Systems Engineering Trends

Jede Woche Neuigkeiten aus der Welt des Systems Engineering

Modellierung & MBSEWerkzeuge

Welches dieser 3 Start-Ups das Komplexitätsproblem knacken?

Inzwischen ist es zum Mantra geworden: Die Komplexität in der Entwicklung steigt. Warum? Software, Vernetzung und Compliance. Doch wie können wir das Problem lösen? Agilität hat uns in den 2000ern durch kurze Entwicklungszyklen etwas Zeit gekauft, aber das Komplexitätsproblem nicht nachhaltig gelöst. MBSE verspricht eine nachhaltigere Lösung, doch die Hürden sind groß. Schlimmer, Fehler bei der Einführung von MBSE können teuer werden. Deshalb glaube ich nicht, dass MBSE noch in diesem Jahrzehnt Mainstream werden wird. Jedenfalls nicht so, wie es im Moment praktiziert wird.

Doch viele Start-ups arbeiten mit Hochtour am Komplexitätsproblem. Hier ein paar Jungunternehmen, die ich seit einer Weile etwas genauer verfolge.

Kurz vorweg: Ich habe keine Abkommen mit diesen Unternehmen, kenne aber alle Gründer. Falls Ihr Kontakt aufnehmen wollt, dann erzählt bitte, dass Ihr sie über mich gefunden habt.

Für jedes der Werkzeuge habe ich ein möglichst kurzes Herstellervideo eingeblendet, dass die beschriebenen Aspekte zeigt.

Flow Engineering: Den Digital Twin entwickeln

Flow Engineering ist ein in Großbritannien (UK) ansässiges Unternehmen, das sich zur Zeit auch primär auf den UK-Markt fokussiert. Flow hat einen starken Fokus auf Anforderungen und Traceability. Im ersten Moment erscheint Flow wie ein modernes Anforderungsmanagementwerkzeug mit Fokus auf Traceability, einfache Nutzung und Zusammenarbeit.

Doch Flow unterstützt auch eine eigene Systemsicht, die orthogonal zur Traceability existiert (Im Video ab 1:40). Weiterhin kann Flow mit Parametern umgehen, ähnlich, wie es Valispace ermöglicht (im Video ab 2:00). Diese Parameter stammen jedoch aus externen Modellen. Im Video wird die Anforderung bezüglich des maximalen Gewichts mit dem CAD-Modell abgeglichen, welches uns das genaue Gewicht des Systems bereitstellt.

Flow integriert mit Matlab/Simulink, Simscale, Onshape, Jira, Excel und noch einigen weiteren mehr und zeigt, wie Kennzahlen über eine Kette von Modellen propagieren.

Heutzutage haben wir noch kein allumfassendes Systemmodell, sondern verteilte Modelle mit gegenseitigen Abhängigkeiten. Flow erkennt die Abhängigkeiten zwischen Modellen und löst diese auf. Damit verhindert Flow, dass mit veralteten oder inkonsistenten Daten gearbeitet wird (im Video ab 3:12). Direkt aus dem Werkzeug können die Modelle angepasst und die Auswirkungen der Änderungen getestet werden.

Spread AI: Pragmatisch Probleme in der Implementierung entschärfen

Das in Berlin ansässige Spread AI ist schon etwas länger unterwegs und hat kürzlich eine Investmentrunde von $16 Millionen abgeschlossen. Insbesondere in der Automobilindustrie ist Spread weit verbreitet.

Spread hat zwei Prämissen: Erstens erfordern moderne Systeme drei orthogonale Disziplinen: Mechanik, Elektronik und Software. Zweitens befinden sich die Informationen der Entwicklung in Silos. Weiterhin ist die Entwicklung fragmentiert und über viele Ablageorte verstreut.

Die Lösung (ab 0:40 im Video) ist ein „Engineering Intelligence Network“, dass die Relevanten Informationen vernetzt, also auch wieder Traceability. Spread klingt sich an die verschiedenen Datenquellen an und füllt damit eine Graphdatenbank.

Der eigentliche Clou ist, dass mit einem Low-Code-Modul Anwendungen entwickelt werden können, die auf dieser Graphdatenbank aufsetzen (im Video ab 1:37).

Spread ist mit der Optimierung von Kabelbäumen groß geworden, hat also weit unten im V-Modell begonnen. Insofern ist es (noch) keine Lösung für die Systementwicklung. Ob Spread sich auch im oberen Bereich vom V-Modell etablieren kann, wird sich zeigen.

Spicy SE: MBSE, aber einfach und effektiv

Spicy SE wettet darauf, dass MBSE letzen Endes doch die Lösung für das Komplexitätsproblem ist. Das Intro-Video von Spicy beschreibt lediglich in 60 Sekunden die Value Proposition. Für Leser ist sicherlich interessanter, das Werkzeug in Aktion zu sehen. Daher habe ich weiter unten das Video eingebettet, welches die Arbeit an der Architektur zeigt. Auf der Webseite sind zehn 30-Sekunden-Videos zu finden, die unterschiedliche Anwendungsfälle in der Entwicklung zeigen.

Die Prämisse von Spicy ist, dass klassische Systemmodellierung, wie sie mit Rhapsody, Enterprise Architect, Cameo oder Capella praktiziert ist, zu kompliziert ist. Spicy löst dies auf zwei Wegen. Zum einen stellt es eine moderne, webbasierte Entwicklungsumgebung zur Verfügung, die auf Zusammenarbeit ausgelegt ist. Zum anderen nutzt Spicy eine eigene Modellierungssprache, die wesentlich einfacher ist als SysML.

Gerade das zweite ist eine Wette, bei der noch nicht klar ist, wie sie ausgehen wird: ist der Kompromiss bei der Modellierungssprache zwischen Einfachheit und Mächtigkeit der richtige? Dabei musste ich natürlich an Capella denken, welches ebenfalls eine vereinfachte Modellierungssprache nutzt. Allerdings ist die Sprache von Spicy (noch) ein gutes Stück einfacher.

Das Video zur Architekturmodellierung. Weitere Videos auf der Webseite von Spicy SE

Fazit

Diese drei Unternehmen sind natürlich nicht die einzigen, die versuchen das Komplexitätsproblem zu knacken. Ich verfolge noch einige andere, über die ich vielleicht ein andermal berichten werden.

Liebe Leser: Welche Werkzeuge von Start-ups kennt Ihr noch? Bitte in den Kommentar schreiben!

Spannend bei diesen drei Werkzeugen ist, dass sie sehr unterschiedliche Ansätze haben:

  • Flow Engineering: Spezifische Modelle zu einem Gesamt-Systemmodell verknüpfen
  • Spread AI: Echte Probleme Bottom-Up lösen
  • Spicy SE: MBSE, aber einfach und effektiv

Was meinst Du? Wird eine von diesen Firmen das Feld abräumen, und wenn ja, welche? Schreibe es in die Kommentare!

Photo by Kenny Eliason on Unsplash

Michael Jastram

Creator and Author of SE-Trends