Die GQM Methode ist bereits ausreichend definiert. Man muss sie jedoch selbst einmal angewendet haben, um sie durchdringen zu können. Dabei können sogenannte Abstraction Sheets unterstützend eingesetzt werden. In der Lehre an der Leibniz Universität Hannover hat sich gezeigt, dass das Ausfüllen dieser Formulare vielen Studenten Probleme bereitet. Sie sind von Abstraction Sheets überfordert oder erkennen den Sinn darin nicht. Als Folge lehnen die Studenten die GQM Methode ab und erlernen sie nicht. Wir stellen einen smarten Editor vor, welcher konkret die Erstellung des Abstraction Sheets und die Entwicklung von zugehörigen Metriken unterstützt. Der Anwender wird mit prozess-gesteuerten Fragestellungen zum korrekten Ausfüllen beider Formulare angeregt. Unerfahrene Anwender können den vollen Unterstützungsumfang des smarten Editors ausschöpfen und so an die GQM Methode herangeführt werden. Erfahrene Benutzer können den Editor verwenden, um Abstraction Sheets, Questions und Metriken zu erstellen und zu verwalten.
Ein Fallstrick beim Messen von Software
Entwicklungsprozessen oder Produkten ist, dass man das misst, was
einfach zu messen ist - und nicht das, was man
messen sollte, um aussagekräftige Ergebnisse zu erhalten
Grundlegende Ideen zu GQM entstanden während
einer Untersuchung am Goddard Space Flight Center
Dem Erfolg von GQM in der Praxis folgend, wird
die GQM Methode auch an der Leibniz Universität
Hannover gelehrt. Dem Thema GQM ist ein Kapitel
der Vorlesung zur Software-Qualität gewidmet und
es wird auch im dazugehörigen Übungsbetrieb
behandelt. Erfahrungsgemäß lässt sich ein besserer
Lernerfolg erzielen, wenn GQM praktisch angewendet
wird. Das Konzept von Abstraction Sheets und deren
korrekte Erstellung bereitet den Studierenden jedoch
öfter Schwierigkeiten - obwohl der Prozess zum
Erstellen eines Abstraction Sheets klar vorgegeben ist.
Studierende zeigten wiederholt Schwierigkeiten
Abstraction Sheets korrekt auszufüllen. Das mühsame
Aufzeichnen der Formulare per Hand könnte eine
zusätzlich Hürde darstellen. In dieser Arbeit stellen wir
einen Editor für Abstraction Sheets vor, der
Studierende mit Hilfsmechanismen aktiv beim Anwenden der
GQM Methode unterstützt. Der unsichere Anwender
wird mit gezielten Fragestellungen durch den
Ausfüllprozess geführt. Studierenden soll so eine mögliche
Ablehnung gegenüber der komplex anmutenden GQM
Methode genommen werden. Studierende sollen mit
diesem Werkzeug Gelegenheit erhalten, das korrekte
Ausfüllen von Abstraction Sheets zu üben.
Die GQM Methode wurde bereits in zahlreichen
Veröffentlichungen behandelt. Im folgenden wird ein
kurzer Überblick über die GQM Methode gegeben (in
der Form, in welcher diese an der Leibniz Universität
Hannover gelehrt wird
Der grundlegende Ablauf der GQM Methode sieht die schrittweise Erstellung eines GQM-Modells (auch GQM-Baum genannt) vor: Abstraktere Ziele werden
AS
6
6
Abbildung 1: GQM Methode an der Leibniz Universität
Hannover, basierend auf
Zu Lehrzwecken spalten wir Teile der GQM Methode auf und definieren sechs Schritte: 1. Ziele erheben und verfeinern (Goal) 2. Facettenbeschreibung der Ziele (Goal) 3. Ableitung von charakterisierenden Fragen (Question) zu den Zielen 4. Ableitung von zugehörigen Metriken, (Metric) 5. Messplan für eigentliche Datenerhebung erstellen (Metric) 6. Datenerhebung und Auswertung (Collection, Interpretation)
Die Einordnung dieser Schritte in das umfangreiche
Prozessmodell der GQM Methode nach
Schritt 1 produziert einen sogenannten Zielbaum, welcher ein high-level Messziel auf konkretere Subziele verfeinert und in Beziehung miteinander setzt. Aus diesem Zielbaum werden Subziele zur weiteren Bearbeitung ausgewählt. Die Facettendarstellung des Messziels (Schritt 2) forciert die Auseinandersetzung mit verschiedenen Aspekten eines Ziels und regt zur abgewandelten Betrachtung an.
