Innovation Café

• 

  Datum: 14.10.2025

  Einsatz von KI – Auch ohne Fachkräfte möglich!

  SSV Software Systems GmbH

Sie wollen KI einsetzen, aber es fehlen Ihnen brauchbare Daten und qualifizierte Fachkräfte? Diese Herausforderung teilen Sie mit unzähligen anderen Unternehmen.

Um eine Lösung zu schaffen, haben wir vor einiger Zeit das Innovationsprojekt „Embedded AI Model Builder“ gestartet. Die erste Teilfunktion ist der „ML Firmware Build Service (MFBS)“.  

Die Entwicklung einer KI-basierten Softsensoranwendung erfolgt z. B. in sieben Schritten:

1. Datenerfassung: Zustands- und Betriebsdaten in der Zielumgebung sammeln und in einem Datenpool ablegen. Für die Weiterentwicklung entsprechender Systeme ist eine hinreichende Menge qualitativ hochwertiger Daten erforderlich, anhand derer ein KI- bzw. ML-Modell in einer Trainingsphase zugrunde liegende Zusammenhänge erlernen kann.

2. Merkmalsauswahl: Analyse der Daten und Auswahl geeigneter Eingangsgrößen mit hoher Korrelation zur benötigten Zielgröße.

3. Modellentwicklung: Zunächst wird Prozesswissen gesammelt und ausgewertet, anschließend das Eingangsdatenbild definiert und um notwendige Vorverarbeitungsschritte ergänzt. Darauf folgt die Modellierung mit geeigneten Algorithmen zur Ableitung der Zielgröße. Abschließend wird die Werkzeugadaption vorbereitet, beispielsweise durch ein Data Exploration Tool (DET).

4. Training: Aufbereitung der Trainingsdaten und Erstellung des Modells. Integration in ein Data Exploration Tool (DET) für wiederholbare Trainingszyklen.

5. Test & Integration: Im nächsten Schritt wird der Inferenzcode erstellt, geeignete Testdaten aus dem Datenpool aufbereitet und das ML-Modell validiert. Fällt das Testergebnis unzureichend aus, sind vorangegangene Prozessschritte teilweise oder vollständig zu wiederholen. Bei zufriedenstellender Validierung wird der Modelltest in das DET integriert, das somit zur finalen Werkzeugumgebung für die Erzeugung und Erprobung neuer ML-Modellversionen wird.

6. Einsatz: Anschließend werden Inferenzcode und ML-Modell in die Zielumgebung integriert und unter möglichst realitätsnahen Ende-zu-Ende-Bedingungen getestet. Hierfür ist eine geeignete Test- und Debug-Umgebung bzw. entsprechende Werkzeuge erforderlich. Zudem sollten Code und Modell über das DET mittels Over-the-Air (OTA)-Updates austauschbar sein, wobei die geltenden Cybersecurity-Anforderungen, etwa durch den Einsatz von Modellsignaturen, berücksichtigt werden müssen.

7. Monitoring & CI/CD: Der Betrieb des KI-basierten Softsensors ist kontinuierlich durch ein geeignetes Monitoring zu überwachen. Erforderliche Updates können bei Bedarf über das DET entwickelt, getestet und bereitgestellt werden. Ergänzend ist eine Softwarewartungs-Pipeline im Sinne von CI/CD aufzusetzen, um eine effiziente und sichere Aktualisierung zu gewährleisten.

Ihr Experte vor Ort am 14.10.2025

Jürgen Fitschen, Leiter Abteilung Forschung, Entwicklung & Innovation
Jürgen Fitschen ist Leiter der Abteilung Forschung, Entwicklung & Innovation bei der SSV Software Systems GmbH.  In den letzten Jahren war er in die Entwicklung vieler IoT- und Embedded-Lösungen involviert und hat ein tiefes Verständnis und Erfahrung in der Absicherung von Internet-verbundenen Geräten und Anwendungen erworben.