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

You may also be interested in

Das Wort Change prangt als weiße Schrift auf schwarzem Grund und spiegelt sich. Es soll den Einsatz von Künstlicher Intelligenz im Change Management darstellen.

Wie Künstliche Intelligenz das Change Management verbessert

Das Change-Management ist in der Produkt- und Dienstleistungsentwicklung von großer Bedeutung. Künstliche Intelligenz kann dabei helfen, Auswirkungen von Änderungen frühzeitig zu identifizieren und Fehler in der Entwicklung zu vermeiden.

Zwei Personen sitzen vor Dokumenten und analysieren Wettbewerbsdaten.

Effiziente Wettbewerbsanalyse unterstützt von KI

KI kann Unternehmen bei der Durchführung einer kontinuierlichen Wettbewerbsanalyse unterstützen, indem sie die Aufbereitung und Recherche von Daten automatisieren und die Interpretation und Visualisierung von Analysen vereinfachen.

Ein Kabelbaum auf organgem Grund.

Automatisierte Konsistenz im E/E Bereich

Erfahren Sie, wie Künstliche Intelligenz bei der Sicherstellung der Konsistenz von Modellen zwischen OEM und Zulieferern helfen kann und welche Vorteile dies bietet.

Ein abstraktes 3D Modell soll ein CAD-Modell darstellen, das bei der Finite-Elemente-Methode benötigt wird.

KI-Unterstützung in der Finite-Elemente-Methode

Erfahren Sie, wie Künstliche Intelligenz in der Finite-Elemente-Analyse eingesetzt werden kann und welche Vorteile dies für Unternehmen bietet.

Eine Person bedient einen Laptop. Auf dem Bildschirm des Laptop ist ein Daten-Diagramm zu sehen.

Field Quality Analytics: KI hilft Produktqualität sicherzustellen

Field Quality Analytics ist ein Ansatz, um Qualitätsprobleme in Produkten zu erkennen und zu beheben. Dabei kann KI eine Unterstützung sein.

Ein Bild eines Diagramms, das die Verbindungen zwischen verschiedenen Konzepten und Ideen in einem Knowledge-Graph darstellt.

Wie ein KI-basierter Knowledge Graph bei Innovationen unterstützt

Künstliche Intelligenz (KI) kann Unternehmen bei der Entwicklung von Innovationen unterstützen, indem sie die Erstellung und Nutzung von Technology Knowledge Graphs vereinfacht.

Viele Zahlenreihen sind zu sehen, ein Teil der Zahlen ist im Fokus, ein anderer Teil unscharf. Durch die Zahlen sollen die KI-Methoden symbolisiert werden, mit denen Anforderungen strukturiert werden können.

KI-unterstützte Strukturierung von Anforderungen

Künstliche Intelligenz kann bei der Strukturierung von textuellen Anforderungen in der Systementwicklung helfen. Erfahren Sie, welche Methoden zum Einsatz kommen.

Mit KI Konkurrenzprodukte analysieren

Künstliche Intelligenz (KI) kann bei der Analyse von Konkurrenzprodukten eine große Hilfe sein, denn sie analysiert schnell und deckt Schwächen und Stärken auf.

Analyzing user preferences and behavior with AI

The analysis of user preferences and behavior helps companies optimize their products and services. We show you how Artificial Intelligence can help to analyze the data.

Ensuring quality of requirements thanks to AI

The compilation of all requirements for software, for example, is a complex task. AI can help to check and thus ensure the quality of requirements.

Compare requirements documents automatically

If you want to compare requirements documents in the company, such as feedback from suppliers, it can be very time-consuming. Artificial Intelligence methods can help. We will show you which methods can help you.

Artificial Intelligence in Quality Assurance

With the help of a systematic analysis, defects in a product can be detected at an early stage. Artificial Intelligence methods can support such an analysis in quality assurance.