Systementwurf: Dank KI relevante Infos extrahieren

KI kann beim Systementwurf unterstützen, indem sie relevante Informationen aus Prüf- und Testberichten extrahiert und diese für den aktuellen Systementwurf vorselektiert. Dies führt zu einer Verbesserung des Endprodukts und einer Optimierung der Datenqualität und Dokumentation.

Ein Systementwurf ist ein Dokument, das die grundlegende Architektur eines Systems beschreibt. Diese Architektur umfasst die verschiedenen Komponenten und ihre Interaktionen innerhalb des Systems, sowie die Anforderungen und Ziele, die das System erfüllen soll. Der Systementwurf dient als Grundlage für die weitere Entwicklung und Implementierung des Systems und sollte daher möglichst detailliert und präzise sein.

Analyse von Test- und Prüfberichten mit NLP-Verfahren

Eine wichtige Aufgabe beim Systementwurf ist die Berücksichtigung von Test- und Prüfberichten vorangegangener Produktgenerationen, um bekannte Probleme zu vermeiden und frühzeitig lösen zu können. Diese Berichte sind jedoch oft textuell erfasst und enthalten viele irrelevante Informationen. Um gezielt relevante Informationen aus den Berichten zu extrahieren, können Natural Language Processing (NLP)-Verfahren wie Similarity Learning oder Named Entity Recognition eingesetzt werden. Der Abgleich von Systemelementen mit den passenden Testberichten kann ebenfalls mit Similarity Learning erfolgen.

Similarity Learning ist ein Verfahren aus dem Bereich des maschinellen Lernens, das darauf abzielt, Ähnlichkeiten zwischen verschiedenen Datenobjekten zu erkennen und sie in einem quantitativen Maß zu bewerten. Diese Ähnlichkeiten können zum Beispiel aufgrund von Gemeinsamkeiten in ihren Merkmalen oder Eigenschaften bestehen. Similarity Learning könnte beim Systementwurf zum Beispiel eingesetzt werden, um Test- und Prüfberichte mit Systemmodellen oder -entwürfen abzugleichen und auf diese Weise relevante Informationen aus den Berichten zu extrahieren.

Named Entity Recognition (NER) ist eine Technik aus dem Bereich des natürlichen Sprachverarbeitung, die darauf abzielt, Namen von Personen, Orten, Organisationen usw. in Texten zu erkennen und zu kategorisieren. Diese Namen werden als “named entities” bezeichnet. NER könnte beim Systementwurf zum Beispiel eingesetzt werden, um relevante Namen von Systemelementen in Test- und Prüfberichten zu identifizieren und diese mit den entsprechenden Systemelementen in den Systemmodellen oder -entwürfen abzugleichen.

Vorteile der wissensbasierten Validierung des Systementwurfs

Eine wissensbasierte Validierung des Systementwurfs kann zu einer frühzeitigen Verbesserung des Endprodukts beitragen und die Qualität der Daten und Dokumentation des Systementwurfs optimieren. Allerdings erfordert die Aufbereitung der Input-Artefakte einen gewissen Aufwand, um die Systementwürfe und Test- und Inspektionsberichte von ausreichender Qualität zu gewährleisten. Das Thema hat eine hohe Praxisrelevanz und wird in vielen Unternehmen in unterschiedlichen Ausprägungen umgesetzt.

Für mehr Anwendungsbeispiele und individuelle KI-Lösungen für Ihr Unternehmen besuchen Sie unsere Plattform.

Zur Plattform