Agentisches Assistenzsystem für die wissensbasierte Konfiguration und Simulation elektrischer Antriebe

Für die Leistungsfähigkeit, Wirtschaftlichkeit und Sicherheit mechatronischer Systeme ist die korrekte und effiziente Konfiguration elektrischer Antriebssysteme entscheidend. Jedoch stellt der entsprechende Auswahlprozess aufgrund der hohen Variantenvielfalt von Motoren, Getrieben und Zusatzkomponenten sowie der Abhängigkeit von erfahrungsbasiertem Expertenwissen eine komplexe Engineering-Aufgabe dar. Dieser Beitrag adressiert das Problem der Konfiguration passender Antriebssysteme durch die Entwicklung eines agentenbasierten Assistenzsystems. Dieses nimmt natürlichsprachliche Eingaben entgegen und verteilt diese auf spezialisierte Agenten, welche auslegungsrelevante physikalische Größen berechnen und Produktkategorien anhand einer Ontologie über ein Retrieval-Augmented Generation (RAG)-System ermitteln. ... mehrZur modellbasierten Validierung der getroffenen Auswahl wird eine Physiksimulation des mechatronischen Systems als a-kausal modellierte Modelica-Simulation genutzt. Mit einem weiteren Agenten werden Hinweise zur Auswertung der Simulationsergebnisse an den Antriebsexperten übergeben. Die Simulation ermöglicht somit Rückschlüsse auf die Eignung der Komponentenauswahl. Das gezeigte Konzept für ein Agentensystem soll eine Produktivitätssteigerung im Auswahlprozess ermöglichen, da es Antriebsexperten bei wiederkehrenden Entscheidungen signifikant entlasten kann.

The correct and efficient configuration of electric drive systems is crucial for the performance, cost-effectiveness, and safety of mechatronic systems. However, the selection process is a complex engineering task due to the wide variety of motors, gearboxes, and auxiliary components available, as well as the reliance on experience-based expert knowledge. This paper addresses the problem of configuring suitable drive systems through the development of an agent-based assistance system. This system accepts natural-language inputs and distributes them to specialized agents, which calculate design-relevant physical parameters and determine product categories based on an ontology via a Retrieval-Augmented Generation (RAG) system. ... mehrFor model-based validation of the selection made, a physics simulation of the mechatronic system is used as an acausally modeled Modelica simulation. An additional agent provides guidance to the drive expert for evaluating the simulation results. The simulation thus allows conclusions to be drawn regarding the suitability of the component selection. The presented concept for an agent system is intended to enable increased productivity in the selection process, as it can significantly reduce the workload for drive experts when making recurring decisions.