Die gesamte Serie lesen
Dieser Artikel ist Teil einer ausführlichen Anleitung dazu, wie wir mit Quilters physikgestützter Layout-Automatisierung einen Computer auf Basis des NXP i.MX 8M Mini nachgebaut haben.
Optimierung in der Entwicklung wird oft auf ein mathematisches Problem reduziert. Leistung verbessern. Verschwendung verringern. Das Modell verfeinern. Wiederholen.
Jacob Freking vertritt ein reiferes Verständnis dieses Gedankens. Für ihn geht es bei Optimierung nie nur darum, eine Kurve in einer Simulation zu maximieren. Es geht darum, zu entscheiden, worauf es ankommt, genügend Reserve für die Realität einzuplanen und schnell genug voranzukommen, um von echter Hardware zu lernen, bevor sich ein Team in theoretischer Perfektion verliert. Seine Perspektive beruht auf einer Laufbahn in der Entwicklung drahtloser HF-Systeme, von Antennendesign, Tests und Leistungsanalyse bis zu Integration und Umsetzung in Startups. Statt Optimierung als eng begrenzte technische Übung zu betrachten, versteht er sie als umfassendere Disziplin des Urteilsvermögens.
Dieser Perspektivwechsel macht Freking zu mehr als einem fähigen Praktiker. Er zeigt sich hier als Vordenker der technischen Optimierung, gerade weil er sie auf mehreren Ebenen versteht: beim Design, im Arbeitsablauf, in der Organisation und in der Ausbildung. Viele Ingenieure können über das Abstimmen eines Modells sprechen. Weniger können erklären, warum Teams ins Stocken geraten, warum Neugier Grenzen braucht und warum „gut genug“ manchmal die verantwortungsvollste technische Entscheidung ist.
Systemingenieur aus innerer Haltung, nicht nur dem Titel nach
Frekings Hintergrund hilft, diese Haltung zu verstehen. Er begann sein Studium nicht mit einer festgelegten Spezialisierung im Kopf. Die Elektrotechnik sprach ihn an, weil sie Breite, Komplexität und genügend Raum bot, um Langeweile zu vermeiden. Mit der Zeit zog es ihn zur Hochfrequenztechnik und Elektromagnetik und schließlich weiter zu Antennen und drahtlosen Systemen. Dort fand er keine Einengung, sondern einen zentralen Knotenpunkt.
„Ich bekomme das Beste aus all den verschiedenen Arten von Problemen mit.“ … „Ich bin gewissermaßen ein zentraler Knotenpunkt … in vielen dieser Diskussionen über das Systemdesign.“
Diese Aussagen sind aufschlussreich. Freking beschreibt Ingenieurarbeit nicht als einsames Vertiefen in ein Fachgebiet. Stattdessen schätzt er die Position eines Ingenieurs, der zwischen Embedded-Systemen, Softwarealgorithmen, Signalverarbeitung, Schaltungen und HF-Spezialgebieten vermitteln muss. Es entsteht das Bild eines Menschen, dessen Autorität nicht nur auf fachlicher Tiefe beruht, sondern auch auf der Fähigkeit, Kompromisse über ein gesamtes System hinweg einzuordnen. Genau diese Perspektive macht einen öffentlich wirksamen Denker in der Ingenieurkultur wertvoll – besonders in einer Zeit, in der fachübergreifende Arbeit zunehmend die Regel statt der Ausnahme ist.
Der Wendepunkt war nicht abstrakt. Er war physisch.
Zu Beginn seiner Laufbahn bei Raytheon wusste Freking eines genau: Er wollte praktisch arbeiten. Hardware musste man sehen, anfassen, zusammenbauen und testen. Dann kam der Moment, der offenbar einen großen Teil seiner Arbeitsphilosophie geprägt hat. Ein erfahrener Ingenieur und Mentor, Ryan Cutshaw, fragte ihn, ob er beim Bau einer neuen Antennenmesskammer helfen wolle.
