Einfach Komplex – Der Software- und IT-Podcast

Gemeinsam mit Dr. Svenja Schröder von der msg Plaut widmen wir uns einer Disziplin, die in vielen Köpfen zu Unrecht als bloße Bürokratie abgespeichert ist: Requirements Engineering.Dabei ist die Definition im Kern simpel und hochgradig wirtschaftlich: Requirements Engineering ist der systematische Prozess, das „Was“ glasklar zu definieren, bevor das erste „Wie“ programmiert wird. Es fungiert als methodischer Dolmetscher zwischen zwei Welten, die oft aneinander vorbeireden. Während der Fachbereich in Umsatzzielen und vagen Wünschen („Wir brauchen einen blinkenden Button“) denkt, übersetzt das Engineering diese Anforderungen in technische Spezifikationen, mit denen Entwickler wirklich arbeiten können.Ökonomisch betrachtet ist es eine Versicherung gegen die berühmte „1-10-100-Regel“. Diese besagt, dass ein Fehler in der Analysephase nur einen Euro kostet, in der Entwicklung bereits zehn – und im laufenden Betrieb hundertmal so viel, wenn er nicht gar das ganze Projekt gefährdet. Auch in der modernen, agilen Entwicklung ersetzt „Agilität“ nicht den Plan. Wer auf visuelles Prototyping (Klick-Dummies) und sauber definierte Abnahmekriterien setzt, verhindert teure Missverständnisse und schafft erst die Grundlage für echte Qualitätssicherung – besonders, wenn externe Teams oder Offshoring im Spiel sind.Links zur FolgeSvenja auf LInkedIn https://www.linkedin.com/in/svenjaschroedermsg Plaut Requirements Engineering https://www.msg-plaut.com/en/solutions/requirements-engineering ---🎙️ Einfach Komplex wird präsentiert von Heisenware.🚀 Heisenware ist Low-Code für die Fabrik. Schluss mit starrer Standard-Software. Baut genau die Apps, die eure Fertigung und eure Kunden brauchen. Skalierbar, wartbar und in Rekordzeit.👉 Jetzt kostenlos registrieren: ⁠⁠⁠⁠https://heisenware.com/einfach-komplex

Alle reden davon, dass KI bald SPS-Code generiert. Aber Michael Grollmus (Grollmus GmbH) tritt auf die Bremse: Bevor wir automatisieren können, müssen wir unsere Hausaufgaben machen.Das Problem: KI und Code-Generatoren sind nur so gut wie die Struktur, die man ihnen gibt. Wenn ein Ventil im mechanischen Plan anders heißt als im EPLAN und im TIA-Portal wieder eine andere Variable nutzt, scheitert jede moderne Technologie.In dieser Folge diskutieren wir, warum Standardisierung kein reines Software-Thema ist, sondern bei der Mechanik anfängt. Wir sprechen über die Notwendigkeit einer durchgängigen "Toolchain" (TIA Selection -> EPLAN -> TIA Portal via AML) und warum manuelle Datenübertragung der Tod jeder Skalierung ist.Außerdem ein Reality-Check zur IT/OT-Konvergenz: Warum Hochsprachen und komplexe IT-Konzepte zwar modern sind, aber dem Instandhalter an der Anlage das Leben zur Hölle machen können ("KOP/FUP vs. SCL").Fazit: Wer morgen KI nutzen will, muss heute standardisieren.Links zur FolgeGrollmus Website https://www.grollmus.de/Grollmus auf YouTube https://www.youtube.com/c/Grollmus_AutomationMichael auf LinkedIn https://www.linkedin.com/company/grollmus ------Einfach Komplex ist ein Podcast von Heisenware.Teste Heisenware kostenlos unter ⁠⁠https://heisenware.com/einfach-komplex⁠⁠Aktuelle Infos im Linktree⁠ ⁠⁠⁠⁠https://linktr.ee/heisenware⁠

