Das Projekt hat sich für die Entwicklung von Software-Defined Vehicles ambitionierte Ziele gesetzt: Für ausgewählte SDV-Funktionen soll die Entwicklungszeit deutlich verkürzt und die Engineering-Produktivität signifikant gesteigert werden. KI soll perspektivisch bei bis zu 80 Prozent der Engineering-Aufgaben unterstützen. Gleichzeitig soll die Zahl der Fehler in ersten vollständigen Funktionsversionen um mehr als 30 Prozent sinken.

»Wenn KI die Entwicklung von Fahrzeugsoftware deutlich beschleunigt, müssen Sicherheitsnachweise, Verifikation und Compliance mit derselben Geschwindigkeit Schritt halten«, sagt Jan Reich, Department Head Safety Engineering am Fraunhofer IESE. »Es bringt wenig, Software deutlich schneller zu entwickeln, wenn der Safety Case anschließend Monate hinterherläuft. Die entscheidende Frage ist deshalb, wie wir Safety-Engineering- und Verifikationsmethoden so weiterentwickeln können, dass die KI-gestützte Entwicklung nicht nur schneller, sondern zugleich vertrauenswürdig und industriell nutzbar wird.«

KI-Unterstützung für Entwicklung und Absicherung

AI4SDV verfolgt einen ganzheitlichen Ansatz: KI soll Ingenieurinnen und Ingenieure entlang des gesamten Engineering-Prozesses unterstützen. Die geplanten Anwendungen reichen von der automatisierten Code- und Testgenerierung bis zur Erkennung von Fehlern in Systemarchitekturen. Dabei setzt das Projekt auf eine enge Zusammenarbeit zwischen Mensch und KI. Ziel ist eine offene und erweiterbare Plattform, die unterschiedliche KI-basierte Werkzeuge und Engineering-Methoden zusammenführt.

Für das Fraunhofer IESE steht die Frage im Mittelpunkt, wie sich diese zunehmende Automatisierung mit den Anforderungen an funktionale Sicherheit, Nachvollziehbarkeit, Verifikation und Validierung verbinden lässt und wie entsprechende Nachweise künftig noch stärker automatisiert umgesetzt werden können.

Im Rahmen von AI4SDV untersucht das IESE unter anderem, wie KI sicherheitsrelevantes Wissen aus Standards und anderen Engineering-Artefakten erschließen, Sicherheits- und Change-Impact-Analysen unterstützen und Sicherheitsnachweise über verschiedene Artefakte hinweg miteinander verbinden kann. Ein weiterer Schwerpunkt ist die Frage, wie Ingenieurinnen und Ingenieure KI-generierte Ergebnisse fachlich überprüfen und bei Bedarf korrigieren können. Ziel ist es, den Aufwand für sicherheitsrelevante Engineering-Aktivitäten zu reduzieren und gleichzeitig die Qualität und Nachvollziehbarkeit der Ergebnisse zu erhöhen.

»Bei sicherheitskritischen Systemen reicht es nicht, wenn eine KI einfach ein Ergebnis liefert. Ingenieurinnen und Ingenieure müssen nachvollziehen können, auf welcher Grundlage die KI zu ihrem Ergebnis kommt. Genau darin sehen wir eine zentrale Voraussetzung für die industrielle Nutzung von KI im Engineering. Dafür entwickeln wir Methoden, die KI-Unterstützung mit den Anforderungen des Safety Engineerings verbinden.«

Die Arbeiten knüpfen an die langjährige Expertise des Fraunhofer IESE im funktionalen Safety Engineering an. Das Institut beschäftigt sich unter anderem mit funktionaler Sicherheit, SOTIF (Safety Of The Intended Functionality), Sicherheitsanalysen, Sicherheitskonzepten, Sicherheitsargumentation sowie Verifikation und Validierung. Auch die Auswirkungen Künstlicher Intelligenz auf das Safety Engineering gehören zu den Forschungsthemen des Instituts. 

Offener europäischer Engineering-Stack

AI4SDV vereint mehr als 50 Partner aus Industrie und Wissenschaft, darunter AVL, Mercedes-Benz Tech Innovation, Renault/Ampere, Infineon Technologies, dSPACE, Scania/Traton, TTTech, Thales, das FZI Forschungszentrum Informatik, das Fraunhofer-Institut für Experimentelles Software Engineering IESE, die Technische Universität München und die Universität Stuttgart.

Das Projekt startete im September 2026 und läuft über 36 Monate. Das Gesamtbudget beträgt mehr als 50 Millionen Euro; die Projektpartner bringen rund 350 Personenjahre Arbeitsaufwand ein. Gefördert wird AI4SDV im Rahmen des Chips Joint Undertaking (Chips JU) unter Horizon Europe durch die Europäische Kommission, Mitgliedstaaten und die Projektpartner.

Ein wesentlicher Bestandteil ist der Open-Source-Ansatz: Die entwickelten Technologien sollen in einer offenen und erweiterbaren Plattform zusammengeführt werden und damit für das europäische SDV-Ökosystem nutzbar werden. Das Höchstleistungsrechenzentrum Stuttgart (HLRS) stellt mit seiner KI-Infrastruktur HammerHAI Rechenkapazitäten für das Training und den Betrieb großer KI-Modelle bereit. AI4SDV soll damit einen Beitrag zu einem leistungsfähigen europäischen Ökosystem für KI-gestützte Fahrzeugentwicklung leisten.

»AI4SDV bietet uns die Möglichkeit, gemeinsam mit Industrie und Forschung daran zu arbeiten, wie Safety Engineering in einer zunehmend KI-gestützten Entwicklung aussehen kann«, so Reich. »Unser Anspruch ist, dass die Absicherung nicht hinter der Entwicklung zurückbleibt, sondern selbst von KI-Unterstützung profitiert und damit zu einem Enabler einer vertrauenswürdigen Softwareentwicklung wird.«

Mehr Infos zum Projekt: 
www.ai4sdv.eu