEE 16th International Conference on Semantic Computing (ICSC).
2021
  • Learning Classifier Systems for Self-Explaining Socio-Technical-Systems.
    Michael Heider, Richard Nordsieck, Jörg Hähner.
    Proceedings of the LIFELIKE 2021 – 9th Edition in the Evolution of the Workshop Series of Autonomously Learning and Optimizing Systems (SAOS).
    PDF-Download
  • CAD-based Grasp and Motion Planning for Process Automation in Fused Deposition Modelling.
    Andreas Wiedholz, Michael Heider, Richard Nordsieck, Andreas Angerer, Simon Dietrich, Jörg Hähner.
    International Conference on Informatics in Control, Automation and Robotics (ICINCO).
    Link
  • Knowledge Extraction via Decentralized Knowledge Graph Aggregation.
    Richard Nordsieck, Michael Heider, Anton Winschel, Jörg Hähner.
    IEEE International Conference on Semantic Computing (ICSC).
    PDF-Download
2020
  • Evaluating the Effect of User-Given Guiding Attention on the Learning Process.
    Richard Nordsieck, Michael Heider, Andreas Angerer, Jörg Hähner.
    IEEE International Conference on Autonomic Computing and Self-Organizing Systems (ACSOS).
    Link
  • Interactive Knowledge-Guided Learning.
    Richard Nordsieck & Jörg Hähner.
    IEEE International Conference on Autonomic Computing and Self-Organizing Systems Companion (ACSOS-C).
    Link
  • Opportunities and Limitations of Mixed Reality Holograms in Industrial Robotics.
    Michael Filipenko, Andreas Angerer, Alwin Hoffmann, Wolfgang Reif.
    Factory of the Future: How to digitalize the robot-aided manufacturing process in Industry 4.0? Part of the 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS).
    PDF-Download
2019
  • Towards Automated Parameter Optimization by Persisting Expert Knowledge.
    Richard Nordsieck, Michael Heider, Andreas Angerer, Jörg Hähner.
    International Conference on Informatics in Control, Automation and Robotics (ICINCO).
    PDF-Download
2018
  • partsival – Collision-based Particle and many-body Simulations on GPUs for Planetary Exploration Systems.
    Roy Lichtenheldt, Simon Kerler, Andreas Angerer, Wolfgang Reif.
    Joint International Conference on Multibody System Dynamics (IMSD).
    PDF-Download
Jan-Philipp_Management

¿Le interesaría cooperar en el ámbito de la investigación e innovación o tiene preguntas sobre nuestros proyectos?

Póngase en contacto con nuestro Director de Investigación e Innovación y descubra cómo podemos ayudarle en una conversación sin compromiso.

Dr. Jan-Philipp Steghöfer
Tel. +49 821 885 882 374
jan-philipp.steghoefer@xitaso.com