Künstliche Intelligenz effizient nutzen

KI im Software-Entwicklungsprozess: effizienter, schneller, smarter - ohne Qualitätsverlust.

Mit großen Sprachmodellen (LLMs) die Entwicklung, das Testen und die Dokumentation von industrieller Software revolutionieren: Produktivität steigern, Routinetätigkeiten reduzieren, Entwicklungszyklen verkürzen.

DAS WILL ICH AUCH

KI im Software-Entwicklungsprozess:
effizienter, schneller, smarter -
ohne Qualitätsverlust.

DAS WILL ICH AUCH

KI als Unterstützung

Typische Herausforderungen bei der Software-Entwicklung

Wartung und Pflege

von großen Systemen über viele Jahre oder Jahrzehnte hinweg.

Security und Safety

Hoher Qualitätsanspruch und die Notwendigkeit, Normen einzuhalten.

Domänenspezifisches Wissen

bildet die Grundlage für die wirksame Softwareentwicklung.

Internes Know-how und kritische Informationen

müssen geschützt werden.

Verifikation & Validierung

Sowohl die korrekte Umsetzung
als auch die Eignung der Software spielen eine Rolle.

Dokumentation

Entwicklungsprozesse müssen dokumentiert werden, um Transparenz und Qualität sicherzustellen.

KI in Entwicklungs- prozessen

Das Vorgehen zur Einführung von KI im Entwicklungsprozess ist nicht eindeutig definiert.

Wertschöpfung maximieren

Mehr Fokus auf das Wesentliche

Moderne KI-Modelle wie LLMs unterstützen unsere Entwickler bei Codewerk bei Analyse, Testfallgenerierung und Dokumentation.

Mit dem gezielten Einsatz domänenspezifischer Informationen erzeugen sie hochwertige Ergebnisse, die Entwicklungszeiten verkürzen und Fehler schneller sichtbar machen.

Enabler

Was KI-Integration erfolgreich macht

Damit KI in der Softwareentwicklung zuverlässig funktioniert, braucht sie ein solides Fundament aus relevanten Informationen und klaren Rahmenbedingungen. Nur wenn domänenspezifisches Wissen, Architekturdetails und Projekthintergrund strukturiert bereitgestellt werden, kann ein LLM hochwertige und konsistente Ergebnisse erzeugen.

Mit Retrieval-Augmented Generation (RAG) wird ein KI-Modell um die Fähigkeit erweitert, externe Informationen gezielt abzurufen und diese direkt in die Antwortgenerierung einzubeziehen. Durch kontinuierliche Qualitätsmessung und Optimierung entsteht zuletzt ein kontrollierter, reproduzierbarer KI-Prozess, der echten Mehrwert liefert.

Leitfaden

Schritt für Schritt zum effektiven KI-Einsatz

Analyse von Anwendungsfällen

Priorisierung nach Machbarkeit und erwartetem Nutzen

Richtlinien für den KI-Einsatz

Betrachtung der Risiken und Erarbeitung von Maßnahmen

Datenbereitstellung

Erforderliche Kontextdaten identifizieren und bereitstellen

Pilotanwendung

Prototypische Umsetzung und Erprobung in einem kleineren Umfeld

Systematische Evaluation

Qualität des Outputs und realer Nutzen des KI-Einsatzes

Skalierung:

Weiterentwicklung für den produktiven Betrieb und Schulungen für Nutzer

KI in der Praxis

3 zentrale KI-Use-Cases bei Codewerk

Unsere drei zentralen Use Cases zeigen, wie LLMs heute bereits Programmierung, Testdesign und Dokumentation effizienter und zuverlässiger machen. So entsteht ein durchgängiger Mehrwert entlang des gesamten Software-Lifecycle.

USE CASE 1

KI-assistierte Programmierung

Schnellere Entwicklung, bessere Codequalität und effizientere Dokumentation durch KI-Unterstützung direkt im Entwicklungsprozess.

LLM-basierte Tools helfen uns dabei, komplexen Bestandscode zu verstehen, Docstrings zu Erstellen und Boilerplate-Code zu generieren. So bleibt mehr Zeit für wirklich wertschöpfende Aufgaben.