Für die Ableitung von charakterisierenden Fragen
zu einem Messziel (nun vorliegend als Zielfacette,
Schritt 3) wird ein spezielles Formular eingesetzt, das
sogenannte Abstraction Sheets
Die aufgestellte Einflusshypothese wird in Schritt 4 und 5 überprüft. Dabei wird eine Metrik zur Zustandsabfrage des Qualitätsfaktors basierend auf dem Zustand des Einflussfaktoren entwickelt: Es werden verschiedene (mögliche) Ausprägungen für den Einflussfaktoren ermittelt und jeweils der Einfluss auf den Qualitätsfaktor gemessen. Für diesen Vorgang wird ein eigenes Tabellentemplate verwendet.
Die einzelnen Prozessschritte samt Formularen
skizziert Abb. 2. Eingehende Betrachtungen der GQM
Methode finden sich in
Der GQM-Editor nimmt ein Facettenziel entgegen und unterstützt maßgeblich die Erstellung eines zugehörigen Abstraction Sheets und zugehöriger Messpläne (Schritt 3 und Schritt 4). Die Erstellung und Verfeinerung von Messzielen oder deren Darstellung als Facette werden nicht unterstützt (Schritt 1 und Schritt 2). Beide Schritte lassen sich relativ schnell auf Papier bewältigen und erfordern (gemäß Lehrerfahrungen) weniger Unterstützung. Auch die eigentliche Durchführung und anschließende Interpretation werden nicht von unserem GQM-Editor unterstützt.
Das Abstraction Sheet (AS) bietet dem Anwender eine streng definierte Struktur um methodisch und zielsicher charakterisierende Fragen zu einem gegebenen Messziel abzuleiten. Dabei ist die Ausfüllreihenfolge der Quadranten vorgegeben und bildet ein U. Jeder Quadrant verlangt dem Anwender ab, bestimmte Aspekte des Messziels anzugeben. Auf diese Weise wird der abstrakte Qualitätsaspekt des Messziels in Qualitätsfaktoren konkretisiert, beeinflussende Faktoren (Einflussfaktoren) identifiziert und zugehörige Einflusshypothesen aufgestellt. Begonnen wird ein AS mit dem Eintragen des Messziels in Facettenform (oberer Teil von 3), welche aus dem vorigen Prozessschritt 2 übernommen wurde. Der Ablauf im Detail: 1. Oben, links: Der Qualitätsaspekt wird auf konkrete Eigenschaften des Betrachtungsgegenstandes konkretisiert, sogenannte Qualitätsfaktoren. Welche Merkmale machen den Qualitätsaspekt in diesem Projekt ganz konkret aus? In Fall von Abb. 3: Verständlichkeit von Quellcode bedeutet für den Ausfüllenden z.B. die Verzweigungstiefe. 2. Unten, links: Zu jedem Qualitätsfaktor wird eine Ausgangshypothese aufgestellt, wie es zu Messbeverfeinerte Ziele
Goal Goal
Goal Metric
Metric Question
Question
Question
Question charakterisierende
Fragen
Legende
Ergebnis-Übergabe Beitrag zum GQM-Baum zugeschnittene
Metriken
Verbessere...
Unterziel 1.1
Unterziel
1.2 Unterziel 1.1.1
Unterziel 1.1.2 …
... ... ... ... ... ... ... ...
... ... ... ...
1 2 4 3
Q-Faktoren E-Faktoren
...
Question Metrik Ergebnis
...
Question Metrik Ergebnis … Zielbaum, Verfeinerung von
Zielen
Facettendarstellung, Perspektivenwechsel
Abstraction Sheet, Ableitung von Questions
Messplan, experimentelle Überprüfung
Messen, interpretieren
Abbildung 2: Übersicht über die GQM Methode, Einordnung der Prozessschritte und Formulare ginn darum steht. Alternativ können auch nachgemessene Werte eingetragen werden. 3. Unten, rechts: Der Anwender stellt Einflusshypothesen für jeden Qualitätsfaktor auf: Wie könnte der Qualitätsfaktor zu beeinflussen sein? 4. Oben, rechts: Aus den Einflusshypothesen werden
Einflussfaktoren extrahiert.
