Was soll tatsächlich gebaut werden?
Technologieentscheidungen sollten einem klar definierten geschäftlichen oder operativen Ergebnis folgen – nicht der bloßen Verfügbarkeit eines Modells oder Werkzeugs.
AI-Native Engineering für komplexe Systeme
Komplexe Technologie in belastbare operative Leistungsfähigkeit überführen.
Architecture-led. AI-native. Evidence-driven.
SOFTIC arbeitet mit Produktunternehmen, Industrieorganisationen und öffentlichen Programmverantwortlichen, wenn kritische Geschäftschancen von komplexer Technologie abhängen. Wir verbinden erfahrenes technisches Urteilsvermögen mit AI-nativer Umsetzung, um Systeme zu entwerfen, zu entwickeln, zu integrieren und zu validieren, die über einen Prototyp hinaus zuverlässig funktionieren müssen.
Schnelleres Engineering darf nicht schwächeres Engineering bedeuten.
WARUM JETZT
01
02
03
04
Software Engineering befindet sich im Umbruch.
KI senkt die Kosten der Softwareerstellung in hohem Tempo. Für komplexe Organisationen bleiben die schwierigsten Fragen jedoch architektonisch und operativ: Was soll tatsächlich gebaut werden? Was darf automatisiert werden? Wie fügt sich die Lösung in bestehende Systeme ein? Welche Entscheidungen darf KI treffen? Und wie lässt sich ihr Verhalten verifizieren? Genau an dieser Schnittstelle arbeitet SOFTIC.
Was soll automatisiert werden?
KI braucht klar definierte Befugnisse, Grenzen und Datenzugriffe sowie festgelegte Regeln für Fälle, in denen die Entscheidungssicherheit nicht ausreicht oder Bedingungen außerhalb des vorgesehenen Einsatzbereichs liegen.
Wie fügt sich die Lösung ein?
Neue Intelligenz muss mit bestehender Software, vorhandenen Daten, Infrastruktur, physischen Systemen und organisatorischen Verantwortlichkeiten zusammenspielen.
Wie weisen wir nach, dass es funktioniert?
Kritisches Systemverhalten benötigt Nachvollziehbarkeit, Verifikation und belastbare Nachweise, die über eine Demonstration hinaus Bestand haben.
Wann Organisationen SOFTIC einbinden
1
Proprietäres Wissen in intelligente Produkte überführen
Wertvolles Domänenwissen, Daten, Algorithmen und Entscheidungslogik sollen zu einem skalierbaren, wartbaren und differenzierten Softwareprodukt werden.
2
KI-gestützte operative Systeme nachweisen
KI, Software, Sensoren, Simulationen und physische Komponenten müssen als eine zuverlässige, durchgängige operative Fähigkeit zusammenwirken.
3
Kritische Produkte modernisieren und KI-fähig machen
Ein etabliertes Produkt muss verstanden, modernisiert und um neue Intelligenz erweitert werden, ohne den bereits darin enthaltenen Wert zu verlieren.
4
Nachweise für Entscheidungen mit hoher Tragweite schaffen
Ein Release, eine Kundenabnahme, regulatorische Prüfung, ein Cybersecurity-Programm oder ein operativer Einsatz benötigt eine konsistente und verifizierbare Nachweisbasis.
Seit mehr als zwei Jahrzehnten entwirft, entwickelt, integriert und modernisiert SOFTIC komplexe Softwaresysteme. KI verändert die Werkzeuge – nicht aber die Notwendigkeit, komplexe Systeme wirklich zu verstehen.
Ausgewählte Organisationen aus unserer Arbeit
BRANCHEN
Erfahrung in Technologiefeldern mit hoher Tragweite
01
Engineering- und Industriesoftware
Computational Design und CAD/FEA-Plattformen
Kommerzielle Engineering-Software von der ersten Architektur bis zur Markteinführung.
Echtzeit-3D- und GPU-Visualisierung
Leistungsfähige Grafik-Engines, eingebettet in professionelle Entwurfs- und Analysewerkzeuge.
Von der Forschung zum Produkt
Forschung in Simulation, Optimierung und Geometrie, überführt in cloudfähige Engineering-Funktionen.
02
Verteidigung, Sicherheit & Dual-Use
Verteilte Einsatzsimulation
NATO-interoperable Trainingsumgebungen für Führungs-, Stabs- und systemübergreifende Übungen.
Multisensor-Detektion und -Fusion
Radar-, RF-, akustische und optische Sensorik, unter Feldbedingungen mit KI kombiniert.
