MBSE & KI-Forschung

MBSE (Model-Based Systems Engineering) ist ein Ansatz im Systems Engineering, bei dem Modelle als zentrale Elemente der Information und Kommunikation über den gesamten Entwicklungsprozess verwendet werden. Der Einsatz von künstlicher Intelligenz (KI) in Kombination mit MBSE kann dabei helfen, komplexe Systemanalysen zu automatisieren, Entscheidungsfindungen zu unterstützen und die Effizienz zu steigern. SysML v2 ist eine neue Version der Systems Modeling Language (SysML), die Verbesserungen gegenüber der älteren SysML 1.x bietet, einschließlich besserer Usability, erweiterter Funktionalitäten und einer stärkeren Ausrichtung auf digitale Transformationen.

Die Verschmelzung von künstlicher Intelligenz (KI) mit MBSE ist ein bedeutender Schritt in der Systementwicklung. Diese Entwicklung eröffnet neue Wege, wie KI-Algorithmen in den Entwicklungsprozess integriert werden können, um Effizienz zu steigern, Fehler zu minimieren und innovative Lösungen zu fördern.

HOOD SysML v2 Generator - AI-supported MBSE
Die KI von morgen - schon heute benutzen

HOOD SysML v2 Generator - AI-supported MBSE

Vektor-Icon eines Rockets, das einen Aufstieg oder Fortschritt symbolisiert.

Ein Mann steht auf der Bühne vor einem großen Bildschirm.

It's show time! HOOD KI4SE

Wir freuen uns, unseren KI-Assistenten (KI4SE) vorstellen zu können, der UML/SysML-Modelle aus textuellen Anforderungen erstellt.

HOOD KI-Assistent für Systems Engineering (KI4SE)

HOOD bietet attraktive Services für einen gelungenen Einstieg in das Thema KI und MBSE an. Treffen sie jetzt mit unserer Unterstützung die passenden Richtungsentscheidungen für eine nachhaltige Zukunft.

Unsere Services

3D-Rendering einer Fabrik mit Rohren und Maschinen, die industrielles Design und Funktionalität darstellen.

MBSE mit SysML v2

SysML v2 ist eine neue Version der Systems Modeling Language (SysML). Zu den Verbesserungen gegenüber SysML v1 gehören:

ein erweiterter Sprachumfang,
eine textuelle Notation für Modelle,
eine größere interne Konsistenz der Sprache,
eine formal definierte Semantik,
eine standardisierte API (z.B. für Modellierungswerkzeuge),
eine bessere maschinelle Auswertbarkeit.

HOOD hilft bei der Entwicklung und Umsetzung einer unternehmensspezifischen Modellierungsmethode. Dazu gehört:

die Identifikation einer für das Unternehmen nützlichen Teilmenge der SysML (v2),
die Dokumentation von Modellierungsrichtlinien,
die Anpassung und das Ausrollen eines Modellierungsprozesses, der in den Engineering-Prozess integriert ist,
die Bewertung der Wirksamkeit des MBSE-Prozesses.

KI im Systems Engineering

Der Einsatz von künstlicher Intelligenz (KI) im Systems Engineering bietet zahlreiche Vorteile. KI kann die Automatisierung komplexer Systemanalysen ermöglichen, was die Geschwindigkeit und Genauigkeit dieser Prozesse erheblich verbessert. Darüber hinaus unterstützt KI bei der Entscheidungsfindung, indem sie große Datenmengen analysiert und wertvolle Erkenntnisse liefert, die menschliche Experten übersehen könnten. Weiterhin kann KI die Effizienz steigern, indem sie Modelle generiert und Optimierungsvorschläge macht. Dies führt zu einer Reduzierung der Entwicklungszeit und -kosten, sowie einer Verbesserung der Systemqualität und -zuverlässigkeit.

Eine Frau trägt einen futuristischen Helm vor einem futuristischen Hintergrund.

HOOD hilft bei der Umsetzung einer unternehmensspezifischen Integration von KI in den Systementwicklungsprozess. Dazu gehört:

die Analyse der unternehmensspezifischen Prozesse und Anwendungsfälle für KI,
Unterstützung bei der Auswahl der richtigen Art von KI (GenAI mit Large Language Model, Knowledge Graphen etc.) als Lösung,
Unterstützung bei der Planung und Umsetzung der Implementierung von KI, z.B. KI-Assistenten, die in SysML-Modellierungswerkzeuge integriert werden.

HOOD Requirements Assistant

Industriemaschinen in einer Fabrik, die für die Produktion von Waren eingesetzt werden.

Konsistenz in der Entwicklung sicherstellen

In der Systementwicklung bezieht sich das Sicherstellen von Konsistenz darauf, dass alle Teile des Systems - Modelle, Anforderungen, Designspezifikationen und Implementierungen - übereinstimmen und kohärent sind. Dies ist wichtig, um Fehler zu vermeiden und die Qualität des Endprodukts zu gewährleisten.