Abb. 3 zeigt ein ausgefülltes AS. Obwohl die Anforderungen an den Inhalt eines Quadranten klar definiert sind, bereitet es Studenten öfter Schwierigkeiten, korrekte und brauchbare AS zu produzieren.
Auf einen Studierenden, der das Konzept des Abstraction Sheets noch nicht vollständig durchdrungen hat, kann dieses Formular abschreckend und komplex wirken. Zählt man das Eintragen des Messziels mit, so werden mehr als vier verschiedene Abfragen an den Studierenden gestellt. Hinzu kommt, dass diese Felder konzeptbedingt jeweils eng gefasste Ziele verfolgen und korrekte Antworten für die erfolgreiche Anwendung voraussetzen: Werden z.B. im ersten Quadranten die Qualitätsfaktoren nicht mit konkretisierenden Attributen belegt — sondern bleiben so abstrakt wie das Messziel — so führt das Abstraction Sheet nicht zu dem gewünschten Ergebnis. In Abb. 3 würde der ungeübte Studierende als ersten Qualitätsaspekt möglicherweise einfach ein Synonym für das Messziel eintragen, z.B. Verständnis. Damit ist in diesem Schritt jedoch nichts gewonnen. Der Studierende füllt die nachfolgenden Felder aus — und kommt dennoch nicht zum erwarteten Ergebnis und ist enttäuscht. Damit dieser Fall nicht eintritt, bietet unser Editor dem Studierenden gezielte Hilfestellung.
Durch kontextabhängige, konkret formulierte Fragestellungen wird der Anwender durch das Abstraction Sheet geführt.
Auch wenn der Hauptgrund der nicht-erfolgreichen Anwendung des Abstraction Sheets auf Unverständnis des zugrundeliegenden Konzeptes zurückzuführen ist, so kann eine derart geführte (wiederholte) Anwendung zur Durchdringung des Konzeptes führen bzw. beitragen.
Die Inhalte der Quadranten 1 bis 4 sind abhängig von einander: Inhalte werden von Quadrant zu Quadrant weitergegeben und verarbeitet. Z.B.: Hat der Anwender in Quadrant 1 das Qualitätsziel auf zwei konkrete Faktoren heruntergebrochen, so tauchen diese beiden Faktoren mit einer zusätzlichen Statuseinschätzung (genauer: Ausgangshypothese) im zweiten Quadranten wieder auf. Dieses Beispiel zeigt zwei Ebenen, auf denen der Anwender agieren muss, um das AS auszufüllen: Zum einen muss er einen kreativen Schritt tätigen und das Q-Ziel konkretisieren - dabei muss er genau wissen, was gerade von ihm verlangt wird. Zum anderen muss er die Einträge manuell in den nächsten Schritt übertragen und dort weiterverarbeiten. An diesen Stellen setzt unser GQM-Editor an: Der Anwender wird bei einem kreativen Vorgang durch eine gezielte Fragestellung als dezenter Hinweistext unterstützt (Grauer Hilfstext). Weiterhin übernimmt der GQM-Editor manuelle Schritte, überträgt Zwischenergebnisse in Folge-Quadranten und versucht damit die nächsten Einträge teilweise zu generieren (Automatischer Hilfstext). Beide Unterstützungsvarianten
Abbildung 3: Ein ausgefülltes Abstraction Sheet im GQM-Editor werden dynamisch anhand von vorhergegangenen Eingaben im AS generiert. Auf diese Weise lassen sie eine kontextbezogene Unterstützung zu. Dies ist eine der Stärken des GQM-Editors von denen besonders unerfahrene Anwender profitieren können. Beide Unterstützungstexte werden als vorgeschlagene Antworteinträge in den Quadranten eingeblendet — die der Anwender nach Belieben ändern und anpassen kann.
Für erfahrene Benutzer können die beiden Unterstützungsmechanismen ausgeschaltet werden, sodass der GQM-Editor als reiner Editor fungiert. Alle drei Mechanismen (keine Hilfe, grauer Hilfstext, automatischer Hilfstext) können für jeden Quadranten individuell eingestellt werden (siehe Dropboxen in den Quadranten, Abb. 3).
