Testsysteme: Software-Lösungen bewältigen wachsende Komplexität

Sprecherin: heise meets … – Der Entscheider-Talk. Wir besprechen kritische, aktuelle und zukunftsgerichtete Themen aus der Perspektive eines Entscheiders. heise business services begrüßt Persönlichkeiten aus Wirtschaft, Wissenschaft und Politik. Immer aktuell und nah am Geschehen.

Sprecher: heise meets … heute mit Rudy Sengubta von Emerson, Vice President NI Test and Analytics Software. NI – Insiderwissen – das steht für National Instruments. Und jetzt wechseln wir sowieso ins Englische.

Sprecher: Welcome Rudy in Austin in Texas. Welcome to heise meets … Schön, dass du dabei bist.

Rudy Sengubta: Danke, dass ich hier sein darf. Ich freue mich. Ich bin in Austin, Texas. Seit etwas mehr als 20 Jahren arbeite ich beim ehemaligen Unternehmen National Instruments, das heute zu Emerson gehört. Wir sind nun ein Geschäftsbereich von Emerson namens Test and Measurement. Ich habe verschiedene Positionen bekleidet: Ich begann als Entwickler in unserer Forschungs- und Entwicklungsabteilung, leitete später verschiedene F&E-Teams und bis hin zur Produktstrategie. Derzeit bin ich Vizepräsident und Geschäftsführer des Softwarebereichs von Emerson Test and Measurement. Ich hatte einige Gelegenheiten, viele unterschiedliche Aufgaben zu übernehmen und an unglaublichen Technologien zu arbeiten. Dieses Jahr feiern wir tatsächlich unser 50-jähriges Jubiläum.

Sprecher: Herzlichen Glückwunsch!

Rudy Sengubta: Ja, danke. Wir haben also an einigen der unglaublichsten Technologien gearbeitet. Wir konnten Wendepunkte der Branche – etwa die erste grafische Benutzeroberfläche auf dem Macintosh oder die PC-Revolution in den 90er-Jahren nutzen. Diese Technologien konnten wir in unsere Plattform integrieren und in die Test-and-Measurement-Branche eingebringen. Und ich finde es toll, dass ich an der Spitze dieser technologischen Wendepunkte arbeiten durfte.

Sprecher: Das bringt mich zu unserer ersten Frage: Ab wann wird technische Komplexität zu einem Geschäftsrisiko? Ab wann wird es wirklich gefährlich?

Rudy Sengubta: Was wir also in den letzten 10 bis 15 Jahren in der Test- und Messtechnik-Branche beobachten, dass die Geräte die unsere Kunden bauen immer komplexer werden. Wenn man sich das in den allen verschiedenen Branchen anschaut, die Emerson Test and Measurement bedient: Automobilindustrie, Halbleiterindustrie, Luft- und Raumfahrt, Verteidigung sowie die Bereiche Biowissenschaften und Elektronik. Was früher ein Halbleiterchip war – ein relativ einfaches zweidimensionales Bauteil – oder ein Steuergerät im Auto, das Scheibenwischer oder Sicherheitsgurte steuert, wird heute unglaublich komplex. Daraus entwickeln sich autonome Fahrsysteme. Prozessoren werden zu heterogenen Rechenelementen mit mehreren Domänen. Wir müssen sicherstellen, dass wir diese Komplexität auch testen können. Beim Thema Geschäftsrisiko ist es wichtig, mit dieser Komplexität bei den zu testenden Geräten umzugehen. Denn sie verlängert die Testzeiten und lässt die Kosten drastisch steigen. Gleichzeitig müssen unsere Kunden schnell ein hochzuverlässiges Produkt auf den Markt bringen.

Sprecher: Woran denkst du dabei? Kannst du uns ein Beispiel geben, Rudy?