HOOD schafft und verbessert mit Beratung und operativer Unterstützung eine angemessene Basis von MBSE Modellen mit denen Konsistenz geprüft und damit sichergestellt werden kann. Mit Coaching der Teams und Schlüsselpersonen stellt HOOD zudem sicher, das die notwendigen Arbeits- und Kollaborationsmodelle die konsistente Systementwicklung nachhaltig fördern.

Automatische Prüfung von Systementwürfen und KI-Assistenten

Automatische Prüfungen von Systementwürfen umfassen den Einsatz von Software-Tools, um Entwurfsmodelle auf Fehler, Inkonsistenzen oder Nichterfüllung von Anforderungen zu überprüfen. Diese Tools können dazu beitragen, Probleme frühzeitig im Entwicklungsprozess zu identifizieren und zu beheben.

KI-Assistenten im Systems Engineering nutzen Automatisierungstechniken und KI-basierte Tools, um repetitive Aufgaben zu automatisieren, die Effizienz zu steigern, Entwurfsentscheidungen zu unterstützen und die Genauigkeit von Analysen zu verbessern.

Laptop und Monitor auf einem Computerdiagramm, das die Verbindung und Interaktion zwischen den Geräten zeigt.

Eine industrielle Maschine mit einer großen Kupferspule, die in einer Fabrikumgebung abgebildet ist.

Transformationen – SysML zu SysML v2 und Text zu SysML v2

Transformationen in diesem Kontext beziehen sich auf den Prozess der Umwandlung von Modellen von einer Sprache oder Version in eine andere. Zum Beispiel von SysML 1.x zu SysML v2 oder von textuellen Anforderungen zu SysML v2-Modellen. Diese Transformationen können automatisiert werden, um die Migration bestehender Systemmodelle zu erleichtern und die Effizienz bei der Modellerstellung zu verbessern, indem textuelle Daten direkt in modellbasierte Formate umgewandelt werden.

Zusammengefasst beziehen sich diese Konzepte auf fortschrittliche Methoden und Technologien im Bereich des modellbasierten Systems Engineering, die darauf abzielen, die Entwicklung komplexer Systeme effizienter, konsistenter und effektiver zu gestalten.

HOOD Forschungsthemen rund um MBSE, KI und SE

Wir ergänzen unsere starke Expertise in den gängigen Verfahren, Methoden und Tools des Systems Engineering, mit dem stetigen Engagement in Forschungsprojekten, um für neue Herausforderungen Lösungen für die Zukunft zu entwickeln. Unsere Forschungsprojekte schaffen ebenfalls eine hervorragende Sichtbarkeit in unserer Zielgruppen-Branche (Automotive). Für unsere Mitarbeiter bieten sich spannende Forschungsthemen rund um KI und SE, die unsere Kompetenzen und Mitarbeiterbindung fördern.

HOOD kann heute auf 10 Jahre Erfahrungen in der KI-Automotive Forschung zurückgreifen

KI-Verfahren in der Fahrzeugentwicklung, insbesondere KI-Methoden im Bereich Modellierung und Spezifikation
- Natural Language Processing (NLP),
- Modell-Text Transformation (SysML v2),
- Text-Modell Transformation (SysML v2)
Verteiltes, kontinuierlich lernendes Bordnetzmanagement
- Modellplausibilisierung mit KI und Simulation
- BNE – durch KI unterstützen
Sicherheit autonomer Fahrzeuge
- Requirements Management für Security- und Safety-Anforderungen (Verification of ECUs Specifications)
Semi-automatisierter, modellbasierter Entwicklungsprozess zur Entwicklung funktional sicherer Software
Entwicklungspartner- und domänenübergreifende Technologie- und Applikationsbewertung von Fahrzeugkomponenten

Mehrere Unternehmenslogos in verschiedenen Farben und Designs, angeordnet auf einem neutralen Hintergrund.

Forschungsprojekt KI4BoardNet

KI4BoardNet - Verteiltes, kontinuierlich lernendes Bordnetzmanagement der nächsten Generation

Das Energie- und Datennetz eines Fahrzeugs muss höchsten Ansprüchen an Ausfall- und Störsicherheit, Energieeffizienz und Flexibilität entsprechen. Aufgrund der Vielzahl neuer, intelligenter Funktionen und umfangreicher Datenströme wird das Bordnetz der Zukunft mehr sein als ein Kabelbaum. Zusammen mit Sensoren und verteilten Rechenknoten bildet es das Nerven- und Energiesystem des Fahrzeugs.

In KI4BoardNet werden neue Konzepte für ein ressourcenoptimiertes, kontinuierlich lernendes, verteiltes Bordnetzmanagement erforscht. Dazu gehören Methoden zur Entwicklung anwendungsspezifischer System-on-a-Chip-Architekturen (SoC) für die hardwaregestützte, beschleunigte Ausführung von Algorithmen des maschinellen Lernens. Dazu wird im Projekt ein generatorbasierter Entwurfsprozess für RISC-V-Systeme adaptiert, der eine flexible Konfiguration und Optimierung der SoC-Architektur ermöglicht.

Die angestrebten Forschungsergebnisse ermöglichen neben der Spannungsstabilisierung in zukünftigen Bordnetzarchitekturen auch die Realisierung neuer KI-Anwendungen im Bordnetz der Zukunft.