Die Hilfstexte haben eine weitere Funktion: Sie erscheinen in der Reihenfolge, in der das AS ausgefüllt werden sollte. Jeweils der nächst-auszufüllende Quadrant wird mit grauem oder schwarzem Hilfstext gefüllt. Dies soll den Anwender durch den Ausfüllprozess leiten. Da es sich bei den Hilfstexten nur um Vorschläge handelt, kann der Anwender aber auch gegen diese Reihenfolge verstoßen und z.B. die voreingetragenen Werte entfernen.
Das Einblenden von grauem Hilfstext ist die erste Unterstützungsstufe unseres GQM-Editors und für unerfahrene Anwender gedacht. Der Hilfstext soll dem Anwender an geeigneter Stelle ins Gedächtnis rufen, was in dem aktuellen Quadranten einzutragen ist. Er Abbildung 4: Hilfestellung im Quadrant 1 dient als Gedankenstütze, um die Aufgabe klar zu definieren: Der Anwender wird explizit — und angepasst an vorherige Eingaben — nach dem einzutragenden Inhalt gefragt. So erscheint der graue Hilfstext im ersten Quadranten, sobald der Anwender das Messziel als Zielfacette eingetragen hat. Die eingetragenen Werte werden dynamisch im Text verarbeitet und sind kontextualisiert: Anhand der eingegeben Zielfacette in Abb. 3 (gelb unterlegt) generiert der Editor den grauen Hilfstext: “Was ist für einen Entwickler ein Merkmal für Verständlichkeit, wenn es um Quellcode geht?” (siehe Abb. 4).
Sobald der Anwender auf ein Feld mit grauem Hilfstext klickt und einen Eintrag vornehmen will, verschwindet dieser und das Textfeld ist für den Anwender freigegeben. Die graue Farbe wurde bewusst dem Anschein eines flüchtigen Tooltipps nachempfunden. Abbildung 5: Hilfestellung im Quadranten 2 und 3
Die zweite Unterstützungsstufe wendet sich an sehr unerfahrene Anwender: Der GQM-Editor generiert Teile des Eintrags als schwarzen Text vor und lässt gezielt Lücken, die der Anwender ausfüllen soll. Dies lenkt die Gedanken der Anwender in gezielte Bahnen und es werden konkrete Werte verlangt.
Das Ausfüllen von Quadrant 1 bedarf eines kreativen Schrittes, der durch den grauen Hilfstext unterstützt wird. Teile von Antworten zu generieren ist hier nicht möglich. Quadrant 2 (Ausgangshypothese) bietet jedoch die Möglichkeit, die Q-Faktoren automatisch in die rudimentäre Form einer Hypothese zu überführen. Dabei kann der Aussagenkern der Hypothese nicht generiert werden, da dies wieder eines kreativen Schrittes bedarf. Jedoch wird das Eintragen dieses Aussagenkerns durch einen gezielten Lückentext unterstützt:
Bevor der Anwender in das Feld zum Eintragen der ersten Ausgangshypothese klickt, hat der Editor dort in grau eingetragen: “Wie steht es momentan um die/den ’Verzweigungstiefe’? Welche Erfahrungswerte, Vermutungen und/oder Messwerte gibt es zu diesem Qualitätsfaktor?” Dies erinnert den Anwender an die von ihm geforderte Ausgangshypothese. Sobald er in das Feld klickt, erscheint die folgende vorgenerierte Antwort in schwarzem und editierbarem Text: “Verzweigungstiefe ist/sind momentan zu <bitte Eigenschaft eintragen>. Momentan beträgt Verzweigungstiefe: <bitte Wert eintragen>.” Der Benutzer kann diese Vorlage verwenden, um seine Ausgangshypothese zu verfassen oder eine eigene formulieren (s. Abb. 5).
Ähnlich lässt sich mit Quadrant 3 verfahren (siehe Abb. 5), jedoch nicht mit Quadrant 4: Die Einflussfaktoren zuverlässig aus den resultierenden Einflusshypothesen zu extrahieren, ist aufgrund von sprachlichen Abweichungen und Eigenarten schwierig.
Letztendlich lässt sich diese zweite Unterstützungsstufe nur für den zweiten Quadranten (Ausgangshypothese) und dritten Quadranten (Einflusshypothese) einschalten. Quadranten 1 und 4 können lediglich die erste Unterstützungsstufe einsetzen.
