8 Ideen für den Einsatz von KI für MBSE

KI eröffnet neue Möglichkeiten, auch im MBSE. Am 22. und 23. Juni findet in München die Modelierungskonferenz MESCONF statt. Allerdings ist das Thema KI dominant: Zum einen durch eine Keynote von Jan Seyler von Festo. Zum anderen werde ich dort eine Open Space-Session zum Thema KI & MBSE anbieten. Zusammen mit den Teilnehmern, möchte ich erarbeiten, wo das meiste Potential steckt. Im folgenden eine Liste von 8 Ideen schon vorab.

Keynote von Jan Seyer

Die MESCONF ist eine inzwischen etablierte zweitägige Konferenz zum MBSE. Dieses Jahr findet sie in München auf dem Infineon-Kampus statt. Es gibt relativ wenige Vorträge, der größte Teil der Veranstaltung besteht aus Open Space-Sessions.

Jan Seyler leitet seit 2020 die Abteilung für Regelungstechnik und künstliche Intelligenz in der Festo Forschung und Vorentwicklung. Er ist weiterin Dozent für IoT und KI an der DHBW in Stuttgart und der Hochschule in Esslingen.

In seinem Vortrag The way to AI building machines erkundet Jan das Potential, welches sich durch die Kombination von generativem, evolutionären Design und KI Modellen für die Entwicklung von technischen Komponenten und den Maschinenbau ergeben kann. Erste Forschungsergebnisse werden gezeigt und anhand dieser Ergebnisse werden auch Herausforderungen diskutiert.

Festo ist zwar eher für professionelle Werkzeuge im Handwerk bekannt, doch hat schon öfter im Bereich Robotik und KI Wellen geschlagen.

Open Space zu KI in MBSE

Das Open Space-Format hat eine gewisse Ähnlichkeit mit Barcamps: Die Teilnehmer organisieren sich primär vor Ort. Allerdings können Interessierte Themen auch schon vorher einreichen. Meine geplante Session zu KI in Produktentwicklung und MBSE ist bereits auf der Webseite aufgeführt.

In diesem Open Space wollen wir konstruktive, spezifische Ideen sammeln. Zu KI gehört viel: “Langweilige” Technologien wie Bild- oder Textverarbeitung, aber auch noch nicht verfügbare wie Decision Intelligence oder Physics-Informed AI. Die im Moment gehypte generative KI (wie ChatGPT) ist schließlich nur eine von vielen KI-Technologien.

Zu diesem Thema habe ich die letzten zwei Jahre schon viel Wissen und Feedback aus der Praxis gesammelt. Hier als Anreiz eine Liste von zehn vielversprechenden Ideen. Ich freue mich darauf, vor Ort noch viele mehr zu untersuchen:

8 Ideen für den Einsatz von KI für MBSE

• Abgleich von neuem Input mit dem Systemmodell — E-Mail, Powerpoint Slides, Anforderungen und vieles mehr: In einem Projekt werden kontinuierlich viele nicht-formale Informationen ausgetauscht. Mit KI könnten wir diese kontinuierlich scannen und nach Lücken oder Widersprüchen Ausschau halten und die Stakeholder auf diese Hinweisen.
• Informationen für den Menschen aufbereiten und analysieren — MBSE hängt viele Stakeholder ab, da die Modelle nicht immer leicht zu lesen und zu verstehen sind. Hier könnte ein Chatbot die Akzeptanz drastisch erhöhen, um allen Stakeholdern einen intuitiven Zugang zum MBSE-Modell zu gewährleisten.
• Parameter aus Texten extrahieren und mit dem Modell abgleichen — Parameter wie Geschwindigkeit, Gewicht und vieles mehr spielen in fast allen komplexen Produkten eine große Rolle. KI kann Parameter aus Texten extrahieren und mit dem Systemmodell abgleichen. Diese Idee zeigt Valispace bereits in einem Video.
• Textuelle Inhalte modellieren — Entwickler müssen das Systemmodell basierend auf Änderungen oder neuen Anforderungen weiterentwickeln. Hier könnte KI Vorschläge machen. Wie das aussehen kann, habe ich auf der ReConf letzten Monat gezeigt und in diesem Video dargestellt.

• Traceability pflegen — Eine der zentralen Aspekte in der Produktentwicklung ist die Nachverfolgbarkeit. Sowohl im Anforderungsmanagement als auch MBSE müssen wir diese Anlegen und Pflegen. Der Nutzen ist groß, die Pflege jedoch oft lästig. KI kann uns hier entlasten.
• Ontologien abgleichen und nutzen — Um die Komplexität in der Entwicklung zu beherrschen wird immer öfter mit Ontologien gearbeitet. Egal ob diese auf Produkt- oder Prozessebene eingesetzt werden, KI kann deren Einsatz durch Pflege oder Visualisierung unterstützen.
• Risikomanagement — Dies ist ein ziemlich großer Bereich, in dem KI mit verschiedenen Ansätzen helfen kann. Zum einen kann KI Texte klassifizieren, unter anderem auch als Risiken. Identifizierte Risiken kann eine KI clustern, wodurch ähnliche Risiken gebündelt entschärft werden können.
• Variantenmanagement — Eine der großen Themen im MBSE is ein effektives Variantenmanagement, beispielsweise durch autauschbare Subsysteme. Variantenmanagement ist kompliziert aber nicht kreativ und damit ein Kandidat für Automatisierung mit KI.

Bis zum MESCONF Open Space

Ich habe in den letzten zwei Jahren ca. 150 Gespräche mit Stakeholdern aus dem Systems Engineering geführt und bin überzeugt, dass die hier gezeigten Ideen nur die Spitze des Eisbergs sind. Es passiert viel im MBSE (Stichwort SysML v2) und KI. Allerdings sehe ich vergleichsweise wenig in der Verbindung dieser zwei Disziplinen. Ich freue mich darauf, mit Euch zusammen im Juni hierbei ein gutes Stück voranzukommen.

Bildquelle: FreePik