Kernproblem von Unter­nehmen

Core Challenge of Companies

Unter­nehmen im High-Tech-Sektor agieren an der komplexen Schnitt­stelle von Hardware, Software und Mechanik. Klassische, dokumenten­basierte Entwicklungs­prozesse führen bei der Entwicklung regel­mäßig zu späten und kosten­intensiven Design­änderungen während der physischen System­integration in der Produktion und beim Kunden. Industrielle Standard-Frameworks des Model-Based Systems Engineering sind für einige Organisations­größen jedoch oft zu komplex, software­tool-lastig und unrentabel.

Enterprises in the high-tech sector operate at the complex intersection of hardware, software, and mechanics. Legacy, document-based development processes regularly lead to late and costly design changes during physical system integration in production and at the customer's site. However, industrial standard frameworks of Model-Based Systems Engineering are often too complex, software-tool-heavy, and unprofitable for some organization sizes.

Benötigt man MBSE?

Is MBSE Required?

Der folgende Entscheidungs­baum soll die grund­sätzliche Beantwortung der Frage verein­fachen, ob MBSE für ein Unter­nehmen oder eine Entwicklung sinnvoll ist.

The following decision tree is intended to simplify the fundamental answer to the question of whether MBSE makes sense for a company or a development project.

Lösung und methodischer Ansatz mit Lean MBSE

Solution and Methodological Approach with Lean MBSE

Ist die Einführung von MBSE sinnvoll, bietet sich ein pragmatischer Lean-MBSE-Ansatz als Lösung an. Statt das Gesamtsystem vollständig digital abzubilden, digitalisiert und simuliert dieser Ansatz nur die kritischen System­schnitt­stellen und funktionalen Abhängig­keiten. Kosten­effiziente Modellierungs­werkzeuge halten den Aufwand gering. Wer Verifikations­schritte konsequent in die erste digitale Entwicklungs­phase vorzieht, senkt die Entwicklungs­risiken für cyber-physische Systeme und verkürzt die Zeit bis zur Markt­reife.

If introducing MBSE makes sense, a pragmatic Lean MBSE approach offers a solution. Instead of fully representing the entire system digitally, this approach digitizes and simulates only the critical system interfaces and functional dependencies. Cost-effective modeling tools keep the overhead low. Moving verification steps consistently into the first digital development phase lowers development risks for cyber-physical systems and shortens time-to-market.

Zusammenfassung der Strategien zur Verkürzung der Entwicklungszeiten

Summary of Strategies to Shorten Development Times

Modellierung und Werkzeuge

Modeling and Tools

• Wer die Modellierung auf kritische Schnitt­stellen und wesentliche Zustands­maschinen beschränkt, spart Dokumentations­aufwand gegenüber einer vollständigen Abbildung des Gesamt­systems.
• Leicht­gewichtige, text­basierte Werkzeuge senken Einarbeitungs­zeit und Kosten.
• Ein zentrales Architektur­modell dient als gemeinsame Daten­basis. Änderungen lassen sich zwischen den betroffenen Fach­bereichen abgleichen.

• Restricting modeling to critical interfaces and essential state machines saves documentation effort compared to a full representation of the entire system.
• Lightweight, text-based tools cut onboarding time and costs.
• A centralized architecture model serves as a common data basis. Changes can be synchronized between the affected engineering disciplines through it.

Frühe Verifikation und Entkopplung von der Hardware

Early Verification and Decoupling from Hardware

• Wer Verifikations­schritte per Software-in-the-Loop und Hardware-in-the-Loop in die digitale Phase vorzieht, entkoppelt die Software­entwicklung von den physischen Liefer­zeiten der Komponenten.
• Eine frühe Vorstudie mit funktionalen Versuchs­aufbauten testet die Elektronik los­gelöst von den mechanischen Vorgaben.
• Prototypen aus additiven Fertigungs­verfahren liefern frühzeitig funktionale Muster.

• Shifting verification steps into the digital phase via software-in-the-loop and hardware-in-the-loop decouples software development from physical component lead times.
• An early pre-study with functional test setups checks electronics independent of mechanical constraints.
• Prototypes from additive manufacturing provide functional samples early on.

Schnittstellen- und Konfigurationsmanagement

Interface and Configuration Management

• Ein versioniertes Schnitt­stellen-Register vermeidet manuelle Übertragungs­fehler bei cyber-physischen Systemen.

• A versioned interface register prevents manual transcription errors in cyber-physical systems.

Integration

Integration

• Regelmäßige kurze Integrations­sprints an physischen oder teil­virtuellen Versuchs­aufbauten decken Fehler frühzeitig auf.