Da möglicherweise die generierte Antwort nicht zu dem aktuellen Messprojekt passt, lässt sich diese generierte Antwort wie ein normales Textfeld bearbeiten und auch löschen. In Abb. 5 hat der Anwender die zweite Ausgangshypothese angepasst.
Nachdem der Anwender mithilfe des Abstraction Sheets Einflussfaktoren der Qualitätsfaktoren und zugehörige Einflusshypothesen aufgestellt hat, folgt der Schritt der experimentellen Überprüfung eines solchen Zusammenhangs. Der sogenannte Messplan fordert den Anwender auf, verschiedene Ausprägungen des Einflussfaktors zu ermitteln und dann zu überprüfen, wie sich der Qualitätsfaktor verhält. Auf diese Weise soll die Einflusshypothese validiert bzw. falsche Annahmen aufgedeckt werden.
Die beiden Faktoren werden automatisch aus dem Abstraction Sheet übernommen und bleiben an der selben Stelle stehen. Dies soll Verwirrungen beim unerfahrenen Anwender vermeiden. Bedingt durch die Idee der experimentellen Überprüfung muss der Anwender mit der rechten Seite des Messplans beginnen und zuerst den Einflussfaktor betrachten. Da dies etwas unintuitiv erscheinen mag, wird standardmäßig die linke Seite mit einem Hinweis ausgeblendet (siehe Abb. 6). Persönliche Workflows können auch realisiert werden; der Hinweis lässt sich ausschalten.
Jede Seite des Messplans gliedert sich in drei Teile, die nacheinander ausgefüllt werden. 1. Frage nach den möglichen Ausprägungen des Fak
tors. 2. Handlungsanweisungen, diese Ausprägungen zu
ermitteln. 3. Ausprägungen ermitteln und eintragen.
Die Formulierung der einleitenden Frage nach den Ausprägungen wird mit grauem Hilfstext bzw. schwarzem Lückentext unterstützt (siehe Abb. 6, beide Texte in den Feldern “Frage” sind generiert). Jedoch sind Schritt 2 und 3 stark projektabhängig und individuell.
Dementsprechend kann der GQM-Editor diese nicht
Abbildung 6: Linke Seite des Messplans wird zu Beginn ausgeblendet. mit automatisch generierten Antworten unterstützen, bietet jedoch hier die erste Hilfestufe an (grauer Text als Gedankenanstoß). Weiterhin gibt der graue Hinweistext dem unerfahrenen Benutzer die Reihenfolge zum Ausfüllen vor. Jede Eingetragene Ausprägung für den Einflussfaktor ist einem Eintragungsfeld für eine Ausprägung gegenübergestellt. Auf diese Weise soll dem Anwender die Gegenüberstellung und der Effekt der verschiedenen Faktor-Ausprägungen vereinfacht werden.
Zur Unterstützung der GQM Methode wurden bereits einige Tools entwickelt. Jedoch ist keines der untersuchten Tools fokussiert auf unerfahrene Benutzer oder bietet Hilfestellung beim eigentlichen Ausfüllen von Abstraction Sheets und Messplänen.
Die Enwicklung von GQMaspect wurde an der
Universität Kaiserslautern begonnen und später am
Fraunhofer IESE (Institut für experimentelles Software
Engineering) weitergeführt
GQM–DIVA (GQM–Definition Interpretation
Validation) wurde im Rahmen einer Diplomarbeit an der
Universität Kaiserslautern entwickelt
MetriFlame ist von VTT Electronics entwickelt
worden und dient zur Sammlung, Analyse und
Präsentation von Messdaten. Die Grundidee ist, dass dieses Tool
automatisch Daten für eine anstehende Messung
sammelt, indem es sich mit verschiedenen Datenbanken
anderer Tools verbinden kann.
Das GQM-Tool von
Der smarte GQM-Editor verwendet Texteingaben des Anwenders, um nächst-auszufüllende Felder mit kontextualisierten Hilfstexten oder sogar vorgenerierten Antworten zu bestücken. Die Konstruktion der grauen und schwarzen Hilfstexte basiert auf Textmustern, welche wir durch wiederholtes Bearbeiten und Lehren von Abstraction Sheets in der Lehre erkannt haben. Grob gesagt hat das begleitete Erklären von Abstraction Sheets anhand solch gearteter Kommentare den höchsten Lernerfolg bei Studenten erzielt.