Rudy Sengubta: Die Automobilbranche ist ein hervorragendes Beispiel dafür. Früher gab es im Auto verschiedene Steuergeräte – Motorsteuergeräte oder elektronische Steuergeräte, die verschiedene Element wie Scheibenwischer oder Sitzverstellungen steuerten. Heute geht der Trend in der Automobilbranche zu Domänen- oder Multidomänen-Steuergeräten. Die nicht nur grundlegende Systeme steuern, sondern integrieren auch das autonome Fahrsystem und möglicherweise das Batteriemanagement von Elektrofahrzeugen integrieren. Diese Komplexität sorgt für ein sehr leistungsfähiges Fahrzeug. Wir müssen aber sicherstellen, dass wir das auch tatsächlich testen können. Wir können unseren Kunden helfen, die Komponenten zu validieren – und zwar nicht nur beim ersten Mal, sondern während der gesamten Lebensdauer des Fahrzeugs und unter allen extremen Bedingungen. Wir verfügen über ein umfassendes Angebot und investieren in eine Reihe von Werkzeugen, die wir als die gesamte NI-Test- und Messplattform bezeichnen. Das ist eine Kombination aus Hardware, Software und Daten. Wir arbeiten mit einem ganzen Ökosystem von Partnern zusammen, um diese komplexeren Einheiten zu validieren und die Markteinführungs-Zeit unserer Kunden zu verkürzen.

Sprecher: Du hast dich ein bisschen um meine Frage herum gemogelt. Ich stelle sie noch einmal: Wo liegt das geschäftliche Risiko bei dem, was du angesprochen hast? Wo wird es aus eurer Sicht wirklich gefährlich?

Rudy Sengubta: Stell dir mal vor, ein Kunde würde diese Motorsteuergeräte so testen wie noch vor zehn Jahren. Zunächst würde er sagen, er bräuchte einen Testplan. Dieser Testplan wird aber sehr kompliziert, weil das Steuergerät unglaublich komplex ist. Dann setzt er eine ganze Reihe verschiedener Messgeräte für die einzelnen Komponenten ein. Heute hat man ein EV-Batteriesystem, dann ein Radarsystem und dann eine einfache Sitzsteuerung in einem Gerät vereint. Denk an deinen Schreibtisch: Als Labor- oder Testingenieur ist dein Schreibtisch jetzt viel unübersichtlich geworden, weil du all diese verschiedenen Geräte brauchst. Du musst verschiedene Softwareprogramme kaufen, um die unterschiedlichen Funktionen zu testen. Ein einzelner Ingenieur schafft das wahrscheinlich nicht rechtzeitig. Was das Unternehmen nun tun muss, ist also entweder mehr Ingenieure mit mehr Ausrüstung einstellen oder eine Möglichkeit zu finden, das im großen Maßstab zu bewältigen.

Man kann nicht einfach immer mehr Personal einstellen, wenn die Komplexität zunimmt. Das ist keine skalierbare Lösung. Wir müssen also sicher stellen unseren Kunden skalierbare Lösungen mit modularer Instrumentierung und flexiblerer Software zur Verfügung stellen. So können sie diese domänenübergreifenden Motorsteuergeräte mit nur einem Ingenieur testen. Dieser eine Ingenieur verfügt nun über alle Werkzeuge in einer effizienten Desktop-Umgebung mit einem modularen Hardware-System und einer Softwarelösung, die tatsächlich alles testen kann – vom einfachen Motorsteuergerät bis zu komplexeren Systemen. Es ist also wirklich so, die benötigten Werkzeuge und der Personalaufwand nicht in dem Maße skalieren können, wie die Komplexität der Geräte zunimmt. Genau hier liegt das eigentliche Geschäftsrisiko für unsere Kunden. Man braucht skalierbare Testlösungen – und genau daran arbeiten wir.

Sprecher: Verstehe ich ja. Skalierbare Testlösungen. Wir sprechen jetzt schon seit etwa sechs Minuten und du hast noch kein Wort über KI verloren. Zufall oder Absicht?

