Generative KI (GenAI) beschleunigt und gestaltet die Softwareentwicklung grundlegend neu. In sicherheitskritischen Anwendungen im Automobilbereich kann eine schnellere Erstellung jedoch Engpässe bei der Verifikation, Validierung und Rückverfolgbarkeit verursachen.
GenAI kann mithilfe manueller Prozesse Code, Modelle, Tests und Dokumentationen schneller erzeugen, als Teams diese Ergebnisse überprüfen und qualifizieren können. Ohne unterstützende Workflows riskieren Teams fragile Architekturen, eingeschränkte Rückverfolgbarkeit, unvorhersehbares Verhalten und einen Validierungsaufwand, der die Produktivitätsgewinne übersteigt. Für sicherheitskritische Systeme wirken sich diese Probleme direkt auf die Zertifizierungsreife und die langfristige Wartbarkeit aus.
Automobilteams müssen bestimmen, wie sie GenAI einsetzen können, während sie die technische Autorität, das Systemverständnis und die Einhaltung von Vorschriften bewahren.
Dieses Whitepaper beschreibt, wie Model-Based Design eine strukturierte Grundlage für die Anwendung von GenAI in der Entwicklung von Automobilsystemen und -software bietet. Durch die Kombination von GenAI mit Model-Based Design-Workflows können Ingenieurteams den Entwurf und die Implementierung beschleunigen und gleichzeitig Rückverfolgbarkeit, Verifikation und Validierung auf Systemebene über den gesamten Lebenszyklus hinweg sicherstellen.
GenAI kann die Produktivität erheblich steigern, indem sie Artefakte schnell erstellt, bei der Nutzung von Werkzeugen unterstützt und umfassendes Kontextwissen auf ingenieurtechnische Aufgaben anwendet. In der sicherheitskritischen Automobilentwicklung führen ihre Einschränkungen jedoch zu Risiken, wenn sie nicht innerhalb eines strukturierten Workflows behandelt werden.
Ein Wandel vollzieht sich von isolierten GenAI-Werkzeugen hin zu agentischer KI (Agentic AI), bei der KI-unterstützte Agenten Aufgaben basierend auf den von Ingenieuren definierten Zielen ausführen. Diese Agenten können mit Werkzeugen wie MATLAB® und Simulink® interagieren und erweitern GenAI von einem Assistenten zu einem aktiven Teilnehmer in Entwicklungs-Workflows.
Model Context Protocol (MCP) und Skill-Dateien sind die wesentlichen Grundlagen für Agentic AI-Anwendungen, die auf der Basis großer Sprachmodelle (LLMs) arbeiten. MCP ermöglicht es LLMs, mit Ingenieur-Tools (wie MATLAB, Simulink und Polyspace®-Produkten) zu interagieren, wodurch probabilistische Schlussfolgerung in eine fundierte, deterministische Ausführung überführt wird und das Verständnis der Physik genutzt wird. Skill-Dateien sind textuelle Anweisungen, die großen Sprachmodellen (LLMs) mitteilen, wie sie bestimmte Aufgaben am besten ausführen und was sie vermeiden sollten.
Die entscheidende Frage ist nicht, ob GenAI nützlich ist (das ist sie eindeutig), sondern wie man sie so anwendet, dass Exaktheit, Vertrauen und technische Zuverlässigkeit parallel zur Geschwindigkeit skalieren. Ohne entsprechende Verifikations-, Validierungs- und Rückverfolgbarkeits-Workflows kann eine schnellere Erstellung das Risiko auf spätere Integration, Zertifizierung und langfristige Wartung verlagern.
Model-Based Design ist seit langem ein Grundpfeiler des Automobilingenieurwesens. Durch die Darstellung von Systemen als ausführbare Modelle unterstützt es Teams dabei, Komplexität zu reduzieren, die Implementierung mit Rückverfolgbarkeit zu automatisieren und das Systemverhalten frühzeitig zu validieren, bevor Probleme sich weiterverbreiten.
