KI-gestützte Bordnetzentwicklung und AI Harness Engineering

Einleitung und Branchenkontext

Wettbewerbsdruck, geopolitische Verwerfungen und der Wechsel zu Klimaneutralität und Elektromobilität verlagern die Wertschöpfung von der klassischen Mechanik in Elektronik- und Softwarearchitekturen. Der Kabelbaum (Bordnetz) umfasst alle elektrischen Leitungen in Haupt- und Nebensträngen. In Premiumfahrzeugen ist er durch stetigen Feature-Zuwachs zu einer der schwersten, teuersten und fehleranfälligsten Baugruppen geworden, mit teils über 2500 Einzelleitungen allein im Hauptstrang.

Die Abhängigkeit von manueller Fertigung wurde in der Ukraine-Krise sichtbar: Ausfälle hochspezialisierter Kabelbaumfabriken (u.a. Kromberg & Schubert in Schytomyr) führten zu paneuropäischen Produktionsstopps. Die Industrie treibt deshalb Automatisierung und Reshoring voran. Parallel hat sich in der Softwareentwicklung der Begriff des Harness Engineering etabliert: die systematische Orchestrierung von KI, Kontext-Engineering, architektonischen Restriktionen und DevOps-Pipelines für autonome KI-Agenten. Die Doppelbedeutung (physischer Kabelbaum und digitales Software-Gerüst) spiegelt die Konvergenz beider Welten wider.

Evolution der Bordnetzarchitektur

12V vs. 48V und Zonenarchitektur

Seit den 1960er Jahren war 12V Standard. Heute erzwingen hohe Leistungsaufnahme von Sensoren, Aktoren und Infotainment im 12V-Netz stark überdimensionierte Kupferkabel. Die Antwort ist die 48V-Zonenarchitektur: Bei gleicher Leistung sinkt die Stromstärke auf ein Viertel, Kabelquerschnitte und Gewicht sinken drastisch (z.B. von etwa 273 g/m auf etwa 27 g/m bei vergleichbarer Funktion). Das verbessert Reichweite und Product Carbon Footprint.

Die Topologie wandelt sich von funktionsorientiert (domänenbasiert) zu geografisch (zonal). In der Zonenarchitektur steuert ein Zonencontroller pro Fahrzeugsektor alle Sensoren und Aktoren; diese kommunizieren über ein zentrales High-Speed-Backbone (z.B. Automotive Ethernet) mit einem Zentralrechner. Das reduziert physische Komplexität und ermöglicht KI-gestützte topologische Optimierung und algorithmisches Routing.

KI in ECAD-Plattformen und generatives Design

Die Entwicklung eines modernen Bordnetzes erfordert die gleichzeitige Betrachtung von elektrischen Parametern (Spannungsabfall, Signalintegrität), mechanischen Restriktionen (Biegeradien, Bauraum), thermischen Hotspots und Fertigungsaspekten. KI unterstützt durch generatives Design, algorithmisches Routing und semantische Analysen.

Siemens Capital und EDA AI

Die Capital-Suite (Capital Essentials, Capital Logic Designer, Capital Systems Integrator) ist eine zentrale MBSE-Plattform für Automotive und Luftfahrt. Das neu eingeführte EDA AI System integriert generative und agentenbasierte KI, u.a. mit NVIDIA NIM und Llama Nemotron. Agenten übernehmen Layout-Optimierung, thermische Simulation und Verifikation. Im Kabelbaum-Engineering erzeugt Capital automatisch produktionsreife Zeichnungen, Stücklisten, NC-Dateien und Fertigungsberichte und berechnet in Echtzeit Spannungsabfälle und Sneak Paths. Der Siemens Industrial Copilot (Hannover Messe 2024) zeigt Engineering-Support in natürlicher Sprache.

Zuken E3.series und Harness Builder

Zuken E3.series bietet objektorientierte Datenverwaltung mit bidirektionaler Synchronisation von 3D-Geometrie und 2D-Schaltplänen. Der Harness Builder überführt den 3D-gerouteten Kabelbaum automatisch in eine maßstabsgetreue 2D-Formboard-Zeichnung (Flattening), berechnet Bündeldurchmesser und dimensioniert Schutzschläuche, Tüllen und Etiketten. Mit Harness Builder 2025 und E3.series 2026 kommen ERP- und Cloud-MCAD-Integrationen sowie Exporte für Telsonic-Ultraschall und OMA-Flechtmaschinen. Der AI Copilot in E3.series automatisiert die Formboard-Gestaltung und beantwortet textuelle Prompts (z.B. Fehlersuche im Projekt) in Sekunden.