KI-gestützte Bedrohungsanalyse
Statische, verhaltensbasierte und Machine-Learning-Analysen zur Erkennung bislang unbekannter Bedrohungen.
03
Gesundheitswesen & regulierte Systeme
Nationale eHealth-Interoperabilität
Sicherer, auditierbarer Datenaustausch zwischen autonomen Institutionen auf nationaler Ebene.
Regulatorische Nachweisführung
Kontrollierte Software-Baselines und rückverfolgbare technische Dokumentation für Zulassungsverfahren.
Klinische und Krankenhausinformationssysteme
Klinische und diagnostische Abläufe, weiterentwickelt unter laufend veränderten gesetzlichen Anforderungen.
04
Industriebetrieb & Physical AI
Digitale Zwillinge und Robotersimulation
Realitätsnahe virtuelle Umgebungen für autonome Systeme, noch bevor die physische Hardware vorliegt.
Materialfluss-Intelligenz in Echtzeit
RFID-, Mobil- und Cloud-Technologien verbinden physische Abläufe mit Unternehmenssystemen.
Orchestrierung autonomer Flotten
Koordination, Wahrnehmung und Überwachung mobiler Roboter im realen Betrieb.
05
Dateninfrastrukturen auf nationaler Ebene
Staatliche Datenplattformen
Landesweite Erfassungs-, Validierungs- und Berichtsprozesse für politische und EU-Verpflichtungen.
Systeme für finanzielle Integrität
Transaktionsüberwachung, Ermittlungsabläufe und vollständige beweiskräftige Prüfpfade.
Digitale öffentliche Dienste
Sichere, mehrsprachige Bürgerplattformen für nationale Institutionen.
AI-NATIVE ENGINEERING
KI wird zu einem festen Bestandteil davon, wie komplexe Systeme entworfen, entwickelt und betrieben werden.
AI-native bedeutet für SOFTIC nicht, KI lediglich als zusätzliches Feature einzubauen. Es bedeutet, KI als Bestandteil des Engineering-Systems einzusetzen und dabei Architektur, Befugnisse, Sicherheit und Nachweise explizit zu gestalten.
Senior Engineering × AI-Native Execution
AI-Native Delivery
Senior Engineers nutzen agentenbasierte Werkzeuge für Anforderungsanalyse, Architekturvarianten, Quellcodeanalyse, Implementierung, Tests, Sicherheitsanalyse, Dokumentation und Traceability. Das Ziel sind nicht weniger Kontrollen, sondern eine schnellere Umsetzung mit stärkeren Nachweisen.
AI-Native Systems
Wir entwerfen Systeme, in denen Modelle, KI-Agenten, Simulationen, Software und physische Komponenten innerhalb klar definierter Grenzen arbeiten. Menschliche Entscheidungsbefugnis, Datenherkunft, Konfidenzwerte, Fehlermodi und Verifikation werden von Anfang an in das System integriert.
- Agentenbasiertes Software Engineering
- KI-gestützte Legacy-Analyse
- Domänenspezifische KI-Systeme
- Architektur für KI-gestützte Entscheidungsunterstützung
- Menschliche Entscheidungsbefugnis und Kontrolle
- Sichere Integration von Agenten und Werkzeugen
- Provenienz und Traceability
- KI-Validierung und operative Nachweise
- Simulation und synthetische Evaluierungsumgebungen
PROGRAMM 01
Produktisierung von Domänenintelligenz
Proprietäres Wissen, Daten und Entscheidungslogik in skalierbare intelligente Produkte überführen.
Viele Organisationen verfügen bereits über die Bausteine für differenzierende KI-Lösungen: Fachwissen, proprietäre Daten, Algorithmen, Arbeitsabläufe und über Jahre gewachsene Entscheidungslogik. Die Herausforderung besteht darin, diese Werte in ein kohärentes Produkt zu überführen, das sicher eingeführt, betrieben und weiterentwickelt werden kann. SOFTIC arbeitet mit Domänenexperten und Product Ownern zusammen, um Systemgrenzen, Wissens- und Datenarchitektur, Entscheidungsregeln, Evaluierungsmodell und produktionsreife Software zu gestalten, die Domänenintelligenz in ein skalierbares Produkt verwandeln.
Typische Situationen
- Wertvolles Domänenwissen ist über Experten, Daten, Regeln und interne Werkzeuge verteilt, wurde aber noch nicht produktisiert.
- Eine wissenschaftliche oder technische Methode soll zu KI-gestützter Entscheidungsunterstützung oder professioneller Software werden.
- Ein proprietärer Datensatz oder eine gewachsene Entscheidungshistorie kann differenzierende Produktintelligenz ermöglichen.
