{"id":5471,"date":"2026-05-20T14:32:03","date_gmt":"2026-05-20T12:32:03","guid":{"rendered":"https:\/\/p4dev.hardscrum.com\/?p=5471"},"modified":"2026-05-20T19:10:12","modified_gmt":"2026-05-20T17:10:12","slug":"kbge","status":"publish","type":"post","link":"https:\/\/p4dev.hardscrum.com\/en\/kbge\/","title":{"rendered":"Knowledge Based Generative Engineering (KBGE)"},"content":{"rendered":"<p>Mit P4-DevOps adressieren wir zwei\u00a0 gro\u00dfe Herausforderungen in der Produktentwicklung:<\/p>\n<ol>\n<li>Den <strong>Nachweis der Prozesskonformit\u00e4t<\/strong> bei der Einhaltung aller relevanten Prozessnormen und gesetzlichen Regelwerken. Daf\u00fcr m\u00fcssen die Prozessnormen auf den Entwicklungsprozess abgebildet werden (Traceability) und als Nachweise m\u00fcssen Dokumente erstellt und abgelegt werden.<\/li>\n<li>Die <strong>effektive Einbindung von &#8220;Generativer KI&#8221; in den Entwicklungsprozess<\/strong> zur Verbesserung, Automatisierung und Beschleunigung der Produktentwicklung. Hierf\u00fcr m\u00fcssen der Entwicklungsprozess und seine Artefakte komplett digitalisiert werden.<\/li>\n<\/ol>\n<p>Den ersten Punkt adressieren wir in P4 mit der Einf\u00fchrung von <a href=\"https:\/\/p4dev.hardscrum.com\/p4-devops\/\">P4-DevOps Multiple Process Conformity (MPC)<\/a> durch <strong>Conformity Mapping<\/strong>. Wir haben uns bewusst f\u00fcr offene, non-bin\u00e4re Datenformate, wie JSON, YAML und Markdown entschieden, damit Ihre Daten weiterhin Ihnen geh\u00f6ren und Sie diese beliebig nutzen k\u00f6nnen (Kein Vendor-Lock-in). Au\u00dferdem lassen sich dadurch alle Dokumente\u00a0 und Datenelemente in Git-Repositories ablegen und wie Software-Code versionieren, vergleichen (diff) und vereinigen (merge). Wir nennen dies <strong>ProcessAsCode<\/strong>.<\/p>\n<p>Der ProcessAsCode-Ansatz hilft uns auch bei der zweiten Herausforderung: KI (LLMs) verstehen Dokumente aus Klartext au\u00dferordentlich gut und generieren diese mit hoher Qualit\u00e4t und Pr\u00e4zision (mit entsprechenden Prompts) . Daher sind textbasierte Daten und Programmiersprachen heute das bevorzugte Einsatzfeld von LLMs. In P4 nutzen wir non-bin\u00e4re Datenformate daher nicht nur f\u00fcr Prozessbeschreibungen und Produktdokumente, sondern auch zur Beschreibung des Produkts und seiner einschr\u00e4nkenden und beschreibenden Regeln. Daf\u00fcr nutzt P4 die Systembeschreibungssprache <strong>SysML v2<\/strong> aus dem Bereich des <strong>Model-based Systems Engineering (MBSE)<\/strong>. Aus unserer Sicht eine ideale Erg\u00e4nzung!<\/p>\n<p>Der Clou f\u00fcr die Beschleunigung und Automatisierung ist die Nutzung des P4-Vorgehensmodells <strong>(P4-Activity Workflow)<\/strong>, das auf der &#8220;wissensbasierten Produktentwicklung&#8221; basiert (<a href=\"https:\/\/www.lean.org\/the-lean-post\/articles\/what-are-the-elements-of-knowledge-based-product-development\/\">Knowledge-based Product Development, KBPD<\/a>). Neben einem klaren <strong>iterativ-inkrementellen Vorgehensmodell<\/strong> zum Wissens- und Erkenntnisgewinn hat P4 als zentralen Treiber daf\u00fcr das Konzept der <a href=\"https:\/\/p4dev.hardscrum.com\/knowledgegaps\/\">Knowledge Gaps (K-Gaps)<\/a> eingef\u00fchrt. Dadurch wird sichergestellt, dass der L\u00f6sungsraum zuerst gen\u00fcgend aufgeweitet wird (divergent Exploration, Set-based Concurrent Engineering) und erst dann, gem\u00e4\u00df den <a href=\"https:\/\/p4dev.hardscrum.com\/constraints\/\">Einschr\u00e4nkungen und Qualit\u00e4tsattributen<\/a> zu einer oder wenigen Design-Optionen eingeengt wird (convergence).<\/p>\n<p>Die Generierung von Design-Optionen (aka <a href=\"https:\/\/p4dev.hardscrum.com\/architecture\/\">System-Concepts<\/a>) wird aus folgenden Datenquellen gespeist:<\/p>\n<ul>\n<li>externe \u00f6ffentlich zug\u00e4ngliche Datenbanken mit Design-Prinzipien, Designvorschl\u00e4gen von Bauteilherstellern, Materialdaten, Fertigungstechnologien, etc.<\/li>\n<li>zugekaufte Datenquellen mit Materialeigenschaften, Daten \u00fcber Lebensdauer und Alterung von Bauteilen und Materialien, Simulationsdaten und Tools.<\/li>\n<li>interne Daten aus fr\u00fcheren Produktentwicklungen, sowie Ergebnisse von Simulationen und Experimenten. Genau diese Daten machen den Erfahrungsschatz des Unternehmens aus und sichern diesem einen Vorsprung gegen\u00fcber Mitbewerbern. Hierf\u00fcr m\u00fcssen diese Daten aus den K\u00f6pfen der Ingenieure wiederverwendbar abgelegt werden.