Durchgängige Absicherung und lückenlose Traceability für Cybersecurity, Functional Safety und den Cyber Resilience Act
Zur Übersichtsseite
Methodische Exzellenz und maßgeschneiderte Werkzeuge für die modellbasierte System- und Softwareentwicklung.
Enterprise-Software aus einer Hand: AI-Integration, Legacy-Migration und Full-Stack-Entwicklung — kosteneffizient und souverän gehostet.
Zur Übersichtsseite
Modellbasierte Ansätze für System- und Softwareentwicklung, verbunden mit individuellem Werkzeugbau und nahtloser Toolchain Integration — pragmatische Methoden und maßgeschneiderte Werkzeuglandschaften aus einer Hand.
Mit itemis CREATE als Workbench für State Machines und itemis ANALYZE als Hub für die Integration heterogener Entwicklungslandschaften.
Methoden- und Werkzeugkompetenz ist, was itemis einbringt. Wir helfen unseren Kunden, ihren gesamten Entwicklungsprozess optimal zu gestalten: von Requirements Engineering über Systemanalyse und -design bis hin zu Softwareentwicklung, Implementierung und Test. Dabei schließen wir Lücken mit individuell entwickelten Werkzeugen, sorgen für nahtlose Integration heterogener Werkzeuglandschaften und schaffen Durchgängigkeit.
Die vier Themenfelder spiegeln genau das wider: Model-Based Systems Engineering, modellgetriebene Softwareentwicklung, individueller Werkzeugbau und Toolchain Integration.
MBSE bringt nur dann Nutzen, wenn es pragmatisch eingesetzt wird: als Mittel zur Reduktion von Komplexität und Integrationsrisiken in der Systementwicklung, nicht als Compliance-Übung.
Hier erfahren Sie, wann MBSE konkret Zeit und Geld spart, wann es nicht passt und wie der Weg von der Methodenwahl über die Werkzeugauswahl bis zur Einführung aussieht.
Modellgetriebene Entwicklung entfaltet ihren Nutzen, wenn das Modell die Rolle der Single Source of Truth übernimmt: als Grundlage für reproduzierbare Code-Generierung und frühzeitige Fehlererkennung, nicht als Dokumentationsformat.
Hier erfahren Sie, wie formale Modelle Komplexität beherrschbar machen, wie man frühzeitig validiert und simuliert und deterministisch Code generiert und ob MDSD im Zeitalter von KI noch relevant ist.
Jede Domäne hat ihre eigene Sprache. Da, wo Standardwerkzeuge zu kurz greifen, entwickeln wir Custom Tools, die exakt ihre Sprache sprechen.
Hier erfahren Sie, wann sich ein domänenspezifisches Werkzeug rechnet und wann Standardtools ausreichen, wie KI die Ökonomie des Werkzeugbaus verändert und wie itemis den Weg von der Domänen-Analyse bis zum ausgelieferten Werkzeug gestaltet.
Engineering-Toolchains wachsen über Jahre und sind selten aus einem Guss: Requirements Management, Systemmodellierung, Test-Management, Implementierung. Vier Aufgaben, vier Tool-Brüche, keine Durchgängigkeit.
Hier erfahren Sie, warum Toolchain Integration entscheidend ist, welche Integrationsebenen es gibt und wie itemis Werkzeugauswahl gestaltet.
Jetzt Termin mit Dr. Alexander Nyßen und Andreas Mülder vereinbaren.
die Engineering-Workbench für State Machines
Requirements Traceability für Engineering-Toolchains
Wir besetzen Projekte mit eingespielten Teams und Engineers, die motiviert sind, weil wir sie ernst nehmen. Das merken Kunden spätestens im ersten Sprint.
Audits, Release-Wochen, Krisen-Sprints – wir bleiben ruhig, arbeiten fokussiert und liefern auch unter Druck. Verlässlichkeit, die über den Vertrag hinausgeht.
Keine Diplomatie-Schleifen, keine Taktiererei. Wir kommunizieren direkt, hören zu und sprechen offen an, wenn etwas nicht passt. Sparringspartner statt Lieferant.
Wir setzen auf Substanz statt Verkaufsdruck und investieren in die Partnerschaft. Wer uns kennt, weiß: Verlässlichkeit ist bei itemis kein Versprechen, sondern Standard.
