Risikobasierte E/E-Absicherung mit agentischer KI

Abstract Die steigende Softwarekomplexität moderner Fahrzeugarchitekturen fordert neue Methoden zur risikobasierten Absicherung der E/E-Integration. Der Beitrag entwickelt eine normenkonforme Risikotaxonomie entlang Auswirkung, Auftreten und Entdeckung und zeigt, wie eine datengetriebene, agentenfähige Architektur Risiko und Abdeckung herleitet, erklärt und in bestehende Gate- und KPI-Prozesse integriert. So entsteht eine skalierbare, transparente und lernfähige Teststeuerung.