Rudy Sengubta: Das stimmt, ja. Ich weiß, das ist verrückt. Es gibt keine Konferenz, kein Meeting und kein Gespräch mehr, bei dem KI nicht zur Sprache kommt. Du hast also absolut recht: Ich habe KI noch nicht erwähnt. Das liegt zum Teil daran, dass das Konzept der softwaredefinierten Messtechnik oder des softwaredefinierten Testens schon seit je her fest in unserer DNA verankert war. Wir feiern dieses Jahr 50 Jahre NI – aber auch 40 Jahre Software. Software ist schon seit langem ein zentraler Bestandteil unserer Plattform. Den Ausdruck „Software ist das Instrument“ haben wir bereits in den 90er-Jahren geprägt. Vom KI-Wandel der letzten Jahre vollzogen hat, können wir profitieren – genauso wie von den Entwicklungen rund um die grafische Benutzeroberfläche des PCs. Das liegt voll in unserem Fachgebiet. Wir empfinden dies als eine spannende Zeit und eine riesige Chance, da ein Großteil unserer Plattform bereits softwarebasiert ist. Die Einbindung von KI ist für uns quasi selbstverständlich. Wir haben über die zunehmende Komplexität der zu testenden Geräte gesprochen. KI hilft uns tatsächlich, skalierbare Lösungen noch schneller bereitzustellen. Es sind spannende Zeiten für Testmanagementlösungen.

Sprecher: Aber wenn die KI das Programmieren derart vereinfacht – wo nimmt die Komplexität dann tatsächlich zu? Wo ist das Ende?

Rudy Sengubta: Das ist eine gute Frage. Wir stellen umfassende Tools zur Verfügung. Daher müssen wir ganzheitlich verstehen, was ein Test- und Messtechniker eigentlich macht. Stell dir einen Testingenieur vor, der im Labor sitzt und plötzlich eine neue E-Mail erhält. Darin steht: „Der Entwickler dieses Produkts hat gerade eine neue Komponente hergestellt. Hier ist das Datenblatt dieser Komponente. Bitte teste sie.“ Wir betrachten also den gesamten Ablauf – vom ersten Moment, in dem der Testingenieur überlegt, was er tun muss, bis zu dem Zeitpunkt, an dem er antwortet: „Ich habe Ihren Test oder Ihr Gerät validiert. Hier sind die Probleme. Hier sind die Dinge, die wir beheben müssen. Und hier sind die potenziellen Risiken, die Sie mit Ihrem gewählten Design haben werden.“

Wenn man den gesamten Arbeitsablauf betrachtet, macht das Programmieren nur einen relativ kleinen Teil aus – auch wenn KI das Programmieren erheblich erleichtert. Der Grund liegt wieder in der zunehmenden Komplexität. Denk daran, was ein Testingenieur vor dem Programmieren tut: Er überlegt, welche Anforderungen an das Gerät gestellt werden und was tatsächlich getestet werden muss.

Je komplexer ein Gerät ist, desto komplexer sind auch die Teststrategie und das Testsystem. Und selbst nachdem der Code ausgeführt wurde, die Tests gelaufen und die Daten übermittelt sind, generieren wir nun so viel mehr Daten. Mit den verfügbaren Messinstrumenten können wir so viel mehr messen. Es wird wirklich schwer, einen Fehler oder einen Mangel im getesteten Produkt zu finden. Man sucht die Nadel in einem ständig wachsenden Heuhaufen aus Daten zu finden.

Um auf deine Frage zurückzukommen: Wohin verlagert sich die Komplexität wirklich? Sie verlagert sich weg vom Programmieren – denn das wird immer einfacher – hin zum Anfang des Prozesses. Wie stelle ich sicher, dass ich eine klare Teststrategie habe und ein System wirklich klar entwerfen kann?

Und am Ende: Wie finde ich heraus, was nützlich ist? Wie erhalte ich diese eine wirklich wertvolle Information, die mein Produkt verbessert? Wir beobachten also eine Verlagerung der kognitiven Komplexität weg vom Programmieren hin zum frühen und späten Teil des Testdesigns. Genau darauf konzentrieren wir uns bei unseren Tools. Wir setzen KI in großem Umfang ein, um diese Teile in einer umfassenderen Toolkette nutzbar zu machen.