MEHR ERFAHREN

USE CASE 2

Generierung von Blackbox-Tests

Unsere KI erstellt Testfälle auf Basis Ihrer domänen- und projektspezifischen Anforderungen. So entstehen hochwertige Blackbox-Tests, lange bevor klassische Testprozesse starten würden. Das spart Aufwand, senkt Kosten und führt zu einer vorausschauenden Fehlersichtung im Projekt.

MEHR ERFAHREN

USE CASE 3

Dokumentation

Sicherheitskritische Domänen wie Bahn oder Industrie erfordern normgerechte Dokumente. Durch die Unterstützung von KI lassen sich Anforderungen, Architektur- und Entwurfsdokumente sowie Testspezifikationen automatisiert und konsistenter generieren. Das reduziert Routineaufwand und sorgt zugleich für bessere Nachvollziehbarkeit.

MEHR ERFAHREN

„Das Potenzial in der industriellen Softwareentwicklung entfaltet sich erst, wenn die KI die Realität hinter dem Code versteht. Deshalb ermöglichen wir ihr den Zugriff auf die relevanten Kontextdaten der Anwendungsdomäne.“

David Barton, KI-Experte & Softwareentwicklung bei Codewerk

FAQ

Häufige Fragen und Antworten zu unseren Anwendungen und eingesetzten Technologien.

Was versteht man unter Generativer KI, LLMs und RAG?

Generative KI ist eine Form von künstlicher Intelligenz, die neue Inhalte wie Texte, Bilder, Audio oder Video erzeugen kann. Große Sprachmodelle (Large Language Models, LLMs) sind generative KI-Modelle, die auf großen Textmengen trainiert wurden, um natürliche Sprache (z.B. Dokumente und Quellcode) zu lesen und zu erzeugen. RAG (Retrieval-Augmented Generation) ist ein ergänzender Ansatz, um einem LLM Zugriff auf zusätzliche Informationen zu geben, die nicht in den Trainingsdaten des LLM enthalten sind. Dadurch können Antworten generiert werden, die spezifische unternehmensinterne Informationen voraussetzen.

Wo kann ich KI produktiv in der industriellen Softwareentwicklung einsetzen?

Routinetätigkeiten können automatisiert werden, während anspruchsvollere Tätigkeiten unterstützt werden. Bei der Erstellung von Quellcode, Testfällen und Dokumenten sowie bei der Analyse komplexer Probleme helfen KI-basierte Assistenzsysteme in allen Phasen des Entwicklungsprozesses. Dank des KI-Einsatzes können auch mit wenig Aufwand eigene (nicht KI-basierte) Tools erstellt werden, die wiederkehrende oder eintönige Aufgaben automatisieren. Insgesamt werden Entwickler produktiver und können sich stärker auf anspruchsvolle Tätigkeiten konzentrieren.

Wie geht Codewerk beim Einsatz von KI mit vertraulichen Daten um?

Beim Einsatz von KI-Technologien achten wir immer auf Informationssicherheit und Datenschutz. Vertrauliche Daten, die uns von Kunden bereitgestellt werden, fließen nicht ohne ihr Einverständnis in das Training der KI-Modelle von Drittanbietern ein. Wenn Dienste von Drittanbietern erforderlich sind, wählen wir diese sorgfältig aus, um Risiken zu minimieren.

Wie zuverlässig sind KI-basierte Lösungen?

Die Ergebnisse von KI-Modellen sehen in der Regel plausibel aus, können aber verschiedene Fehler enthalten. Ein Beispiel dafür sind sogenannte Halluzinationen, also falsche oder erfundene Informationen. Diese können durch optimierte Prompts, die Verwendung von RAG und durch neuere LLMs verringert werden. Im Allgemeinen empfehlen wir, KI-Funktionen mit geeigneten Kontrollen und Tests abzusichern. Wichtige Ergebnisse sollten dabei immer von Menschen kontrolliert werden.

Modellbasiertes Software-Engineering für die Fahrzeugsteuerung

SCHNELLER ANS ZIEL

Die Entwicklung und Validierung von Fahrzeugsteuerungssoftware beschleunigen wir auf Grundlage des modellbasierten Software-Engineerings.

