Handlungsfeld

Die Entwicklung mechatronischer Systeme ist aufgrund der steigenden Anzahl von Teilsystemen und Disziplinen eine Herausforderung. Model-Based Systems Engineering (MBSE) begegnet dieser Herausforderung durch eine disziplinübergreifende Systembeschreibung mit einem einheitlichen Systemmodell, ist aber in der Praxis noch wenig verbreitet. Dies liegt insbesondere an den hohen Einstiegshürden im Mittelstand, die u.a. durch den notwendigen Einsatz kostenintensiver Software, das erforderliche Fachwissen sowie das durchzuführende Change Management begründet sind. Large Language Models (LLM) bieten das Potenzial, die Entwicklung und Verarbeitung dieser Systemmodelle mittels generativer künstlicher Intelligenz zu automatisieren und damit die Einstiegshürden zu senken und gleichzeitig die Entwicklungseffizienz und -qualität in der MBSE signifikant zu steigern.

Forschungsvorhaben LLM-SE

Im Rahmen des Forschungsprojektes LLM-SE (Large Language Model unterstütztes Systems Engineering) entwickeln wir gemeinsam mit unseren Industriepartnern ein an der MBSE-Philosophie und -Struktur orientiertes Assistenzsystem unter Verwendung von Large Language Models zur Teilautomatisierung des Engineeringprozesses mechatronischer Systeme von der Anforderungsanalyse bis zur virtuellen Inbetriebnahme. Dieses soll Benutzereingaben wie Anforderungen und Anpassungen interpretieren, durch die Verfügbarkeit von unternehmensspezifischen Produktkatalogen, historischen Projektdaten und Best Practices in individuelle, modellbasierte Lösungen transformieren und diese durch geeignete Validierungs- und Verifikationsmechanismen absichern.

Ihre Arbeitspunkte im Projekt

  • Literaturrecherche zur Modellierungssprache SysML v2
  • Recherche, Evaluation und Auswahl geeigneter KI-Methoden und -Modelle
  • Entwicklung und Evaluation des Assistenzsystems hinsichtlich technischer Machbarkeit und Wirtschaftlichkeit
  • Prototypische Adaption an einem geeigneten Use-Cases z.B. automatische Generierung von Funktionsblöcken aus der Anforderungsspezifikation

Ihre Benefits

  • Praktische Erfahrung in der Entwicklung von Algorithmen der künstlichen Intelligenz und Deep Learning Techniken
  • Möglichkeit zur aktiven Mitarbeit an einem Forschungsprojekt
  • Austausch mit anderen Studierenden am FAPS
  • Zukunfts- und anwendungsorientierte Arbeit für den weiteren Karriereweg
  • Flexible Arbeitsweise

Anforderungen

  • Gute Programmierkenntnisse insbesondere in Java und/oder  in C/C++ und/oder Python erforderlich
  • Grundkenntnisse und Erfahrung in REST-API und Apache Kafka wünschenswert
  • Interesse und Vorkenntnisse in MBSE, SysML wünschenswert
  • Grundkenntnisse in Machine Learning (ML) und Natürliche Sprachverarbeitung (NLP) wünschenswert
  • Eigenständige, strukturierte Arbeitsweise sowie hohe Lernbereitschaft

Hinweise zur Bewerbung

  • Beginn zum nächstmöglichen Zeitpunkt
  • Bewerbungen bitte per E-Mail mit aktuellem Notenspiegel und Lebenslauf sowie einem kurzen Motivationsschreiben
  • Bitte beachten Sie, dass unvollständige Bewerbungen nicht berücksichtigt werden können.
  • Weitere Informationen auf Anfrage per E-Mail oder gerne auch in einem persönlichen Gespräch.

Kategorien:

Forschungsbereich:

Engineering-Systeme

Art der Arbeit:

Masterarbeit, Projektarbeit

Studiengang:

Informatik, Maschinenbau, Mechatronik

Technologiefeld:

Künstliche Intelligenz und Maschinelles Lernen, Software Engineering und Deployment

Kontakt:

Atakan Calis, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)