Big Techday 26 | TNG-Vorträge

Speaker: Jonathan Rohland

Jonathan Rohland, Principal Consultant bei TNG, zeigt, wie sich agentische Coding-Tools wie Cursor einsetzen lassen, um wiederkehrende Aufgaben im Arbeitsalltag eines Product Owners zu automatisieren. In seinem Vortrag erläutert er die Herausforderungen, denen er in seiner Rolle als Product Owner in einem 40-köpfigen Projekt mit 200 Stories begegnet, und wie sich deren Lösung mithilfe von KI beschleunigen lässt. Anhand praktischer Beispiele, die von Jira-Reports über die Nachbereitung von Besprechungen bis hin zum Wissensmanagement reichen, zeigt er, wie deterministische Datenpipelines mit gezielter KI-gestützter Verarbeitung kombiniert werden können. Er hebt hervor, wie Informationen effektiver aufbereitet, Abhängigkeiten effizient aktualisiert und Entscheidungen leichter nachvollziehbar gemacht werden können. Gleichzeitig wird betont, dass menschliches Urteilsvermögen nach wie vor unverzichtbar ist und dass KI am effektivsten ist, wenn sie bestehende Arbeitsabläufe ergänzt, anstatt sie zu ersetzen.

Speaker: Dr. Florian Gather, Tobias Weyer & Fabian Lübbe

Dr. Florian Gather, Partner bei TNG, sowie die Consultants Tobias Weyer und Fabian Lübbe erläutern, wie sie auf Basis des Open-Source-DIY-Designs der Universität Berkeley einen kostengünstigen humanoiden Roboter gebaut haben. Um die hohen Kosten kommerzieller Systeme zu vermeiden, hat das Team mehr als 120 Teile per 3D-Drucker gedruckt. Die Speaker erklären, wie sie die mit diesem Ansatz verbundenen Hardware-Herausforderungen bewältigt haben, darunter Kabelentlastung, Encoder-/Sensorkalibrierung und wiederholte mechanische Ausfälle. Außerdem thematisieren sie, wie mithilfe von Reinforcement Learning eine eigene Laufstrategie in Simulationen trainiert wurde und wie ROS genutzt werden kann, um erlernte Verhaltensweisen auf physischer Hardware umzusetzen. Insgesamt bietet dieser Vortrag einen praktischen Einblick in die Möglichkeiten sowie den technischen Aufwand im Bereich der humanoiden Robotik auf Open-Source-Basis.

Speaker: Lukas Hauser, Dr. Moritz Maus & Dr. Miguel Obando Leitón

In diesem Vortrag stellen Dr. Miguel Obando Leitón, Dr. Moritz Maus und Lukas Hauser einen KI-gestützten Ansatz zur Modernisierung geschäftskritischer COBOL-Systeme vor. Sie geben Einblicke in ein komplexes Projekt zur Migration von Code aus COBOL in idiomatisches Java. Die Speaker erläutern, warum die direkte Übersetzung von Legacy-Code mit Large Language Modellen selten ausreicht, und heben Herausforderungen wie implizite Logik, über Jahrzehnte gewachsene Komplexität und unzuverlässige Dokumentation hervor. Außerdem stellen sie einen sechsstufigen Modernisierungsprozess vor, der deterministische Methoden mit dem gezielten Einsatz von LLMs kombiniert und die Ergebnisse durch automatisierte, verhaltensbasierte Tests validiert. In Verbindung mit inkrementellen Migrationsstrategien und moderner Cloud-Architektur ermöglicht dieser Ansatz die risikoarme Transformation von Legacy-Anwendungen, die auch heute noch im Einsatz sind.

Speaker: Mathias Burger & Áron Erdelyi

In diesem Vortrag erläutern Mathias Burger und Áron Erdelyi die Grundlagen des Model Context Protocol (MCP) und zeichnen dessen Entwicklung nach – von einer pragmatischen Schnittstelle hin zum De-facto-Standard für Tool-Calling und wiederverwendbare Workflows in KI-Systemen. Sie erörtern die Herausforderungen, die mit dem rasanten Wachstum des MCP einhergingen, beispielsweise fragmentierte Implementierungen und zunehmende Kontextüberfrachtung, und heben wichtige Sicherheitsaspekte wie Prompt-Injection, Tool-Poisoning und den Umgang mit sensiblen Daten hervor. Die Speaker gehen zudem auf verwandte Konzepte und Protokolle ein: MCP Apps und A2UI für generative Benutzeroberflächen sowie A2A für lang andauernde Interaktionen zwischen mehreren Agenten. Nach dem Vortrag haben Sie einen Überblick über verschiedene agentenbasierte Protokolle, wie diese in die übergeordnete KI-Landschaft eingebettet sind und wie diese Entwicklungen die nächste Generation agentenbasierter Systeme prägen.

Speaker: Daniel Klingmann & Max Dietsch

In diesem Vortrag vergleichen Senior Consultant Daniel Klingmann und Software Consultant Max Dietsch künstliche Intelligenz mit dem menschlichen Gehirn. Um komplexe Ideen für Personen verständlich zu machen, die mit KI nicht vertraut sind, verwenden sie anschauliche Analogien aus dem Alltag, die Schlüsselkonzepte vereinfachen. Ihr Ziel ist es, ein intuitives Verständnis für KI aufzubauen sowie Gemeinsamkeiten und Unterschiede zur menschlichen Kognition herauszuarbeiten.

Anhand von Erkenntnissen aus der Neurowissenschaft und der KI-Forschung zeigen die Speaker auf, wie grundlegende architektonische Konzepte wie funktionale Spezialisierung und spärliche Aktivierung sich direkt in modernen Systemen wie Mixture-of-Experts (MoE)-Modellen widerspiegeln. Außerdem heben sie auffällige Parallelen zwischen dem Lernverhalten biologischer und künstlicher Intelligenz hervor. Abschließend tauchen Klingmann und Dietsch in die Entstehung von Gedanken ein – einen Prozess, den wir bis heute kaum verstehen – und untersuchen, was während der Inferenz und internen Repräsentation unter der Oberfläche wirklich vor sich geht.

Speaker: Thomas Endres & Jonas Mayer

In diesem Vortrag zeigen Thomas Endres und Jonas Mayer, wie sich Game Engines nutzen lassen, um Robot Foundation Models effizient für neue Steuerungsaufgaben zu trainieren und zu evaluieren. Am Beispiel von Counter-Strike als reproduzierbarer Testumgebung erläutern sie, wie sich zentrale Herausforderungen der Robotik - darunter kontinuierliche Aktionssteuerung, Echtzeit-Inferenz und Imitation Learning - unter realitätsnahen Bedingungen untersuchen lassen.

Die Referenten stellen vor, wie sie NVIDIAs GR00T-1.5-Modell für diese Aufgabe adaptiert und technische Herausforderungen wie Inferenzlatenzen, diskrete Eingabesignale und ruckartige Bewegungen gelöst haben. Dabei zeigen sie, welchen Einfluss hochwertige Demonstrationsdaten, analoge Eingabemodalitäten und Verfahren wie Real-Time Action Chunking auf eine stabile Steuerung haben. Die vorgestellten Ansätze lassen sich auf industrielle Robotikanwendungen übertragen, in denen lernbasierte Bewegungssteuerung in Echtzeit gefragt ist, beispielsweise beim Training autonomer Systeme in Simulationsumgebungen.