Jeleniewski, Tom

The increasing complexity of modern manufacturing systems, driven by demands for sustainability, shorter product life cycles, and greater customization, necessitates frequent reconfiguration and redesign of production processes. In this context, knowledge about parameter interdependencies is crucial. Additionally, simulations play a vital role by enabling virtual testing of various parameter configurations to optimize key performance indicators such as energy consumption, emissions, processing time, and costs. This project report presents an integrated approach to enhance process planning by incorporating semantic models that describe process parameter interdependencies. Furthermore, we describe a concept for automating the generation of simulation sequences, thereby reducing the complexity and effort involved in manual planning. The combination of these approaches is demonstrated using a web-based application, showcasing the potential to support efficient and sustainable manufacturing practices.

Im vorliegenden Beitrag wird ein Konzept vorgestellt, das Large Language Models (LLMs) und eine Chatbot-Benutzeroberfläche nutzt, um eine intuitive Interaktion zwischen Anwendern und Ontologien zu ermöglichen. Eingaben in natürlicher Sprache werden dabei in SPARQL-Abfragen umgewandelt, um das Faktenwissen der Ontologie abzufragen und das Risiko von Fehlinformationen zu minimieren. Zur Steigerung der Ergebnisqualität wird die Ontologie mithilfe von etablierten, domänenspezifischen Standards um zusätzliche Kontextinformationen zu modellierten Klassen und Relationen erweitert. Eine experimentelle Untersuchung wurde durchgeführt, um die Genauigkeit der mittels LLMs generierten SPARQL-Abfragen zu ermitteln. Die vorläufigen Ergebnisse zeigen den Mehrwert des Konzepts für die Ontologieabfrage.