SysML v2 ist kein v1.8. Dieser Leitfaden gibt Systems Engineers ein übertragbares Denkmodell (kein mechanisches Element-Mapping) für den Übergang mit klarem Verständnis.
Whitepaper herunterladen
System Composer oder ein SysML-Tool für die Architekturmodellierung? Ein Vergleich entlang Requirements-Handling, Simulation, Onboarding, Stakeholder-Views, KI-Integration und Kosten — und warum die Antwort vom Projekt abhängt.
Zum Blog
Benjamin Alders
7 Min. Lesezeit
Knowledge Graphs und LLM Agenten für automatisierte ASPICE-Prozessbewertung: wie sich der Assessment-Vorbereitungsaufwand von 23 auf 6 Wochen reduzieren lässt. Das Whitepaper ist in englischer Sprache verfügbar.
Whitepaper herunterladen
Wie das Portalon-Plugin KI-Coding-Agenten wie Claude über MCP mit dem laufenden Modell eines JetBrains-MPS-Projekts verbindet – strukturell sichere Änderungen, Validierung und Language-Engineering-Skills, auf Ihrer aktuellen MPS-Version.
Zum Blog
Dr. Klaus Birken
9 Min. Lesezeit
Warum das dynamische Verhalten in den Schnittstellenvertrag gehört: Protocol State Machines spezifizieren erlaubte Ereignis-Reihenfolgen formal – mit Franca IDL als Beispiel und einem Blick auf Dezyne, P und Session Types.
Zum Blog
Dr. Klaus Birken
7 Min. Lesezeit
Wie UML-Profile in Enterprise Architect eingesetzt werden und wie profilierte Modelle mit der Eclipse-basierten EA-Bridge zur Codegenerierung mit Xtend genutzt werden können.
Zum Blog
Dr. Patrick Könemann
6 Min. LesezeitMAGNOTHERM reduziert Aufwand für Erstellung und Pflege von Firmware-Sourcecode durch den C++-Generator von itemis CREATE.
Zum ProjektKOSTAL integriert dank itemis bidirektionale UML-Modellierung nahtlos in den bestehenden Enterprise-Architect-Workflow.
Zum ProjektBSH nutzt itemis CREATE zur modellbasierten Entwicklung von Zustandsautomaten in Haushaltsgeräten.
Zum ProjektETAS nutzt itemis CREATE auf Sprach-, Semantik- und Codeebene statt eines selbst entwickelten Editors.
Zum ProjektMDSD und KI sind keine Konkurrenten. KI erzeugt statistischen Code ohne Konformitätsgarantie — dasselbe Prompt liefert unterschiedliche Ergebnisse, ohne Determinismus oder Traceability. MDSD liefert genau das, was KI strukturell nicht kann: reproduzierbare Generierung, Auditierbarkeit und qualifizierbare Werkzeuge. In sicherheitskritischer Entwicklung unter ISO 26262, DO-178C oder IEC 61508 ist Determinismus keine Option, sondern Voraussetzung.
KI ist heute ein effektiver Beschleuniger für den Modellaufbau: Anforderungstexte in erste Modellentwürfe überführen, Modelle auf Konsistenz prüfen, Refactorings vorschlagen. Das Modell bleibt die deterministische Quelle der Wahrheit — KI beschleunigt den Weg dorthin.
Die vier Themenfelder sind aufeinander aufbauende Ebenen desselben Problems. MBSE adressiert die Systemebene: Anforderungen, Architektur und Systemverhalten in einem konsistenten Modell. MDSD überführt dieses Wissen in ausführbaren, generierten Code — deterministisch und plattformunabhängig. Custom Tools kodieren Domänenwissen direkt in das Werkzeug: als validierte Modelle, erzwungene Regeln, konsistente Generierung. Toolchain Integration sorgt dafür, dass all diese Werkzeuge durchgängig kommunizieren und Traceability über Werkzeug- und Disziplingrenzen hinweg erhalten bleibt.
Wer alle vier Ebenen zusammenbringt, bekommt Engineering-Wissen, das strukturell im System verankert ist — und nicht in den Köpfen weniger Schlüsselpersonen.
