Für ihre herausragende Masterarbeit im Bereich der Softwaretechnik und künstlichen Intelligenz wurde Rose Sunil, Absolventin des Masterstudiengangs Computer Science an der Universität Paderborn, mit dem Preis der Universitätsgesellschaft Paderborn für hervorragende Abschlussarbeiten ausgezeichnet. In ihrer Forschung widmet sie sich der Frage, wie große Sprachmodelle (Large Language Models, LLMs) zur Analyse komplexer Softwarestrukturen eingesetzt werden können.
Rose Sunil studierte von 2022 bis 2025 Informatik im Master an der Universität Paderborn und schloss ihr Studium mit der Note 1,4 ab. Parallel sammelte sie praktische Erfahrung als Werkstudentin in der Softwareentwicklung bei Phoenix Contact sowie als studentische wissenschaftliche Hilfskraft am Heinz Nixdorf Institut. Zuvor war sie bereits mehrere Jahre als Senior Systems Engineer bei Infosys in Indien tätig. Für ihre hervorragenden Studienleistungen und ihr Engagement wurde sie zudem durch ein Stipendium der Stiftung Studienfonds OWL im Rahmen des Deutschlandstipendiums gefördert.
Im Interview spricht Rose Sunil über ihre Forschung zu KI-gestützter Programmanalyse, ihre Erfahrungen im Studium an der Universität Paderborn und darüber, welche Rolle künstliche Intelligenz künftig in der Softwareentwicklung spielen könnte.
Frau Sunil, herzlichen Glückwunsch zu Ihrer Auszeichnung! Was bedeutet dieser Preis für Sie persönlich?
Für mich ist diese Auszeichnung sowohl eine Ehre als auch eine große Bestätigung für die Arbeit, die ich in meine Masterarbeit gesteckt habe. Sie spiegelt nicht nur den fachlichen Beitrag wider, sondern auch die Betreuung und das unterstützende Umfeld, das mich umgab.
Persönlich gibt sie mir das Selbstvertrauen, meine Forschung fortzusetzen und meine Arbeit in den Bereichen Software-Engineering und Programmanalyse zu vertiefen.
Worum geht es in Ihrer Masterarbeit und warum ist die Call-Graph-Analyse für die Softwareentwicklung so wichtig?
Meine Masterarbeit untersucht, wie große Sprachmodelle für die Erstellung von Aufrufgraphen in der statischen Analyse genutzt werden können, und bewertet ihre Leistung über mehrere Programmiersprachen hinweg.
Aufrufgraphen beschreiben, welche Funktionen innerhalb eines Programms welche anderen Funktionen aufrufen können. Sie bilden die Grundlage für viele fortgeschrittene Aufgaben im Bereich der Softwareentwicklung. Ungenaue Aufrufgraphen führen zu ungenauen Analysen, daher hat die Verbesserung ihrer Erstellung direkte Auswirkungen auf die Softwarequalität und -sicherheit.
Was hat Sie dazu motiviert, große Sprachmodelle für eine klassische Programmanalyseaufgabe einzusetzen?
Große Sprachmodelle haben beeindruckende Fähigkeiten beim Verständnis von Quellcode gezeigt. Wir waren neugierig, ob diese Fähigkeiten klassische statische Analysetechniken ergänzen oder sogar verbessern könnten. Anstatt KI als Ersatz zu betrachten, wollten wir systematisch untersuchen, ob sie einen sinnvollen Beitrag zu einem etablierten Analyseproblem leisten kann und unter welchen Bedingungen dies möglich ist.
Sie haben 26 verschiedene Sprachmodelle in mehreren Programmiersprachen untersucht. Was war die wichtigste Erkenntnis, die Sie aus diesem Vergleich gewonnen haben?
Eine wichtige Erkenntnis war, dass die Leistung sowohl von der Modellarchitektur als auch von der Programmiersprache stark abhängt. Größere Modelle garantierten nicht immer bessere Ergebnisse, und die Generalisierung über verschiedene Sprachen hinweg war nicht trivial.
