The Future of Systems Engineering

Die Entwicklung hochkomplexer technischer Systeme wie Satelliten oder autonomer Fahrzeuge stößt mit klassischen, dokumentenbasierten Ansätzen zunehmend an ihre Grenzen. In einer Welt, in der Time-to-Market und regulatorische Anforderungen an Safety und Security stetig steigen, transformiert sich das Systems Engineering (SE) radikal. Der Schlüssel liegt im Übergang von statischen Dokumenten zu lebendigen, formalen Modellen (MBSE), die durch neue Standards wie SysML v2 und den Einsatz generativer Künstlicher Intelligenz eine neue Stufe der Effizienz erreichen. Das Ziel ist klar: Ingenieure sollen sich wieder auf das eigentliche Engineering und Design konzentrieren können, während Assistenzsysteme die Last der Dokumentation und Konsistenzprüfung übernehmen.

In dieser Expertenrunde begrüßt Moderator Wolfgang Neuhaus drei führende Köpfe der Branche: Rik Rasor leitet das Center of Excellence für Artificial Intelligence am Fraunhofer IEM und bringt tiefe Forschungsexpertise zur KI in der Produktentstehung ein. Ihm gegenüber steht Tim Weilkiens, renommierter Autor, Berater bei oose und Co-Host des MBSE-Podcasts, der als Lead Developer maßgeblich an der Spezifikation der SysML v2 innerhalb der OMG mitwirkt. Komplettiert wird das Podium durch Alexander Nyßen, Systems-Engineering-Experte und Coach bei der itemis AG, der industrielle Transformationsprozesse im Bereich Digital Engineering begleitet und die Verzahnung von Methoden und Werkzeugen vorantreibt.

Zentrale Erkenntnisse zur Zukunft des Systems Engineering

• MBSE als digitales Rückgrat: Die Ablösung von Powerpoint und PDF durch formale Modelle ermöglicht eine semantische Auswertbarkeit und Durchgängigkeit über den gesamten Lebenszyklus.
• SysML v2 als technologischer Sprung: Durch die Einführung einer textuellen Notation und einer standardisierten API wird die Modellierungssprache interoperabel und für KI-Anwendungen zugänglich.
• KI als hocheffizienter Co-Pilot: Generative Sprachmodelle transformieren unstrukturierte Anforderungen in formale Artefakte und unterstützen massiv bei der Traceability und Modellprüfung.
• Agilität durch frühe Virtualisierung: Modelle erlauben es, Designalternativen frühzeitig zu simulieren und zu validieren, bevor physische Hardware hohe Änderungskosten verursacht.
• Vermeidung technologischer Scheren: Unternehmen müssen den Sprung zu modernen Engineering-Methoden jetzt vollziehen, um nicht von Wettbewerbern mit deutlich höherer Entwicklungsgeschwindigkeit abgehängt zu werden.

Der Paradigmenwechsel: Von Dokumenten-Inseln zu formalen Modellen

Das klassische Systems Engineering leidet heute unter der mangelnden Konsistenz isolierter Dokumente. Anforderungen liegen oft in Textform vor, Architekturen werden grafisch “gemalt”, aber nicht modelliert. Dieser Mangel an Formalisierung führt dazu, dass Widersprüche erst spät im Testprozess auffallen – ein teures und risikoreiches Vorgehen. Model-Based Systems Engineering (MBSE) setzt hier an, indem es Informationen in digitalen Modellen mit definierter Syntax und Semantik speichert. Erst diese Formalisierung erlaubt es, die wachsende Komplexität moderner Systeme durch automatisierte Prüfungen und computergestützte Analysen beherrschbar zu machen.

SysML v2: Textuelle Notation und standardisierte APIs

Die Einführung der SysML v2 markiert das Ende einer Ära, die auf 30 Jahre alter UML-Technologie basierte. Ein wesentlicher Fortschritt ist die Gleichwertigkeit von grafischer und textueller Notation. Während grafische Modelle gut für den Überblick sind, ermöglicht die textuelle Repräsentation ein präzises “Programmieren” von Systemstrukturen. Dies reduziert den Klick-Aufwand in Werkzeugen massiv und bringt den Ingenieur dichter an das eigentliche Modell.

Die Bedeutung der standardisierten API

Ein historisches Hemmnis im SE war die mangelnde Interoperabilität zwischen Werkzeugen (z. B. zwischen Requirements-Management und Architektur-Tools). SysML v2 adressiert dies durch eine standardisierte API. Diese erlaubt es, herstellerübergreifend auf Modelldaten zuzugreifen, diese zu lesen und zu verändern. Dies schafft die notwendige Basis für eine durchgängige Toolchain, in der Daten fließen können, ohne manuell transformiert werden zu müssen.

Generative KI als Enabler für effizientes Engineering

Die textuelle Natur der SysML v2 ist die ideale Schnittstelle für Large Language Models (LLMs). KI-Systeme sind heute bereits in der Lage, natürlichsprachliche Anforderungen direkt in SysML-Code zu übersetzen oder komplexe Modelle für Menschen verständlich zu erklären.

Überwindung des “White Paper”-Problems

Ein großer Hebel liegt im sogenannten Front-Loading. KI kann als Co-Pilot fungieren, der initiale Entwürfe (Drafts) von Systemarchitekturen generiert, die der Ingenieur anschließend verfeinert. Dies beschleunigt den kreativen Prozess und reduziert den Aufwand für repetitive Aufgaben. Zudem bietet die KI enormes Potenzial bei der Traceability: Sie erkennt Zusammenhänge zwischen Engineering-Artefakten – von der Anforderung über das CAD-Modell bis hin zum Testfall – und automatisiert die Setzung von Trace-Links, was manuell kaum noch zu bewältigen wäre.

Modellchecker und virtuelles Sparring

Zukünftige Engineering-Umgebungen werden Rollen wie Risk- oder Safety-Manager als KI-Agenten integrieren. Kleinere Teams erhalten so Zugriff auf Expertenwissen im Sparring-Modus. KI-gestützte Modellchecker validieren zudem in Echtzeit, ob Architekturen syntaktisch korrekt sind oder gegen domänenspezifische Designregeln verstoßen.

Die Herausforderung der Ausbildung und Adaption

Trotz der technologischen Fortschritte bleibt der menschliche Faktor entscheidend. Die Ausbildung an Hochschulen fokussiert sich oft noch zu stark auf Fakultätsgrenzen, während Systems Engineering ein interdisziplinäres Mindset erfordert. In der Praxis zeigt sich eine Schere: Während neue, agile Unternehmen diese Methoden schnell adaptieren, kämpfen etablierte Konzerne mit der Transformation ihrer historisch gewachsenen Prozesse. Die Zertifizierung zum Systems Engineer (z. B. nach INCOSE) gewinnt daher massiv an Bedeutung, um die methodische Lücke in den Unternehmen zu schließen.