„Das klang nach der perfekten Mischung aus allem, was ich machen wollte – sehr praktisch. Und das war für mich gewissermaßen ein Wendepunkt.“
Dieses Projekt wurde zu mehr als einem Auftrag. Es wurde zu einer Lehrzeit unter den realen Bedingungen technischer Arbeit. Freking lernte die Theorie hinter der Kammer, ihre möglichen Fehlfunktionen und die praktischen Fehler kennen, auf die beim Aufbau zu achten war. Später wurde das Labor zu einer Art Inkubator: Unterschiedliche Programme kamen durch das Labor, Tests fanden unter realen Randbedingungen statt, und diese Einblicke führten ihn zu umfassenderer Integrationsarbeit. Fachwissen wurde ihm also nicht mit einem Zeugnis überreicht. Es entstand durch Verantwortung.
Ein aufschlussreiches Porträt von Freking beginnt hier, weil diese Geschichte seine übergeordnete Philosophie erklärt. Ingenieure, die nah an der Hardware arbeiten, entwickeln meist ein schärferes Gespür dafür, wozu Optimierung eigentlich dient. Zahlen sind wichtig. Simulation ist wichtig. Geometrie ist wichtig. Doch irgendwann stellt Hardware eine unverblümte Frage: Funktioniert es, und funktioniert es unter den entscheidenden Bedingungen? Frekings Antwort auf die Frage nach technischer Optimierung ist in dieser physischen Realität verankert.
Technische Optimierung beginnt vor dem endgültigen Design
Einer von Frekings stärksten Gedanken ist, dass Optimierung bereits im Arbeitsablauf selbst beginnt. Antennenentwicklung folgt seiner Beschreibung nach oft einem strukturierten Weg: Zuerst kommen die Systemanforderungen, bekannte Designs werden angepasst oder nachgebildet, die Frequenz wird skaliert und das Array so dimensioniert, dass es die benötigte Leistung erreicht. Weil Teile dieses Prozesses sich wiederholen, sucht er nach Wegen, sie zu automatisieren.
„Mich interessieren Möglichkeiten, das einfacher zu machen.“
Skripte, Code und wiederholbare Analysemuster sind in diesem Verständnis keine nebensächlichen Erleichterungen. Sie gehören zur Optimierungsarbeit. Ein Team, das Stunden mit vermeidbaren Wiederholungen verbringt, arbeitet nicht gründlich. Es verschwendet Aufmerksamkeit. Frekings Sichtweise ist wertvoll, weil sie den Begriff selbst erweitert: Technische Optimierung betrifft nicht nur das fertige Ergebnis. Sie betrifft auch die Verbesserung des Weges dorthin.
Das macht seine Argumentation besonders relevant für Hardware-Teams in Startups. Tempo ist nicht nur ein geschäftlicher Wunsch. Durch Tempo lernen technische Organisationen, bevor Geld, Zeit oder interne Einigkeit aufgebraucht sind. Frekings Prozessdenken gibt diesem Tempo eine disziplinierte statt einer leichtfertigen Form.
„Gut genug“ ist ein technischer Maßstab, keine Ausrede
Viele Ingenieure können Perfektion beschreiben. Freking ist interessanter, weil er beschreiben kann, wann man aufhören sollte.
„Man muss wissen, wann etwas gut genug ist und man zum nächsten Schritt übergehen sollte.“
Auf den ersten Blick klingt dieser Satz bescheiden. In der Praxis ist er der Kern dieses Artikels. Freking plädiert nicht für Nachlässigkeit. Er wendet sich gegen Scheingenauigkeit. Er erklärt, dass es zur guten Praxis gehört, Designs über den Bereich der Fertigungstoleranzen hinweg zu analysieren und zu prüfen, ob die Spezifikationen weiterhin eingehalten werden. Zugleich weist er darauf hin, dass ausreichende Reserve oft etwas Entscheidendes aussagt: Das Design ist wahrscheinlich robust genug, um ohne endlose zusätzliche Parametersweeps weiterzumachen.
„Wenn man genügend Reserve einplant, funktioniert es normalerweise auch als Hardware gut genug.“
Optimierung als Urteilsvermögen unter Unsicherheit neu zu verstehen, ist meiner Ansicht nach echte Vordenkerarbeit. Viele technisch versierte Menschen wissen, dass immer noch mehr Analyse möglich ist. Freking lenkt das Gespräch auf eine schwierigere Frage: Ab wann liefert zusätzliche Analyse keinen angemessenen Mehrwert mehr? Seine Antwort wurzelt in Herstellbarkeit, Toleranzbewusstsein und den praktischen Realitäten der Hardwareentwicklung. Besonders bei Phased Arrays, wo der Schwenkwinkel weitere Daten und Schwankungen der reflektierten Leistung mit sich bringt, besteht die Aufgabe des Ingenieurs nicht darin, Komplexität zu beseitigen. Sie besteht darin, zu entscheiden, welche Komplexität jetzt Zeit verdient.
