Vortrag: Wirklichkeit und Rummel - KI in der Electronik-Entwicklung"

[Bradward B. (Firma: Starfleet) (ltjg_boimler)]

Anbei ein paar slides aus dem Vortrag:

"AI in Electronic Development - Separating reality from Hype" auf der 
electronica 2024.

Gehalten wurde das Ganze von einen britischen Muttersprachler, deshalb 
wurden die Begriffe m.E. frischer und unverkrampft als in Deutschland 
üblich, benutzt. Der Vortragende ist CEO einer EDA-Firma (Circuit Mind) 
und war früher als Elektronientwickler im Avionik-Bereich tätig. 
https://www.circuitmind.io/team

Zwei Aspekte waren besonders interessant. Zu einem die Aufteilung in 
zwei Klassen von KI:
"Large Language Models" und "Deterministic AI".
ChatGTP wurde also nur als ein Vertreter der LLM-Models behandelt, die 
zweite Klasse wurde mit "das nannten man früher Expertensystem"
umschrieben und als Beispiel die bekannten Design-Rule-Checker (DRC, 
ERC) benannt.

Der zweite Aspekt an dem sich der Vortrag strukturierte, war die 
Aufspaltung des Entwicklungsprozesses in mehrere Abschnitte, die oft 
auch von verschiedenen Personen bearbeitet werden - ein großer 
Unterschied zu der im Hobbybereich verbreiteten Durchwurschtelei.

Die Requirementsphase wurde nicht hinzugezählt, die einzelnen Stufen 
sind
* Komponentenauswahl
* Optimierung an Varianten
* Schaltplaneingabe
* Schaltplan-Verifikation
* Platzierung
* Routing
* Erstellung des Embedded Software
* Verifikation derselben
* Analyse und Doku

Die ersten vier Abschnitten werden heute sehr gut durch 
„Deterministische KI“ unterstützt. Beim Rest ist dann viel „Hype“ zu 
finden. OK, Code-schreiben/reviewen geht so mittel. Und 
interessanterweise am besten in C, weil dafür die meisten Codebeispiele 
im Netz stehen. Python passt auch noch, zu in Avionik bekannten Ada 
wurde nichts gesagt.

Wie gesagt, der Vortragende kommt aus der Avionik-Entwicklung und da 
wird viel ge-reviewed.

Das ist dann auch der Bereich wo der Einsatz von AI-Elementen lt. dem 
Referenten am meisten nutzt. Am geringsten wird die Einsetzbarkeit von 
AI-Tools beim Placement und Routung eingeschätzt.
Interessanterweise sind LLM wie ChatGTP nicht so toll für die Doku, da 
passen die (herkömmlichen) Expertensystem besser drauf.
Damit sind dann wohl Visualisierungstools wie HDL-Designer o.ä. gemeint.

So am Ende des Vortrages wurde hingewiesen, das für die Einführung der 
AI-tools eine Änderung im Mindset nötig wäre.
Und das man die Etablierung dieser Tools  Personen überlassen sollte, 
die scharf auf neue Technik sind – die berüchtigten "early adopters".
Das wären oft nicht die Ingenieure mit der meisten Erfahrung, und als 
Einführungsmethodik wurde "blast out" genannt.
Das die Einführung solcher tools nicht so leicht wäre, läge wohl daran, 
das "Engineers are Skeptics" "Ingenieure sind ungläubige Zweifler"

Als Zusammenfassung zwei Aussagen:
* AI macht erfahrene Ingenieure produktiver
* AI ist für frische Absolventen eine Hilfe sich schneller zu entwickeln 
(soll wohl heißen, die kommen schneller durch die wenig produktive 
Berufsstartphase, in der sie alle alle Anfängerfehler machen, durch)

Also kein „Zaubermittel“ das aus einem Softwerker einen Hardwerker 
macht, wie wohl von manchem “Coder“ erhofft.