Special section on uncertainty, modeling, CPSs and AI: honoring Prof. Antonio Vallecillo

Diese spezielle Sektion würdigt die herausragende Karriere von Prof. Antonio Vallecillo und hebt seine bedeutenden Beiträge zur Softwareentwicklung hervor, insbesondere in den Bereichen Unsicherheit, Modellierung, Cyber-Physische Systeme (CPSs) und künstliche Intelligenz (KI). Der Artikel beginnt mit einer detaillierten Zusammenfassung von Vallecillos beruflichem Werdegang, der sowohl Industrie als auch Wissenschaft umfasst, und seiner Pionierarbeit im modellbasierten Softwareengineering. Der Kern des Artikels ist eine Sammlung von 17 Peer-Review-Beiträgen, von denen jeder einen einzigartigen Aspekt der übergreifenden Themen behandelt. Diese Arbeiten gehen der Komplexität informeller Diagramme im Softwareengineering, der historischen Entwicklung des Model-Driven Engineering (MDE) bei der Bekämpfung von Unsicherheit und dem Zusammenspiel von Designvariabilität und stochastischen Betriebsunsicherheiten in softwareintensiven Systemen nach. Darüber hinaus untersucht der Artikel innovative Ansätze zur Modellierung und Simulation der Umgebung der digitalen Zwillinge von Medizinprodukten, definiert Testorakel für CPSs und steuert die Obsoleszenz von Modellen. Die Arbeiten behandeln auch die Verwendung domänenspezifischer Sprachen (DSLs) zur Aufrechterhaltung der Konsistenz langlebiger Unternehmenssprachspezifikationen, die konzeptionelle Modellierung von Zeitlichkeit und Subjektivität und die Integration intelligenter Verträge in das Modellierungsparadigma. Darüber hinaus diskutiert der Artikel die Anwendung von Verstärkungslernen in der modellgetriebenen Optimierung, den Einsatz großer Sprachmodelle im modellgetriebenen Engineering und das Potenzial erklärbarer KI bei der Unterstützung von Softwaremodellierern. Jede Arbeit bietet einen tiefen Einblick in ihr jeweiliges Thema und bietet neuartige Einsichten und praktische Anwendungen, die die Grenzen aktueller Forschung sprengen. Der Artikel schließt mit einer Würdigung der Rezensenten, die zur Verfeinerung der Arbeiten beigetragen haben, und unterstreicht den kooperativen und rigorosen Charakter der präsentierten Forschung.