Während der letzten Jahrzehnte hat sich Software in alle Lebensbereiche ausgebreitet. Die kontinuierlich steigenden Kundenanforderungen ließen auch die Komplexität steigen, bei gleichbleibender Produktqualität. Analysedaten und diverse Beispiele entstammen der Automobildomäne, die einen sicherheitskritischen Bereich darstellt, in dem Produkte mit speziellen Qualitätsanforderungen entwickelt werden. Qualitätsanforderungen müssen von diversen Prozessen und Standards bedient werden, bei gleichzeitiger Einhaltung enger Endtermine. Die Komplexität der Software und der Safety-Aspekt beeinflussen die Fehlerquote der Produkte stark. Viele Anforderungen werden während der Entwicklung hinzugefügt oder verändert und führen zu permanenten Änderungen in der Software und einer weiteren Steigerung der Komplexität. Änderungen müssen analysiert und getestet werden, um die Qualität des entstehenden Produktes zu gewährleisten. Die Vorhersage von Defekten und Änderungen in der Software sind ein wichtiger Anteil des Software Engineering. Die industrielle Software-Entwicklung muss ihr Ziel innerhalb diverser Grenzen erreichen, ganz wichtig ist das Budget, wobei sich Änderungen an Projektparametern negativ auf das geplante Budget auswirken können. Solche Änderungen werden in zwei Klassen eingeteilt, durch Kunden verursachte neue oder veränderte Anforderungen, und die Korrekturen, die durch Systemverbesserungen oder Fehlerbehebungen entstehen, beide Klassen für das Projekt-Budget relevant. Die Aufwände für die neuen Kundenanforderungen können dem Budget einfach aufgeschlagen werden. Die Korrekturen verursachen ebenfalls große Aufwände, die zu einem negativen Budget führen können, was eine große Herausforderung für das Projektmanagement wie auch die automatisierte Schätzung der Aufwände über die gesamte Projektlaufzeit darstellt.
Over the past decades, software has spread to most areas of our lives. The complexity increased due to steadily increasing customer demands and, at the same time, the high quality of the products had to be kept. The data for the analyses and many of the examples are taken out of the automotive software development domain. The automotive domain is a safety-critical area where products are developed with specific quality requirements. These quality requirements have to be met by many processes and by satisfying several standards within stipulated deadlines during the development lifecycle. The complexity of the software and the safety aspect have a strong influence on the product defect ratio. Many requirements will be added and adjusted during the development lifecycle leading to continuous changes in the software and increased complexity. All these changes need to be analyzed and tested to ensure the quality of the product. Predicting software defects and changes is a significant part of software engineering. Industrial software development has to achieve its target within several boundaries. One of the important boundaries for an industrial project is the budget, where changes of any project parameters can easily lead to negative effects in the planned budget. Such changes are classified into two types, the changes pushed by the customer as new requirements or changed requirements, and the correction changes in the project because of improvements of the system and identified bugs with their fixes. This classification is important to control the project budget. The effort for the realization of new customer changes can be estimated and added to the budget. The correction changes also cause huge efforts, which can lead to a negative budget in the project which is a big challenge for the project management, the automated calculation of effort estimations for the complete development life-cycle. This thesis offers a new model to improve the effort estimation from multiple perspectives. This model also integrates follow-up-defects in later process phases. Thus, the defect cost flow is part of the model and enables the management defects and follow-up defects which could spread throughout the development phases. The newly developed model was successfully evaluated in the automotive domain. The overall accuracy of the effort estimations was improved by 80%.