Warum Entwicklungsteams am Ziel vorbei optimieren
Frekings am breitesten nutzbare Erkenntnis ist möglicherweise eher organisatorisch als rein technisch. Wenn Projekte Schwierigkeiten bekommen, gibt er nicht automatisch individuellen Schwächen die Schuld. Stattdessen verweist er auf widersprüchliche Vorstellungen von Erfolg.
„Es scheint eine fehlende Abstimmung zwischen der jeweiligen Programmleitung und ihren letztlichen Stakeholdern zu sein.“
Diese Beobachtung verdient auch jenseits der Hochfrequenztechnik Beachtung. Stakeholder möchten vielleicht etwas, das schnell verfügbar, funktionsfähig und gut genug ist, um daraus zu lernen. Eine von traditionellen Programmen geprägte Führung optimiert möglicherweise weiterhin auf gründliche Dokumentation, größtmögliche Sicherheit und Vollständigkeit beim ersten Versuch. Beide Haltungen haben ihre Logik. Probleme entstehen, wenn beide Ziele gleichzeitig gelten, unausgesprochen bleiben und nicht miteinander abgestimmt werden.
Frekings Diagnose ist präziser als eine allgemeine Klage über Kommunikation. Tatsächlich beschreibt er konkurrierende Zielfunktionen innerhalb einer einzigen Organisation. Eine Gruppe optimiert auf Lerngeschwindigkeit. Eine andere auf Risikominimierung. Eine dritte vielleicht auf saubere Prozesse. Sobald diese Definitionen auseinandergehen, müssen die Teams mit der entstandenen Unklarheit leben.
„Beim ersten Durchlauf wird man immer etwas lernen. Und je schneller man es lernt, desto schneller kann man darauf aufbauen, iterieren und es richtig machen.“
Dieser Satz gehört zu den stärksten im Interview, weil er sich übertragen lässt. Er gilt für Antennenentwicklung, Simulationsarbeit und Produktentwicklung insgesamt. Ebenso wichtig ist, dass er Freking als jemanden zeigt, der über seine Teildisziplin hinausdenkt. Er beschreibt nicht nur, wie man Hardware optimiert. Er beschreibt, wie man die Organisation optimiert, die Hardware bauen muss.
Startups können sich keine unbegrenzte Neugier leisten
Der verbreitete Startup-Mythos behandelt Neugier als uneingeschränkte Tugend. Freking bringt eine nüchternere Sicht ein. Arbeit in der Frühphase erfordert zweifellos „Was wäre, wenn?“-Denken. Er räumt ein, dass dieses erkundende Denken wahrscheinlich zur Gründung und Finanzierung des Unternehmens beigetragen hat. Die tägliche Umsetzung folgt jedoch einer anderen Logik.
„Ich versuche, möglichst wenig Zeit tatsächlich mit diesen Was-wäre-wenn-Fragen zu verbringen.“
„Damit es schnell geht, muss es etwas sein, das schon einmal gemacht wurde und sich auch skalieren lässt.“
Das richtet sich nicht gegen Neugier. Es setzt sich für Durchsatz ein. Reife technische Optimierung bedeutet, Neugier ein Budget zu geben, statt sie zu verehren. Erkundendes Denken eröffnet Möglichkeiten. Wiederverwendbare Methoden, verlässliche Modelle und disziplinierte Umsetzung schaffen tragfähige Produkte. Frekings Unterscheidung ist ein wichtiges Korrektiv zur Vorstellung, die intelligenteste technische Kultur sei schlicht diejenige mit dem offensten Ausgang. Manchmal ist die intelligenteste Kultur diejenige, die erkennt, wann ein gedanklicher Nebenpfad einen ganzen Sprint kosten wird.
Tools sagen die Wahrheit über das Modell, das Sie tatsächlich erstellt haben
Frekings Bemerkungen zu Simulationstools schärfen dasselbe Thema. Er äußert sich positiv über Ansys HFSS, doch sein Vertrauen ist an Bedingungen geknüpft und lehrreich.