Die Software-Entwicklung wandelt sich vom Schreiben zum Orchestrieren. Wir geben einen Einblick in den KI-Einsatz bei Heisenware: Die Kombination aus strategischem Sparring mit Chat-Modellen (Google Gemini) und integrierter Code-Generierung in der IDE (Cursor).Die Erkenntnis: Wer KI nutzt, schreibt weniger Code, muss aber tiefer verstehen. Die Verantwortung verschiebt sich massiv auf Review und Architektur. Seniorität und Erfahrung werden zur entscheidenden Instanz, um die Geschwindigkeit der KI mit der nötigen Qualitätssicherung zu verbinden und „Halluzinationen“ zu verhindern.------Einfach Komplex ist ein Podcast von Heisenware.Teste Heisenware, den Low-Code-App-Baukasten kostenlos unter ⁠https://heisenware.com/einfach-komplex⁠Aktuelle Infos im Linktree ⁠⁠⁠⁠https://linktr.ee/heisenware⁠

"Die IT blockiert." – Dieser Satz ist oft das Ende für schnelle Digitalisierungsprojekte in der Fabrik. Der vermeintliche Zielkonflikt zwischen IT (Sicherheit, Stabilität) und OT (Produktion, Geschwindigkeit) ist jedoch ein Missverständnis. Letztlich wollen beide den Erfolg des Unternehmens.Das wahre Problem ist nicht ob On-Prem, sondern wie."On-Premise" – also Software, die lokal in der Fabrik läuft – ist kein altes Eisen, sondern oft die einzige Lösung. Und wir reden hier nicht von altbackenen Desktop-Anwendungen, sondern davon, moderne Web-Software sicher in die Werkshalle zu bringen. In dieser Folge zeigen wir, wie man es richtig macht.Wir erklären, wie moderne Softwareanbieter die Nachteile von On-Prem (z.B. komplexe Updates, Sicherheit) mit cleveren Methoden von vornherein auflösen. Der Schlüssel liegt in "Bundles" (z.B. mit Docker), die Installationen und Updates radikal vereinfachen, indem sie alle Abhängigkeiten kappen.Außerdem geben wir Software-Anbietern einen klaren Tipp: Echte On-Prem-Fähigkeit erfordert eine bewusste Architektur. Man kann nur Komponenten nutzen, die man selbst hosten kann. Das kostet anfangs mehr Zeit, ist aber in der Industrie die Voraussetzung für skalierbaren Erfolg.------Einfach Komplex ist ein Podcast von Heisenware.Starte kostenlos mit Heisenware unter ⁠https://heisenware.com/einfach-komplex.Aktuelle Infos im Linktree ⁠⁠⁠⁠https://linktr.ee/heisenware⁠.

Machine Learning (ML) und Künstliche Intelligenz (KI) werden oft synonym verwendet, sind aber nicht dasselbe. Man kann es sich wie Matroschka-Puppen vorstellen: KI ist die äußerste Puppe, die große Vision einer denkenden Maschine. Machine Learning ist die Puppe darin – der erfolgreichste Ansatz, bei dem die Maschine nicht programmiert wird, sondern selbst aus Daten lernt. Deep Learning ist der innerste Kern, die mächtigste ML-Technik hinter den aktuellen Durchbrüchen.Diese Ideen sind nicht neu. Nach der "Geburt" in den 1950ern und einem langen "KI-Winter" kam der "Big Bang" um 2012: Erst das Zusammentreffen von Big Data, schnellen Gaming-Grafikkarten (GPUs) und reiferen Algorithmen machte die heutigen Erfolge möglich.Im Kern gibt es drei Lernmethoden: Beim Überwachten Lernen (Supervised) trainiert man das Modell mit einem "Spickzettel", also gelabelten Daten (z.B. Spam-Mails). Diese Labels werden oft von einer riesigen, unsichtbaren Industrie von menschlichen KI-Trainern erstellt. Beim Unüberwachten Lernen (Unsupervised) agiert das Modell wie ein Detektiv, der ohne Spickzettel Muster in chaotischen Daten finden muss (z.B. Kundengruppen). Beim Bestärkenden Lernen (Reinforcement) lernt ein Agent wie ein Hund durch Belohnung und Bestrafung (z.B. eine KI, die lernt, Go zu spielen).------Einfach Komplex ist ein Podcast von Heisenware. Starte kostenlos mit Heisenware unter ⁠https://heisenware.com/einfach-komplex⁠Aktuelle Infos im Linktree ⁠⁠⁠⁠https://linktr.ee/heisenware