Tripelgraphgrammatiken (TGGen) sind ein regelbasierter und formal fundierter Modelltransformationsansatz. Im praktischen Einsatz werden Modelle typischerweise entweder vollständig aus einem Eingabemodell abgeleitet oder Änderungen werden inkrementell in ein anderes Modell propagiert.

Die herausragende Eigenschaft der inkrementellen Modellsynchronisation ist, dass im Durchschnitt nur ein Teil des gesamten Modells bei der Transformation betrachtet werden muss.

Konsequenzen hieraus sind, dass zum einen Modelltransformationen effizienter werden und zweitens, dass so viele Informationen wie möglich erhalten bleiben. Der Erhalt von Informationen verbessert Modelltransformationen qualitativ, da zusätzlicher Modellinhalt, der nicht durch die angewandte Modelltransformation abgedeckt wird, erhalten bleiben kann. Dies können zum einen zusätzliche Modellelemente sein, oder zum anderen nutzerspezifische Entscheidungen während des Transformationsprozesses, die ohne Informationserhalt wieder manuell eingebracht werden müssen.

In der Praxis werden unidirektionale Regeln zur inkrementellen Vorwärts- bzw. Rückwärtspropagierung automatisch aus der TGG-Spezifikation abgeleitet und von einem sog. Kontrollalgorithmus verwendet. Aktuelle TGG-Ansätze haben teilweise schon eine Laufzeitkomplexität, die nur von der Anzahl der geänderten und deren abhängigen Elemente beeinflusst wird, sind aber nicht oder nur teilweise formalisiert, oder schränken die Ausdrucksmächtigkeit so ein, dass realistische Szenarios zum Teil nicht mehr abdeckbar sind.

Deshalb verfolgt diese Arbeit das Ziel einen neuen Ansatz für die inkrementelle Modellsynchronisation mit TGGen zu etablieren. Anforderungen an diesen Ansatz sind, dass er (i) effizient arbeitet (Komplexität abhängig von der Anzahl der Änderungen und deren Abhängigkeiten), (ii) so viele Informationen wie möglich während der Transformation erhält, (iii) wichtige formale Eigenschaften erfüllt und (iv) ausreichend Ausdrucksmächtigkeit besitzt, um auch für komplexe Szenarien anwendbar zu sein.

Es wird ein inkrementeller Kontrollalgorithmus präsentiert, der die Ergebnisse einer statischen Analyse von TGG-Spezifikationen nutzt, um den Einflussbereich von Modelländerungen zu erkennen und darauf aufbauend nur diese Elemente während der Synchronisierung zu betrachten. %Dieser vorgestellte Algorithmus erfüllt beweisbar alle oben genannten Anforderungen. Mit weiteren Verbesserungsvorschlägen und kritischen Diskussionen wird sich zeigen, dass der hier vorgestellte Ansatz ein passendendes Mittel ist, um Modelle inkrementell zu synchronisieren.