AI4MBSE Plugin
Projekt


Das Plugin AI4MBSE wurde im Rahmen des Kurses Systems Engineering Projekt im Masterstudiengang Systems Engineering der Fakultät 4 an der Hochschule München entwickelt. Die Idee und Aufgabenstellung stammt von Prof. Dr. Claudio Zuccaro und verfolgt das Ziel, die automatische Erstellung von Verknüpfungen in einem SysML-Systemmodell durch den Einsatz künstlicher Intelligenz zu unterstützen. Realisiert wurde das Projekt mit freundlicher Unterstützung des Experience Centers Systems Engineering.
Funktionen
🤖 KI-gestützte Anforderungsallokation
Automatische Zuordnung von Systemanforderungen zu passenden Subsystemen durch Google Gemini AI mit Konfidenzwerten und Begründungen.
⚡ Asynchrone Verarbeitung
Keine UI-Blockierung während der AI-Analyse. Echtzeitfortschritt und Abbruchmöglichkeit für große Projektdaten.
🔄 Automatische Modellintegration
Erstellt automatisch SysML Satisfy-Abhängigkeiten zwischen Anforderungen und Subsystemen nach Bestätigung.
📁 Interaktive Ordnerauswahl
Dynamische Navigation durch Projektstrukturen. Unterstützung für große Projekte mit 1000+ Anforderungen.
🔑 Einfache API-Verwaltung
Direkte Eingabe des Google Gemini API-Schlüssels im Plugin. Keine komplizierte Umgebungsvariablen-Konfiguration.
📊 Intelligente Bewertung
AI liefert Konfidenzwerte und detaillierte Begründungen für jede Allokationsempfehlung.
Systemanforderungen
Software
- Magic Systems of Systems Architect: 2024x oder neuer
- Cameo Systems Modeler: 2024x oder neuer
- Java: Version 17 oder höher
- Google Gemini API: Aktiver API-Schlüssel erforderlich
Betriebssystem
- Windows: 10 oder 11 (getestet)
- macOS: 10.15+ (theoretisch unterstützt)
- Linux: Ubuntu 20.04+ (theoretisch unterstützt)
Hardware
- RAM: Mindestens 4 GB, 8 GB empfohlen
- Speicher: 50 MB für Plugin-Installation
- Internetverbindung: Für Google Gemini API erforderlich
Download
AI4MBSE Plugin v1.7
~2.5 MB
Installation
1. ZIP-Paket herunterladen
Klicken Sie auf den Download-Button und speichern Sie die AI4MBSE_Plugin.zip-Datei lokal auf Ihrem Computer.
2. ZIP-Paket entpacken
Entpacken Sie das ZIP-Paket direkt in das folgende Verzeichnis:
C:\Users\YOUR_USERNAME\AppData\Local\.magic.systems.of.systems.architect\2024x\plugins
Im Plugins-Ordner sollte anschließend ein AI4MBSE-Ordner mit allen relevanten Dateien enthalten sein.
Quick Start
Nach der Installation können Sie sofort mit der KI-gestützten Anforderungsallokation beginnen:
Plugin starten
Öffnen Sie Magic Draw/Cameo und navigieren Sie zu Tools → Find Subsystem for Requirement (AI4MBSE)
API-Schlüssel eingeben
Beim ersten Start werden Sie nach Ihrem Google Gemini API-Schlüssel gefragt. Hier erstellen
Anforderungsordner auswählen
Wählen Sie das Package mit Ihren Systemanforderungen aus der Projektstruktur
Spezifische Anforderung wählen
Selektieren Sie die konkrete Anforderung, die Sie einem Subsystem zuordnen möchten
Subsystem-Ordner auswählen
Wählen Sie das Package mit Ihren verfügbaren Subsystemen
KI-Empfehlungen prüfen
Überprüfen Sie die AI-Vorschläge mit Konfidenzwerten und Begründungen, dann bestätigen Sie die gewünschten Allokationen
Häufige Probleme & Lösungen
Plugin erscheint nicht im Tools-Menü
Lösung:
- Überprüfen Sie, ob das Plugin korrekt im Plugins-Ordner entpackt wurde
- Starten Sie Magic Draw/Cameo neu
- Prüfen Sie die Konsole auf Fehlermeldungen: Help → System Info → Log
API-Authentifizierungsfehler
Lösung:
- Überprüfen Sie Ihren Google Gemini API-Schlüssel
- Stellen Sie sicher, dass der API-Schlüssel aktiv und nicht abgelaufen ist
- Prüfen Sie Ihre Internetverbindung
- Geben Sie den API-Schlüssel erneut im Plugin-Dialog ein
Plugin reagiert nicht/hängt
Lösung:
- Nutzen Sie die Abbruch-Funktion im Plugin-Dialog
- Bei sehr großen Modellen: Verarbeiten Sie kleinere Anforderungsgruppen
- Überprüfen Sie die verfügbare RAM (mindestens 4 GB empfohlen)
Keine Subsysteme gefunden
Lösung:
- Stellen Sie sicher, dass Ihr Subsystem-Package korrekte SysML-Blöcke enthält
- Überprüfen Sie die Package-Struktur in Ihrem Modell
- Verwenden Sie die interaktive Ordnerauswahl zur Navigation
KI-Vorschläge sind ungenau
Lösung:
- Verbessern Sie die Beschreibungen Ihrer Anforderungen
- Verwenden Sie präzise, technische Sprache
- Achten Sie auf die Konfidenzwerte der KI-Empfehlungen
- Nutzen Sie die Begründungen der KI zur Nachvollziehbarkeit
Live Demo
Schauen Sie sich die folgende Demo an, um zu sehen, wie das AI4MBSE-Plugin funktioniert: