Automobilzulieferer werden zu Software-Entwicklern und Product Ownern

Ein Interview mit dem KI- und Analytics Experten Dr.-Ing. Michael Nolting

OEMs entwickeln zunehmend eine zentrale Code-Basis, um die Macht über die Software in Umsystemen zurückzugewinnen. KI- und Analytics-Experte Michael Nolting, VW Nutzfahrzeuge und Honorardozent an der Leibnitz Universität Hannover, sieht darin eine Chance für Zulieferer, sich in cross-funktionalen Teams oder als Product Owner in künftige Entwicklungen einzubringen und damit neue Umsatzchancen zu erschließen.

Vorhersagbar, automatisierbar, optimierbar: Das sind die drei Adjektive, die am besten die Vorteile von digitalen Produkten beschreiben. Auch für das Automobil sind das erstrebenswerte Ziele. Doch ist dies oft noch kein homogenes digitales Produkt, sondern bestenfalls ein Flickenteppich aus digitalen Projekten. Für Michael Nolting ist klar: Zulieferer und OEMs haben noch Nachholbedarf, Tools und Methoden nach dem Vorbild von Tech-Giganten aus dem Silicon Valley für Kunden zu nutzen. „Ein innovatives Prinzessinnenschloss auf einem Güllefeld bauen“, nennt Computerwissenschaftler Nolting die Mission. Denn die IT-Infrastruktur wurde über Jahre vor allem zur Unterstützung der Produktion aufgebaut, ist aber nicht zur Entwicklung von neuen digitalen Produkten und Geschäftsmodellen in immer kürzeren Zyklen geeignet.

Infrastrukturen und Denken auf digitale Produkte trimmen

„Das ist allerdings jetzt die Anforderung“, sagt Nolting. Studien sprechen von den so genannten CASE-Trends, die in den kommenden Jahren den Automobilmarkt treiben werden: Connected Services (C), autonomes Fahren (A), Shared Mobility (S) und Elektroantrieb (E). Fahrzeuge werden zu Datenplattformen, eine ideale Voraussetzung für weiter gehende Analyse – und künstliche Intelligenz. Die schnellste Route finden, verschlissene Bauteile erkennen, neuronale Netze für die Objekterkennung und Algorithmen für die Ansteuerung von Ladesäulen einsetzen, intermodale Mobilität planen: Überall kommt künstliche Intelligenz zum Einsatz. Ohne entsprechende Kenntnisse und Ressourcen werden es selbst etablierte Unternehmen schwer haben, künftig im Wettbewerb mitzuhalten. Zumal Techgiganten als Player auf dem Zukunftsmarkt mitmischen, mit eigenen Lösungen – von Betriebssystemen über virtuelle Sprachassistenten bis hin zu Vernetzungsplattformen und Funktionen für das autonome Fahren. Der Vorteil von Google, Apple, Amazon, Microsoft, Tencent und Alibaba: Sie sind durch ihre KI-getriebene Kundenorientierung, ihre Anpassungsfähigkeit und modernen IT-Infrastrukturen Vorbilder für die Automobilindustrie.

Neue Chancen: Apps aus der Zulieferer-Community, zum Product Owner vom Bauteile-Hersteller

Von „dynamischen Stages, Pre-Submit-Infrastrukturen und abstrahierten Umsystemen“ spricht jedoch der Honorardozent der Leibnitz Universität Hannover Nolting schon seit einigen Jahren. Das heißt: Um Komplexität zu reduzieren, fordert er eine zentrale Code-Basis für OEMs, die so die „vollständige Verantwortung für den Code (zurück-)bekommen“. Wenn Entwickler neue Codes programmieren, können sie sie zunächst selbst testen, ehe sie auf der Testplattform hochgeladen werden. Codes werden also nach dem Vorbild der „Pre-Submit-Infrastrukturen“ von Google erst eingespielt, wenn sie tadellos funktionieren. Das reduziert nicht nur die Komplexität, sondern bietet – so Noltings Ansicht – neue Chancen auch für Zulieferer: „Ein OEM kann nur durch seine Zulieferer skalieren“. Ähnlich wie der App Store von Apple ständig neue Dienste anbietet, wird auch für die OEMs eine Zulieferer-Community entstehen, die permanent neue Dienste entwickelt und zur Verfügung stellt. Weiteres Plus: Dienstleister, die bisher „Kompetenz auf Bauteile“ hatten, können künftig als „Product Owner“ in cross-funktionalen Teams zusammen mit dem OEM ihre Produkte weiterentwickeln. Der Zulieferer wird Teil eines Ökosystems und entwickelt Software auf einer vom OEM zuvor erarbeiten Basis.

