2025, Diplomarbeit, Xueqing Xiao
 

Betreuung durch Dr.-Ing. Damun Mollahassani

In der vorliegenden Arbeit wird die Verwendung des Large Language Models für die automatische Modellierung in Systems Modeling Language v2 untersucht, mit dem Ziel, die Effizienz und Qualität der Systemmodellierung zu verbessern. Zunächst wird eine theoretische Grundlage geschaffen, indem der Hintergrund des Systems Engineering und die Entwicklung des Model Driven Systems Engineering und der Systems Modeling Language eingeführt werden. Im Rahmen der Untersuchung werden die Vorzüge und Herausforderungen von künstlicher Intelligenz im Systems Engineering anhand der Anwendung von wissensbasierten Systemen, maschinellem Lernen und Natural Language Processing analysiert. Im Anschluss werden die technischen Grundlagen von Large Language Model und dessen Potenzial für die Modellierung komplexer Systeme untersucht und ein automatisierter Modellierungsworkflow mit Large Language Model als Kernstück vorgeschlagen. Die Validität des Workflows wird durch Falltests sichergestellt, die einfache Diagramme und die Generierung komplexer Modelle umfassen. Die generierten Modelle demonstrieren die Fähigkeit des Large Language Model, automatisch SysML v2-Modelle zu generieren, die den Entwurfsspezifikationen entsprechen. Die Ergebnisse zeigen, dass der Large Language Model-basierte automatisierte Modellierungsansatz den Modellierungsprozess erheblich optimieren kann und einen neuen Weg für die intelligente Entwicklung der SysML-Modellierung in der Zukunft bietet. Dieser Ansatz hat eine breite Anwendungsperspektive und einen hohen Forschungswert.