Graphenbasierte Plattformen: SPREAD.ai und Manex AI

SPREAD.ai (Berlin) wandelt mechanische, elektrische und Software-Informationen in ein graphenbasiertes Funktionsmodell um. Der Product Explorer ermöglicht die Navigation komplexer Architekturen, der Error Inspector gleicht Fehlerbilder mit Abhängigkeiten im Graphen ab. Ein europäischer OEM konnte Fehler laut SPREAD um 60 Prozent schneller beheben und Kosten von über 20 Mio. Euro einsparen. Manex AI (München, 2023, 8 Mio. Euro Seed) fokussiert auf die Schnittstelle Engineering/Qualität: Fertigungs-Optimierungsagenten für Root-Cause-Analyse und dynamisches Rerouting in globalen Produktionsnetzwerken.

Requirements Engineering und KI

Der Start jedes Bordnetz-Projekts ist das Requirements Engineering (RE), traditionell dokumentenintensiv. KI und Large Language Models (LLMs) analysieren unstrukturierte Anforderungen, decken Widersprüche auf und übersetzen Vorgaben in strukturierte Spezifikationen. SPREAD.ai bietet einen Requirements Manager, der eingehende Anforderungen (z.B. aus RFQs) mit Produktarchitekturen, Varianten und Kostendaten verknüpft und Carry-over-Parts sowie Kostenschätzungen in Minuten ermöglicht. Tools wie Aqua AI, Innoslate (GPT-basierte RE-Assistenten) oder Copilot4DevOps wandeln Anforderungen in BDD-Szenarien (Gherkin) um. Auch Whiteboarding-Tools wie Miro oder Mural nutzen KI zur Ableitung von Flussdiagrammen und Architekturentwürfen.

Datenstandards und digitaler Zwilling

Vehicle Electric Container (VEC)

Über VDA 4968 / PSI 21 wurde der Vehicle Electric Container (VEC, Version 1.2) als werkzeugunabhängiges digitales Produktmodell etabliert. Er unterscheidet strikt DocumentVersion und PartVersion und umfasst Topologie, Konnektivität, Bauteilstammdaten, Variantensteuerung und mechanische Metadaten. Erst dieser Container ermöglicht KI-Systemen und Cloud-Diensten (z.B. Catena-X) das Interpretieren des Designs, Baubarkeitsprüfungen und die Generierung von Maschinencode.

Digitaler Zwilling im Lifecycle

Entwurfszwilling (As-Designed): Das KI-gestützte MBSE-Modell in Capital oder Zuken E3. Produktionszwilling (As-Built): VEC-Daten verschmelzen mit MES zu einem bidirektionalen Digital Thread. Betriebszwilling (As-Maintained): Prädiktive Instandhaltung und Anomalieerkennung durch Abgleich von Sensordaten mit dem Strukturmodell; Frameworks wie ROS mit AWS oder Gazebo ermöglichen programmatische Simulation.

Harness Engineering in der Software-Entwicklung

Im Software-Defined Vehicle verschmelzen physischer Kabelbaum und digitales Software-Gerüst. Martin Fowler prägte "Harness Engineering" im Kontext KI-gestützter Softwareentwicklung: Der Mensch entwirft Umgebungen, spezifiziert Intentionen und setzt architektonische Leitplanken für autonom agierende KI-Agenten (z.B. OpenAI Codex). Dazu gehören Context Engineering, architektonische Restriktionen und kontrollierte Abhängigkeiten.

OpenAI demonstrierte in einem internen Experiment, dass ein kleines Team ein Beta-Produkt mit rund einer Million Zeilen Code auslieferte, ohne manuell Code zu schreiben. Codex-Agenten arbeiteten autonom über Pull-Requests, Bug-Reproduktion und Validierung. Entscheidend war das "Harness": maschinenlesbare Artefakte, Strukturtests und erzwungene Schichtung (Types, Config, Repo, Service, Runtime, UI). Linter und CI prüften die Einhaltung. Das ist das digitale Äquivalent zur topologischen Regelprüfung im ECAD.

Plattformen wie Harness.io und OutSystems stellen Infrastruktur für KI-DevOps, CI/CD und Low-Code bereit. Studien zeigen zugleich Risiken: viele Organisationen berichten von schnelleren Deployments durch KI, aber auch von Bedenken bei Software-Schwachstellen und Cloud-Kosten durch ineffizient generierten Code. Robuste Leitplanken und Sicherheitstests bleiben notwendig.

Produktion: Automatisierung und Reshoring

Ziel ist die vollständige Durchgängigkeit bis in die physische Fertigung. Kabel und Schläuche sind biegeschlaff und von klassischen Industrierobotern schwer zu handhaben. Das Next2OEM-Konsortium (Audi, Kromberg & Schubert, Komax, TE Connectivity, KOSTAL, semantic PDM, ArtiMinds, Bär Automation) hat 2026 in Ingolstadt die erste vollautomatisierte Fertigung und Montage eines Leitungssatzes gezeigt. ArtiMinds adressiert das Handling mit Kraft-Momenten-Sensoren und Reinforcement Learning: Roboter lernen aus Steckvorgängen und passen Trajektorien dynamisch an.

