Dr. Jürgen Prokop
Medizingeräte
Nehmen Sie Kontakt mit uns auf. Ihr persönlicher Ansprechpartner ist:
Dr. Jürgen Prokop
Medizingeräte
* Pflichtfelder
Vielen Dank für Ihre Nachricht!
Ihre Anfrage wurde versendet. Wir melden uns zeitnah bei Ihnen zurück.
Generative KI hat unlängst begonnen, die System- und Softwareentwicklung von Medizinprodukten tiefgreifend zu verändern. Unternehmen stellen sich die Frage, wie sie die Time-to-Market verkürzen, Entwicklungszeiten reduzieren und vielleicht sogar kostengünstiger entwickeln können. Die Zukunft der Produktentwicklung könnte vollautomatisierte Tools beinhalten. Doch sind wir bereit für einen solch disruptiven Wandel?
Früher war die Softwareentwicklung einfacher: Entwickler:innen waren für alle Aspekte des Projekts verantwortlich und hatten ein hohes Maß an Kontrolle – vom Anforderungsmanagement und Coding über die Dokumentation bis hin zum Testing und Deployment. Mit zunehmender Komplexität softwareintensiver Systeme und dem Druck zur Kosteneffizienz kam die Automatisierung manueller Tätigkeiten ins Spiel. Heute stehen wir vor neuen Herausforderungen, wie z.B. vor wiederkehrenden, schlecht automatisierbaren Aufgaben, die Kreativität erfordern. Die generative KI hat das Potenzial, diese kreativen Aufgaben zu bewältigen. Die Herausforderungen, die wir hier beobachten, sind komplexe Prozesse und manuelle Ansätze, die stets hoch individuell sind. Und so sind wir der Meinung, dass es für eine Produktentwicklung auf Knopfdruck keine “one size fits all”-Lösung geben kann.
Gerne vernachlässigt, aber mit massivem Impact auf Folgegewerke, ist das Schreiben guter Requirements. Aus heutiger Sicht muss man sich die Frage stellen: Wie kann KI hierbei unterstützen? Im Rahmen unserer Initiative rund um KI-gestütztes Engineering haben wir diesbezüglich Erfahrung im Bereich Prompt Engineering aufgebaut, Single-Prompt-Ansätze untersucht und Multi-Agenten-Ansätze beleuchtet. Ebenso hervorzuheben ist die Stärke von Large Language Models (LLM) beim Transformieren unstrukturierter Requirements in formale Sprache, z.B. um vom RiL-Ansatz (Requirements-in- the-Loop) zu profitieren.
KI-Assistenten zum Review von Requirements sind in der Lage, Anforderungen auf Testbarkeit, Eindeutigkeit, Konflikterkennung und andere Kriterien zu überprüfen und Findings sowie Verbesserungsvorschläge zu liefern. Der Mensch bleibt jedoch letzten Endes für die Qualität und die Entscheidung, welcher KI-generierter Verbesserungsvorschlag übernommen werden soll, verantwortlich.
Wir springen nun von der linken Seite des V-Modells nach rechts zum Testing. Warum kann ich nicht einfach einen Chatbot verwenden, dort meinen Quellcode einfügen und als Resultat z.B. meine fertige Testspezifikation erhalten? Das liegt daran, dass es in einem Projekt diverse Rahmenbedingungen und Beschränkungen gibt, die die Automatisierung erschweren. Prinzipiell werden sehr viele Informationen benötigt, mehr als in einem kurzen Prompt untergebracht werden können. Dazu gehören komplexes Hintergrundwissen, wie beispielsweise Abhängigkeiten im Quellcode, zu verwendende Testframeworks, Einschränkungen bei der Testerstellung oder Anforderungen an die Software Unit.
Um all dem gerecht zu werden, benötigt man also für eine effiziente Integration von generativer KI in den Entwicklungsalltag vor allem auch die Anbindung an Anforderungs- und Testmanagementsysteme, wie beispielsweise Polarion oder Doors. Einen Ansatz, den wir zur Erstellung von Testfallspezifikationen verfolgen, basiert auf der Verwendung von “OpenAI Assistants”. Diese Assistenten haben via Polarion (Application Lifecycle Management) Zugang zu Anforderungen und verwandten Testspezifikationen.
Die Welt der Software und der Produktentwicklung ist im Wandel. Der autonome KI-Entwickler lässt wohl noch auf sich warten. Jedoch können KI-Assistenten bereits jetzt wertvolle Unterstützung bieten. Dabei gilt es, diese Tools und Assistenzfunktionen sinnvoll in den Entwicklungsalltag und Entwicklungsprozess zu integrieren. Die Verantwortung und der Qualitäts-Check obliegen in letzter Konsequenz weiterhin dem Menschen. Der Weg in eine KI-unterstützte Zukunft ist individuell und erfordert aus unserer Sicht vor allem eine Veränderung des Mindsets, Flexibilität, Lernbereitschaft, einen verantwortungsvollen Umgang und die Offenheit, sich durchaus auch kritisch mit GenAI auseinanderzusetzen.
Wir helfen unseren Kunden bereits dabei, hier erhebliche Potenziale zu identifizieren. Gerne besprechen wir auch mit Ihnen weitere Anwendungsfälle, in denen GenAI Ihre Entwicklungsprozesse verbessert. Kommen Sie gerne auf uns zu.
