KI-Copilots und KI-Modelle in der Praxis
MathWorks: »KI-Copilots revolutionieren das Entwickeln«
In immer mehr Entwicklungsumgebungen erleichtern KI-Copilots Anwendern die Arbeit. Doch was können die Kopiloten konkret im Entwicklungsalltag leisten, und inwieweit helfen sie im Umgang mit KI-Modellen? Dr. Rainer Mümmler, Principal Application Engineer bei MathWorks, gibt nähere Informationen.
Elektronik: Welche Möglichkeiten eröffnen und welche Funktionen bieten KI-Copilots wie der Matlab Copilot Entwicklern?
Dr. Rainer Mümmler: KI-Copilots wie der Matlab Copilot revolutionieren die Arbeit von Entwicklern, indem sie es ihnen erleichtern, bestehende Matlab-Skripte nachzuvollziehen. Sie erklären den Code und stellen Zusammenhänge verständlich dar, was besonders bei komplexen Projekten von großem Vorteil ist. Darüber hinaus helfen sie, typische Probleme bei Syntax oder APIs zu lösen. Dies ermöglicht einen schnelleren Einstieg in neue Projekte und führt zu einer signifikanten Steigerung der Produktivität.
Ein weiterer Vorteil liegt in der Integration von Recherchefunktionen direkt in die Matlab- und Simulink-Entwicklungsumgebung. Dadurch werden störende Kontextwechsel vermieden, sodass der Arbeitsfluss nicht unterbrochen wird. Auch bei der Fehlersuche leisten KI-Copilots wertvolle Unterstützung: Fehlermeldungen und Warnungen werden analysiert und in verständlicher Sprache erläutert, was die Problemlösung erheblich beschleunigt. Darüber hinaus fördern KI-Copilots experimentelles und exploratives Arbeiten, indem sie alternative Lösungswege und Optimierungen vorschlagen. Dies eröffnet Ingenieuren neue Perspektiven und unterstützt kreative Ansätze. Ergänzend übernehmen KI-Copilots Routineaufgaben wie die automatische Erstellung von Testfällen. Dies entlastet Entwickler und trägt gleichzeitig zur Qualitätssicherung bei.
Welche Ersparnis von Zeit und Aufwand bringen KI-Copilots wie der Matlab Copilot Entwicklern?
Die automatische Erstellung von Kommentaren im Programmcode spart Entwicklern viel Zeit bei der Dokumentation ihrer Arbeit. Darüber hinaus lassen sich Funktionen innerhalb von Legacy-Code deutlich einfacher erklären, weil der KI-Copilot den bestehenden Code analysiert und in verständlicher Form erläutert. Die konkrete Zeitersparnis variiert zwar je nach Vorerfahrung des Nutzers und der jeweiligen Aufgabe, doch in der Praxis werden häufig Effektivitätssteigerungen von 20 bis 50 Prozent erreicht.
Wie bzw. mit welchen Techniken lassen sich KI-Modelle erstellen, optimieren, verifizieren und gegebenenfalls verkleinern?
KI-Modelle lassen sich durch verschiedene Techniken wie Transfer Learning, Hyperparameter-Optimierung und Quantisierung sowie Pruning erstellen, optimieren und verkleinern. Mit speziellen Verifikationstechniken lässt sich beispielsweise beweisen, dass die Vorhersagen des Netzwerks in einem begrenzten quantifizierbaren Bereich bleiben.
Wie sehen hier die Workflows aus?
Typische Workflows umfassen die Datensammlung und -vorbereitung, das Trainieren des Modells, die Evaluierung sowie die anschließende Optimierung und Implementierung des Modells. KI-Copilots können Entwickler in diesen Prozessen unterstützen, indem sie Codebeispiele liefern, Routineaufgaben automatisieren und Empfehlungen zur Verbesserung der Modellqualität geben.
Welche Auswirkungen haben EU-Regulierungen wie der AI Act darauf?
EU-Regulierungen wie der AI Act beeinflussen die Entwicklung und Implementierung von KI-Modellen, indem sie Anforderungen an Transparenz, Nachvollziehbarkeit und Sicherheit stellen, die in den Entwicklungsprozess integriert werden müssen.
