Interview mit Jörg Dörr, Fraunhofer IESE
KI in der Embedded-Entwicklung: wo bleibt der Ingenieur?
Künstliche Intelligenz verändert Entwicklungsprozesse rasant - auch in der Embedded-Software. Prof. Dr.-Ing. Jörg Dörr vom Fraunhofer IESE spricht über Qualitätsgrenzen in der Embedded-Softwareentwicklung und darüber, welche Kompetenzprofile Entwickler künftig benötigen.
Herr Prof. Dörr, Sie erleben Künstliche Intelligenz sowohl als Forschungsfeld am Fraunhofer IESE als auch in der praktischen Anwendung an Ihrem Institut. Welche Veränderungen spüren Sie im Arbeitsalltag am stärksten?
Jörg Dörr: KI ist bei uns nicht nur ein Zukunftsthema, sondern tägliche Praxis. Wir nutzen sie als Unterstützung im Arbeitsalltag, teilweise auch bei vorbereitenden oder kreativen Aufgaben. Gleichzeitig prägt sie unsere angewandte Forschung. Im Software Engineering - insbesondere im Umfeld eingebetteter Systeme - untersuchen wir sehr konkret, wo KI Effizienzgewinne bringt und wo sie an klare Grenzen stößt. Effizienz allein reicht nicht, wenn deterministische Laufzeiteigenschaften, Robustheit oder Safety-Anforderungen darunter leiden. Gerade in Embedded-Systemen müssen zeitlicher Determinismus, reproduzierbares Laufzeitverhalten und Verlässlichkeit erfüllt sein.
Deshalb setzen wir KI bewusst nur in kontrollierten Umgebungen ein, etwa im institutseigenen Intranet auf eigenen Servern und nicht öffentlich gehostet.
KI ist derzeit ein Hype und löst viele Ängste aus - etwa die Sorge, dass Jobs oder ganze Berufsbilder verschwinden. Sie sprechen konsequent von Unterstützung. Wo ziehen Sie die Grenze?
Der Trend zur Automatisierung begann lange vor dem aktuellen KI-Trend. Schon früher haben wir versucht, monotone oder potenziell gefährliche Tätigkeiten zu automatisieren. Entscheidend ist: Verantwortung bleibt immer beim Menschen. KI kann Wissen erschließen, Informationen aggregieren oder Prognosen unterstützen - sie trägt aber keine Verantwortung für das Ergebnis.
Gerade im Embedded-Umfeld geht es zudem selten um Ersetzung. Der Fachkräftemangel ist real, etwa in sicherheitskritischen Branchen. Um wirtschaftlich handlungsfähig zu bleiben, ist es sinnvoll, Fachkräfte durch IT, Automatisierung und KI zu entlasten. Entscheidend für den Einsatz ist dabei die Akzeptanz: Vertrauen, Nutzen und vor allem Qualität.
Gilt das auch für hochqualifizierte Tätigkeiten, etwa bei Ingenieuren und Embedded-Softwareentwicklern?
Aktuell ganz klar ja. KI ist eine Ergänzung. Bei einfachen, nicht sicherheitskritischen und hardwareunabhängigen Programmieraufgaben lassen sich Zeitgewinne erzielen. Aber Architekturentscheidungen, nicht-funktionale Anforderungen wie Echtzeitfähigkeit, Safety oder Zuverlässigkeit sowie garantierte Qualität lassen sich nicht automatisieren.
Studien zeigen, dass KI-generierter Code diese Anforderungen derzeit nicht zuverlässig erfüllt. Ein Beispiel aus der Domäne Landwirtschaft: In einer IESE Studie zur autonomen Landwirtschaft mit einem Zeithorizont bis 2045 ging selbst dort niemand von vollständig autonomen Systemen aus - obwohl die Prozesse stark repetitiv sind.
Trotzdem gibt es Stimmen, die sogar vom Informatikstudium abraten. Wie bewerten Sie das?
Das teile ich nicht. Wir brauchen weiterhin sehr gute Softwareingenieure, gerade im Embedded-Bereich. Software wird weiterentwickelt, und KI ist dabei ein Werkzeug. Bei komplexen Systemen, hardware-naher Software und nicht-funktionalen Anforderungen ist menschliche Expertise unverzichtbar.
KI kann Entwicklungsprozesse effizienter machen. Ein Beispiel ist die Aufbereitung regulatorischer Standards: Hier lassen sich nach unseren Studien bis zu 84 Prozent des Aufwands einsparen. Das betrifft genau die hochqualifizierten Fachkräfte, die ohnehin knapp sind. Das ersetzt sie nicht, sondern entlastet sie.
