Generative KI-Modelle zur Unterstützung des Requirements Engineerings für elektronische Systeme (GenKIES)

Projekte in der Elektronikentwicklung starten aktuell oft unterspezifiziert. Fehlende Anforderungen werden dann in mehreren Prototyp- und Tests-Iterationen ergänzt. Eine frühzeitige vollständige Anforderungsdefinition (Requirements Engineering) wäre dabei geeignet, Time-to-Market, Entwicklungsaufwand und -kosten signifikant zu verbessern.

Im GenKIES-Projekt soll ein auf generativer KI basierendes System entworfen, trainiert und evaluiert werden, das basierend auf einer kurzen initialen Beschreibung der gewünschten Elektronik eine umfassende Systembeschreibung, eine Tabelle der technischen Anforderungen und ein Architekturdiagramm generiert.

Besondere Herausforderungen sind dabei (1) die Vermeidung von Halluzinationen, (2) die Sicherstellung der Konsistenz zwischen den drei Repräsentationen sowie (3) die einfache Erweiterung des domänenspezifischen Wissens um neue Elektronik-Technologien.

Hierzu werden ausgehend von Open Source Large Language Models verschiedene Kontextualisierungsmethoden wie domänenspezifisches Fine-Tuning, Retrieval Augmented Generation (RAG) und Knowledge Graphs verknüpft. Zudem kommt ein mehrstufiges Reinforcement Learning-Konzept mit automatisierten Plausibilitätstests/Scorings und menschlichem Feedback zum Einsatz.

Nach Projektende soll das resultierende System in die etablierten Softwareprodukte von CELUS integriert werden.

Arbeiten am InfAI

• Erarbeitung von Evaluationsmethoden zur Auswahl verfügbarer Datensätze und Weiterentwicklung relevanter Werkzeuge
• Domänenspezifische Informationsextraktion, Document AI und Text Mining: Extraktion relevanter Daten aus elektronischen Designdokumenten
• Entwicklung teilautomatischer Verfahren zur Datenannotation und Datenaugmentierung
• Unterstützung des Forschungstransfers zu Knowledge Graphs; Schaffung von Verbindungen zwischen Entwickler:innen und Ingenieur:innen bei CELUS und wissenschaftlichen Expert:innen am InfAI
• Untersuchung der RAG- und Guardrailing-Ansätze sowie der Verfahren zur Modellevaluierung
• Zielgerichtetes Trainieren und effizientes Validieren der generativen KI-Systeme: Ermittlung und Implementierung geeigneter Metriken und Scores zur Evaluation der generierten Ausgaben
• Umsetzung des Reinforcement Learnings: Aufbereitung von Trainingsdaten für das bestärkende Lernen basierend auf Feedbackdaten von CELUS; Auswahl und Implementierung einer geeigneten Belohnungsfunktion
• Durchführen von erforderlichen Modelltrainings auf der Scientific Computing-Infrastruktur der Universität Leipzig und des ScaDS.AI Dresden/Leipzig

Projektteam am InfAI

• Prof. Dr. Gerhard Heyer (Leitung)
• Frank Binder (Koordination)
• Maximilian Bley (wiss. MA)
• Julian Oestreich (wiss. MA)

Förderkennzeichen
01IS24037B

• CELUS GmbH (Konsortialleitung)
• Institut für Angewandet Informatik (InfAI) e.V.