Wie wird ein KI-Modell in ein Target gebracht?
Die Übertragung eines KI-Modells in ein Zielsystem (»Target«) erfolgt durch Laufzeitbibliotheken oder auch durch Code-Generierung und Optimierung für die jeweilige Hardware. KI-Copilots können dabei helfen, indem sie entsprechende Konfigurationsdateien vorbereiten und den Prozess dokumentieren.
Welche Beispiele dafür lassen sich auf dem MathWorks-Stand auf der embedded world 2026 besichtigen?
Auf der embedded world 2026 präsentieren wir eine neue Generation von Demos, die zeigen, wie künstliche Intelligenz die Entwicklung von Embedded-Systemen revolutioniert.
Eine der Demos dreht sich um Edge AI für Automotive und Software Defined Vehicle: Mit Infineon Aurix TC4x und NXP ECU demonstrieren wir, wie KI-basierte Trajektorienplanung und Software-Defined-Vehicle-Workflows die Fahrzeugentwicklung beschleunigen – inklusive Virtualisierung für sichere Updates und automatischer Codegenerierung.
Eine weitere Demo thematisiert intelligente Signalverarbeitung und Medizintechnik: Eine Echtzeit-ECG-Analyse in STM32-Mikrocontrollern kombiniert Deep Learning und Signalverarbeitung für präzise Diagnosen direkt an der Edge.
Weitere Demos zeigen, wie Computer Vision in Embedded-Hardware funktioniert: Von Yolox-Objekterkennung in Qualcomm Snapdragon bis hin zu Pose Detection in Nvidia Jetson zeigen unsere Demos, wie KI-Modelle effizient in heterogenen Architekturen laufen.
Auch das Thema KI für Elektrifizierung und Antriebsstrang decken wir anhand einer Demo ab: Mit TI C2000 demonstrieren wir die Integration neuronaler Netze zur Temperaturvorhersage für Elektromotoren, optimiert für Speicher und Performance.
Die direkte Integration von Open-Source-KI zeigen wir ebenfalls in der Praxis: Diese neue Demo verdeutlicht die direkte Codegenerierung aus PyTorch-Modellen mit GPU Coder für Nvidia Jetson - und wie Entwickler schneller von der Idee zum Deployment gelangen.
Sie sehen: Unsere Demos auf der embedded world 2026 stehen für KI an der Edge, optimierte Workflows und eine breite Hardware-Abdeckung – von Automotive über Medizintechnik bis hin zu Industrie und Robotik.
Welche Neuerungen zeigt MathWorks generell auf der embedded world 2026?
Im Oktober 2025 stellte MathWorks »Matlab Copilot« vor, einen generativen KI-Assistenten für Matlab, mit dem Ingenieure, Wissenschaftler und Forscher ihre Produktivität steigern und ihre Entwicklungsprozesse beschleunigen können. Matlab Copilot optimiert Codierungs-, Debugging- und Lernabläufe, indem es direkt in der Matlab-Umgebung kontextsensitive Unterstützung bietet.
Im März 2026 werden »Simulink Copilot« und »Polyspace Copilot« veröffentlicht, die ähnliche generative KI-Funktionen auf Model-Based Design und formale Verifizierungs-Workflows ausweiten. Diese Copilots bringen generative KI-Unterstützung direkt in die Simulink- und Polyspace-Umgebungen und helfen Ingenieuren, Modelle in Simulink effizienter zu entwerfen und zu verfeinern sowie Code in Polyspace zu überprüfen und zu verifizieren.
Zusammen reduzieren diese KI-gestützten Tools die Entwicklungszeit, unterstützen qualitativ hochwertigere Designs und ermöglichen es Ingenieurteams, sich mehr auf übergeordnete Aufgaben zu konzentrieren und gleichzeitig die Genauigkeit und Compliance während des gesamten Entwicklungsprozesses aufrechtzuerhalten.
MathWorks auf der embedded world 2026: Halle 4, Stand 110
Jobangebote+ passend zum Thema
Lesen Sie mehr zum Thema
