KI-Agenten können die Embedded-Entwicklung beschleunigen – wenn sie auf Toolchain-Dokumentation und den Zustand des Zielsystems zugreifen können. IAR macht dafür Dokumentation, Debugger und Python-Automatisierung für Agenten nutzbar, während Entwickler die Kontrolle behalten.
(Bild: IAR)
KI-Agenten sind nur insoweit nützlich, wie sie auf die entsprechenden Ressourcen zugreifen können. IAR hat seine Dokumentation, seinen Debugger und eine Python-Automatisierungsschicht offen zugänglich gemacht, damit Agenten echte Embedded-Aufgaben übernehmen können, während die Entwickler weiterhin die Kontrolle darüber behalten, was auf den Markt kommt.
Das Problem ist der Zugriff, nicht das Modell: Universelle Assistenten können auf einem laufenden Zielsystem weder Register noch Speicher noch Callstacks sehen, und sie können auch nicht die Toolchain-Dokumentation überprüfen, die sich von Release zu Release ändert. Ohne diese Informationen müssen sie raten, und im Embedded-Bereich kann eine nur geringfügig falsche Vermutung einen ganzen Nachmittag kosten.
Drei offene Komponenten bieten Agenten echte Tools: Der IAR Documentation MCP Server stützt Antworten auf docs.iar.com und enthält Links zurück zur Quelle. Der C-SPY-MCP-Server ermöglicht es einem Agenten, Sitzungen zu starten, Haltepunkte zu setzen, den Stack zu überprüfen sowie Register und Speicher auszulesen. Mit dem Python-Paket cspy-py lässt sich ein Skript schreiben, das die Debug-Schleife außerhalb des Modells ausführt und nur die Antwort zurückgibt. Das sollte weniger Roundtrips und weniger Tokens bedeuten (Messwerte wurden noch nicht veröffentlicht).
Skripte werden zu reproduzierbaren Tests: Aus derselben cspy-py-Logik entsteht ein auf pytest basierender Firmware-Test, einschließlich Hardware-in-the-Loop-Konfigurationen, der unter Linux und Windows sowohl auf Laptops als auch in der CI ausgeführt werden kann. Mit dem Modern Workflow-Projekt in VS Code, das auf dem C-SPY-Simulator läuft, lässt sich das auch ohne Entwicklungsboard ausprobieren.
Der Entwickler behält die Kontrolle: Diese Tools befinden sich noch in der Anfangsphase und sind auf dem GitHub-Repository von IAR öffentlich zugänglich. Feedback ist willkommen. Der Agent übernimmt die Kontrolle über den Debugger, aber der Entwickler überprüft die Ergebnisse und die vom Agenten erstellten Tests, bevor diese in die Pipeline gelangen.
KI-Coding-Assistenten haben verändert, was ein einzelner Entwickler an einem Vormittag leisten kann. Code, dessen Entwurf früher Stunden dauerte, wird nun in Sekundenschnelle generiert. Bei explorativen Arbeiten und beim Rapid Prototyping sind die Produktivitätssteigerungen deutlich spürbar.
Doch KI-Agenten für die Entwicklung von Embedded-Systemen können nur wirklich gut sein, wenn sie Zugang zu den relevanten Informationen haben. Coding-Assistenten schreiben Firmware zwar schnell, kommen aber bei den Teilen ins Stocken, bei denen es nicht nur um die Erstellung von Code geht. Insbesondere in der regulierten Embedded-Entwicklung – Automobilsoftware nach ISO 26262, Medizinprodukte nach IEC 62304, industrielle Steuerungssysteme nach IEC 61508 – wird viel Zeit darauf verwendet, die Einhaltung von Normen sicherzustellen und die Rückverfolgbarkeit zu gewährleisten. KI-Agenten können das Ziel nicht kennen, sie raten bei den Toolchain-Optionen, und jeder Debugging-Schritt, den Sie in den Chat einfügen, kostet Zeit, die Sie lieber für das eigentliche Problem aufwenden würden.
Warum tun sich KI-Assistenten bei der Embedded-Entwicklung so schwer?
Im Embedded-Bereich hängt der Erfolg von Faktoren ab, die ein universeller Assistent nicht erkennen kann. Die Antwort auf die Frage „Warum tritt dieser schwerwiegende Fehler auf?“ findet sich in den Registern, im Speicher und im Callstack eines laufenden Zielsystems. Die Antwort auf die Frage „Welche Option benötige ich?“ findet sich in der Dokumentation der Toolchain, die sich von Release zu Release ändert. Ohne Zugriff auf beides füllt ein Assistent die Lücke mit selbstbewussten Vermutungen. Doch im Embedded-Bereich kann eine leicht falsche Vermutung einen ganzen Nachmittag kosten.
