Jenseits des Codings: Schlüsselkompetenzen für erfolgreiche Automatisierungsprojekte

Die Übersetzung mathematischer Gleichungen in Code ist Teil, aber auch losgelöst von der Entwicklung von Automatisierungsprojekten mit Computersystemen. Wir müssen die Wirksamkeit der Gleichungen bezüglich der Projektanforderungen prüfen. Auch die Lösungsmethode für die Gleichungen mit den vorhandenen Daten und Timing-Anforderungen muss betrachtet werden.

Datenprobleme, die den Lösungsalgorithmus erreichen, müssen erkannt, kontrolliert und – wo möglich – korrigiert werden. Präzisionsmanagement muss an verschiedenen Prozessstufen erfolgen. Fehler, die durch Lösungsprozess und Implementierung entstehen, müssen erkannt und gemanagt werden.

Das ist Stoff für Bücher, aber hoffentlich kann der Gedankengang in wenigen hundert Worten angestoßen werden.

Zuerst: Nicht alles, was wir nicht explizit deterministisch gestalten, ist per Default stochastisch. Computer und ihre Problemlösungsverfahren können obskure Verzerrungen (Biases) einführen, die bei Analyse eindeutig deterministisch sind – nur nicht beabsichtigt. Einfache Beispiele betreffen Präzision. Oft glauben wir, Zwischenwerte seien exakt oder zumindest nach bekannten mathematischen Kriterien gerundet.

Auf verschiedenen Ebenen zwingt Abschneiden (Truncation) statt Rundens berechnete Zahlen in die vorgegebene Variablengröße. Manchmal egal, manchmal führt es zu Biases. Es kann nützlich sein, mathematische Verfahren aktiv einzusetzen, um den gespeicherten Wert aller berechneten Werte so zu managen, dass die Lösungseinheit die erwartete Genauigkeit bewahrt. Das wird in Programmierkursen gelehrt, aber oft vernachlässigt, weil Präzisionsmanagement langweilig und mühsam ist.

Manchmal fehlt Beobachtungen die Konsistenz (z. B. durch Sampling- oder Synchronisationsprobleme) oder verlässliche Präzision im Messmoment (z. B. durch transiente Instabilitäten). Es gibt oft Bereinigungsmöglichkeiten (Grenzwertprüfung, Datenanalyse, Regressionstechniken). Es gibt Wege, mehr aus dem Datenstrom herauszuholen – aber viele beinhalten Programmierer-Vermutungen über das, was passiert. Vorsicht hier – ein gutes Ergebnis ist zu wichtig, um es a priori abzulehnen, aber ein falsches Ergebnis kann schädlicher sein als der Wert der potenziellen Verbesserung.

Manchmal führt das Lösungsverfahren selbst, selbst mit angemessenem Präzisionsmanagement, zu Problemen. Angenommen, wir wollen eine Streaming-Funktion von jetzt bis unendlich integrieren. Selbst winzige Fehler oder Ambiguitäten, in einer Einzelberechnung vernachlässigbar, wachsen zu astronomischen Werten, wenn sie über lange Zeiträume kontinuierlich akkumuliert werden. Das vermischt sich mit Rundungs- und Abschneidefehlern und erzeugt Diskrepanzen durch kontinuierlich verzerrte Messung oder Integrationsmethodik. Das kann sich über Zeit in massiven Fehlern manifestieren – z. B. im „I“-Anteil eines PID-Reglers. Es gibt Datenkontroll- und Präzisionsmanagementverfahren sowie mathematische Ansätze für die benötigte Lösung, aber der Entdeckungsweg kann peinlich sein.

Manchmal wird Mathematik auf eine Anforderung angewendet, ohne das Problem, die Mathematik oder deren eigentlichen Zweck vollständig zu verstehen. Es kann vorkommen, dass dieselbe Mathematik eine Situation mal erkennt, mal komplett verfehlt.