Software-Zuverlässigkeitsmodelle erschienen vor etwa 25 Jahren in der Literatur /Jelinski, Moranda 72/, /Littlewood, Verall 73/, /Musa 75/, /Shooman 73/. Die anfängliche Erwartung, daß universell geeignete Modelle entwickelt werden könnten, hat sich nicht bestätigt. Es hat sich gezeigt, daß kein einzelnes Modell alle Situation geeignet beschreiben kann, weil jedes Modell auf spezifischen Annahmen basiert, z. B. über die Entwicklungsumgebung oder die Art der Ausfälle. Darüber hinaus ist es kaum möglich, vorab zu entscheiden, welches Modell geeignet sein wird /Keiller et al. 83/.

Die Erfahrung zeigt, daß der kritische Aspekt der Software-Zuverlässigkeitstechnik die Anwendung der Theorie ist. In der Praxis ist es wichtig, daß Zuverlässigkeit leicht gemessen und prognostiziert werden kann.

Das Siemens-eigene Werkzeug RAT (Reliability Assessment Tool) unterstützt verschiedene Software-Zuverlässigkeitsmodelle und enthält Techniken zur Modell-Auswahl und -Kalibrierung basierend auf beobachteten Ausfällen. RAT wird in zahlreichen System-Entwicklungen angewendet /Liggesmeyer, Ackermann 98/. Die Anwendungsbereiche sind u. a. Telekommunikationssysteme, verkehrstechnische Systeme und Anlagen, Medizintechnik, militärische Systeme, Kraftwerke und Industrieautomation. Der Umfang dieser Systeme variiert stark. Obwohl RAT z. Zt. nur Modelle enthält, die für die Modellierung von Software-Zuverlässigkeit vorgeschlagen wurden, ist das Werkzeug auch auf SW-/HW-Systeme angewendet worden, um zu prüfen, ob und wie derartige Zuverlässigkeitsmodelle für hybride Systeme benutzt werden können.

RAT enthält eine Anzahl von Zuverlässigkeitsmodellen, um eine gewisse Breite von Situationen abzudecken. Diese Modelle gehören ausschließlich zur Klasse der nichthomogenen Poisson-Prozesse /Zhao 91/. Die Modelle werden vollständig durch den Erwartungswert für die Anzahl der Ausfälle über der Zeit beschrieben.

Die Modellkalibrierung wird mit Hilfe des Verfahrens der minimalen Fehlerquadrate oder durch Maximum Likelihood-Anpassung durchgeführt. Die Beurteilung der Modelleignung erfolgt auf Basis des Prequential Likelihood-Verfahrens, des U-Plot-Kriteriums und der Holdout Bewertung (siehe auch /Lyu 95/).

Der Ansatz wird aufgrund der unkomplizierten Anwendbarkeit der Zuverlässigkeitsmodellierung in der Praxis akzeptiert. Die Anwendung auf große Entwicklungen in der Praxis zeigt, daß ein einzelnes Modell nicht ausreicht, um allen Situationen gerecht zu werden. Darüber hinaus hat sich der Ansatz bewährt, verschiedene Zuverlässigkeitsmodelle, Auswahlkriterien, Kalibriertechniken und Prognoseverfahren zu kombinieren. Die Abweichung von vorhergesagter und beobachteter Ausfallanzahl ist typischerweise 5%, wenn der Prognosezeitraum und der Zeitraum, über den Daten vorliegen, etwa gleich lang sind.