Einsatz von large-language-models im Engineering

Abstract

Der Vortrag stellt einen Ansatz zur intelligenten Generierung und Optimierung von Engineering-Workflows mithilfe von Large Language Models (LLMs) vor. Ziel ist es, die zunehmende Komplexität moderner Engineering-Software zu reduzieren und Ingenieur:innen durch eine natürliche, dialogbasierte Interaktion bei der Erstellung und Anpassung von Workflows zu unterstützen. Aufbauend auf einer ersten Machbarkeitsstudie wird eine erweiterte Architektur präsentiert, die Retrieval Augmented Generation (RAG), Multi-Agenten-Systeme und Wissensgraphen kombiniert, um die Einschränkungen der Kontextlänge von LLMs zu überwinden. Ein weiteres Element ist die Integration von Provenienzdaten, sodass Erfahrungen aus früheren Workflow-Ausführungen in neue Vorschläge einfließen können. Die Evaluation mit Cloud-basierten und lokalen LLMs zeigt, dass der Ansatz valide Workflows effizient erzeugt, den Kontextbedarf deutlich reduziert und auch auf ressourcenbeschränkter Hardware leistungsfähig ist