Prozessmodelle mit KI entwickeln – Potenzial und Grenzen für KMU

Large Language Models beschleunigen die Prozesssimulation, ersetzen aber kein ingenieurwissenschaftliches Urteilsvermögen.

Die Prozesssimulation ist ein wichtiges Werkzeug der Verfahrenstechnik. Sie hilft dabei, das Verhalten von Prozessen im Betrieb zu verstehen und Optimierungspotenziale frühzeitig zu erkennen. Für komplexe Anlagen stehen leistungsfähige Fließbildsimulatoren wie Aspen Plus oder Chemcad zur Verfügung. Diese sind jedoch mit erheblichen Lizenzkosten verbunden und erfordern eine Einarbeitung. Für einfachere Einzelprozesse wie das Aufheizen eines Rührbehälters oder das Verdampfen eines Lösungsmittelgemischs greifen Ingenieurinnen und Ingenieure, die sich regelmäßig mit diesen Problemen befassen, deshalb oft auf eigene Rechenwerkzeuge wie Tabellenkalkulationen zurück. Wollen Ingenieurinnen und Ingenieure hingegen neue oder unvertraute Prozesse simulieren, stehen sie vor hohen Einstiegshürden. Dies trifft insbesondere oft auf Anwenderinnen und Anwender in kleinen und mittleren Unternehmen (KMU) zu, da es dort in der Regel keine entsprechenden Fachabteilungen gibt und sie keinen Zugang zu teuren Prozesssimulationsprogrammen haben.
Hier eröffnen Large Language Models (LLMs), die Technologie hinter Werkzeugen wie ChatGPT, Gemini, oder GitHub Copilot, neue Möglichkeiten schnell eigene und flexibel einsetzbare Simulationsprogramme zu erstellen. Anhand einer praxisnahen Fallstudie zeigen wir, wie ein LLM die Entwicklung eines Prozessmodells von Grund auf unterstützen kann, wo die Fallstricke liegen und welche Rolle ingenieurwissenschaftliche Expertise weiterhin spielt.