Sprecher: Wenn ich das richtig verstehe, ist die Systemarchitektur eher eine Führungsentscheidung als eine technische alleinige Entscheidung, oder?

Rudy Sengubta: Das stimmt. Die Führungsebene muss sich genau überlegen, wie sie skalierbare Lösungen entwickelt. Wenn massive geschäftliche Risiken mit der Komplexität deines Geräts verbunden sind, musst du viel mehr Mitarbeiter einstellen, um das Gerät testen zu können – jedenfalls dann, wenn du weiterhin alte Vorgehensweisen anwendest.

Die Führungskräfte müssen darüber nachdenken, wie sie moderne Tools und moderne Ansätze für einen Bereich nutzen können, der schon immer ein traditioneller Teil ihrer Arbeit war: Test und Messung. Die Architektur, die Plattform die man wählt, die Entscheidung zwischen Eigenentwicklung und Kauf – all das sind entscheidende Führungsentscheidungen. Denn ehrlich gesagt willst du ein Problem nicht nur für ein Labor oder ein Büro lösen. Wir haben globale Kunden. Sie wollen konsistente Ergebnisse erhalten – egal, ob sie eine Fahrzeugkomponente in Deutschland, in Großbritannien oder in den USA testen. Wie ich bereits sagte: die Herausforderung „selbst entwickeln oder kaufen“ und wie das Datenmanagement auf Unternehmensebene nachdenkt. Eine weitere Herausforderung ist, wie man Daten über alle Standorte hinweg miteinander verknüpft. Auch das ist eine Entscheidung der Führungsebene.

Sprecher: Rudy, kannst du uns ein Beispiel dafür geben, was sich ändert, wenn Unternehmen von einem isolierten Tool auf eine integrierte Plattform umsteigen?

Rudy Sengubta: Das hängt stark mit dem zusammen, worüber ich gerade gesprochen habe. Eine der größten Herausforderungen bei globalen Kunden ist, dass Geräte an verschiedenen Standorten getestet werden und man dadurch inkonsistente Daten erhält. Das merkt man oft erst, wenn es vor Ort zu einem Ausfall kommt. Dann sucht man die Ursache, und niemand kann erklären, warum dieses Produkt unsere Testphasen bestanden hat, aber vor Ort versagt – und warum wir inkonsistente Daten sehen. Eine große Chance für Unternehmen besteht darin, sich Gedanken über eine globale Datenstrategie zu machen und Entscheidungen auf Plattformebene zu treffen. Ein großer Vorteil ist die Möglichkeit, konsistente Produkte auf den Markt zu bringen und Informationen rückverfolgen zu können. Sollte es zu einem Ausfall in der Praxis kommen oder solltest du etwas validieren wollen – zum Beispiel bei der Entwicklung eines Geräts der zweiten Generation –, kannst du Daten von jedem Standort oder jedem Labor abrufen und erhältst konsistente, verlässliche Daten. Das ist ein enormer Vorteil, wenn Unternehmen über einen skalierbaren Plattform-Ansatz nachdenken statt über einzelne, uneinheitliche Tools.

Sprecher: Ich versuche das gerade zu verstehen. Wenn ich ein Unternehmen mit etwa 1.000 Mitarbeitern besitze – wie können mir verschiedene Software-Ansätze dabei helfen, mein Unternehmen trotz zunehmender Systemkomplexität zu skalieren? Wie funktioniert das?

Rudy Sengubta: Das ist eine gute Frage. Wenn ein Unternehmen über softwaredefinierte Plattformen verfügt, helfen diese vor allem dabei, Kosten zu vermeiden und skalierbare Lösungen zu realisieren. Lass mich dazu einige Beispiele nennen. Angenommen, du baust die erste Version eines Fahrzeugs in deinem Unternehmen.

