Die Automobilentwicklung befindet sich im Wandel: Programme für Software-definierte Fahrzeuge beschleunigen Funktionszyklen und erhöhen die Komplexität von Systeminteraktionen. Gleichzeitig müssen strenge Anforderungen an Sicherheit, Zuverlässigkeit und langfristige Wartbarkeit erfüllt werden.
In diesem Kontext ist Generative KI (GenAI) inzwischen ein wichtiger Bestandteil der technischen Arbeitsprozesse und bietet Potenziale zur Beschleunigung von Entwicklungsabläufen. Jedoch erschweren das nicht-deterministische Verhalten, das fehlende physikalische Systemverständnis sowie die eingeschränkte Rückverfolgbarkeit eine unmittelbare Anwendung in sicherheitskritischen Systemen. Diese Eigenschaften stellen im Hinblick auf die Verifizierung, Zertifizierung und Rückverfolgbarkeit erhebliche Herausforderungen dar, wenn GenAI-generierte Ergebnisse ohne geeignete Einschränkungen eingeführt werden.
Genau hier setzt Model-Based Design an: Es adressiert die oben genannten Herausforderungen durch deterministische Ausführung, ausführbare Spezifikationen sowie Physik-basierte Simulationen. MathWorks kombiniert diese Stärken, indem GenAI-Unterstützung gezielt in Model-Based Design-Tools integriert wird. Dadurch können Entwicklungsworkflows beschleunigt werden, ohne die Genauigkeit und Sorgfalt zu beeinträchtigen, die für die langfristige Zuverlässigkeit und Zertifizierung von Automobilsoftware erforderlich ist.
Simulation ist die Grundlage für Vertrauen in GenAI-gestützte Engineering-Workflows. Sie stellt eine kontrollierte Umgebung bereit, in der das Systemverhalten frühzeitig und iterativ verifiziert werden kann. Model-Based Design ermöglicht dabei Closed-Loop-Simulationen innerhalb kontinuierlicher Entwicklungs-Pipelines. So können GenAI-gestützte Artefakte kontinuierlich in virtuellen Umgebungen validiert werden, lange bevor die Software die Hardware erreicht.
Die Closed-Loop-Simulationen decken Fehler auf, die nur durch die Echtzeit-Interaktion zwischen Software, Hardware und physikalischer Dynamik entstehen, so wie Instabilitäten, Timing-Probleme, Sättigungseffekte oder Integrationsfehler. Im Gegensatz zu klassischen Softwaretests, die primär die Code-Logik isoliert prüfen, validiert die Simulation das Systemverhalten ganzheitlich gegen definierte Anforderungen und unter realistischen Betriebsbedingungen. Sicherheits- und leistungskritische Abweichungen können so deutlich früher erkannt werden.
In führenden Unternehmen ist ein solcher Shift-Left-Ansatz deshalb kein einmaliger Schritt, sondern strukturell verankert: Die virtuelle Verifizierung ist unmittelbar in CI/CD-Pipelines integriert. Jede Änderung löst automatisierte Builds und Simulationsläufe aus, in denen Modelle anhand repräsentativer Szenarien und Akzeptanzkriterien geprüft werden. Auf diese Weise erfolgt die Verifizierung kontinuierlich statt episodisch.
Eine weitere Herausforderung stellen Automotive-E/E-Architekturen dar, die sich von klassischen, ECU-zentrierten Netzwerken hin zu zonalen und zentralisierten Computing-Plattformen wandeln. Software ist dabei nicht mehr länger an spezifische Hardwarekonfigurationen gebunden. Stattdessen muss sie zuverlässig auf heterogenen Rechnerplattformen ausgeführt werden können und zugleich Portabilität und Skalierbarkeit leisten – von ressourcenbegrenzten Steuergeräten bis hin zu leistungsstarken Fahrzeugcomputern.
Model-Based Design unterstützt diese Anforderung, indem es Systemverhalten und Softwarestrategie von der Hardware-Implementierung entkoppelt. Ingenieure entwickeln ausführbare Modelle, die als stabile Source-of-Truth dienen. Aus diesen Modellen kann produktionsreifer Programmcode für eine Vielzahl unterschiedlicher Prozessoren und Betriebssysteme generiert werden, darunter Plattformen mit KI-Inferenz-Engines und Hardware-Beschleunigern wie GPUs, DSPs und NPUs. Dieser Ansatz ermöglicht die Entwicklung und Validierung von KI-fähigen Funktionen (z. B. virtuellen Sensoren) auf Systemebene. Gleichzeitig reduziert er den Aufwand, Algorithmen für jedes Ziel neu implementieren zu müssen. Dadurch steigen Effizienz und Konsistenz über Plattformen hinweg.
