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.

Ihr Beitrag zum Projekt

• Konzeption, Strukturierung und Implementierung einer zentralen und übertragbaren LLM-SE Software-Architektur sowie der Spezifikation der zugehörigen Schnittstellen zu verschiedenen Datenquellen
• Recherche, Evaluierung und Auswahl geeigneter LLMs zur Generierung konformer SysML-Modelle in z.B. XML-basierter Form aus semistrukturierten Texten, PDF-Dokumenten und Bildern aus handschriftlichen Skizzen im PNG- oder JPG-Format
• Untersuchung von Technologien zur Containerisierung, Orchestrierung und Datenspeicherung von Anwendungen
• Konzeption geeigneter Mechanismen zur Ähnlichkeitsfindung und Plausibilitätsprüfung auf Anforderungs- und Logikebene

Ihre Benefits

• Praktische Erfahrung in der Entwicklung von Algorithmen der künstlichen Intelligenz und Deep Learning Techniken
• Mitarbeit in einem motivierten und engagierten Forschungsteam
• Sehr steile Lernkurve entlang praxisnaher Projekte mit hoher Industrierelevanz
• Austausch mit anderen Studierenden der FAPS und Einblick in andere Forschungsbereiche
• Möglichkeit zur Anfertigung einer Masterarbeit im Rahmen des Forschungsvorhabens nach Absprache
• Möglichkeit eines Research Masters und anschließender Promotion gegeben
• Homeoffice und flexible Arbeitszeit möglich

Anforderungen

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

Organisatorisches:

Beginn: ab sofort
Arbeitszeit: 8 Std/ Woche
Hinweis: Eine langfristige Zusammenarbeit ist erwünscht. Das Projekt läuft bis Ende 2027

Hinweise zur Bewerbung

• 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.