Im Internet der Dinge werden nicht nur Rechner, sondern alle Arten eingebetteter Systeme, von der ZigBee-gesteuerten Glühbirne im Haushalt, am oder im Körper befindliche Sensoren bis hin zu komplexen Fertigungssystemen vernetzt. Die Herausforderung ist zum Einen, aus den sich ergebenden Möglichkeiten neue Dienste zu entwickeln. Zum Anderen, geeignete Plattformen zu finden, die energieeffizient sind und auch auf semantischer Ebene mit anderen Dingen Daten austauschen können. 

Der Lehrstuhl forscht auf dem Gebiet schon seit 2006 unter anderem in mehreren EU Projekten und hat unter anderem eine 3D-integrierte Hardwareplattform (SmartCoDe) sowie eine Dienstklassifikation und -Erkennung auf Semantischer Ebene realisiert. 

Einige ausgewählte Veröffentlichungen hierzu: 

• TR-FSM: Transfisition Based Reconfigurable Finite State Machine (ACM, 2012) beschreibt eine konfigurierbare Architektur, um einen optimalen Tradeoff zwischen einfacher Programmierbarkeit und Leistungsaufnahme zu erzielen. 
• Im Buch "Embedded Systems for Energy Management and Smart Appliances" (Springer, 2012) werden verschiedene Aspekte beschrieben; das Buch ist auch in Chinesischer Übersetzung (Springer, 2015) erschienen. 

Cyber-Physikalischer Systeme sowie das Internet der Dinge haben eine Komplexität, in der das Auftreten von Fehlern nicht eine zu vermeidende Ausnahmesituation, sondern der zu erwartende Normalfall sind. Solche Systeme müssen daher inhärent robust, resilient oder sogar "self-aware" sein. Ein Beispiel ist etwa ein autonom fahrendes Fahrzeug: Es kann sehr leicht in Situationen geraten, die nicht vorgesehen oder getestet waren. Wie kann hier die Sicherheit der Anwendung nachgewiesen werden? Wie kann die Testcoverage erhöht werden? Wie kann garantiert werden, dass ein einmal validiertes System nicht durch Austausch oder Weiterentwicklung seiner Komponenten unsicher wird? 

Am Lehrstuhl werden Methoden zur Validierung und Verifikation Cyber-Physikalischer Systeme entwickelt, die diese Fragen beantworten sollen. Als Ansatz wird Versucht, Unsicherheiten in Modellen und Komponenten greifbarer zu machen. Hierzu werden Unsicherheiten abstrakt durch Symbole und Eigenschaften beschrieben. Durch symbolische Simulation können dann alle möglichen dynamischen Abläufe bestimmt werden (Model Checking). Trotz aller Sorgfalt wird immer eine Modellierungsunsicherheit bestehen bleiben -- das Modelle die Realität nicht vollständig korrekt beschreiben ist einen ihnen immer immanentes Problem. Daher wird aus dem symbolischen Modell eine Laufzeitkomponente erzeugt, die eine einfache Art von "self-awareness" darstellt.

Einige Veröffentlichungen: 

•  IMSTW 2015, Paris (IEEE Xplore).
• SNR 2017, Uppsala (EPTCS247, hier) 
• DAC 2017, Austin, TX (ACM digital library)