Implementierung künstlicher Intelligenz (KI) in MBSE-Workflows mit EWB Professional und Accuris Thread
Mit der Entwicklung der Ingenieurteams hin zu modellbasiertem System-Engineering (MBSE) und digitalem Engineering entsteht eine neue Herausforderung: die Integration künstlicher Intelligenz (KI) in MBSE-Workflows über den gesamten Produktlebenszyklus hinweg. Das neu eingeführte KI-gestützte MBSE-Reifegradmodell bietet einen wertvollen Rahmen, um die aktuellen Fähigkeiten zu bewerten und einen Kurs für mehr Automatisierung und Entscheidungsunterstützung festzulegen.
Das modellbasierte System-Engineering dient als primäres Mittel für den Austausch von Informationen, Feedback und Anforderungen innerhalb von Engineering-Prozessen und ermöglicht den Übergang von traditionellen dokumentenzentrierten Systemen zu digitalen Modellen.
Um Unternehmen dabei zu helfen, diese Reifekurve zu erklimmen, liefern Engineering Workbench Professional und Accuris Thread das Wissen, die Automatisierung und die KI-gestützten Tools, die für den Übergang von manueller zu KI-gestützter Systemtechnik erforderlich sind.
Das KI-gestützte MBSE-Reifegradmodell für komplexe Systeme verstehen
Das KI-gestützte Reifegradmodell für modellbasiertes System-Engineering (ZWF, De Gruyter 2024) definiert sechs Stufen zunehmender KI-Integration in MBSE:
- Stufe 0: Manuelles MBSE – Traditionelle Arbeitsabläufe ohne KI-Unterstützung.
- Stufe 1: KI-gestütztes Engineering – Generische KI-Fähigkeiten zur Unterstützung technischer Arbeitsabläufe
- Stufe 2: Spezielle technische Copiloten – KI-Technologien und Copiloten unterstützen Ingenieure bei der Automatisierung bestimmter Entwicklungsaufgaben.
- Stufe 3: Kontinuierliches KI-integriertes Engineering – KI-Copiloten können gesamte Entwicklungsprozesse automatisieren.
- Stufe 4: KI-gesteuertes Engineering – KI-Assistenten arbeiten als Teil des Teams mit Ingenieuren zusammen, wobei menschliche Experten die Entwicklung skizzieren und koordinieren.
- Stufe 5: Autonomes KI-Engineering – KI-Assistenten sind in der Lage, Strategien und Aufgaben über den gesamten Entwicklungsprozess hinweg zu übernehmen, zu planen und auszuführen und dabei proaktiv Modelle zu entwickeln, zu validieren und weiterzuentwickeln.
Die meisten Unternehmen arbeiten auf den Stufen 0 bis 2. Um darüber hinauszukommen, sind digitale Plattformen erforderlich, die für KI-gestütztes Engineering und skalierbare Automatisierung ausgelegt sind.
Zu den Methoden zur Förderung der MBSE-Reife gehören die Rationalisierung und Automatisierung verschiedener Prozesse, wodurch die Produktivität gesteigert und der manuelle Aufwand reduziert wird.
Förderung der MBSE-Reife mit Engineering Workbench Professional im System-Engineering
EWB Professional bietet grundlegende Funktionen, die Teams beim Übergang von manuellem zu halbautomatischem MBSE unterstützen:
- Engineering Knowledge Management: EWB zentralisiert validierte technische Standards, Vorschriften, Normen, Spezifikationen, Patente und technische Referenzmaterialien und verbessert so die technischen Praktiken durch die Digitalisierung und Zentralisierung traditionell unstrukturierter Daten.
- KI-gestützte Suche: Künstliche Intelligenz wie maschinelles Lernen, natürliche Sprachverarbeitung und semantische Suche helfen dabei, die Recherche, Entwicklung und Analyse von Normen und technischen Informationen, die für Ihre Systeme und Projekte von entscheidender Bedeutung sind, voranzutreiben.
- Automatisierte technische Arbeitsabläufe: Integrierte Tools unterstützen das Compliance-Management, die Auswirkungsanalyse und die Verwaltung von Änderungen mit automatisierten Warnmeldungen bei Änderungen an Norminhalten und KI-gestützten automatischen Vergleichen zwischen Dokumentenrevisionen.
- Integration von Normeninhalten in MBSE-Tools: Direkte Verbindungen von Normen zu Modellierungsplattformen ermöglichen die nahtlose Integration von technischem Wissen in Systemmodelle.