„Solange man das Modell richtig aufsetzt, liefert es die richtige Antwort.“
Das ist im Grunde kein Zitat über Software. Es ist ein Zitat über die Philosophie der Ingenieurarbeit. Solver lösen das Problem, das man ihnen gibt. Teams optimieren auf die Anreize, die man ihnen setzt. Kennzahlen belohnen das Verhalten, das in ihnen angelegt ist. Fehler beginnen oft weiter vorn, bereits in der Formulierung der Frage. Damit reicht Frekings Aussage über eine Tool-Präferenz hinaus. Sie betrifft technische Redlichkeit. Ingenieure sollten Modellen vertrauen, aber nur in dem Maß, in dem sie die zugrunde liegenden Annahmen und die Modellkonfiguration verstehen.
Sein Argument zur Ausbildung schafft Glaubwürdigkeit, keine Kontroverse
Freking wendet sich der Ingenieurausbildung zu. Er argumentiert, dass Universitäten weiterhin wertvolle Disziplin und Arbeitsgewohnheiten vermitteln. Angesichts der Fülle hochwertiger technischer Lehrangebote, die inzwischen online verfügbar sind, sollte sich die Branche seiner Ansicht nach aber auch stärker für autodidaktisch ausgebildete Ingenieure öffnen.
„Alle Vorlesungen, die man in einem Hochschulkurs gehört hätte, findet man kostenlos auf YouTube.“
„Es ergibt durchaus Sinn, mehr Autodidakten zu haben, die mit einem grundlegenden Verständnis einsteigen … und den Rest dann im Beruf lernen.“
Sein Argument überzeugt, weil es ausgewogen ist. Formale Ausbildung vermittelt weiterhin Disziplin. Universitäten bleiben wichtig. Echte Ingenieurkompetenz vertieft sich jedoch auch nach dem Abschluss weiter, oft durch die Arbeit selbst und zunehmend durch verteilte Lernangebote. Frekings Aussagen passen zu breiteren Diskussionen über die Ingenieurausbildung. Die aktuellen Akkreditierungskriterien von ABET besagen, dass ingenieurwissenschaftliche Studiengänge das „systematische Streben nach Verbesserung“ in einem „dynamischen und wettbewerbsorientierten Umfeld“ fördern sollen. Zugleich argumentiert die Arbeit Engineer of 2020 der National Academy of Engineering, dass sich die Ingenieurausbildung an eine veränderte Praxis anpassen und Ingenieure auf umfassendere Führungsrollen vorbereiten muss.
So betrachtet ist Frekings Position keine Randmeinung. Sie entspricht der seit Langem auch institutionell anerkannten Einsicht, dass Ingenieurkompetenz von kontinuierlichem Lernen, Anpassung und der Fähigkeit abhängt, über die Grundlagen des Lehrbuchs hinauszuwachsen. Sein Beitrag besteht darin, das aus der Praxis heraus klar auszusprechen, statt aus der Perspektive bildungspolitischer Vorgaben.
Warum Jacob Freking als Vordenker überzeugt
Vordenker zu sein wird oft mit Charisma, Lautstärke oder futuristischem Spektakel verwechselt. Freking bietet etwas Selteneres und Beständigeres: eine brauchbare Arbeitsphilosophie. Er erklärt, warum Optimierung ebenso zum Arbeitsablauf gehört wie zum Design, warum Reserve wichtiger ist als die Fantasie von Perfektion, warum Teams scheitern, wenn sie auf konkurrierende Ergebnisse hin optimieren, und warum Ingenieure sowohl Gründlichkeit als auch Abbruchkriterien brauchen. Seine Aussagen wirken nie wie praxisferne Schlagworte. Sie wirken wie Ideen, die im Umgang mit Hardware erarbeitet wurden.
Das macht ihn zu einem besonders passenden Gesprächspartner für Hardware Rich Development. Freking steht nicht nur für eine technische Nische. Er steht für eine Form ingenieurmäßiger Intelligenz: interdisziplinär, in der physischen Realität verankert, skeptisch gegenüber Überoptimierung, respektvoll gegenüber Ausbildung und zugleich realistisch hinsichtlich ihrer Grenzen. Und er ist sich sehr bewusst, dass die erste Version eines Produkts etwas lehrt, was das sauberste Modell nicht vermitteln kann. Für ein Publikum, das sich ernsthaft mit technischer Optimierung auseinandersetzen möchte, ist das eine Perspektive, die Aufmerksamkeit verdient.
