Abstract:

Software continues to be the main driver of innovation in the automotive industry. While in the recent past in terms of safety this trend was led by increasingly capable driver assistance systems, today it is the even higher levels of automation and the concept of the software-defined vehicle that is connected to Cloud and Edge systems. As a result, future vehicles are expected to contain several hundred million additional lines of code.

However, this fundamentally positive technical development also brings major new challenges, especially when it comes to implementing safety-related functions within this evolving environment. Particular challenges for safety arise both from the increased complexity of algorithms, such as probabilistic state estimation and machine learning for perception and planning in an open context, and from the increased complexity of software architectures, such as the distributed execution of functions inside and outside the connected vehicle. For systems based on these technologies, the same level of safety must be achieved as for traditional, usually much simpler systems. To complicate matters, for these new technologies there are often no standards yet available for a safety engineer to base his or her work on.

In this talk, I would like to elaborate on these challenges and present some approaches we are working on at Bosch. We believe that close collaboration between the safety and software domains is essential to succeed. On the one hand, to adapt modern software development methods and IT for safety, and on the other hand, to guide software engineers to put more focus on the safety-related context in which their software is embedded – the system, the vehicle, the world.

Biographie:

Andreas Heyl has a background in Automotive Safety, where he has worked in various roles over the past 16 years. He currently has the role of Chief Expert within the Robert Bosch GmbH Central Research division, where he coordinates the research strategy in the area of safety, reliability and availability of software intensive systems.

Abstract:

Klassische Produkte, wie z.B. Waschmaschinen, Rasenmäh-Roboter, Schaltschränke, Betten in Krankenhäusern usw., werden heute verstärkt mit Software ausgerüstet. Sie werden dann oft Teil von großen IoT-Vorhaben, häufig verbunden über Public-Cloud-Infrastrukturen. Software wandert in diese Produkte und ermöglicht dort neue Geschäftsmodelle. Die Entwicklung von Software für Smart Products hat wenig mit klassischer Embedded-Entwicklung zu tun. Vielmehr kommen klassische Software-Engineering-Prinzipien auf den Devices mit viel Rechen- und Speicherpower zum Einsatz. Wir haben die Erfahrung gemacht, dass es jedoch auch große Unterschiede zum klassischen Software Engineering gibt. Der Vortrag erläutert einige dieser Unterschiede und zeigt, dass mit Software Engineering für Smart Products eine ganz neue Disziplin im IT-Universum entsteht.

Abtract: 

Machine Learning verspricht das Potential, aus Maschinendaten Erkenntnisse zu gewinnen, Betriebsabläufe zu optimieren, die Produktqualität zu verbessern und neue Geschäftsmodelle zu erstellen. Die Entwicklung und Integration von ML-Lösungen in industriellen Anlagen erweisen sich jedoch als Herausforderung, da Anlagenbauer und -betreiber in der Regel nicht über das erforderliche Spezialwissen in Data Science und Software Engineering verfügen. Der Vortrag zeigt einen Weg auf, wie Analysemodelle auf einfache Art mit Automated Machine Learning erstellt und betrieben werden können. Dabei wird beleuchtet, welche Hürden sich beim Software Engineering und der Integration von Industrial Analytics ergeben. In Praxisbeispielen wird gezeigt, welche Erkenntnisse aus Industrial AutoML gewonnen werden können und welche Erleichterungen sich bei der praktischen Realisierung von Machine-Learning-Lösungen im industriellen Kontext ergeben.

Abstract:

Mit Android Auto wurde es möglich, Inhalte von Apps auf einem Smartphone in die Head Unit des Fahrzeugs zu übertragen und damit das Fahrzeuginfotainment zu erweitern. Mit Android Automotive OS geht Google den nächsten Schritt und bietet ein Betriebssystem, das direkt auf der Head Unit des Fahrzeugs läuft. Apps können direkt im Auto ohne separates Smartphone genutzt werden. Damit gibt es neben den berühmten Geräteklassen "Phones" und "Tablets" jetzt auch "Cars" beim Thema Android.

Geräte und deren Hersteller haben bestimmte Wünsche, wie bspw. ein hersteller- oder markenspezifisches Look & Feel des Gesamtsystems. Darüber hinaus benötigen sie bestimmte Schnittstellen, um bspw. Fahrzeugdaten anzuzeigen oder die Steuerung von Fahrzeugfunktionen zu ermöglichen. Was bedeutet es für die Entwicklung, das "SystemUI" herstellerspezifisch anzupassen oder einen spezifischen Teil des Hardware Abstraction Layer (HAL) zu implementieren? Ausgehend von einem Überblick über das Android Automotive OS und IAVs Eigenentwicklungen möchten wir in diesem Vortrag einige Erfahrungen teilen.

Abstract:

Today, the idea that every company needs to be a software company in order to innovate has become widely accepted. But there’s a catch… Building enterprise software is very hard and very expensive. Low-Code is having a profound impact on this status-quo. At OutSystems we believe universal access to Low-Code platforms will revolutionize the way software is built, allowing every company to innovate through software.

In this session, we will share the challenges in building enterprise software and how Low-Code can be designed to overcome these obstacles. We will also share real world examples of companies that innovated with Low-Code and what will be the future of these platforms.

Abstract:

Wer Qualitätsanalysen einführen möchte oder Ressourcen für den Abbau technischer Schulden einfordert, muss oft eine Kosten-Nutzen-Rechnung liefern. Die Kosten sind meist offensichtlich. Da sich der Nutzen aus vermiedenen Problemen ergibt, die ja per Definition nicht aufgetreten sind, ist eine seriöse Quantifizierung jedoch schwierig.

Wir haben bei unserem Kunden Munich Re vor 10 Jahren geholfen, Qualitätsanalysen einzuführen und begleiten die Nutzung seitdem. Vor der Einführung hatten wir damals gemeinsame wissenschaftliche Arbeiten veröffentlicht, in denen wir den Stand der technischen Schulden und Teile ihrer Auswirkungen vor Einführung der Qualitätsanalysen festgehalten hatten. Auf Basis dieser damaligen Daten konnten wir 10 Jahre später vergleichen, was sich verbessert hat, und welchen Nutzen das bringt.

Im Vortrag stelle ich die Analysen und Prozesse vor, die wir gemeinsam mit der Munich Re entwickelt haben, um vom Messen zum kontinuierlichen Verbessern zu kommen. Außerdem präsentiere ich die Ergebnisse der Nutzenbetrachtung auf Basis von 10 Jahren Einsatzdaten.