Als Partner in diesem Forschungsprojekt engagieren wir uns für die Bordnetzte der Zukunft, in dem wir einen GenAI-Assistenten entwickeln, der aus einer Datei, die natürlichsprachliche Anforderungen enthält, ein Modell im Modellierungswerkzeug erzeugt. Dieser Assistent ist über ein Plugin in ein Modellierungswerkzeug integriert. Es ist also kein „Umweg“ über ChatGPT oder ein anderer Bruch zwischen den Werkzeugen vorhanden. Zudem prüft der GenAI-Assistent die generierten Modelle auf syntaktische und inhaltliche Korrektheit.

Diagramm eines Computerbildschirms mit einer Person, die vor einem Computer sitzt und arbeitet.

Ein Computerbildschirm zeigt das Wort "Daten" in klarer Schrift.

Forschungsprojekt progressivKI

Das Projekt zur Unterstützung der Entwicklung von effizienten und sicheren Elektroniksystemen für zukünftige KFZ-Anwendungen mit automatisierten Fahrfunktionen mittels einer modular strukturierten KI-Plattform. Das KI-Forschungsprojekt, in dem wir von HOOD uns seit April 2021 engagieren, heißt progressivKI. Wir sind einer von achtzehn Partnern im Konsortium unter der Führung der Robert Bosch Multimedia Car GmbH und des edacentrum.

Unser gemeinsames Ziel ist es, einen generalisierten Entwurfsprozess mit weitreichender KI-Unterstützung für Elektroniksysteme im Fahrzeug zu entwickeln. Dies wird durch die zunehmende Systemkomplexität in der Entwicklung von autonomen und elektrisch angetriebenen Fahrzeugen immer wichtiger. Die dabei bislang verwendeten Werkzeuge halten mit der stetig zunehmenden Komplexität nicht mehr Schritt. Mit KI sollen funktional sichere Elektroniksysteme auf Dauer schneller, zuverlässiger und kostengünstiger entwickelt werden. Das wird sowohl die Leistung als auch die Nachhaltigkeit dieser Elektroniksysteme steigern. „In progressivKI wird eine modular aufgebaute KI-Plattform entwickelt. Diese KI-Plattform ist über sichere, verschlüsselte und intelligente Konnektoren zu den einzelnen (verteilten) KI-Modulen flexibel einsetzbar“, erklärt Dr.-Ing. Werner John vom edacentrum Hannover.

Als Methodenführer im agilen Systems Engineering unterstützen wir unsere Kunden bei der Umsetzung komplexer Entwicklungsvorhaben mit jeweils passenden Praktiken. Dabei stellen wir fest, dass für sicherheitskritische Machine-Learning basierte cyber-physische Systeme noch keine bewährten Spezifikations- und Verifikationspraktiken verfügbar sind. Hierzu besteht also noch Forschungsbedarf. Unsere Hypothesen und Konzeptideen zu RE4KI, also der Weiterentwicklung des RE für KI-Systeme, werden wir im Rahmen von progressivKI evaluieren und detaillieren.

Daneben interessiert es uns, wie wir durch Algorithmen und leistungsfähige KI-Systeme die Arbeit von Requirements- und Systems Engineers vereinfachen können. Für uns steht nach wie vor der Mensch im Mittelpunkt und darum fragen wir uns, welche Auswirkung KI auf die Beteiligten und ihre Zusammenarbeit haben wird.

Ein Computerchip auf einer Leiterplatte, umgeben von elektrischen Verbindungen und Komponenten.

Ein Crashdummy in einem orangefarbenen Anzug sitzt neben einem Autowrack auf dem Boden.

Forschungsprojekt SAFE4I

Das Projekt zum sicheren automatischen Software-Entwurf für Industrieanlagen

Als einer von dreizehn Partnern engagierten wir uns im BMBF geförderten Safe4I-Projekt für funktional sichere Software in der Industrie 4.0.

Wenn funktionale Anforderungen und Sicherheitsanforderungen klar getrennt werden, wird es möglich, Bibliotheken von Sicherheitsmustern aufzubauen. Ziel von Safe4i ist es, diese Muster modellbasiert beschreiben und (teil-)automatisiert in funktionalen Code einbringen zu können. In der industriellen Praxis soll durch den Fokus auf die funktionalen Anforderungen die Umsetzung maßgeblich beschleunigt werden, und gleichzeitig wichtige Sicherheitsstandards wie IEC 61511 und IEC EN 61508 eingehalten werden.

Als Partner und Arbeitspaketleiter sorgte HOOD dafür, dass die Anforderungen an Spezifikationen von Safety-Software zusammengestellt, Prozesse modelliert und Meta-Modelle erstellt wurden. Zudem war HOOD in den Reviewprozess der Aktivitäten involviert.

Sprechen Sie mit uns über Ihre Ziele.

Von der Analyse bis zur Implementierung, wir haben die richtigen Erfahrungen, Praktiken und Methoden für Sie und Ihr Engineering und Produktmanagement im gesamten Produktlebenszyklus.