Wie verändert KI konkret das Kompetenzprofil von Embedded-Softwareentwicklern?
KI ist eine Querschnittskompetenz. Embedded-Entwickler müssen verstehen, wie KI eingesetzt werden kann und wo ihre Grenzen liegen. Beim Codieren oder bei der Ableitung einfacher Testfälle auf Softwareebene kann KI unterstützen, allerdings nur in klar abgegrenzten Bereichen und nicht vollständig automatisiert.
Zentrale Kompetenzen bleiben Systemarchitektur, das Verständnis von Hardware-Software-Interaktion sowie die Umsetzung nicht-funktionaler Anforderungen. KI kann Entwickler unterstützen, indem sie Informationen aus Frameworks, Dokumentationen, Standards oder Spezifikationen aggregiert bereitstellt. Sie bleibt jedoch ein Hilfsmittel und kein Ersatz für ingenieurmäßiges Denken.
Wie gut ist die deutsche Forschungs- und Unternehmenslandschaft auf diesen Wandel vorbereitet?
Das lässt sich nicht pauschal beantworten, aber es gibt viele Bedarfe. Informatik flächendeckend als Pflichtfach begrüße ich sehr. In Studium und Ausbildung darf KI weder verboten noch unreflektiert genutzt werden.
Entscheidend ist, Verantwortung zu vermitteln: Wann hilft KI wirklich, wo liegen ihre Limitationen? Unternehmen sind gut beraten, in Weiterbildung zu investieren und offen für Innovation zu bleiben. Wer die Potenziale nicht nutzt, verliert Wettbewerbsfähigkeit.
Hat sich dadurch auch das Leistungsportfolio des Fraunhofer IESE verändert?
Ja. Viele bestehende Themen werden durch KI weiterentwickelt - etwa digitale Zwillinge, sicherheitskritische Systeme oder die teilautomatisierte Vorbereitung von Tests auf Software- und Systemebene. Auch Interoperabilität zwischen Systemen spielt eine große Rolle, etwa in der Medizin-, Produktions- oder Agrartechnik. Häufig entsteht dabei kein eigenständiges KI-Produkt, sondern bestehende Lösungen werden durch KI effizienter nutzbar.
Gleichwohl weisen Langzeit-Studien wie der IAB Futuromat Ingenieurberufen weiterhin eine hohe Automatisierbarkeit zu.
Als relatives Vergleichsinstrument ist das interessant. Absolut betrachtet greift es zu kurz. Tätigkeiten wandeln sich, sie verschwinden nicht. Entwicklung verlagert sich, etwa in Richtung Wartung, Absicherung und Qualitätssicherung.
Auch hier gilt: KI-generierter Code ist heute nicht ohne manuelle Prüfung, Anpassung und Freigabe im Zielsystem einsetzbar. Pauschale Aussagen über Ersetzbarkeit werden der Realität eingebetteter Systeme nicht gerecht.
Wohin entwickelt sich die Berufswelt von Ingenieuren und IT-Spezialisten?
Automatisierung und teilautonome Systeme werden zunehmen, insbesondere dort, wo Fachkräfte fehlen. Gleichzeitig steigt der Bedarf an kontinuierlicher Weiterbildung. KI muss akzeptiert, aber kritisch hinterfragt werden.
Technologiekompetenz bedeutet, Möglichkeiten und Grenzen zu kennen. Das ist auch eine Aufgabe der Hochschulen: Studierende müssen zunächst Grundlagen wie Software Engineering und Programmiersprachen, Echtzeitkonzepte, Nebenläufigkeit und Hardware-Software-Interaktion ohne KI beherrschen, um KI-Ergebnisse fundiert bewerten zu können. Das ist anspruchsvoll, aber notwendig.
Seit Jahren sinken die Studienanfängerzahlen in der Elektrotechnik. Wirkt KI derzeit als Zugpferd für solche Studiengänge?
Ja. Bei uns in der Informatik sind aktuell Kombinationen aus KI und Software Engineering besonders gefragt. In der Informatik sehen wir stabile und teilweise steigende Studierendenzahlen an unserer Universität.
Jobangebote+ passend zum Thema
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
Analyse
KI-Fachkräfte für Europa
Berufseinsteiger in der Elektronik
»Etwas mehr Demut wäre hilfreich«
