Mit dem kontinuierlichen Anstieg der Komplexität von Softwareprojekten geht auch ein Komplexitätsanstieg der zugehörigen Änderungsverläufe einher. Versionskontrollsysteme wie Git stellen eine etablierte toolbasierte Lösung für das Interagieren mit Softwareänderungen dar, verfolgen Änderungen jedoch stets auf Basis von Dateien und deren Zeilen, unabhängig davon, ob es sich bei den Inhalten um Quelltext oder normalen Text handelt. Dies führt letzten Endes zu Mängeln hinsichtlich der Genauigkeit von Auswertungen, die auf Basis dieser Daten versuchen, das Ziehen von Schlüssen über vergangene Änderungen zu ermöglichen. Tatsächlich zeigen Studien, dass auch heute Entwickler viele bestehende Lösungen größtenteils für unzufriedenstellend erachten und sich stattdessen gezwungen sehen, auf eine manuelle Suche durch die Versionkontrollhistorie zurückzugreifen. Software Evolution Visualization (SEV) und auf Versionskontrolldaten basierende Data-Mining-Ansätze stellen in der Forschung etablierte Gebiete dar, deren Erkenntnisse Entwicklern wiederholt bei solchen Problemen helfen konnten. Durch Kombination der Forschungsergebnisse auf beiden dieser Gebiete wird im Rahmen dieser wissenschaftlichen Arbeit ein moderner Ansatz zur Visualisierung von Versionskontrollhistorien erarbeitet, der quelltextnah Änderungen auf der Codesymbol-Ebene berücksichtigt. Unter Zuhilfenahme hochmodernster Konzepte und Technologien wird auf das Untersuchen von Möglichkeiten, solch einen Ansatz durch zielorientierte Literaturrecherche und in Absprache mit Experten auf dem Gebiet der Softwareentwicklung umzusetzen, abgezielt. Die Ergebnisse dieser Arbeit demonstrieren nicht nur die effektive Realisierbarkeit, sondern auch das Potential dieser Klasse von Visualisierungskonzepten anhand von szenariobasierten Evaluationsverfahren.
André Mategka (Sun,) studied this question.