3 Fragen an …

… Michael Höh, Solution Architect Guidance & Automation, European ­Technology Innovation Center Kaiserslautern, John Deere GmbH & Co. KG

Welche strategische Rolle spielt Künstliche Intelligenz heute in der Entwicklungsarbeit von John Deere? Wo stehen Sie aktuell – und welche weiteren Ziele ­streben Sie mit dem Einsatz von KI an?

Ich würde die Frage lieber aus meiner Sicht hier am Standort Kaiserslautern beantworten, da bei diesem Thema aktuell enorm viel passiert und wir alle ständig neue Möglichkeiten kennenlernen. Und diese Möglichkeiten wollen wir natürlich ausnutzen, dabei aber auch Rahmenbedingungen einhalten. Gerade in der Softwareentwicklung stehen uns die wichtigen Modelle zur Verfügung und wir müssen nicht unbedingt »Token« zählen. Jede KI-Anfrage resultiert in einer bestimmten Anzahl von Token und diese erzeugen auch Kosten. D.h. der Einsatz der KI ist nicht umsonst. Aus meiner aktuellen Sicht lohnt er sich aber.

Ich würde sagen, wir sind zurzeit in einer Entdeckungs- und Ausprobierphase: von großer Begeisterung, aber auch manchmal genervter Enttäuschung. Ich glaube, wenn wir das Werkzeug KI soweit verstanden haben, können wir den Entwicklungsprozess verschlanken und schneller Innovationen für unsere Kunden anbieten.

Ich vergleiche die Softwareentwicklung gerne mit der Leber beim Menschen: Sie macht alles mit und wächst dabei – bis ein bestimmter Punkt erreicht ist. Und wenn man dann reagieren muss, ist es schwierig. Vielleicht beginnt man sogar ein neues Projekt. In der Regel kann man nicht auf bestimmte Teile verzichten und muss diese herausschneiden und einsetzen.

Das ist oft viel manuelle Arbeit und Anpassungen im Code und den Unit Tests. Hier kann die KI sehr gut unterstützen. Wir testen das mit zum Teil großen Code-Bereichen und schauen uns die Ergebnisse an. Diese sind vielversprechend, insbesondere mit Blick auf die Umsetzungszeit.

Betrachtet man den gesamten Entwicklungszyklus: In welchen Phasen generiert KI aus Ihrer Sicht den größten Mehrwert? Wo zeigen sich bereits messbare Effizienz- oder Qualitätsgewinne?

Als jemand, der die Softwareentwicklung seit vielen Jahren begleitet, sehe ich natürlich vor allem diesen Bereich. Und es ist beeindruckend, einem KI-Agenten dabei zuzuschauen, wie schnell und systematisch Code durchsucht, analysiert oder erstellt wird. Die damit erzielten Gewinne sind nicht nur messbar, sondern auch regelmäßig an der Kaffeemaschine beim Gespräch mit Kollegen hörbar. Ein aus meiner Sicht nicht zu unterschätzender Mehrwert ist die Öffnung der Softwareentwicklung für Leute ohne oder mit wenig Programmiererfahrung (Vibe-Coding). Zum Beispiel der Systemingenieur, der eine Idee hat und diese direkt prototypisch umsetzen kann, um schnelles Feedback zu bekommen. Zeitlich unschlagbar zum klassischen Beschreiben der Idee, der Beauftragung, den Iterationen usw.

Ich glaube, auch mit der KI als Copilot erlebt das Pair-Programming eine Renaissance. Ich habe mir immer schwergetan, das außerhalb spezieller Gründe wie Fehlerfindung oder bestimmter Designentscheidungen zu leben. Mit der KI ist das anders und ich finde es zum einen sehr angenehm, aber auch enorm hilfreich und wahrscheinlich effizienter als ein menschlicher Kollege.

