Ausgangslage
Bei Struktur- und Festigkeitsberechnungen müssen Ingenieure nach jeder Änderung Tausende Zeitreihen aus Nicht-Regressions-Tests vergleichen. Das kostet Tage - Zeit, die eigentlich in die Interpretation der Ergebnisse gehören sollte, nicht in den Vergleich von Parametern.
Lösung
- Entscheidungsassistent auf Basis von Machine Learning - er erkennt, welcher Test regressiert und welche Parameter dafür verantwortlich sind.
- Fokus auf das Urteil des Ingenieurs - die Maschine vergleicht, der Mensch bewertet.
- Vom Ideenwettbewerb zur Produktion - die Idee entstand in einer internen SII-Innovation-Challenge, wurde in einem vierjährigen, öffentlich geförderten Forschungsprojekt entwickelt und anschließend industrialisiert.
Ergebnis
- Etwa fünfmal schneller: eine Standardvalidierung dauert einen Tag statt fünf.
- Blindtest auf unbekannten Daten bestanden - danach hat der Kunde die Industrialisierung beauftragt.
- Von 2023 bis 2025 programmübergreifend ausgerollt und heute voll im Betrieb.
- Weniger Schleifen zwischen Konstruktion und Berechnung, besser optimierte Modellkonfigurationen.
Teil eines größeren Bildes
Der Validierungsassistent ist eines von mehreren AI-Forschungsprojekten, die wir entlang des gesamten V-Modells der Produktentwicklung vorantreiben:
Konzeption ↓
AnforderungenKonformitätsprüfung von Anforderungen
Funktionale SpezifikationAbdeckungsanalyse · Nachverfolgbarkeit und Auswirkungsanalyse
SystemspezifikationGenerierung technischer und funktionaler Spezifikationen
EntwicklungAssistent für sicherheitskritische Softwareentwicklung
Integration ↑
SupportIntelligente Ticket-Orchestrierung
ValidierungAutomatische Analyse von Nicht-Regressions-Tests - der Validierungsassistent
TestsGenerierung und Validierung von Teststrategien · Unit-Test-Generierung
ÜbergreifendRAG-Chatbot für die Dokumentenanalyse
* Projekt: Umsetzung verantwortet · ● im Betrieb: wir betreiben die Lösung heute