• Regular short integration sprints on physical or semi-virtual test setups uncover errors early on.

Möglichkeiten zur Verkürzung der Entwicklungszeiten durch künstliche Intelligenz

Opportunities to Shorten Development Times through Artificial Intelligence

Anforderungs- und Konzeptphase

Requirements and Concept Phase

• Die automatisierte Analyse von Lasten­heften durch Sprach­modelle identifiziert Widersprüche in den Anforderungen frühzeitig und verhindert dadurch fehlerhafte Spezifikationen.
• Algorithmen evaluieren historische Projekt­daten und sagen potenzielle Schnitt­stellen­konflikte bereits während der frühen Konzept­phase voraus.
• Sprachmodell-gestützte Ableitung von Testfällen direkt aus Anforderungs­texten reduziert die manuelle Übersetzung zwischen Lastenheft und Prüfspezifikation.
• KI-gestützte Ähnlichkeitssuche in bestehenden Entwicklungen identifiziert wiederverwendbare Lösungs­bausteine aus früheren Projekten und vermeidet Doppelentwicklung.

• Automated analysis of requirement specifications by language models identifies contradictions in requirements early on, preventing faulty specifications.
• Algorithms evaluate historical project data and predict potential interface conflicts during the early concept phase.
• Language-model-supported derivation of test cases directly from requirement texts reduces the manual translation between specifications and test plans.
• AI-supported similarity search across existing developments identifies reusable solution building blocks from earlier projects and avoids duplicate development.

Entwicklung und Simulation

Development and Simulation

• Die durch KI unterstützte Generierung von Software-Headern und Treiber­schichten aus funktionalen Architektur­modellen beschleunigt die Programmierung für cyber-physische Systeme.
• Maschinelles Lernen optimiert die Parametrierung von Simulations­modellen für komplexe physikalische Effekte und verkürzt so die virtuelle Absicherung der verschiedenen technischen Disziplinen.
• Generative Code-Assistenten beschleunigen die Implementierung wiederkehrender Muster (Kommunikationsprotokolle, Zustandsautomaten) und lassen Entwickler sich auf die anwendungs­spezifische Logik konzentrieren.
• Anomalieerkennung in Simulationsergebnissen mittels maschinellem Lernen filtert unplausible Parameterkombinationen automatisiert heraus, bevor sie in die physische Erprobung gelangen.

• AI-supported generation of software headers and driver layers from functional architecture models accelerates programming for cyber-physical systems.
• Machine learning optimizes the parameterization of simulation models for complex physical effects, shortening the virtual validation across different technical disciplines.
• Generative code assistants accelerate the implementation of recurring patterns (communication protocols, state machines), letting developers focus on application-specific logic.
• Anomaly detection in simulation results via machine learning automatically filters out implausible parameter combinations before they reach physical testing.

Test und Verifikation

Test and Verification

• Die automatisierte Erstellung und Durchführung von Test­anordnungen reduziert den zeitlichen Aufwand bei der Absicherung der funktionalen Systems­sicherheit.
• KI-basierte Testfallpriorisierung konzentriert begrenzte Hardware-in-the-Loop-Kapazitäten auf die Szenarien mit der höchsten Fehlerwahrscheinlichkeit.
• Automatisierte Auswertung von Logdaten aus Integrationsversuchen mittels Mustererkennung verkürzt die Fehlerdiagnose gegenüber manueller Sichtung erheblich.

• Automated creation and execution of test setups reduces the time required to validate functional system safety.
• AI-based test case prioritization concentrates limited hardware-in-the-loop capacity on the scenarios with the highest probability of failure.
• Automated evaluation of log data from integration tests using pattern recognition significantly shortens error diagnosis compared to manual review.

Wissensmanagement und Projektsteuerung

Knowledge Management and Project Control

• Ein unternehmens­internes Sprachmodell, trainiert auf Lessons-Learned und Fehlerdatenbanken, macht Erfahrungswissen aus abgeschlossenen Projekten für neue Teams durchsuchbar und reduziert wiederkehrende Fehler.
• Analyse von Projektkennzahlen (Aufwand, Terminverzug) auf Basis historischer Daten liefert frühzeitige Warnhinweise für Ressourcenengpässe in der Entwicklung.

• An in-house language model, trained on lessons learned and error databases, makes experience from completed projects searchable for new teams and reduces recurring mistakes.
• Analysis of project metrics (effort, schedule slippage) based on historical data provides early warning of resource bottlenecks in development.