Ein weiteres Beispiel ist ein Klassiker: Code-Dokumentation! Separate Dokumente laufen immer Gefahr, nicht den letzten Code-Änderungen zu entsprechen. Damit wird ihr Wert relativiert und man müht sich dann letztendlich doch durch den Code. Und beim Code kann man über Kommentare diskutieren: Braucht man Kommentare oder ist der Code selbsterklärend? Und wenn Kommentare oder Dateibeschreibungen, sind diese aktuell und entsprechend mitgepflegt? Ich glaube, durch die KI wird der Klassiker früher oder später verschwinden, da jegliche Dokumentation »on demand« erzeugt werden kann und diese immer dem aktuellen Code-Stand entspricht. Das stellt einiges auf den Kopf.

Im Rahmen unseres gemeinsamen Capstone-­Projekts haben Studierende KI intensiv ­eingesetzt. Welche ihrer Ergebnisse haben Sie ­besonders beeindruckt oder sogar überrascht – und welche Erkenntnisse fließen in Ihre Entwicklungsarbeit ein?

Mich hat besonders der verbale Austausch mit einem KI-Agenten beeindruckt, um Anforderungen zu ermitteln. Zum einen, weil das Gespräch sehr natürlich war, aber auch wissend, wie schwierig es ist, gute Anforderungen zu ermitteln. Ich glaube, generell hat die KI auch geholfen, die Kreativität der Studierenden schnell im Kontext umzusetzen. Die meisten hatten wenig oder keinen landwirtschaftlichen Hintergrund. Diese _Lücke war kaum spürbar bzw. wurde _sehr schnell geschlossen.

Überrascht war ich über die Menge und Bandbreite an bearbeiteten Themen in sehr kurzer Zeit. Die Studierenden haben auch sehr gut den Spagat hinbekommen, die KI-Möglichkeiten zu entdecken, zu erforschen und praktisch am Projekt »Simulator von landwirtschaftlichen Maschinen mit KI« auszuprobieren. Bei jedem Iterations-Meeting konnte etwas gezeigt werden, was mir als »Kunde« auch sehr geholfen hat.

Ich glaube, durch das Capstone-Projekt fließen viele Erkenntnisse in die Entwicklungsarbeit ein, auch außerhalb der eigentlichen Softwareentwicklung. Wir arbeiten bei John Deere an kamerabasierten Automatisierungen, zum Beispiel beim automatisierten Befüllen eines Anhängers mit Erntegut. Hier müssen wir uns neben der Softwareentwicklung, die mit der schnellen Technologie-Entwicklung Schritt halten muss, mit unterschiedlichen Disziplinen wie Bildverarbeitung, Steuer- und Regelungstechnik sowie Datenmanagement beschäftigen. Und das Gesamtsystemfunktioniert natürlich besonders gut, wenn alles passt und aufeinander abgestimmt ist. Hier hilft die KI nicht nur den erfahrenen Mitarbeitern, sondern insbesondere neuen Mitarbeitern. Ähnlich wie den Studierenden im Capstone-Projekt, für die erst einmal vieles oder sogar alles neu war. Wir haben in Capstone zum Teil bewusst keine internen Informationen oder Experten bereitgestellt, um zu verstehen, was möglich ist. So haben die Studierenden die Anbindung an unser John Deere Operations Center komplett eigenständig mit der KI und verfügbaren Onlinedokumentationen realisiert. Oft wird eine Schnittstellen-API nur erklärt, aber mit der KI bekommt man sofort etwas, das man ausprobieren und starten kann. Das hat in sehr kurzer Zeit sehr gut geklappt und ist sicherlich eine große Unterstützung für neue Mitarbeitende oder welche, die die Domäne wechseln. Ein Ergebnis, dass sich KI weniger gut für die Erstellung von etwa Architekturdiagrammen eignet, ist mittlerweile wohl schon wieder überholt. Aber das passt zur hohen Dynamik im Bereich Künstliche Intelligenz, mit der man Schritt halten muss… und vielleicht ein nächstes Capstone-Projekt triggert.