Künstliche Intelligenz vereint mit Systems Engineering. Das Ergebnis: der iQUAVIS Demonstrator. 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. Unsere Partner sind das Fraunhofer IEM, das Heinz-Nixdorf-Institut und der KI-Marktplatz.
Inhalt
iQUAVIS Demonstrator
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 unten stehenden 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 Nutzpotential 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!
Unsere Partner
Wir bedanken uns bei unseren Forschungspartnern für die fruchtbare Zusammenarbeit!
Mehr über unser Systems-Engineering-Tool iQUAVIS erfahren Sie hier.
Systems Engineering ist eine Lebensart – wer sie einmal kennt, kommt nicht von ihr los! Ich brenne dafür, das Engineering zu verändern. Weg von verwirrenden Lasten- und Pflichtenheften hin zu einer modellbasierten Spezifikation. Das hilft mir, viele Aufgaben eines Projekts besser zu bewältigen, mit Kollegen ein gemeinsames eindeutiges Systemverständnis zu bilden und immer die relevanten Aufgaben im Blick zu haben. Und außerdem: Ich bin überzeugt, dass innovative Geschäftsmodelle nur mit einem solchen Ansatz möglich werden: Smarte Services, Things that think, … Let’s go together!