Die Prozesskette ist digitalisiert: Das ECAD-Modell wird über VEC an Maschinen übergeben. Komax/Schleuniger übernehmen Ablängen, Abisolieren und Crimpen; Telsonic-Ultraschall und OMA-Flechtmaschinen erhalten Parameter aus Zuken Harness Builder. AGVs (Bär Automation) transportieren Teile; Routenplanung wird durch KI (u.a. Fraunhofer ITWM, IPA) optimiert. Wo Vollautomatisierung nicht möglich ist, kommen Werkerassistenzsysteme zum Einsatz, z.B. der Montagehandschuh "ClickID" von Voss Automotive mit Sensorik und KI zur Echtzeit-Rückmeldung beim Einrasten von Steckern (Zero-Defect-Manufacturing).

Forschung: KI4BoardNet und Fraunhofer

KI4BoardNet (BMBF, 37,3 Mio. Euro, 12/2022 bis 11/2025), koordiniert von CARIAD, vereint 22 Partner (u.a. Infineon, NXP, Bosch, COSEDA, TE Connectivity, FZI, Fraunhofer IDMT, TUM, TU Dortmund, RWTH Aachen). Ziel ist die Transformation des Bordnetzes von einem passiven Transportmedium zu einer selbstregulierenden Komponente. Das FZI entwickelt SoCs mit RISC-V und Hardware-Beschleunigung für ML in Zonencontrollern (Edge-AI). Konzepte wie Auktionstheorie für Ressourcenmanagement sollen Energiebedarf vorhersagen und Zuteilung dynamisch steuern. Bis Ende 2025 sollen Ergebnisse in einem Fahrzeugdemonstrator validiert werden.

Das Fraunhofer ITWM bietet mit BordNetzSim3D Echtzeitsimulation der Biegemechanik von Kabeln und Schläuchen sowie ML-gestützte Prognosen für Ermüdung unter thermischer und mechanischer Belastung. Das Fraunhofer IDMT (Oldenburg) arbeitet im Projekt "The Hearing Car" an KI-basierten akustischen Sensorplattformen im Bordnetz: Erkennung von Rettungssirenen und prädiktive Instandhaltung durch Klassifikation von Umgebungs- und Verschleißgeräuschen, mit Edge-AI und datensparsamer Übertragung (Privacy by Design).

Regulatorik und Cybersecurity

Der European AI Act verlangt Transparenz und Dokumentation für KI in sicherheitskritischen Systemen. Für Bordnetz-Design müssen Unternehmen (Explainable AI) dokumentieren, auf welchen Daten generative Algorithmen trainiert wurden und wie Entscheidungen zustande kommen. Das IW Köln betont die Notwendigkeit handhabbarer Umsetzung für den Mittelstand. Cybersecurity ist zentral: KI kann Schwachstellen und fehlerhafte Konfigurationen einschleusen; geschlossene Ökosysteme und architektonische Leitplanken mindern das Risiko. Catena-X und vom Fraunhofer ISST entwickelte Datentreuhandmodelle ermöglichen sicheren, dezentralen Datenaustausch entlang der Wertschöpfungskette ohne Kompromittierung von IP.

Fazit und strategische Implikationen

Die Umstellung auf zonale 48V-High-Speed-Architekturen ist mehr als Effizienz: Sie ist Voraussetzung für Automatisierung. Erst die algorithmische Vereinfachung des Kabelbaums in Systemen wie Siemens Capital und Zuken E3 schafft die geometrischen Bedingungen, unter denen KI-gesteuerte Roboter (Next2OEM) biegeschlaffe Materialien präzise montieren können. Die vollständige Digitalisierung der Kette, vom AI Copilot im ECAD über VEC bis zur intelligenten Fertigung, entzieht der Offshore-Fertigung ihre primäre Basis; Reshoring wird mit KI zum Hebel. Die semantische Brücke zwischen physischem Bordnetz und digitalem Software-Gerüst ist real: Beide Domänen bekämpfen unkontrollierte Komplexität durch strikte Architektur, generative Agenten, kontinuierliche Prüfschleifen und einen durchgängigen Digital Thread. Graphenbasierte Plattformen und Startups zeigen, dass Datensilos aufgebrochen werden; die Verknüpfung von Fehlermustern, Toleranzen und Abhängigkeiten im digitalen Zwilling verkürzt Time-to-Market und reduziert SOP-Risiken. Deutschland nimmt mit KI4BoardNet, VEC-Standardisierung, LLM-Integration im RE und KI-Robotik eine starke Position im globalen Technologiewettlauf ein.