Sie verfügen über ein EV-System und einen Viersitzer, in dem viele Motorsteuergeräte und andere Komponenten getestet werden sollen. Nun entwickelst du die zweite Generation dieses Produkts. Du möchtest eine SUV- oder Sportwagen-Version bauen und benötigst dafür andere Komponenten. Möglicherweise gibt es ein fortschrittlicheres autonomes Fahrsystem oder ein schnelleres Batterie-Management-System. Mit einer softwaredefinierten Plattform musst du nicht alles wegwerfen, was du für die erste Generation entwickelt hast.

Du kannst die Tools tatsächlich anpassen und ergänzen. Die Skalierbarkeit der Lösung bleibt erhalten. Und noch etwas: Nehmen wir an, du willst dein Geschäft neu ausrichten und statt des gesamten Fahrzeugs nur noch einzelne Fahrzeugkomponenten gebaut. Dann kannst du dieselbe softwaredefinierte Plattform nutzen, um verschiedene Komponenten im Fahrzeug zu entwickeln. Ich habe zu Beginn viel darüber gesprochen, wie wir mit verschiedenen Branchen zusammenarbeiten. Wir haben keine unterschiedlichen Produkte für den Halbleitermarkt, die Automobilbranche oder die Luftfahrt- und Verteidigungsindustrie verkaufen. Tatsächlich verkaufen wir in jeder dieser Branchen dieselbe Plattform. Genau darin liegt die Stärke unserer softwaredefinierten Plattform. Alle können dieselben Tools nutzen und sie an ihre jeweiligen Anforderungen anpassen. Als CEO eines Unternehmens solltest du darüber nachdenken, was du heute aufbaust – aber auch, was du in den kommenden Jahrzehnten aufbauen wirst. Steht das auf einer Plattform, die es ermöglicht, in diesem Tempo zu skalieren? Das ist der enorme Vorteil einer softwaredefinierten Plattform.

Sprecher: Rudy, du hilfst mir also dabei, mein Fahrzeug, mein Auto zu bauen – die erste, die zweite und die dritte Version. Aber wie sieht es mit der Sicherheit aus?

Rudy Sengubta: KI und Daten, all dies Dinge bringen ernsthafte Sicherheitsbedenken und Risiken mit sich. Jeder, der ernsthaft über die Einführung einer softwaredefinierten oder einer anderen Plattform nachdenkt – ja sogar jeder, der überlegt, KI an seinem Arbeitsplatz einzusetzen – muss ganz anders über Sicherheit nachdenken. Es geht nicht mehr nur darum, ob ich meine Zugangsdaten auf einer potenziell riskanten Website eingebe oder meine Anmelde-Daten jemandem gebe, der mein System gefährden könnte. Es geht um all deine Daten und dein geistiges Eigentum. Als CEO besitzt du eine ganze Reihe verschiedener Designs für Elektroautos und Systeme für autonomes Fahren. Das ist geistiges Eigentum, das du schützen willst. Wenn du dich nicht auskennst oder dein Unternehmen nicht über die richtigen Sicherheitsvorkehrungen verfügt, könnte dieses geistige Eigentum ins Netzwerk und damit in die Welt gelangen. Dann könnten die großen LLM - die großen Sprachmodelle dieser Welt mit deinen Daten trainiert werden. Plötzlich hast du deine Alleinstellungsmerkmale verloren. Sicherheit und der verantwortungsvolle Einsatz von KI stellen also für viele Branchen eine enorme Lernkurve dar. Wir müssen darüber nachdenken. Und wenn wir unseren Kunden Lösungen anbieten, sind wir sehr vorsichtig und nehmen das ernst.