Im Zeitalter von GenAI ist Model-Based Design nicht nur weiterhin relevant, sondern wird durch GenAI auch verbessert und erweitert. Wenn GenAI innerhalb etablierter Model-Based Design-Workflows operiert, behalten Ingenieure die Kontrolle über Systementscheidungen und Entwurfsziele. Ausführbare Modelle, physikbasierte Simulationen, deterministische automatische Codegenerierung und Verifikationstools schaffen eine strukturierte Umgebung, in der KI-unterstützte Änderungen überprüft, getestet und mit Belegen verknüpft werden können.
Model-Based Design kombiniert Werkzeuge wie MATLAB und Simulink mit GenAI über den gesamten Entwicklungszyklus hinweg.
In diesem Zusammenhang wird die visuelle und systematische simulationsgetriebene Verifikation zu einem entscheidenden Vorteil. Ausführbare Modelle und Simulationsergebnisse ermöglichen es Ingenieuren, das Systemverhalten zu erkennen, Ursache und Wirkung über verschiedene Domänen hinweg zu verstehen und die KI-unterstützte Entwicklung mit Klarheit zu überwachen, anstatt sich ausschließlich auf generierten Code oder Protokolle zu verlassen.
Beschleunigung des Entwurfs mit GenAI
Der Entwurf ist typischerweise die erste Phase, in der Ingenieure die Vorteile von GenAI erleben. In der frühen Entwicklungsphase wird viel Zeit mit sich wiederholenden Implementierungsaufgaben verbracht, anstatt sich auf die Entscheidungen auf höherer Systemebene zu konzentrieren. GenAI hilft, diese Belastung zu verringern, während die Ingenieure weiterhin für die Ergebnisse verantwortlich bleiben. Durch mit Simulink verbundenen KI-basierten Agenten konzentriert sich GenAI auf Automatisierung und Ausführung, während Ingenieure Ziele, Randbedingungen und Abwägungen festlegen.
Ingenieure können mithilfe von KI-Agenten architektonische Modellentwürfe aus textuellen Anforderungen erstellen, Systeme mithilfe geprüfter Bibliotheken zusammenstellen und konsistente Modellierungsmuster anwenden. In diesem Setup ist GenAI gleichermaßen wertvoll bei der Arbeit mit bestehenden Entwürfen. Große Simulink-Modelle können umstrukturiert werden, um die Struktur und Wartbarkeit zu verbessern, wodurch eine traditionell zeitaufwändige, sich wiederholende manuelle Arbeit zu einem schnelleren Prozess wird.
KI automatisiert mehrere oft mühsame Entwicklungsaufgaben, einschließlich der Verbindung von Anforderungen mit einem Modell.
Von KI-unterstütztem Entwurf bis zur produktionsreifen Software
Je mehr man sich bei der Entwicklung der Produktion nähert, desto mehr werden Randbedingungen aus Automobilprozessen und -standards unverzichtbar. Während GenAI bei der Algorithmusentwicklung unterstützen kann, muss Produktionscode deterministisch, nachvollziehbar, zertifizierbar und echtzeitfähig sein.
Es entsteht eine praktische Trennung: GenAI unterstützt die kreative Beschleunigung; Model-Based Design gewährleistet die Produktionsdisziplin. Nachdem ein Entwurf validiert wurde, werden etablierte Workflows für die Codegenerierung, Verifikation und Compliance angewendet.
Mithilfe von Werkzeugen wie Embedded Coder® können Teams automatisch optimierten C und C++ Code für den Einsatz auf Produktionshardware generieren und anschließend bewährte Verifikations-Workflows anwenden, um Vertrauen für die Bereitstellung zu schaffen. KI-Agenten können diese Phase durch die Automatisierung von Integrationsaufgaben, den Aufbau von Testschnittstellen und die Orchestrierung von Bereitstellungs-Workflows optimieren. Wichtig ist, dass GenAI bestehende Toolchains nicht ersetzt, sondern dabei hilft, sie zu verbinden.
