Forschung und Innovation

Angewandte Forschung für Best-in-Class Applikationen der Zukunft

Unsere Leidenschaft für High-End Software Engineering treibt uns an. Dabei geht unser Bestreben über stateofthe-art Softwareentwicklung hinaus: Wir investieren in die Forschung an neuen Technologien und Methoden. Mit einem agilen, selbstorganisierten Team von Researchern sind wir technologisch immer einen Schritt voraus und schaffen die Grundlage für digitale Innovationen von morgen – schon heute. 

Dadurch ist XITASO Ihr Partner für die volle Wertschöpfungskette im Bereich Forschung und Entwicklung: Von der angewandten Forschung bis zur Entwicklung von marktreifen innovativen Produkten und Plattformen.  

Wissenschaftliche Exzellenz auf internationalem Niveau sowie der enge Austausch mit der Community sind fest in unserem Forschungsalltag verankert. Das ist die Basis unserer Innovationskraft und das Geheimnis unseres Erfolges.  

„Wir sind die Wegbereiter für innovative Spitzentechnologien.“

Dr. Jan-Philipp Steghöfer - Experte für Forschung und Innovation
Dr. Jan-Philipp Steghöfer
Head of R&I
XITASO

Forschung und Innovation für Ihren Erfolg 

Gemeinsam mit unseren Partnern aus Industrie und Wissenschaft erschließen wir im Rahmen interdisziplinärer Forschungsprojekte neue Domänen und erweitern unser Know-how:

  • mit Industriepartnern forschen wir gemeinsam an praxisrelevanten Anwendungsfällen, um Relevanz und Wirkung unserer Forschung sicherzustellen

  • Mit den Forschungspartnern aus der Wissenschaft adaptieren wir das nötige technologische und methodische Grundlagenwissen an die Herausforderungen aus der Praxis

  • Wir richten unsere Forschung an nachhaltigen Technologie-Trends am Markt aus, die wir gemeinsam mit unseren Kunden, Partnerorganisationen und Verbänden identifizieren

Denn: Gemeinsam können wir den State of the Art verschieben!

Schema zu Forschung und Innovation: Technologien von morgen entstehen durch Markt, XITASO Research & Innovation sowie Partner aus Wirtschaft und Wissenschaft.

Forschung und Innovation bei XITASO – Erfahren Sie hier mehr über die Schwerpunkte unserer Forschungsprojekte: 

KI in industriellen Anwendungen Wertschöpfung mit spärlichen Daten 

KI in industriellen Anwendungen trifft oft auf unausgewogene Daten mit verhältnismäßig wenigen Fehlerfällen, bei denen viele KI-Methoden versagen. Unsere Forschungs und Innovationsarbeit zielt auf KI-Lösungen ab, die in diesem Umfeld effektiv und generalisierend arbeiten können, um so teure Versuchsaufbauten zur Datengenerierung zu vermeiden und Wertschöpfung durch KI steigern zu können. Dabei spielen digitale Innovationen eine zentrale Rolle, insbesondere in Bereichen wie Wissensextraktion, neurosymbolische KI und Kontrastives Lernen. 

KI im Gesundheitswesen und der Medizintechnik Fokus Privatheit und Verlässlichkeit 

Um das volle Potenzial der KI im Gesundheitswesen und in der Medizintechnik auszuschöpfen, bedarf es einer Infrastruktur, die Datenschutz und Vertrauen in den Vordergrund stellt. Deshalb legen wir einen Forschungsschwerpunkt auf Erklärbarkeit, Datensicherheit und die Quantifizierung von Unsicherheiten. Durch angewandte Forschung und gezielte Technologieentwicklung wollen wir Lösungen schaffen, mit denen Menschen vertrauensvoll und gerne arbeiten können, weil KI verlässlicher wird.  

Generative KI Vertrauenswürdiger technologischer Wandel  

Der Aufstieg von Generativer KI (GenAI) führt zu einem Wandel in der Nutzung von Technologie und eröffnet neue Chancen für digitale Innovationen. Es gibt aber noch offene Fragen, denen wir auf den Grund gehen wollen. So spielt für uns und unsere Kunden die Vertrauenswürdigkeit der generierten Inhalte eine entscheidende Rolle, denn der KI fehlt das Urteilsvermögen unseres gesunden Menschenverstands. Die Sicherheit der gespeicherten Informationen ist ein weiterer wichtiger Aspekt unserer Forschung und Innovation. Darüber hinaus erforschen wir die Auswirkungen von GenAI auf das Kerngeschäft von XITASO – die Softwareentwicklung 

Autonome Systeme und Robotikzuverlässig und nutzerfreundlich machen 

Autonome Systeme und Roboter sind immer häufiger Teil unseres Alltags – von Lieferrobotern über automatische Züge bis hin zu Autos mit automatisierten Fahrfunktionen. Durch gezielte industrielle Forschung erforschen wir Möglichkeiten, diese Technologien noch sicherer und effizienter zu gestalten. Mit unserer Technologieentwicklung unterstützen und erweitern wir den Anspruch, mit dem wir bei XITASO Softwarelösungen für autonome Systeme schaffen: sicher, zuverlässig, erweiterbar und nutzerfreundlich 

Cybersicherheit und kryptografische Agilität – zukunftssicher 

Unsere IT-Systeme sollen auch in Zukunft sicher sein. In einer vernetzten Welt ist es wichtig, starke Schutzmechanismen zu entwickeln, um sensible Daten vor neuen Bedrohungen zu schützen und Systeme gegen Cyberangriffe widerstandsfähig zu machen. Digitale Innovationen sind dabei essentiell, da sie neue Ansätze zur sicheren Datenverarbeitung und Verschlüsselung ermöglichen. Kryptografische Agilität spielt hierbei eine Schlüsselrolle. Sie stellt sicher, dass Systeme leicht an neue Verschlüsselungsmethoden anpassbar sind, wenn Schwachstellen in bestehenden Algorithmen gefunden werden. Durch unsere angewandte Forschung entwickeln wir praxisnahe Lösungen, um Softwaresysteme langfristig zukunftssicher zu machen. 

Industrie 4.0 und Datenräume – mehr Effizienz in der Industrie 

Das industrielle Internet der Dinge (IoT) wird die Fertigungs- und Industriebläufe nicht nur verändern, sondern revolutionieren. Es verbessert die Konnektivität, erstellt digitale Zwillinge physischer Geräte und Anlagen und sorgt für einen reibungslosen Austausch von Daten entlang der gesamten Lieferkette Die Entwicklung von Datenräumen fördert diesen Wandel, indem sie das Entstehen interoperabler Anwendungen ermöglicht und die Technologieentwicklung und Effizienz in der Industrie steigert. 

Erfahren Sie mehr über unsere Forschungsprojekte und -partner:

Unser Forschungsteam

XITASO Research Team Gruppenfoto

Eine Auswahl unserer Veröffentlichungen

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
Towards Effective Complementary Security Analysis using Large Language Models,
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
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
Interactive Knowledge-Guided Learning
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 Steghöfer XITASO

Sie haben Interesse an einer Kooperation im Bereich Forschung und Innovation oder Fragen zu unseren Projekten?

Dann kontaktieren Sie unseren Head of Research & Innovation und finden Sie in einem unverbindlichen Gespräch heraus, wie wir Ihnen helfen können.

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