Wir haben ein Produkt namens Nigel AI, das wir letztes Jahr auf den Markt gebracht haben. In den nur zwölf Monaten seit der Einführung gab es massive Verbesserungen. Es begann als Berater, der Ratschläge dazu gibt, welches System man aufbauen oder welche Funktionen man in seiner Lösung haben möchte. Jetzt kann es tatsächlich Code für dich erstellen. Es kann Testsequenzen für dich erstellen. Und während dieser ganzen Zeit ist Nigel ein großartiger Partner, der dabei hilft, Systeme zu entwerfen. Aber Nigel trainiert niemals mit deinen Daten. Es nimmt niemals deine Informationen und speichert sie in einem großen Sprachmodell. Diese Daten bleiben sicher. Wir stellen sicher, dass diese Sicherheitspraktiken im Vordergrund stehen. Auch hier kommt es darauf an, die richtigen Tools auszuwählen. Man muss sich über die Sicherheitsfunktionen der eingesetzten Tools im Klaren sein, um sicher zustellen, dass das geistige Eigentum geschützt wird. Genau das steht bei der Entwicklung unserer Software-Tools im Vordergrund – insbesondere bei Nigel, einer unglaublichen KI-Begleit-App.

Sprecher: Ich bin wirklich optimistisch. Wir werden auch die vierte und fünfte Version meines Autos entwickeln. Aber wie wird mir agentische KI dabei helfen, all das was Du erwähnt hast, in einer realen Entwicklungsumgebung umzusetzen?

Rudy Sengubta: Das ist eine gute Frage. Ich habe schon über Nigel gesprochen. Es begann als Berater und gab ihnen Ratschläge wie: „Hier sind die verschiedenen Komponenten oder Tools, die du möglicherweise benötigst.“ Jetzt kann es Code erstellen und Testsequenzen sowie Strategien für dich entwickeln. Wir freuen uns sehr darauf, agentische Fähigkeiten in Nigel zu integrieren. Diese Funktion, bei der Nigel als Agent fungiert, wird sehr bald verfügbar sein. Wir haben bereits einige dieser Funktionen vorgestellt. Was bedeutet agentisches Testen und Messen wirklich? Ein Kunde kommt heute zu uns und sagt: „Ich muss das Mikrofon dieses Telefons, das ich benutze, validieren. Ich weiß, dass ich diese Art von Vibrationssensoren und diese Art von Audiosensoren benötige.“ Nigel wird dir tatsächlich dabei helfen, dein Ziel zu erreichen. Du kommst also nicht mit der Einstellung: „Ich brauche ein Mikrofon und muss einen Datenlogger bauen.“ Du kommst und Du sagst: „Ich habe ein Smartphone, ich brauche einen Test. Wo fange ich an? Ich muss den Lautsprecher testen, ich muss das Mikrofon testen, ich muss die Kamerasysteme testen, ich muss den Bildschirm testen.“ Und Nigel, der Agent, wird das durcharbeiten und dir eine Teststrategie erstellen. Dieser Workflow, von dem ich vorhin gesprochen habe, begleitet dich von Anfang an. Er hilft dir dabei, eine Teststrategie zu entwickeln, ein System zum Testen des Geräts zu entwerfen und den Code zum Testen des Geräts zu schreiben. Anschließend hilft er dir dabei, die Daten zu analysieren und die Nadel im immer größer werdenden Heuhaufen zu finden von dem ich gesprochen habe. Das bedeutet eine agentenbasierte Test- und Messlösung wirklich. Genau das integrieren wir in Nigel – den Agenten, der einem Kunden hilft, der kein vollwertiger Experte für Test und Messung sein muss. Gerade weil Geräte immer komplexer werden, führt Nigel dich durch den gesamten Workflow. So kannst du dich mehr auf deine Ergebnisse und auf das Fachwissen konzentrieren, das du zur Analyse der Informationen benötigst. Du musst nicht deine ganze Zeit damit verbringen, dir zu überlegen, wie du das Ganze eigentlich testen sollst.

Sprecher: Lass uns abschließend einen Blick in die Zukunft werfen. Was sind die schwierigsten architektonischen Entscheidungen, die wir jetzt für die Zukunft treffen müssen?

