ASEKI: Agiles Systems Engineering neu gedacht

Steigende Systemkomplexität, KI-Anteile und hohe Sicherheitsanforderungen sprengen klassische Entwicklungsmodelle. ASEKI zeigt Dir, wie Du Systems Engineering mit KI-Unterstützung wieder beherrschbar, schneller und nachweisbar machst.

Was ist ASEKI und wozu ist es gut?

ASEKI steht für Agiles Systems Engineering mit KI und ist das zentrale Ergebnis des HOOD-Teilvorhabens im Forschungsprojekt KI4BoardNet. Entwickelt wurde ASEKI vor dem Hintergrund einer klaren Beobachtung: Klassische, sequenzielle Vorgehensmodelle reichen für moderne Systems-of-Systems nicht mehr aus. Insbesondere in E/E-Architekturen mit hohem Softwareanteil, verteilten Funktionen, Sicherheitsanforderungen und KI-Komponenten entstehen zu viele Abhängigkeiten, als dass sie spät im Entwicklungsprozess zuverlässig abgesichert werden könnten.

ASEKI setzt genau hier an. Ziel ist es, Qualität, Konsistenz und Nachvollziehbarkeit nicht erst am Ende, sondern frühzeitig und kontinuierlich sicherzustellen. Dazu verbindet ASEKI agile Arbeitsweisen mit modellbasiertem Systems Engineering und KI-gestützter Automatisierung. Natürlichsprachliche Anforderungen werden nicht mehr nur dokumentiert, sondern systematisch analysiert, in formale Modelle überführt und früh verifiziert.

Der Nutzen für Dich liegt vor allem in der Praxis: Entwicklungszyklen werden kürzer, Rückkopplungsschleifen früher geschlossen und Fehlentwicklungen deutlich früher erkannt. Gleichzeitig bleibt der Engineering-Prozess nachvollziehbar und auditierbar – ein entscheidender Punkt in regulierten Domänen wie Automotive, Bahn oder Industrieanlagen.

Wie funktioniert ASEKI? – Der Prozess im Überblick

Das Herzstück von ASEKI ist ein iterativ-inkrementeller Referenzprozess, der im Abschlussbericht als durchgängiges Prozessmodell dargestellt ist. Dieses Prozessbild zeigt, wie Anforderungen, Modelle, Tests und Verifikation in einem geschlossenen Regelkreis zusammenwirken.

Der Einstiegspunkt sind wie in realen Projekten natürlichsprachliche Anforderungen, etwa aus Lasten- oder Pflichtenheften. Diese Texte sind in der Praxis häufig unpräzise, mehrdeutig oder inkonsistent. ASEKI nutzt KI- und NLP-Verfahren, um diese Anforderungen zu analysieren, strukturell aufzubereiten und qualitative Schwächen sichtbar zu machen. Der Requirements Engineer erhält damit früh Hinweise, wo Klärungsbedarf besteht.

Auf dieser Grundlage werden textuelle SysML-v2-Modelle generiert. Die Entscheidung für SysML v2 in textueller Notation ist bewusst getroffen worden, da sie eine maschinenlesbare, versionierbare und automatisierbare Modellierung erlaubt. Aus diesen Modellen können wiederum automatisch Diagramme erzeugt werden, die für Kommunikation und Reviews genutzt werden.

Ein zentrales Element des ASEKI-Prozesses ist die frühe formale Absicherung. Verhaltensrelevante Modellteile werden in eine formale Beschreibung überführt und mittels Model Checking geprüft. Dadurch lassen sich sicherheitskritische Eigenschaften bereits auf Modellebene validieren – lange bevor Hardware oder Software integriert sind.

Parallel dazu unterstützt ASEKI eine testgetriebene Spezifikation. Anforderungen werden in Akzeptanzkriterien und BDD-Szenarien übersetzt, aus denen automatisierte Tests entstehen. Modelle, Tests und Implementierung fließen anschließend in eine CI/CD-Pipeline ein, in der jede Iteration überprüfbar und reproduzierbar durchlaufen wird.

Wichtig ist dabei: Die KI wirkt als Beschleuniger und Assistenz, nicht als autonomer Entscheider. Verantwortung und Freigaben verbleiben klar beim Engineering-Team.

Was zeigen die Demonstratoren?

Die ASEKI-Vorgehensweise wurde im Projekt nicht nur theoretisch entwickelt, sondern anhand konkreter Demonstratoren validiert. Als Referenz diente ein öffentlich verfügbarer AUTOSAR-Safety-Use-Case, der die Architektur und Sicherheitsanforderungen eines Front Light Manager Steuergeräts beschreibt.

Auf Basis dieser Anforderungen wurden mithilfe der ASEKI-Toolkette textuelle SysML-v2-Modelle generiert, geprüft und formal verifiziert. Die Ergebnisse zeigen, dass die Kombination aus KI-gestützter Modellgenerierung und regelbasierter Prüfung praktikabel ist. Die generierten Modelle konnten syntaktisch und inhaltlich abgesichert werden, wobei sich reproduzierbare Verifikationsergebnisse erzielen ließen.

Ein weiterer Fokus lag auf der Integration in bestehende Werkzeuglandschaften. Die ASEKI-Module wurden als Plugins in industrielle Modellierungswerkzeuge eingebunden, sodass keine isolierten Prototypen entstanden, sondern anschlussfähige Lösungen für reale Entwicklungsumgebungen. Die Demonstratoren belegen damit, dass ASEKI kein akademisches Konzept ist, sondern ein industriell nutzbarer Ansatz.

ASEKI bei HOOD – von der Forschung zur Anwendung

ASEKI ist ein konsequenter Schritt in der Weiterentwicklung des Systems Engineerings bei HOOD. Mit jahrzehntelanger Erfahrung im Requirements und Systems Engineering und einer starken Forschungsbasis überführt HOOD die Ergebnisse aus KI4BoardNet in konkrete Beratungs- und Lösungsangebote.

Einen Überblick über die KI-Services von HOOD findest Du hier:
https://www.hood-group.com/beratung/ki-services

Speziell für den Einsatz von KI im Systems Engineering bietet HOOD vertiefende Lösungen:
https://www.hood-group.com/beratung/ki-services/hood-ki-loesungen-fuer-systems-engineering

Fazit

ASEKI zeigt, wie Systems Engineering unter den Bedingungen steigender Komplexität neu gedacht werden kann. Durch die enge Verzahnung von Agilität, Modellierung, KI-Unterstützung und früher Verifikation entsteht ein Vorgehen, das Qualität messbar macht und Risiken früh reduziert. Für Organisationen, die komplexe Systeme entwickeln, ist ASEKI ein belastbarer Weg in Richtung effizienter und sicherer Entwicklungsprozesse.

Du möchtest wissen, wie ASEKI konkret in Deinem Projekt eingesetzt werden kann?
Kontaktiere uns gern und vereinbare mit unseren Experten ein unverbindliches Gespräch ai@hood-group.com.

Dieser Blogbeitrag wurde von Andrea Bärnthaler, Markus Eberhardt und Bertil Muth für HOOD geschrieben.