Anbieter zum Thema

Fraunhofer IPK

CADFEM Germany GmbH

ESTECO Software GmbH

Expertenbefragungen

Für die Expertinnen- und Expertenbefragung wurden fünf Personen aus Forschung und Industrie in den Bereichen Software, Medizin und Luftfahrt befragt. Einhellige Meinung war, dass unstrukturierte Daten wie Datenblätter, gesetzliche Vorgaben und Legacy-Dokumente eine zentrale Rolle spielen, diese jedoch bisher fast immer manuell verarbeitet werden, da KI in diesen Bereichen bisher kaum genutzt wird. Die Nachvollziehbarkeit und Datenherkunft sind essenziell, da ohne Transparenz und klare Herkunftsdaten der Einsatz von KI kritisch betrachtet wird. Für technische Dokumentationen und die Behördenkommunikation wird KI derzeit nicht verwendet, obwohl dokumentenbasierte Übergaben und unstrukturierte Daten dort dominieren.

Die Interviewten betonen die Wichtigkeit, aus bestehenden Modellen Informationen abzuleiten und strukturiert aufzubereiten, um Prozesse zu verbessern und die Wiederverwendung von Artefakten zu fördern. Zudem sehen sie KI als potenziellen Partner für krea­tive Designprozesse, Perspektivwechsel und die Unterstützung des „Single Source of Truth“-Ansatzes.

Die Herausforderungen liegen in der Datenintegration und der Nutzung sensibler Daten, was durch fehlende Nachvollziehbarkeit und Hürden bei der Datennutzung erschwert wird. Insgesamt wird KI als wichtig angesehen, um Effizienzgewinne zu erzielen, insbesondere bei der Verarbeitung großer Datenmengen und in Zertifizierungsprozessen.

Synthese

Große Übereinstimmung zwischen den Expertinnen und Experten und der Literaturrecherche kann in den Einsatzbereichen von LLMs in den Phasen der Produktentwicklung postuliert werden. Die Anforderungserhebung sticht bei beiden hervor. Da Anforderungen meist in Textform vorliegen, bietet sich hier der LLM-Einsatz am ehesten an, beispielsweise in der Erhebung und Verwaltung von Anforderungen. Im Gegensatz zur Literaturrecherche wird bei den Befragungen aber auch ein hohes Potential bei der Validierung gesehen, was an den Themen Dokumentation und Zertifizierung liegt.

Wir konnten auf Basis der Ergebnisse folgende Implikationen für den Praxiseinsatz ableiten:

• gezielt KI-gestützte Lösungen für die Systemarchitektur und die Automatisierung repetitiver Aufgaben entwickeln.
• Transparenz über die Herkunft und Verarbeitung von Daten herstellen, um Vertrauen in KI-Entscheidungen zu schaffen.
• Unstrukturierte Daten wie Legacy-Dokumente, Datenblätter und gesetzliche Vorgaben effizient in modellbasierte Prozesse integrieren, um eine „Single Source of Truth“ zu schaffen.
• KI auch in Designprozessen und in administrativen Aufgaben einsetzen, um Innovationen zu fördern und Arbeitsabläufe zu optimieren.

Fazit: KI-Lösungen in MBSE

Die Ergebnisse der Studie unterstreichen die Notwendigkeit, ­KI-Lösungen gezielt eizusetzen, um Mitarbeitende von repetitiven Aufgaben zu entlasten, Transparenz zu schaffen und unstrukturierte Daten effizient in MBSE-Prozesse zu integrieren. KI hat das Potenzial, Effizienzgewinne zu erzielen und Innovationen zu fördern, insbesondere in der Anforderungs- und Validierungsphase. Um dies zu erreichen, müssen jedoch Herausforderungen in Bezug auf Datenintegration und Nachvollziehbarkeit adressiert werden. Durch spezifische Pilotprojekte in relevanten Use Cases oder durch die Evaluation von Plattformen und Tools können hier erste Effi­zienzgewinne erlangt werden.

Autoren:
Jörg Brünnhäußer und Thomas Zimmermann arbeiten als Wissenschaftliche Mitarbeiter am Fraunhofer IPK.

Dr. Ralph-Peter Rembor ist VP Strategic Accounts & Alliances bei Aparavi.