Zudem wird keiner der Standards durch das Modell selbst durchgesetzt. Das liegt in der Verantwortung des Entwicklers. Verifizierung und Validierung machen schon jetzt 40 % oder mehr des F&E-Aufwands bei sicherheitskritischen Programmen aus. Das ist keine Ineffizienz, sondern der Preis für den Aufbau der Nachweiskette, die von Aufsichtsbehörden und Zertifizierungsstellen verlangt wird.
Das Ziel muss es also sein, statische Analyse, dynamische Analyse und Codeabdeckungsmessung in den Entwicklungszyklus zu integrieren: nicht als nachgelagerte Prüfung, sondern als kontinuierlichen, in den Prozess eingebundenen Vorgang. Der richtige Arbeitsablauf trennt die Codegenerierung nicht von der Konformitätsprüfung, sondern integriert beide.
IAR öffnet Tools für KI-Agenten
IAR reagiert auf diese Herausforderungen, indem es seine Dokumentation, seinen Debugger und eine Python-Automatisierungsschicht offenlegt. So können Agenten echte Embedded-Aufgaben übernehmen, während die Entwickler weiterhin die Kontrolle darüber behalten, was auf den Markt kommt.
Der IAR Documentation MCP Server verbindet den Assistenten mit der offiziellen Dokumentation auf docs.iar.com. MCP (Model Context Protocol) ist ein offener Standard, der es Assistenten ermöglicht, externe Tools und Datenquellen aufzurufen. Die Antworten basieren auf denselben Seiten, die der Nutzer selbst durchsuchen würde, und enthalten häufig Links zurück zur Quelle, sodass der Nutzer die Angaben mit einem Klick überprüfen kann.
Der Zugriff auf die Dokumentation erfordert keine Authentifizierung und funktioniert mit MCP-kompatiblen Tools wie Claude Code, GitHub Copilot in Visual Studio Code, Cursor und Claude Desktop. Die Einrichtung erfolgt über einen einzigen Befehl oder einen kurzen Konfigurationseintrag.
Die Dokumentation ist jedoch nur der erste Schritt: Sie gibt an, was passieren sollte. Ein Debugger zeigt, was tatsächlich passiert. Der C-SPY-MCP-Server stellt dem Agenten den C-SPY-Debugger als Tool zur Verfügung. Damit kann der Agent eine Sitzung starten, das Zielprogramm ausführen und anhalten, Halte- und Überwachungspunkte setzen, den Stack und lokale Variablen überprüfen, Register und Speicher auslesen, die Disassemblierung anzeigen und die Terminalausgabe erfassen. Die Rückmeldungen sind strukturiert und enthalten maschinenlesbare Fehlercodes. Wenn also etwas fehlschlägt, kann der Agent die Situation beheben, anstatt in eine Endlosschleife zu geraten. Das Repository enthält außerdem kurze Anleitungen für Agenten, beispielsweise zum Starten einer Sitzung oder zum Warten, bis das Zielsystem angehalten wird. Wenn das laufende System nicht gestört werden soll, liest der Modus „Attach to Running Target“ den Status aus, ohne das Zielsystem zurückzusetzen oder neu zu programmieren.
Python-Skripte für Debugging und Tests
Der Arbeitsablauf wird effizienter, da Python-Skripte Tokens speichern und Firmware-Tests automatisieren, darunter statische Analyse, dynamische Analyse und Abdeckungsmessung. Debugging-Sitzungen, bei denen ein Agent verschiedene Aktionen mit unterschiedlichen Tools durchführt, erfordern für jeden Schritt einen Hin- und Rückweg. Der Agent ruft ein Tool auf, das Ergebnis wird in den Konversationsverlauf aufgenommen, das Modell liest den wachsenden Verlauf erneut ein und entscheidet über den nächsten Aufruf. Eine zehnstufige Untersuchung bedeutet zehn Durchläufe durch das Modell, wobei jede Datenlast im Kontext verbleibt.