Produkte statt Projekte: Charakteristika für den Zukunftsmarkt

Zulieferer und OEMs befinden sich hier noch mitten im Lernprozess, um primär sechs Kernkompetenzen zu entwickeln, wie Nolting in seinem kürzlich erschienen Buch „Künstliche Intelligenz in der Automobilindustrie“ beschreibt:

1. Kundenorientierung: KI für verbessertes Kundenerlebnis einsetzen
   Neue digitale Dienste in der Automobilindustrie sollten am Kundenerlebnis orientiert sein. Doch verhinderen etablierte Unternehmensprozesse zur allgemeinen Risikominimierung sowie eine konservative Auslegung juristischer Anforderungen bei OEMs (etwa hinsichtlich des Datenschutzes) innovative Lösungen. Die Empfehlung für die Transformation zum Software-getriebenen Unternehmen: Dienste und Apps im Ökosystem entwickeln und Fahrzeug- wie Kundendaten gezielt zur Optimierung der Wertschöpfungskette nutzen.
2. Digitaler SOP (Start of Production): Ständige Updates der Software möglich machen
   „Kunden fahren morgens mit dem Auto zur Arbeit und kommen mit einem neuen zurück“: Die Software von Fahrzeugherstellern wird  permanent auf den neuesten Stand gebracht und durch verbesserte und neue Funktionen angereichert. Der Start of Production, ehemals der Knopfdruck zur Serienproduktion, ist künftig digital und passiert permanent. Bei Amazon werden über 20.000 Mal pro Tag Softwareänderungen eingespielt – ebenso muss es auch im Fahrzeug geschehen, dass insgesamt über 100 Millionen Zeilen von Code verfügt
3. Datenprojekte werden zu Produkten mit Lebenszyklus
   Künftig wird es vorrangig um die Qualität gehen – und weniger um Zeit, Kosten und Qualität, wie in Projekten üblich. Um indirekt Kosten und Zeit im Griff zu behalten, werden Minimal Viable Products (MVPs) entstehen, bei denen einzelne Entwicklungsschritte im Lebenszyklus bewertet werden. Von der Idee bis zum operativen Einsatz des digitalen Produktes vergehen nur wenige Monate. Die Besonderheit an digitalen Produkten gegenüber Datenprojekten zuvor: Die Entwicklung endet nie, denn ein Algorithmus kann durch neue Daten, die erst zur Laufzeit eingefahren werden, permanent verbessert werden. Auch nach Implementierung wird die Software weiter verbessert und Software eingespielt, um Fehler zu fixen bzw. neue Funktionen vor Kunden zu bringen.
4. Backlog für Datenprojekte: Use Cases priorisieren
   Use Cases für potenzielle Datenprodukte werden gesammelt und nach den Kriterien Machbarkeit, Wirtschaftlichkeit und Kundenwunsch bewertet und priorisiert. Grundsätzlich zeigt sich: Je höher der Anteil der KI im Produkt, umso höher sind die potenziellen Wettbewerbsvorteile. Denn je mehr Daten analysiert werden können, umso besser lassen sich Entwicklungen vorhersagen, prädiktive Modelle nutzen und Prozesse optimieren.
5. Programmiercode: Eine zentrale Code-Basis schaffen
   Bisher wird die Softwareentwicklung häufig von Autoherstellern an spezialisierte Dienstleister abgegeben, die Gesamtapplikationen erstellen. Codes liegen dezentral vor, selbst wenn sie innerhalb des Unternehmens entstehen. Ziel wird eine zentrale Code-Basis sein, so dass Autohersteller jederzeit darauf zugreifen können und die Hoheit über die Daten zurückgewinnen. Durch die zentrale Code-Basis können dann unterschiedliche Entwickler-Teams (bestehend aus internen Entwicklern und Zulieferern) in dezentralen Two-Pizza-Teams wie bei Amazon neue Funktionen entwickeln.
6. Daten bündeln: KI-Bedürfnispyramide beachten
   Bei Erprobungsfahrten sind oft Dienstleister oder Partnerunternehmen involviert, die Daten im Terrabytebereich sammeln, aber bei sich behalten und nicht beim Kunden zentral speichern. Daten aus der Autoproduktion, Kunden und Fahrzeugdaten liegen zudem dezentral in Umsystemen vor. Essentiell ist eine IT-Infrastruktur, die in der Lage ist, große Mengen an Daten zu erfassen und zentral zu speichern. Sind genug (vorgefilterte und gesäuberte) Daten vorhanden, die dorthin fließen können, wo sie gebraucht werden, ist die Basis dafür gelegt, um maschinelle Lernverfahren und Deep Learning nutzen zu können.

Der Weg zum Prinzessinnenschloss

Das Prinzessinnenschloss entsteht nicht von heute auf morgen, doch haben Zulieferer es selbst in der Hand, sich in Ökosystemen zu engagieren, Softwarekompetenz aufzubauen und Produkte in den Fokus ihrer Zukunftsstrategien zu stellen. Dann sind auch die wichtigsten Herausforderungen in den Griff zu bekommen, schnell Software entwickeln, trotz großer Komplexität kosteneffizient arbeiten und ein gutes Kundenerlebnis bieten zu können.

Lesen Sie auch:
Wie Cloud die Automobilbranche unterstützt sich zu verändern – Digitale Ökosysteme: Wichtige Treiber für die Cloud und
Cloud ist kein Selbstläufer – mit Masterplan zum Erfolg, um Potenziale durch Ökosysteme, wie Catena-X, zu nutzen