- Ein Forschungsdemonstrator oder interner KI-Prototyp muss den Schritt zur produktionsreifen Nutzung vollziehen.
- Die Chance ist klar, aber KI-/Produktarchitektur, Evaluierungsmodell und Umsetzungsweg sind noch unvollständig.
Unser Beitrag
- Produkt- und KI-Lösungsarchitektur
- Gestaltung von Domänenwissen, Daten und Entscheidungsmodellen
- Definition von Entscheidungsgrenzen zwischen Mensch und KI sowie der zugehörigen Regeln
- Retrieval-, Modell-, Agenten- und Integrationsarchitektur, wo sinnvoll
- Evaluierungskorpus, Akzeptanzkriterien und Nachweismodell
- Entwicklung des kritischen Prototyps oder Produktinkrements
- Phasenplan, Investitionsentscheidungen und Umsetzungsmodell
Ausgewählte Referenzen
SOFTIC schuf die ursprüngliche Codebasis und Produktarchitektur von Consteel und führte dessen Entwicklung sieben Jahre lang – von der ersten Implementierung bis zum kommerziellen CAD/FEA-Produkt und einer eigenständig tragfähigen Entwicklungsorganisation.
Für Graphisoft BIMx entwickelte SOFTIC die Android- und Web-Plattformen, die komplexe BIM-Modelle, Dokumentation und Projektinformationen über den Desktop hinaus zugänglich machten.
SOFTIC leitet derzeit das Produktisierungs-Arbeitspaket des Horizon-Europe-Projekts STACK und überführt Forschung zu Computational Design in echtzeitfähige, cloudbasierte Engineering-Werkzeuge.
PROGRAMM 02
Operational Proof Systems
KI, Software und physische Technologien zu einem kohärenten operativen System integrieren – und belastbar nachweisen, dass es funktioniert.
KI-Modelle, autonome Agenten, Sensoren, Roboter, Simulationen und Führungsanwendungen können isoliert gut funktionieren, während die operative End-to-End-Leistung des Gesamtsystems noch nicht nachgewiesen ist. Die größten Risiken liegen häufig zwischen Komponenten und Verantwortlichkeiten: inkompatible Schnittstellen, inkonsistente Zeitbezüge, unklare Entscheidungsbefugnisse im System, fragmentierte Lieferantenverantwortung, unsichere Konfidenzwerte, schwer erklärbare KI-Ergebnisse und unzureichende Validierung. SOFTIC übernimmt die durchgängige Architektur- und Integrationsverantwortung für das Gesamtsystem.
Typische Situationen
- Ein Programm nähert sich einem Feldversuch, einer Übung, Kundendemonstration oder Abnahme.
- Mehrere Lieferanten, Modelle, Agenten oder physische Systeme müssen zu einer gemeinsamen operativen Fähigkeit beitragen.
- KI kann Empfehlungen geben oder handeln, aber Befugnisse, Eskalation und menschliche Kontrolle sind noch nicht eindeutig definiert.
- Physische Tests sind teuer, gefährlich oder schwer reproduzierbar.
- Fehlalarme, unsichere Konfidenzwerte oder schwer erklärbare KI-Ergebnisse beeinträchtigen das Vertrauen der Bediener.
- Dem Programmverantwortlichen fehlt eine verbindliche End-to-End-Sicht auf das System und reproduzierbare Evidenz.
Unser Beitrag
- Operative und Integrationsarchitektur
- Gemeinsame Schnittstellen, Semantik und Zustandsmodelle
- Menschliche Entscheidungsbefugnisse, KI-Entscheidungsgrenzen und Umgang mit Konfidenzwerten
- Zeitsynchronisation, Datenfusion und Provenienz
- Simulation, hybride und Hardware-in-the-Loop-Umgebungen
- Erklärbare Entscheidungsunterstützung und Operator-Workflows
- Deterministisches Replay und reproduzierbare Testszenarien
- Feldtaugliche Demonstratoren und reproduzierbare Abnahmenachweise
Ausgewählte Referenzen
SOFTIC konzipierte und installierte einen UAV-Detektionsprototyp in einer laufenden Industrieanlage. Integriert wurden 14 physische Radar-, RF-, akustische und optische Sensoren mit multimodaler KI, Zeitsynchronisation, Sensorfusion, 3D-Visualisierung und deterministischer Wiedergabe.