Das Python-Paket „cspy-py“ verändert die Arbeitsweise. Der Entwickler schreibt ein Skript, das das Backend startet, Haltepunkte setzt, bis zu diesen ausführt, die Werte ausliest und nur das Ergebnis ausgibt. Die Schleife läuft außerhalb des Modells, und nur das Ergebnis wird in den Kontext zurückgegeben.
python import iar_cspy as cspy with cspy.launch("/path/to/iar/install") as client: with client.debugger.session("launch.json") as dbg: client.breakpoints.add("your_function") dbg.go_and_wait(timeout=10) print(dbg.eval_int("your_variable"))
Weniger Durchläufe bedeuten einen kleineren Kommunikationsumfang, was wiederum weniger Tokens und eine schnellere Durchlaufzeit zur Folge haben sollte. Das Skript bleibt zudem über die Sitzung hinaus bestehen. cspy-py enthält ein pytest-Plugin, sodass dieselbe Logik zu einem reproduzierbaren Firmware-Test wird, einschließlich Hardware-in-the-Loop-Konfigurationen, und sowohl unter Linux als auch unter Windows auf Laptops und in der CI ausgeführt werden kann. Mit Test-Doubles lässt sich der Code rund um die Tests ohne Backend einer Unit-Test-Prüfung unterziehen.
Besonders wichtig ist das bei der Entwicklung sicherer Software: Wenn ein Entwickler in einer Sitzung mehr Code produzieren kann als zuvor in einer ganzen Woche, lässt sich die manuelle Durchführung von Qualitätsprüfungen nicht mehr skalieren. Die Prüfungen müssen bei jedem Push automatisch ablaufen.
Ausprobieren ohne Board mithilfe des Modern Workflow-Tutorials
Der schnellste Weg, sich einen Eindruck von der Funktionsweise zu verschaffen, ist das Modern Workflow-Projekt, das auf dem GitHub-Repository von IAR verfügbar ist. Dabei handelt es sich um ein vorgefertigtes Beispiel, das in Visual Studio Code innerhalb eines Dev-Containers geöffnet wird. So werden die IAR Build Tools, CMake und die Debugging-Erweiterung automatisch eingerichtet, und alle Teammitglieder verfügen über dieselbe Umgebung.
KI-gestützter Workflow für das Embedded-Debugging unter Verwendung des C-SPY-MCP-Servers in Visual Studio Code.
(Bild: IAR)
Es wird mit CMake-Voreinstellungen kompiliert, führt Unit-Tests innerhalb des C-SPY-Simulators aus und lässt sich im Simulator mit F5 debuggen; bei vorhandener Hardware werden I-Jet und J-Link unterstützt. Für den Einstieg ist keinerlei Hardware erforderlich. Somit eignet es sich hervorragend als Projekt, das einem Agenten als Aufgabe übertragen werden kann. Der Agent kann beispielsweise beauftragt werden, etwas in der Dokumentation nachzuschlagen, eine C-SPY-Sitzung zu starten, an einem Haltepunkt anzuhalten und das Gefundene in einen Test umzuwandeln.
Fazit
Die Produktivitätssteigerungen durch KI-Agenten sind real. Im Bereich der Embedded-Software, wo qualifizierte Entwickler rar sind, und die Projektkomplexität zunimmt, hat jedes Tool, das die Entwicklung beschleunigt, einen echten Mehrwert. Universelle Assistenten können jedoch weder Register, Speicher noch Aufrufstapel auf einem laufenden Zielsystem einsehen, ebenso wenig wie sie die Dokumentation der Toolchain überprüfen können, die sich von Release zu Release ändert. Ohne diese Informationen müssen sie raten, und im Embedded-Bereich kann eine nur geringfügig falsche Vermutung einen ganzen Nachmittag kosten. Deswegen hat IAR seine Dokumentation, seinen Debugger und eine Python-Automatisierungsschicht geöffnet, damit Agenten echte Embedded-Arbeit leisten können, während die Entwickler die Kontrolle behalten.
Probieren Sie das Modern Workflow-Tutorial doch einfach selbst aus, um zu sehen, wie sich die IAR-Tools und KI-Agenten in einer realistischen Umgebung verhalten. Nehmen Sie Kontakt mit uns auf!
Stand: 08.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung.
Einwilligung in die Verwendung von Daten zu Werbezwecken
Ich bin damit einverstanden, dass die Vogel Communications Group GmbH & Co. KG, Max-Planckstr. 7-9, 97082 Würzburg einschließlich aller mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel Communications Group die genannten Daten gehasht an Werbepartner übermitteln, die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und Kundenbindung), der Generierung von sog. Lookalike Audiences zur Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen. Weitere Informationen kann ich dem Abschnitt „Datenabgleich zu Marketingzwecken“ in der Datenschutzerklärung entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden. Dies gilt nicht für den Datenabgleich zu Marketingzwecken.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://contact.vogel.de abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.