Diese Funktionen unterstützen die Automatisierung des System-Engineering und reduzieren den manuellen Aufwand erheblich – Schlüsselmerkmale der Reifegrade 2 und 3 im KI-Modell.
Entfesseln Sie KI-gestütztes MBSE mit Accuris Thread
Accuris Thread konzentriert sich auf KI-gestützte Verbesserungen im Anforderungsmanagement, einer zentralen Säule der MBSE-Reife:
- Automatisierte Anforderungserfassung: Identifizieren, definieren und extrahieren Sie Anforderungen aus Dokumenten automatisch und ohne manuelle Nachbearbeitung.
- Verständnis natürlicher Sprache: Verwenden Sie natürliche Sprachverarbeitung, um Anforderungen mithilfe einer KI-basierten semantischen Analyse automatisch zu kennzeichnen, zu klassifizieren und mit Metadaten zu versehen.
- Intelligente Rückverfolgbarkeit: Erstellen Sie dynamische, KI-gestützte digitale Verknüpfungen zwischen Anforderungen, Modellen, Systemen und anderen wichtigen Dokumenten wie Audit- oder Compliance-Berichten.
- Integration mit MBSE-Anwendungen – Verbinden Sie extrahierte Anforderungen direkt mit Ihren anderen modellbasierten Tools und Systemen.
Mit diesen Funktionen ermöglicht Accuris Thread den Ingenieurteams den Übergang zu KI-gestützten MBSE-Workflows (Reifegrade 3 und 4) und legt damit den Grundstein für die zukünftige Entwicklung autonomer Systeme.
Warum künstliche Intelligenz in MBSE jetzt wichtig ist
Die Einbindung von KI in MBSE ist keine Zukunftsvision, sondern eine Notwendigkeit der Gegenwart. Der Druck, Innovationen schneller voranzutreiben und gleichzeitig Qualität und Compliance zu gewährleisten, veranlasst Unternehmen dazu, MBSE-Tools, KI und Digital-Threading-Lösungen einzusetzen, die Modellierung, Simulation und Analyse automatisieren. Simulationen spielen eine entscheidende Rolle bei der Validierung der Systemleistung und des Systemverhaltens, um sicherzustellen, dass die Entwürfe den Anforderungen entsprechen und wie vorgesehen funktionieren.
Gemeinsam ermöglichen EWB Professional und Accuris Thread:
- Vernetzte Informationen über komplexe Systeme hinweg
- Verkürzte Zykluszeit
- Geringeres Risiko, weniger Nacharbeit
- Skalierbare KI-Integration im Einklang mit den Zielen des digitalen Engineerings
- Verbesserte Rückverfolgbarkeit und Zusammenarbeit im System-Engineering
Diese Tools nutzen KI, um die Effizienz in der Technik und Entscheidungsfindung zu verbessern, Risiken zu reduzieren und die Markteinführungszeit zu verkürzen.
Abschließende Erkenntnis: Weiterentwicklung der KI in digitalen Systemen, Modellierung und Konstruktion
Wenn Sie sich mit der Implementierung von KI in Ihrer MBSE-Strategie befassen, sollten Sie zunächst anhand des KI-gestützten MBSE-Reifegradmodells eine Bestandsaufnahme Ihrer aktuellen Situation vornehmen. Statten Sie Ihre Teams anschließend mit Tools wie EWB Professional und Accuris Thread aus, die darauf ausgelegt sind, den Fortschritt in diesem Bereich zu beschleunigen – von unterstützten Workflows bis hin zur intelligenten Automatisierung.
Der Einsatz von KI-Technologien kann das modellbasierte System-Engineering (MBSE) erheblich verbessern, indem es die Effizienz und Effektivität Ihrer Systeme, Prozesse, Modelle und Entwürfe steigert. Algorithmen für maschinelles Lernen können große Datensätze auswerten, um die Analyse zu optimieren, die Ermittlung von Anforderungen zu automatisieren und die Modellierung und Simulation zu verbessern, indem sie auf der Grundlage von Anforderungen, Leistungsdaten und Feedback Systemmodelle generieren und verfeinern.
Mit den richtigen Tools können Ingenieurbüros MBSE von einer manuellen Aufgabe in einen intelligenten, adaptiven Prozess verwandeln – einen Prozess, der den Anforderungen des modernen digitalen Engineerings und den Möglichkeiten der KI gewachsen ist.