Engineering-Unternehmen stehen vor der Aufgabe, ihre Kooperationsmodelle umzugestalten, um mit der zunehmenden Komplexität Schritt zu halten. Die direkte Integration von Simulation, Virtualisierung und automatisierter Verifizierung in CI/CD-Workflows unterstützt schnelle Iterationen über Software, KI-Modelle und Strategien zur Hardwarebeschleunigung hinweg. Ein modellzentrierte Ansatz hilft Unternehmen dabei, schneller zu arbeiten und gleichzeitig Robustheit, Sicherheit und langfristige Wartbarkeit im Zeitalter softwaredefinierter und KI-gesteuerter Fahrzeuge zu gewährleisten.
Am wirkungsvollsten entfaltet KI ihr Potenzial in der Automobilentwicklung, wenn sie in einen deterministischen Modellierungsrahmen eingebettet wird. In modellbasierten Designtools werden von GenAI generierte Inhalte automatisch mit etablierten Schnittstellen, Datendefinitionen und architektonischen Einschränkungen verknüpft. Mit den Funktionen des Model Context Protocol (MCP) können Ingenieure agentische KI-Workflows in bestehende Entwicklungsprozesse integrieren und gleichzeitig die hohen Anforderungen an Genauigkeit, Konsistenz und Zertifizierbarkeit erfüllen.
Langfristige Wartbarkeit und Zertifizierungsfähigkeit erfordern deterministisches Verhalten, transparente Audit-Trails und Verifizierungsnachweise, die über den gesamten Lebenszyklus hinweg dokumentiert werden. Model-Based Design unterstützt diese Ziele unmittelbar, indem es Anforderungen, Modelle, Testsuiten und generierten Code miteinander verknüpft. Durch kontinuierliche Simulation werden Verifizierungsdaten fortlaufend erzeugt und nicht erst am Ende eines Entwicklungsprogramms. Folgen GenAI generierte Artefakte denselben Workflows, übernehmen sie diese Struktur. Dadurch wird sichergestellt, dass Produktivitätssteigerungen nicht auf Kosten der Sicherheit, Qualität oder Compliance gehen und dass GenAI in großem Maßstab eingesetzt werden kann.
GenAI und Model-Based Design bilden in Kombination einen strukturierten Ansatz, um die Entwicklung von Automobilsoftware zu beschleunigen, ohne Kompromisse bei Vertrauen, Sicherheit und technischer Präzision einzugehen. Während Model-Based Design Determinismus, physikalisch basierte Validierung und Rückverfolgbarkeit gewährleistet, trägt GenAI innerhalb dieses Rahmens zur Effizienzsteigerung und zu verkürzten Iterationen bei.
Die Kombination beider Ansätze ermöglicht frühzeitige Einblicke in das Systemverhalten sowie eine flexible Implementierung auf unterschiedlichen Hardwarearchitekturen. Der modellzentrierte Ansatz gewährleistet eine konsistente Zusammenarbeit zwischen den Ingenieur-Teams und fördert die Wiederverwendbarkeit und Konsistenz in globalen Programmen. GenAI-unterstütztes Model-Based Design bildet damit eine skalierbare und zuverlässige Grundlage für die Entwicklung robuster, wartbarer und zertifizierbarer Automobilsysteme.
Erfahren Sie mehr auf der diesjährigen MathWorks Automotive Conference Europe 2026
am 14. April 2026 in Stuttgart. Entdecken Sie neue Trends in der Automobilentwicklung, innovative Funktionen von Matlab und Simulink und erfahren Sie aus erster Hand, wie andere Unternehmen diese erfolgreich einsetzen.
Themen-Highlights sind:
Unter dem Motto »Software Transformation mit Model-Based Design und KI« beleuchtet die Konferenz, wie softwaredefinierte Fahrzeugarchitekturen, Virtualisierung und Künstliche Intelligenz die automobile Entwicklung revolutionieren. Die Teilnehmenden erwartet ein abwechslungsreiches Programm.
Robert Ter Waarbeek
ist Principal Automotive Industry Manager EMEA bei MathWorks.