Experience Maintenance through Closed-Loop Feedback.: (16 PhD Theses in Experimental Software Engineering)

Experience management organizes the transfer of experiences using an explicit representation, which becomes an essential success factor for companies of any size - as recent studies show. Users expect that such experiences are up-to-date and have a reasonable quality. Thus, experience maintenance becomes essential. This dissertation provides models for a so-called experience feedback loop. These models specify processes, schema, and experience base operations for systematically involving users and other stakeholders in evaluation and maintenance. A tight integration into business processes ensures the practical applicability of the models. Loops for different experience types are linked with each other to automatically capture and use context information. For the systematic development of systems with experience feedback loops, this dissertation provides the comprehensive DILLEBIS approach. The models as well as the different methods and components of the approach have been iteratively developed and validated in case studies in 13 projects. The measured development efficiency improvements make the approach also applicable to small/medium-scale systems. Erfahrungsmanagement organisiert die Übertragung von Erfahrungen unter Verwendung einer expliziten Repräsentation. Nach neusten Studien ist dies zu einem essentiellen Erfolgsfaktor für Unternehmen jeder Größe geworden. Nutzer erwarten, dass solche Erfahrungen aktuell sind und eine angemessene Qualität haben. Daher wird die Wartung von Erfahrungen essentiell. Diese Dissertation bietet Modelle für so genannte "Erfahrungs-Feedback-Schleifen" (experience feedback loops). Diese Modelle spezifizieren Prozesse, Schema, und Erfahrungsdatenbankoperationen mit denen die Nutzer und andere Stakeholder systematisch in Evaluation und Wartung einbezogen werden können. Eine enge Integration in Geschäftsprozesse stellte die praktische Anwendbarkeit der Modelle sicher. Feedback-Schleifen für unterschiedliche Erfahrungstypen werden miteinander verbunden, um Kontextinformationen automatisch aufzeichnen und nutzen zu können. Für die systematische Entwicklung von Systemen mit Erfahrungs-Feedback-Schleifen bietet diese Dissertation den umfassenden DILLEBIS-Ansatz. Die Modelle sowie die verschiedenen Methoden und Komponenten des Ansatzes wurden iterativ entwickelt und in Fallstudien in 13 Projekten validiert. Die gemessenen Effizienzverbesserungen zeigen, dass der Ansatz auch für die Entwicklung von kleinen und mittelgroßen Systemen anwendbar ist.