Wir wirkten zudem an MARCUS mit, einem NATO-kompatiblen verteilten taktischen Simulations- und Führungstrainingssystem der ungarischen Streitkräfte, und entwickelten einen cloudnativen digitalen Zwilling für mehrere Roboter mit Simulation, Echtzeit-Orchestrierung, KI-Wahrnehmung und wiederholbaren Szenarien.
PROGRAMM 03
Critical Product Recovery
Strategisch wichtige Software rekonstruieren, modernisieren und für KI erweitern, ohne den bereits darin enthaltenen Wert zu verlieren.
Ein etabliertes Softwareprodukt kann erheblichen geschäftlichen und fachlichen Wert besitzen, während seine technischen Grundlagen Modernisierung und KI-Einsatz zunehmend einschränken. Undokumentiertes Verhalten, veraltete Komponenten, fragmentierte Integrationen, unsichere Build- und Release-Prozesse, Cybersecurity-Lücken und unvollständige Dokumentation können Veränderungen riskant machen. SOFTIC stellt zunächst fest, was technisch tatsächlich existiert, rekonstruiert das Verhalten und Wissen, das erhalten bleiben muss, und definiert anschließend den nächsten Schritt: Was soll modernisiert werden? Was soll ersetzt werden? Wo kann KI echten Nutzen schaffen? Welche Befugnisse darf sie erhalten? Und wie kann der Übergang verifiziert werden, ohne die operative Kontinuität zu gefährden?
Typische Situationen
- Ein Legacy-Produkt benötigt Architektur-, Plattform-, Cloud-, Browser-, Performance- oder Sicherheitsmodernisierung.
- Ein strategisch wichtiges Produkt benötigt KI-Fähigkeiten, wurde architektonisch jedoch nicht dafür ausgelegt.
- Quellcode-, Build-, Release- oder Architekturbaselines sind unvollständig oder umstritten.
- Der KI-Einsatz wird durch undokumentierte Domänenlogik, unklare Datengrenzen oder inkonsistentes Systemverhalten behindert.
- Ein kritisches Subsystem muss ersetzt werden, ohne etabliertes Produktverhalten oder Domänenwissen zu destabilisieren.
- Ein Release, regulatorisches Verfahren, Cybersecurity-Programm oder Enterprise-Assurance-Review benötigt stärkere technische Nachweise.
- Management, Investoren oder Käufer benötigen eine belastbare technische Bewertung und einen phasenweisen Modernisierungsplan.
- Wesentliches Produktwissen liegt bei wenigen Personen statt in verlässlicher Engineering-Dokumentation.
Unser Beitrag
- Quellcode-, Architektur- und Abhängigkeitsanalyse
- Rekonstruktion von Build-, Release- und Software-Baselines
- Rekonstruktion von Domänenverhalten und kritischem Produktwissen
- Legacy-Modernisierungs- und KI-Integrationsarchitektur
- Identifikation sicherer KI-Erweiterungspunkte, Entscheidungsgrenzen und menschlicher Befugnisse
- Kontrollierter Ersatz oder schrittweise Modernisierung kritischer Subsysteme
- Abbildung von Datenflüssen, Schnittstellen, Bedrohungen und Evidenzlücken
- Traceability von Cybersecurity-Kontrollen und Verifikation
- Evidenzbasierte Rekonstruktion der As-Built-Softwaredokumentation
- Technische Dokumentation und Nachweispakete zur Vorbereitung regulatorischer und kundenseitiger Prüfungen
- Phasenweiser Remediation-, Modernisierungs- und KI-Integrationsplan
- Implementierung und Verifikation des vereinbarten Recovery-Arbeitspakets
Ausgewählte Referenzen
Für StruSoft FEM-Design ersetzte SOFTIC eine tief eingebettete Engine für 2D-, 3D- und wissenschaftliche Visualisierung. Das umgebende Engineering-Produkt, etablierte Arbeitsabläufe und die Bedeutung der Analyseergebnisse blieben dabei erhalten.
In Projekten für regulierte Medizinsoftware unterstützte SOFTIC MDR- und FDA-Remediation: kontrollierte Software-Baselines wurden aus Quellcode und Build-Umgebungen rekonstruiert, Architektur und Datenflüsse analysiert, Cybersecurity- und Verifikationslücken identifiziert und die Nachweise in rückverfolgbare technische Dokumentation überführt.
Wir entwickelten und betreuten ein Krankenhausinformationssystem unter laufenden klinischen, gesetzlichen und abrechnungsbezogenen Änderungen. Zudem wirkten wir an der Architektur der frühen nationalen Gesundheitsinformationsinfrastruktur Ungarns mit, entwickelten deren serverseitige Plattform und integrierten heterogene institutionelle Systeme über sicheren, auditierbaren Datenaustausch.
