Management MBSE wird durch KI auf die nächste Stufe gehoben

Anbieter zum Thema

Fraunhofer IPK

CADFEM Germany GmbH

ESTECO Software GmbH

Die Integration von künstlicher Intelligenz (KI) in das Model-Based Systems Engineering (MBSE) birgt Potenziale zur Effizienzsteigerung. Eine Studie des Fraunhofer IPK und Aparavi untersucht, wie Large Language Models (LLMs) unstrukturierte Daten im MBSE nutzbar machen können, und gibt Handlungsempfehlungen.

Die Integration von künstlicher Intelligenz (KI) in das Model-Based Systems Engineering (MBSE) gewinnt zunehmend an Bedeutung, da sie das Potenzial hat, die Effizienz, Nachvollziehbarkeit und Innovationsfähigkeit in MBSE-Prozessen erheblich zu steigern. Insbesondere der Umgang mit unstrukturierten Daten stellt eine zentrale Herausforderung dar, die es zu bewältigen gilt.

Im Rahmen einer Studie des Fraunhofer-Instituts für Produktionsanlagen und Konstruktionstechnik IPK und Aparavi wird untersucht, wie KI-Technologien wie Large Language Models (LLMs) dazu beitragen können, unstrukturierte Daten im Systems Engineering und im MBSE nutzbar zu machen. Auch soll untersucht werden, in welchen Phasen der Produktentstehung KI hier einen Beitrag leisten kann. Gleichzeitig werden die Herausforderungen beleuchtet – etwa die Integration unstrukturierter Daten sowie die Sicherstellung der Transparenz. Ziel der Studie ist es, durch die Befragung von Experten und die Auswertung der Literatur konkrete Handlungsempfehlungen für die Anwendung von KI im MBSE zu formulieren und bestehende Forschungslücken aufzuzeigen.

MBSE: Methodik zur Analyse unstrukturierter Daten

Die Methodik der Studie gliedert sich in zwei Teilaufgaben: Zu Beginn wurde der Forschungsrahmen in einem Workshop abgesteckt, um die relevanten Themen und Fragestellungen zu identifizieren. Anschließend wird eine umfassende Recherche zu bestehenden wissenschaftlichen Arbeiten und Fachliteratur durchgeführt, die sich mit unstrukturierten Daten im Kontext von MBSE und LLMs befasst.

Im nächsten Schritt werden qualitative Experteninterviews auf Basis der Erkenntnisse aus der Recherche durchgeführt. Es werden geeignete Experten und Expertinnen identifiziert, die über fundierte Kenntnisse und Erfahrungen im Bereich KI oder MBSE verfügen. Ein strukturierter Interviewleitfaden wird erstellt, um eine konsistente Durchführung der Interviews zu gewährleisten. Nach der Durchführung der Interviews erfolgt eine systematische Auswertung der gesammelten Daten, um zentrale Themen und Erkenntnisse herauszuarbeiten.

Abschließend werden die Ergebnisse der Literaturrecherche und der Experteninterviews zusammengeführt, um eine umfassende Sicht auf die Einsatzmöglichkeiten von KI in MBSE zu erhalten und konkrete Herausforderungen und Handlungsempfehlungen abzuleiten.

MBSE Literaturrecherche zum Einsatz von LLMs 

Neben einer initialen manuellen Suche, in der einige Veröffentlichungen in die finale Auswertung mit einbezogen worden sind, wurde auch eine systematische Literaturrecherche durchgeführt. Dabei wurden aus den aufgestellten Forschungsfragen, die sich mit dem Einsatz LLMs im MBSE-Kontext beschäftigen, ein Suchstring abgeleitet. Damit wurde eine Suche innerhalb der arXiv-Datenbank durchgeführt und die resultierenden 103 Papers wurden nach dem Screening auf 13 relevante reduziert, die genauer betrachtet wurden. Zusätzlich wurden drei weitere Veröffentlichungen aus der manuellen Suche miteinbezogen. An sich gibt es nur wenige Arbeiten, die sich mit MBSE beschäftigen, wobei sich der überwiegende Teil in der Anforderungserhebungsphase und im speziellen im Requirements Engineering abspielt. Es gibt aber auch vereinzelt Veröffentlichungen in anderen Phasen.

Industrial Foundation Models

Wie künstliche Intelligenz die Engineering-Sprache lernt