Der smarte GQM-Editor setzt eine einfache Textersetzung nach diesen Regeln ein. Dieser Mechanismus ist zuverlässiger, je eindeutiger die Eingabetexte sind. Z.B. lässt sich anhand der starren Form der MesszielFacette des Abstraction Sheets (vier Eingabefelder, jeweils meist nur ein Wort) ein relativ passender und hilfreicher grauer Hinweistext im ersten Quadranten erzeugen (siehe Abb. 4). Je variabler die Eingabetexte werden, desto unzuverlässiger kann der generierte Text im nächsten Feld ausfallen. Dies kann dazu führen, dass der generierte Text unbrauchbar wird. Graue Hilfstexte verschwinden jedoch auch beim Anklicken und vorgenerierte Antworten (schwarzer Text) können einfach anwenderseitig bearbeitet oder gelöscht werden. Werden diese Textstücke generell zu verwirrend, kann der Anwender diese Unterstützung auch insgesamt ausschalten.
Die Feinheiten der deutschen Grammatik (männliche, weibliche Artikel, Plural, Singular) werden nicht gesondert behandelt. Die generierten Texte sind in dieser Hinsicht möglichst allgemein ausgelegt und verwenden mitunter unschöne Doppelbelegungen wie z.B. "die/den". Ein Plugin zur korrekten Lösung solcher Fälle lässt sich jedoch nachträglich einfügen. Generell priorisieren wir den Lerneffekt beim unerfahrenen Anwender gegenüber vollkommen korrekter Sprachkonstrukte. Mögliche sprachliche Fehler oder Ungenauigkeiten werden hingenommen, solange der Anwender versteht, was gemeint ist bzw. was gerade von ihm verlangt wird.
Der smarte GQM-Editor stellt keine Silver-Bullet für die GQM Methode oder das Erstellen von Abstraction Sheets dar. Der Anwender soll jedoch verstehen, was von ihm verlangt wird und wie solche Formulare gehandhabt werden. Der smarte GQM-Editor “hilft dabei auf die Sprünge” — kreative und korrektive Arbeitsschritte seitens des Anwenders werden dabei aber nicht ausgeschlossen.
Die praktische Nützlichkeit der hier vorgestellten Konzepte konnte nicht im universitären Umfeld evaluiert und validiert werden. Eine umfangreiche Evaluation ist bereits in Planung. Da diese Konzepte aber auf praktischer Lehrerfahrung basieren, sind wir zuversichtlich, dass Studierende davon profitieren werden.
Die GQM Methode wurde seit seiner Vorstellung
durch
In dieser Arbeit wird ein lauffähiger smarter GQMEditor vorgestellt. Er bietet eine webbasiert EditorOberfläche für die beiden Formulare Abstraction Sheet und Messplan und richtet sich in erster Linie an unerfahrene GQM-Anwender (wie z.B. Studierende).
Der GQM-Editor verarbeitet vorhergegangene Anwendereingaben, um kontextualisierte Hinweistexte an passenden Stellen einzublenden. Z.B. wird der Anwender in jedem Quadrant eines Abstraction Sheets explizit und individualisiert nach den einzutragenden Inhalten gefragt. Diese Hinweistexte sollen als Denkanstoß dienen und dem unsicheren Studierendem helfen, diese Formulare zu verstehen.
Zusätzlich kann der smarte GQM-Editor Antwortteile im Abstraction Sheet auf Wunsch anhand vorheriger Eingaben generieren. Antwortteile, die nicht automatisch generiert werden können, werden durch Lückentexte repräsentiert. Diese sollen den Anwender anregen, passende Antworten einzutragen.
Die generierten Texte erscheinen in der angedachten Ausfüllreihenfolge. Sie können vom Nutzer angepasst, gelöscht bzw. ausgeschaltet werden. Die erstellten Abstraction Sheets und Messpläne können vom Anwender gespeichert und verwaltet werden.
Eine umfangreiche Evaluierung des vorgestellten smarte GQM-Editor in der universitären Lehre wird vorbereitet. Dabei soll die Akzeptanz der GQM Methode und der zugehörige Wissensgewinn bei Studierenden gemessen werden.
Die Konzepte des smarten GQM-Editors sind als Initiative zu verstehen, komplizierte Techniken besser zu erlernen und vermitteln. Tool-basiert kann die SELehre damit unterstützt werden.