Rudy Sengubta: Die Entscheidungen, über die wir jetzt nachdenken müssen, drehen sich um deine Daten im Unternehmen. Ich habe davon gesprochen, dass du verstehen musst, wie du dein geistiges Eigentum schützen kannst. In der Welt der KI wird sich verändern, was wir als geistiges Eigentum definieren. Tatsächlich verändert es sich bereits. Es gibt viele Dinge, die Unternehmen von Natur aus wissen und als Teil ihrer Arbeit tun. Genau das wird zu ihrem geistigen Eigentum, weil es sich um Kernkompetenzen oder Informationen handelt, über die nur dieses Unternehmen verfügt. Mein Aufruf an alle, die diesen Podcast hören und sich fragen, was sie als Nächstes tun sollen, umfasst drei Punkte. Erstens: Entwicklen Sie eine Datenstrategie für Ihr Unternehmen. Das zahlt sich nicht nur kurzfristig aus, sondern wirklich langfristig. Überlegen Sie, wie jeder in Ihrem Unternehmen seine Daten speichert. Wie speichern Sie Ihre Testdaten, wenn Sie ein neues Produkt entwickeln? Wie speichern Sie dies Schaltpläne oder Konstruktionsdateien? Stellen sicher, dass Sie eine Möglichkeit haben, dies weltweit einheitlich zu gestalten. Der zweite Aktionspunkt lautet KI auszuprobieren. Machen Sie den Schritt, wenn Sie noch zögern und Bedenken haben, KI einzuführen. Ich würde empfehlen, sich gründlich über bewährte Sicherheitsverfahren und all diese Dinge zu informieren, stellen Sie sicher, dass Sie dabei sicher vorgehen. Aber nutzen Sie die Vorteile und probieren Sie eines dieser universellen großen Sprachmodelle aus. Der dritte Aktionspunkt – wenn Sie im Bereich Test- und Messtechnik tätig sind: Beginnen Sie mit Nigel AI. Laden Sie LabVIEW herunter, lade Sie NI Test- und Messsoftware herunter und probiere sie aus. Sie werden beeindruckt sein, wie leistungsstark dieses Tool tatsächlich ist und wie schnell Sie mit Nigel an Ihrer Seite Ihre Test- und Messanforderungen umsetzen können. Das wären meine drei Empfehlungen.

Sprecher: Okay, danke, Rudy. Ich halte für mich fest: Wir werden dieses Auto bauen – alle nächsten Versionen, versprochen. Und schließlich: Was sollten Führungskräfte im Engineering heute überdenken, um vielleicht längerfristig – vielleicht für die nächsten drei, vier, fünf Jahre – skalierbar zu bleiben?

Rudy Sengubta: Neben den Datenlösungen, über die wir gesprochen haben, kann die Bedeutung skalierbarer softwaredefinierter Plattformen gar nicht hoch genug eingeschätzt werden. Für die Zukunft ist es für Führungskräfte unglaublich wichtig, über grundlegende Entscheidungen nachzudenken – und zwar offen gesagt in Bezug auf jeden Teil ihrer Infrastruktur treffen. Das gilt für Fertigungssteuersysteme, ERP-Systeme oder Testplattformen. Denk an eine Hardware- und Softwareplattform, die wirklich mit dem Unternehmen mit wächst. In drei bis fünf Jahren wird sich das Unternehmen weiterentwickeln und die Anforderungen werden sich ändern. Die Firmen müssen sicherstellen, dass sie nicht an traditionelle Messtechnik und herkömmliche Testmethoden gebunden sind. Sie müssen auf softwaredefinierte Plattformen setzen – insbesondere auf Unternehmen wie NI und Emerson Test & Measurement, die sich der KI weit vor der Branche zuwenden.

Sprecher: Rudy, vielen Dank. Ich freue mich, wenn wir dieses Auto gemeinsam bauen und uns vielleicht in einem Jahr – vielleicht auch etwas später – wieder sprechen. Du bist herzlich eingeladen, hier bei heise meets …

Rudy Sengubta: Vielen Dank für deine Zeit. Vielen Dank.

Sprecherin: Das war heise meets … – Der Entscheider-Talk. Sie wollen mehr erfahren? Dann besuchen Sie uns auf heise-meets.de. Wir freuen uns auf Sie.