Künstliche Intelligenz

Künstliche Intelligenz steckt heutzutage in vielen Systemen. Wir sind auf die Absicherung der Technologie in kritischen Bereichen spezialisiert.

Wenn Chatbots falsch liegen: Warum Unsicherheitsmanagement wichtiger wird

Nicht der Fehler eines Chatbots ist das Problem, sondern wenn das System nicht zeigt, dass es unsicher ist. Ein aktuelles (aber bislang nicht rechtskräftiges) Urteil des Oberlandesgerichts Hamm (Az. 4 UKl 3/25; Mai 2026) sorgt für Aufmerksamkeit: Wer einen medizinischen…

Waldzwilling

Digitaler Zwilling gegen Baumstress: Wie ForestTwin X Wälder und Städte resilient macht

Hitze und ausbleibender Niederschlag setzen Wälder und städtische Grünflächen zunehmend unter Stress. In Forstökosystemen führen sie zu Trockenheit, Strukturzerfall und mikrobieller Inaktivität – langfristig leiden das Wachstum und die Vitalität der Bäume. Stadtbäume sind zusätzlich durch versiegelte Flächen, höhere Temperaturen…

DRAMBench: Autoformalizing DRAM Specifications with Timed Petri Nets

Chip design verification is dominated by manual interpretation of complex DRAM standards. With DRAMPyML and DRAMBench, Fraunhofer IESE and Normal Computing introduce timed Petri net models and an open benchmark to autoformalize memory specifications. This post shows how AI can…

User Stories mit LLMs prüfen

Improving User Story Quality Using LLMs

Weak requirements often break sprint plans because unclear user stories lead to rework and long clarification loops. LLM-based review of user stories is a promising approach that helps teams detect quality gaps earlier. Instead of discovering problems like missing acceptance…

Ohne Cybersecurity keine Safety: Warum autonome Systeme ein neues Sicherheitsdenken brauchen

Autonome Systeme sind eine Schlüsseltechnologie für die zukunftsorientierte Mobilität und Industrie. Doch ihre größte Stärke, die intelligente Vernetzung, ist gleichzeitig ihre größte Schwachstelle. In einer Welt, in der Software über die physische Sicherheit entscheidet, müssen Security und Safety von Anfang…

KI-Agenten in der Verwaltung und Smart City: Beispiele, Grenzen und nächste Schritte

Projekte wie F13, LLMoin und MUCGPT zeigen, dass große Sprachmodelle in vielen deutschen Kommunen angekommen sind, derzeit meist als Chatbots mit Recherche-Funktionen (RAG). KI-Agenten gehen einen Schritt weiter. Sie ermöglichen nicht nur die Generierung von Inhalten, sondern auch automatisierte Handlungsabfolgen…

Verbesserung der Qualität von User Stories mit LLMs

Qualitätsschwache Anforderungen bringen Sprintpläne oft ins Wanken, weil unklare User Stories zu Nacharbeit und langwierigen Klärungsschleifen führen. Die LLM-basierte Überprüfung von User Stories ist ein vielversprechender Ansatz, mit dem Teams Qualitätslücken früher erkennen können. Statt Probleme wie fehlende Akzeptanzkriterien erst…

KI im Requirements Engineering: Warum der Mensch trotz GenAI die wichtigste Instanz bleibt

KI schreibt Code heute in Sekunden – doch wer garantiert, dass dieser Code das richtige Problem löst? Der Einsatz von KI im Requirements Engineering (RE) ist ein zweischneidiges Schwert: Während generative Tools Lücken in Anforderungen mit plausibel erscheinenden, aber oft fachlich fatalen…

Autonomous Interoperability: Breaking the Economic Bottleneck of Data Exchange

Achieving interoperability is much more than a technical puzzle. It is a significant economic challenge. Today, connecting software systems still relies on human-intensive engineering, costing organizations immense time and money. But what if we could remove the human from the…

Generative AI in Software Engineering: A Year in Retrospective

A year ago, we explored how generative AI might transform software engineering (see blog post: Generative AI in Software Engineering: Scenarios and Challenges Ahead). Since then, the focus has rapidly shifted from simple coding assistants to complex, AI-supported software engineering…