Zum Inhalt gehen
SuccessStory_BA-Allegro_Capgemin
Intelligent industry

BI-Spektrum: Bundesagentur für Arbeit nutzt Machine Learning zur Code-Analyse

BI-Spektrum: Der Beitrag zeigt, wie die Bundesagentur für Arbeit ein auf Machine Learning basierendes und aus dem Handelsumfeld stammendes Verfahren zur Optimierung der statischen Code-Analyse einsetzt.

Presse-Artikel: BI-Spektrum

Bestimmung von Assoziationsregeln zur statischen Codeanalyse: Maschinelles Lernen in der Codeanalyse bei der Bundesagentur für Arbeit

Die Assoziationsanalyse ist ein maschinelles Lernverfahren aus dem Bereich des unüberwachten Lernens. Ihr liegt das Prinzip
zugrunde, bedingte Wahrscheinlichkeiten zu ermitteln. Das Verfahren wird hier auf die statische Codeanalyse (SCA) zur Identifizierung potenzieller Fehler eines missionskritischen Großsystems im öffentlichen Sektor angewendet. Verzögert sich dort die Fehlerbereinigung, kann es je nach Schwere des Fehlers teuer werden – ein Hotfix ist dann unabdingbar. Welches Vorgehen sich für die statische Codeanalyse
in einem derart kritischen Umfeld besonders eignet, zeigt der in der BI-Spektrum Ausgabe 4/2018 erschienene Beitrag im Detail.

Kontaktieren Sie unsere Experten

Dr. Eldar Sultanow

CTO Insights & Data Germany, Capgemini
Dr. Eldar Sultanow hat langjährige Praxiserfahrung in der Softwareindustrie, insbesondere in den Bereichen JEE, Electronic/Mobile Commerce, Track-&-Trace und Auto-ID im Pharmabereich. In einem zwischenstaatlichen Projekt hat er eine Plattform mit konzipiert, an der internationale Finanzinstitute angeschlossen sind. Aktuell ist Eldar Sultanow als technischer Chefdesigner in einem der größten öffentlichen IT-Verfahren aktiv, das hunderttausende Transaktionen pro Tag mit einem Jahresvolumen von über 25 Milliarden EUR vollzieht.