IoT- und Edge-Applikationsentwicklung

FÜR SMARTEN BAHNBETRIEB

Gesundheitszustände monitoren, Optimierungsmöglichkeiten im Netz erkennen, vorausschauende Wartung ermöglichen – unsere Applikationsentwicklung macht Wissen aus Ihren Daten.

Subsystem-Integration für Fahrzeugsteuerung und Betreibernetz

DAMIT DAS GANZE FUNKTIONIERT

Multi-Vendor-Architekturen zu einem funktionierenden Ganzen zusammenzufügen – dafür übernehmen wir die volle Verantwortung bei der Subsystem-Integration für Fahrzeugsteuerung und Betreibernetz.

Innovationen

ZUKUNFT GESTALTEN

Um Schienenfahrzeugtechnik an den Herausforderungen der zukünftigen Jahrzehnte auszurichten, arbeiten wir intensiv an internationalen Forschungsprojekten mit.

Basissystem-Entwicklung

BASIS FÜR DIE ZUKUNFT

Leistungsfähig und modular erweiterbar – wir leisten in internationalen Standardisierungsprojekten unseren Beitrag zu einem künftigen Basissystem.

Geräteintegration für SIMATIC PCS 7 / SIMATIC PCS neo

IHRE KOMPONENTEN IN LEITENDER POSITION

Die Leitsysteme von Siemens SIMATIC PCS 7 und SIMATIC PCS neo sind führend in der Prozessindustrie. Wir übernehmen für Sie die reibungslose, systemkonforme Integration Ihrer eigenen Produkte oder Third-Party-Komponenten.

PROFINET Stack Integration

WIR SPRECHEN FÜR SIE PROFINET

Sie wollen PROFINET in Ihre Chips oder Geräte integrieren. Wir übernehmen die Adaption des geeigneten Stacks als Sorglos-Paket für Sie – bis hin zur Zertifizierung.

Systemintegration für industrielle Kommunikation

DAMIT KEIN DATENPUNKT VERLORENGEHT

Ob PROFINET, OPC UA oder MQTT und darauf basierende Anwendungen – wir übernehmen für Sie die komplette Integration von Produkten in Ihre Systemlandschaft der industriellen Kommunikation.

IoT- und Edge-Applikationsentwicklung

AUS DATEN WERDEN ENTSCHEIDUNGSGRUNDLAGEN

Sie wollen aus Big Data Smart Data machen – wir bauen Ihre Anwendung: von der Datenerfassung (Konnektivität) über die Datenübertragung bis zur Datenevaluierung und -nutzung.

IO-LINK-BIBLIOTHEK FÜR SIMATIC PCS 7 / SIMATIC PCS NEO

Sichere Punkt-zu-Punkt-Verbindungen in der Industrie lassen sich relativ einfach mit den entsprechenden IO-Links realisieren. Damit die Integration systemkonform läuft, bieten wir Ihnen die passenden Treiber.

TURCK Remote IO FÜR SIMATIC PCS 7

Die systemkonforme Anbindung von TURCK-Systemen an das Prozessleitsystem SIMATIC PCS 7 muss kein Zeitfresser sein. Unsere Baustein-Bibliothek sorgt für maximalen Komfort auf der Anwenderseite.

unibeam. - Und auf einmal ist alles Smart Factory.

Erleben Sie eine neue Interpretation von IoT-Plattform: eigentlich eher „IoT-Plugform“. unibeam ist ein verblüffend einfacher und effizienter Weg, wie auch KMUs das volle Potential der Digitalisierung nutzen können.

Cyber Security für Komponentenhersteller:

VON ANFANG AN SICHER

Wie wir Ihnen helfen, mögliche Schwachstellen in Ihren Produkten zu eliminieren – von der Produktentwicklung über den gesamten Lebenszyklus hinweg.

Cyber Security für Anlagenbetreiber:

MEHR SCHUTZ FÜR IHRE WERTE

Wie Sie mit uns Risiken im Betrieb monitoren und mitigieren können – unterstützt durch unsere Kombination aus System-, Software- und Security-Know-how.