<\/li>\n<\/ul>\n<hr \/>\n<p>Einschub: Menschliche Schw\u00e4chen, die Hindernisse in der Produktentwicklung darstellen<\/p>\n<ul>\n<li>Menschen horten Wissen, um sich gut zu f\u00fchlen (&#8220;Ich wei\u00df das besser&#8221;) und sich sicher zu f\u00fchlen (&#8220;Ich bin unersetzlich&#8221;). Wenn eine Mitarbeiterin das Unternehmen verl\u00e4sst, ist damit auch ihr Erfahrungsschatz verloren.<\/li>\n<li>Menschen haben ein begrenztes Ged\u00e4chtnis (in Relation zu Computern). Die heutigen Komplexit\u00e4t in der Produktentwicklung macht es f\u00fcr einen einzelnen Ingenieur unm\u00f6glich &#8220;alles&#8221; zu wissen.<\/li>\n<li>Wir alle sind Probleml\u00f6ser. Menschen (insbesondere Experten) denken gerne in (ihnen bekannten) L\u00f6sungen. Menschen engen den L\u00f6sungsraum zu fr\u00fch ein.<\/li>\n<\/ul>\n<p>F\u00fcr alle genannten Punkte hilft die Unterst\u00fctzung oder Vollautomation durch KI.<\/p>\n<hr \/>\n<h2>Die Vision: Die vollautomatische Systementwicklung<\/h2>\n<p>Bei der Betrachtung des P4-Workflows f\u00e4llt auf, dass er nicht nur sehr gut f\u00fcr die Bearbeitung durch Menschen geeignet ist, sondern auch f\u00fcr KI-Agenten. Die Idee dabei ist, dass die Agenten gesteuert durch ihre Prompts und Ausf\u00fchrungsregeln, auch die Einschr\u00e4nkungen vorgegeben bekommen, die durch regulatorische Bestimmungen oder vorgegebenen Systemeigenschaften bestimmt werden (z.B. Kosten, Masse, Ausschl\u00fcsse von Materialien und Herstellungsverfahren). Au\u00dferdem helfen die Knowledge-Gaps und ihr Risikoeinfluss, die Reihenfolge der Simulationen, Untersuchungen und deren Bewertungen festzulegen. Dadurch l\u00e4sst sich schneller entscheiden, ob die betrachtete Design-Optionen verworfen oder weiter optimiert werden sollte.<\/p>\n<h4>Der Ablauf<\/h4>\n<ol>\n<li>Menschen definieren die Produktvision, die Zielm\u00e4rkte und Nutzer.<\/li>\n<li>Menschen definieren die Randbedingungen.<\/li>\n<li>Der Requirement-Agent \u00fcbersetzt Stakeholder Needs in System-Requirements.<\/li>\n<li>Der Design-Agent bildet mehrere L\u00f6sungsoptionen (System-Concepts), inkl. der Zerlegung in Module und Schnittstellen. Hierf\u00fcr nutzt er externes Wissen (Internet, Datenbanken) und internes Wissen aus der Knowledge-Base.<\/li>\n<li>Der Risk-Agent bewertet die L\u00f6sungsoptionen, erstellt eine Liste von Knowledge-Gaps und priorisiert diese anhand ihres Risk-Impact.<\/li>\n<li>Spezialisierte Tool-Agenten f\u00fchren Simulationen zum Schlie\u00dfen der Knowledge-Gaps durch.<\/li>\n<li>Design- und Risk-Agent bewerten die Ergebnisse gegen die Randbedingungen und entscheiden \u00fcber Verwerfen oder Verfeinern<\/li>\n<li>Die besten L\u00f6sungsoptionen werden den Menschen zur Entscheidung vorgelegt.<\/li>\n<\/ol>\n<p>Zur Optimierung von System-Concepts lassen sich weitere moderne Techniken einsetzen, z.B. das <a href=\"https:\/\/en.wikipedia.org\/wiki\/Computational_engineering\">Logic-based Computational Engineering Models (LCEM)<\/a> zur Modul-Simulation, der Bewertung der Ergebnisse, des Verwerfens oder Verbessern von Optionen.<\/p>\n","protected":false},"excerpt":{"rendered":"Mit P4-DevOps adressieren wir zwei\u00a0 gro\u00dfe Herausforderungen in der Produktentwicklung: Den Nachweis der Prozesskonformit\u00e4t bei der Einhaltung aller relevanten Prozessnormen und gesetzlichen Regelwerken. Daf\u00fcr m\u00fcssen die Prozessnormen auf den Entwicklungsprozess abgebildet werden (Traceability) und als Nachweise m\u00fcssen Dokumente erstellt und abgelegt werden. Die effektive Einbindung von &#8220;Generativer KI&#8221; in den Entwicklungsprozess zur Verbesserung, Automatisierung und&hellip;","protected":false},"author":3,"featured_media":5502,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[558,568],"tags":[],"translation":{"provider":"WPGlobus","version":"2.10.10","language":"en","enabled_languages":["de","en"],"languages":{"de":{"title":true,"content":true,"excerpt":false},"en":{"title":true,"content":true,"excerpt":false}}},"_links":{"self":[{"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/posts\/5471"}],"collection":[{"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/comments?post=5471"}],"version-history":[{"count":14,"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/posts\/5471\/revisions"}],"predecessor-version":[{"id":5512,"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/posts\/5471\/revisions\/5512"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/media\/5502"}],"wp:attachment":[{"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/media?parent=5471"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/categories?post=5471"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/p4dev.hardscrum.com\/en\/wp-json\/wp\/v2\/tags?post=5471"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}