SOFTIC schafft die überprüfbare technische Grundlage für fundierte Compliance-Entscheidungen. Formale Regulierungsstrategie, rechtliche Auslegung, Zertifizierung, Konformitätsbewertung und unabhängige Prüfung verbleiben ausdrücklich beim Kunden oder bei entsprechend qualifizierten Partnern.
Wie SOFTIC arbeitet
I
Architecture-led Accountability
Architektur wird als verantwortbare Menge geschäftlicher und technischer Entscheidungen verstanden und bis in die Implementierung weitergeführt.
II
Senior Engineering × AI-Native Execution
Senior Engineers bleiben für kritisches technisches Urteilsvermögen verantwortlich, während agentenbasierte Werkzeuge Analyse, Implementierung, Tests und Dokumentation beschleunigen.
III
Evidenz aus dem implementierten System
Technische Dokumentation und Assurance-Nachweise basieren auf der kontrollierten Software-Baseline, Architektur, Schnittstellen, Datenflüssen und Verifikationsergebnissen.
IV
Menschliche Entscheidungsbefugnis, wo Konsequenzen zählen
KI-Befugnisse, Eskalation, manuelle Übersteuerung und menschliche Entscheidungsrechte werden dort explizit gestaltet, wo Systemverhalten wesentliche Konsequenzen haben kann.
V
Operativ definierte Qualität
Qualität wird durch Leistungsumfang, Akzeptanzkriterien, Schnittstellen, Verhalten, Verifikation und Nachweise definiert – nicht aus dem Implementierungsaufwand abgeleitet.
VI
Erhaltung bestehenden Werts
Bestehendes Domänenwissen, Verhalten, Daten und funktionsfähige Komponenten werden verstanden, bevor Ersatz oder Neugestaltung beschlossen werden.
VII
Klare Leistungs- und Verantwortungsgrenzen
Ziele, Verantwortlichkeiten, Abhängigkeiten, Entscheidungspunkte, Ergebnisse und Abschlusskriterien sind von Beginn an transparent.
VIII
Übergabe ohne unnötige Abhängigkeit
Der Kunde erhält die funktionierende Fähigkeit zusammen mit Architektur, Entscheidungen, Evidenz und Betriebswissen, die notwendig sind, um die Kontrolle zu behalten.
Von der Chance zur belastbaren operativen Fähigkeit
1
Ergebnis definieren
Das geschäftliche, produktbezogene oder operative Ergebnis und die Konsequenz einer Fehlentscheidung klar bestimmen.
2
System verstehen
Feststellen, was bereits existiert: Domänenwissen, Softwareverhalten, Daten, Infrastruktur, Schnittstellen, Einschränkungen und belastbare Nachweise.
3
Systemarchitektur definieren
Systemgrenzen, Datenflüsse, Mensch-/KI-Rollen, Befugnisse, Schnittstellen, Sicherheit und Nachweismodell definieren.
4
Kritische Unsicherheit auflösen
Mit einer gezielten technischen Analyse, einem Risk & Decision Sprint oder einem funktionsfähigen Proof-of-Concept die Unsicherheit mit der größten Tragweite auflösen.
5
Kritisches Inkrement entwickeln
Erfahrenes technisches Urteilsvermögen mit AI-nativer Umsetzung verbinden, um die kleinste kohärente Fähigkeit zu realisieren, die echten Wert schafft.
6
Systemverhalten verifizieren
Integration, Sicherheit, Leistung, KI-Verhalten, Fehlermodi und Akzeptanzkriterien anhand reproduzierbarer Nachweise testen.
7
Kontrolle übergeben
Software zusammen mit Architektur, dokumentierten Entscheidungen, technischen Nachweisen und Betriebswissen übergeben, damit der Kunde die Kontrolle über das System behält.
Welche Technologiechance würde von größerer technischer Sicherheit profitieren?
Wenn eine KI-Initiative, Produkteinführung, Legacy-Modernisierung, ein Integrationsmeilenstein, Feldversuch oder regulierter Release von noch offenen technischen Fragen abhängt, sprechen Sie direkt mit dem Senior-Team von SOFTIC.
Ein sinnvolles erstes Gespräch klärt
- welches geschäftliche oder operative Ergebnis zählt;
- was bereits existiert;
- wo KI messbaren Mehrwert schaffen kann;
- welche Architektur-, Sicherheits- oder regulatorischen Rahmenbedingungen relevant sind;
- welche Nachweise bereits verfügbar sind;
- und welches belastbare Ergebnis benötigt wird.