Unabhängig davon, wie Code erstellt wird (handschriftlich, von KI erstellt oder aus Modellen generiert), muss er überprüft werden. Polyspace-Werkzeuge ermöglichen es, die Fehlerresistenz zu analysieren, Sicherheitslücken zu erkennen, die Einhaltung von Codierstandards zu überprüfen und das Fehlen von Laufzeitfehlern nachzuweisen. Dieser Schritt stellt sicher, dass die KI-unterstützte Entwicklung die Codierstandards für Automobil-Software erfüllt.
Validierung in einem GenAI-unterstützten Engineering-Workflow
Je mehr die Verwendung von GenAI-erstellten oder durch GenAI modifizierten Komponenten zunimmt, desto wichtiger wird die Validierung. Automobilsysteme sind komplex und multidisziplinär. Viele Fehler treten nicht auf der Ebene einzelner Funktionen oder Komponenten auf. Stattdessen treten sie während der Integration auf – wenn Softwarefunktionen miteinander, mit Sensoren, Aktoren und realen Betriebsbedingungen interagieren.
Diese Herausforderung wird durch GenAI verstärkt. Wenn Teile einer Softwarefunktion automatisch erzeugt oder abgeändert werden, müssen Prüfer nicht nur die Änderung selbst, sondern auch deren Auswirkungen auf das Systemverhalten, Schnittstellen, Tests und Integrationsannahmen bewerten.
Die Validierungsphase ist genau der Punkt, an dem Simulationen von entscheidender Bedeutung sind, da sie es Ingenieuren ermöglichen, Software zusammen mit elektrischen, mechanischen und Umweltbedingungen zu simulieren und zu testen, noch bevor physische Prototypen verfügbar sind. Simulation ist daher der Mechanismus, der Integrationsprobleme frühzeitig aufdeckt und die „Shift-Left“-Validierung unterstützt.
MathWorks beschleunigt die Bereitstellung von GenAI-Funktionen und gewährleistet dabei die Stabilität und Qualität, die für die Automobiltechnik erforderlich sind. Zwei hochwertige Releases pro Jahr bieten eine verlässliche Grundlage, während schnellere Iterationszyklen bei den GenAI-Angeboten die rasche Bereitstellung neuer GenAI-Funktionen ermöglichen. Die aktuellen GenAI-Fähigkeiten umfassen MATLAB, Simulink und agentenbasierte Polyspace-Toolkits sowie Simulink Copilot.
GenAI verändert die Art und Weise, wie Automobilsoftware und -systeme entwickelt werden. Der Erfolg hängt davon ab, Innovation mit Exaktheit in Einklang zu bringen.
Teams, die GenAI ohne durchsetzbare Verifikation und Rückverfolgbarkeit anwenden, laufen Gefahr, während der Integration, Zertifizierung und Wartung mehr Nacharbeit sowie einen hohen Tokenverbrauch zu verursachen. Teams, die GenAI innerhalb von Model-Based Design-Workflows anwenden, können die Geschwindigkeit mit Zuversicht skalieren, da jede Änderung nachvollziehbar und in ausführbarem Verhalten sowie validierten Nachweisen verankert ist.
Durch die Kombination von GenAI mit Model-Based Design können Teams die Erstellung beschleunigen und gleichzeitig das ausführbare Verhalten, die Verifikation, die Rückverfolgbarkeit und die deterministische Implementierung bewahren, die für sicherheitskritische Ingenieurarbeiten erforderlich sind. MathWorks verpflichtet sich, mit der Automobil- und Fahrzeugindustrie zusammenzuarbeiten, um GenAI-fähige Ingenieurumgebungen zu schaffen, die Qualitätserwartungen und Sicherheitsanforderungen erfüllen und eine langfristige Wartbarkeit gewährleisten.