Wo sehen Sie derzeit die größten Stärken, aber auch die Grenzen von KI-Modellen bei der Softwareanalyse?
KI-Modelle sind besonders stark im Umgang mit unvollständigen oder mehrdeutigen Informationen und bei der Erkennung gängiger Codierungsmuster, die aus großen Korpora gelernt wurden. Allerdings fehlen ihnen formale Garantien, und sie können inkonsistente Ergebnisse liefern. Bei sicherheitskritischen oder sicherheitsrelevanten Analyseaufgaben bleiben Erklärbarkeit und Korrektheit weiterhin große Herausforderungen.
Mit SWARM-CG und SWARM-JS haben Sie eigene Benchmark-Frameworks entwickelt. Wie wichtig sind Open-Source-Tools für Ihre Forschung?
Open-Source-Tools sind für Reproduzierbarkeit und Transparenz unerlässlich. Durch die Veröffentlichung von Benchmark-Frameworks ermöglichen wir es anderen Forschern, Ergebnisse zu validieren, Ansätze fair zu vergleichen und auf bestehenden Arbeiten aufzubauen. In sich schnell entwickelnden Forschungsbereichen wie der KI für die Softwareentwicklung ist eine gemeinsame Infrastruktur von entscheidender Bedeutung.
Ihre Forschungsergebnisse wurden veröffentlicht und fanden international Beachtung. Was bedeutet diese Resonanz für Sie als junge Wissenschaftlerin?
Das Feedback war sehr ermutigend. Es zeigt, dass die Forschungsfrage bei einem breiten Publikum Anklang findet, und motiviert mich, weiterhin an Themen mit großer Tragweite zu arbeiten. Außerdem unterstreicht es den Wert der Zusammenarbeit und des Austauschs zwischen verschiedenen Institutionen.
Welche Rolle spielte die Universität Paderborn bei der Entwicklung Ihrer Arbeit, insbesondere in Bezug auf Forschung, Betreuung und internationale Sichtbarkeit?
Die Universität Paderborn bot ein hervorragendes Forschungsumfeld mit starker Expertise in den Bereichen sichere Softwareentwicklung und Programmanalyse. Die Betreuung, strukturierte Diskussionen und Möglichkeiten zur Veröffentlichung haben die Qualität und den Umfang meiner Arbeit maßgeblich geprägt.
Woran möchten Sie in Zukunft weiter forschen, und was sind Ihre nächsten Schritte nach Abschluss Ihres Masterstudiums?
Nach Abschluss meines Masterstudiums setze ich meine Forschung nun als Doktorand am Heinz-Nixdorf-Institut fort. Ich bin derzeit Teil des vom ERC geförderten Forschungsprojekts „Self-Optimising Static Program Analysis“ (SOSA), das untersucht, wie sich statische Analysetechniken automatisch anpassen und ihre Effizienz und Präzision verbessern können.
Das übergeordnete Ziel ist es, zur Entwicklung intelligenterer, skalierbarer und praxistauglicher Softwareanalysesysteme beizutragen, die Entwickler besser dabei unterstützen können, die Qualität und Sicherheit von Software zu gewährleisten.
Wie hat die Universität Paderborn Sie auf Ihrem akademischen Weg unterstützt und warum bieten sich dort Ihrer Meinung nach besonders gute Bedingungen für Forschung an der Schnittstelle von Software-Engineering und künstlicher Intelligenz?
Die Universität Paderborn hat meinen akademischen Werdegang maßgeblich geprägt. Meine Erfahrungen während des Masterstudiums haben meine Entscheidung, hier zu promovieren, stark beeinflusst. Die Universität bietet Zugang zu starken Forschungsgruppen, eine enge Betreuung und internationale Forschungsnetzwerke, die meine Entwicklung als Nachwuchswissenschaftler wesentlich unterstützt haben.
