Dienstleistungen im Digital Engineering

Angesichts der zunehmenden Komplexität heutiger technischer Systeme ist es von entscheidender Bedeutung, bei deren Entwicklung einen systematischen Ansatz zu verfolgen, wie er in der ISO 15288 definiert ist. Systems Engineering ist ein interdisziplinärer Ansatz, der Engineering, Management und andere Disziplinen umfasst, um sicherzustellen, dass ein System die Anforderungen seiner Nutzer und Stakeholder erfüllt und den gesamten Entwicklungs- und Lebenszyklus abdeckt.

Model-Based Systems Engineering (MBSE) ist in diesem Sinne eine Weiterentwicklung der klassischen Ansätze und stützt sich auf semiformale und formale Modelle, um das System, seinen Kontext und die Beziehungen zwischen ihnen darzustellen. Diese Modelle können unterschiedlicher Art sein, z. B. Struktur‑, Funktions‑/Verhaltens‑ oder physikalische Modelle oder sogar spezielle Fehlermodelle, wie sie in FTA- oder FMEA-Analysemethoden verwendet werden. Die Verwendung von Modellen ermöglicht es Ingenieuren, das Verhalten eines Systems unter verschiedenen Bedingungen zu untersuchen, Leistung zu analysieren und potenzielle Probleme in einem frühen Stadium des Entwicklungsprozesses zu erkennen, bevor das System tatsächlich gebaut wird.

MBSE kann die Entwicklung insbesondere im Hinblick auf funktionale Sicherheit (IEC 61508, ISO 26262) und Cybersecurity (IEC 62443, ISO 21434) unterstützen, indem es einen strukturierten Ansatz für den Entwurf und die Entwicklung von Systemen bietet, der Sicherheitsanforderungen und Sicherheitsrichtlinien einbezieht. MBSE ist das Werkzeug, mit dem Ingenieure Modelle erzeugen, um das System, seine Komponenten und Wechselwirkungen darzustellen sowie das Systemverhalten unter verschiedenen Bedingungen zu analysieren. Dies ermöglicht es, potenzielle Sicherheits- oder Cybersicherheitsrisiken frühzeitig im Entwicklungsprozess zu erkennen und geeignete Maßnahmen zu entwerfen.

Künstliche Intelligenz (KI) und insbesondere ihr Teilgebiet maschinelles Lernen haben in den letzten Jahren die Software- und Systementwicklung erheblich beeinflusst. Innovationen sowohl in der Recheninfrastruktur (wie z. B. GPUs, die die Berechnungen beschleunigen) als auch innovative Konzepte im ML (wie z. B. große Sprachmodelle / LLMs) ermöglichen die Lösung neuer Probleme, die zuvor mit "klassischen" algorithmischen Ansätzen kaum zu bewältigen waren. Das Erkennen von Fußgängern, das Extrahieren von Wissen aus einem Textkörper oder sogar das Generieren von Bildern auf der Grundlage textueller Beschreibungen sind Probleme, die unmöglich durch das Entwerfen eines Algorithmus und Implementieren eines Programms in C, C++, Java usw. zu lösen sind.

Das Design und die Implementierung von auf maschinellem Lernen basierenden Systemen erfordern Expertise in einem neuen technischen Bereich sowie die Beherrschung der zugehörigen Werkzeuge. Aspekte wie Datenakquisition, Datenmanagement und ‑engineering, Netzwerkdesign / ‑training / ‑validierung, Optimierung und Einsatz sowie Lebenszyklusmanagement und Betrieb (MLOps) stellen neue Herausforderungen dar und werden am besten mit einem erfahrenen Partner eingeführt.