Künstliche Intelligenz im Model-Based Systems Engineering

Die Künstliche Intelligenz (KI) hält faszinierende Perspektiven bereit, um Prozesse zu optimieren oder Aufgabenstellungen ganz neu zu lösen. Es existiert mittlerweile eine Vielzahl an Algorithmen, die eigentlich „nur noch“ in die Entwicklungsarbeit integriert werden müssen. Unsere Mission bei Two Pillars ist es, die Möglichkeiten im Model-Based Systems Engineering mit KI-Lösungen zu verbessern. Dazu haben wir zusammen mit unseren Forschungspartnern in Paderborn einen iQUAVIS-Demonstrator entwickelt, mit dem auf Basis von Anforderungen bekannte Lösungskonzepte gesucht und in die Systemarchitektur integriert werden können. Diese Partner sind das Fraunhofer IEM, das Heinz-Nixdorf-Institut und der KI-Marktplatz. Das Grundprinzip des iQUAVIS Demonstrators sieht vor, Lösungskonzepte bereits abgeschlossener Projekte in einer Wissensdatenbank zu speichern und nach Bedarf für neue Projekte wiederzuverwenden.

Der Clou: Wir nutzen eine KI, um für die aktuelle Anforderung auch vergleichbare Anforderungen zu finden. Egal ob man als Anwender also einen „Antrieb für ein Förderband“ oder einen „Förderantrieb“ sucht – der Algorithmus erkennt die Ähnlichkeit und liefert entsprechende Lösungsvorschläge. Wir möchten Ihnen im Folgenden unser Konzept näher erläutern.

Hintergrund und Motivation

In einem Entwicklungsprojekt muss stets die beste Lösung für eine Anforderung oder Funktion gefunden werden. Gleichzeitig existieren bereits zahlreiche bekannte und bewährte Lösungen, die jedoch nicht unbedingt jedem Entwickler bekannt sind. Hinzu kommt, dass Anforderungen/ Funktionen häufig interdisziplinär bzw. durch mehrere Disziplinen unterschiedlich realisiert werden können. Nach dem Finden einer Lösung stellt sich die Frage, ob und wie sich diese in das in der Entwicklung befindliche System integriert. Ziel von Two Pillars ist daher die Entwicklung einer Wissensbasis, die bestehende Lösung enthält und diese so verfügbar macht, dass sie in eine Systemarchitektur integriert werden können. Die Suche in der Wissensbasis erfolgt auf Basis von Anforderungen. Falls eine ähnliche Anforderung bereits bekannt ist, werden entsprechende Lösungen zu dieser Anforderung vorgeschlagen.

Konzept

Wir veranschaulichen das Konzept in der untenstehenden Grafik. Die Basis ist iQUAVIS: hier werden Anforderungen, Funktionen und Systemelemente modelliert. Die Suche nach Lösungen startet mit der Auswahl einer Anforderung aus dem Systemmodell. Mit Hilfe von Natural Language Processing (NLP) werden vergleichbare Anforderungen in der Wissensbasis gesucht (1). Dem Anwender werden passende Funktionen und Systemelemente vorgeschlagen, die in das Modell importiert werden können (2a, b). Im Anschluss erfolgt die technische Integration der Elemente in iQUAVIS: Dazu werden die Funktionen oder Systemelemente in die entsprechenden Modelle (Funktionshierarchie, Umfeldmodell, Wirkstruktur usw.) integriert (2c). Um die Wissensbasis zu füllen, können abgeschlossene iQUAVIS-Projekte importiert werden. Der Algorithmus führt dabei gleiche Lösungselemente zusammen (3). So entsteht in der Wissensbasis ein Netz aus Anforderungen, Funktionen und Lösungselementen, welches die Erfahrungen aus allen vorangegangen Projekten festhält und verfügbar macht.

Nutzenpotential und nächste Schritte

Wir sind überzeugt von dem Nutzenpotential einer KI gestützten Lösungssuche im MBSE. Dafür gibt es zahlreiche Gründe: Wenn erfahrene Mitarbeiter das Team verlassen oder neue Mitarbeiter dem Team beitreten, kann Wissen nicht so einfach über die Köpfe transferiert werden. Hinzu kommt, dass Lösungen zunehmend auch interdisziplinär sind und ein einzelner Mitarbeiter nicht alle bewährten Lösungen kennen kann. Und tatsächlich liefert der vorgestellte Ansatz eine Beschleunigung in der Entwicklungsarbeit. Die Potentiale sind faszinierend – dieser Prototyp ist der Beginn unserer Entwicklung. Aus diesem Grund suchen wir Partner zur Umsetzung der nächsten Entwicklungsschritte. Wenn Sie Interesse haben, als Pilotanwender oder auch als Umsetzungspartner mit uns zusammenzuarbeiten, kontaktieren Sie uns gerne.

E-Mail schreiben

Das könnte Sie auch interessieren

Nachhaltigkeit und Engineering – passt das zusammen?

Im KI-Marktplatz zeigen wir mit einer neuen Kampagne Stellschrauben für nachhaltigeres Engineering.

system:ability – Systeme von morgen gestalten

system:ability – die technischen Systeme von morgen haben einiges drauf: Sie sind vernetzt, lernen eigenständig dazu und agieren autonom. Und: Sie sind Schlüsselfaktor für eine nachhaltige Wirtschaft und Gesellschaft. Aber …

Hannover Messe 2023

KI und Nachhaltigkeit – das sind die Schwerpunktthemen, mit denen sich OstWestfalenLippe vom 17. bis 21. April auf der Hannover Messe präsentiert. Mit dabei: der KI-Marktplatz im Herzen der Halle 7. 

Künstliche Intelligenz im Engineering – vom Anbieter zum Anwender

Seit drei Jahren forschen und entwickeln 19 Projektpartner im KI-Marktplatz an einer Plattform, die Anbieter:innen und Anwender:innen von KI-Lösungen im Engineering zusammenbringt. Mit den erzielten Ergebnissen unterstützt der KI-Marktplatz bei …

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.

Vier Textmarker sind auf weißem Grund zu sehen. Ein blauer, ein lilaner und ein oranger Textmarker sind geschlossen. Ein pinker Textmarker ist geöffnet.

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 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.