Was gab den Ausschlag für die Entwicklung eines KI-basierten Anwendungsfalls?

HQS entwickelt Software für die Simulation von Molekülen und Materialien Die Beschreibung der zu simulierenden Systeme erfordert eine Vielzahl von Parametern, deren Bezeichnungen und Konventionen in den Fachgebieten oft uneinheitlich sind. Zudem bestehen zwischen den verschiedenen Parametern Randbedingungen und Abhängigkeiten, weshalb selbst für Fachexperten eine intensive Einarbeitung in die Tools erforderlich ist. Selbst nach intensiver Einarbeitung bleibt die manuelle Eingabe der zahlreichen Parameter eine zeitaufwändige und fehleranfällige Aufgabe. Mit dem Modeling Assistant zielen wir darauf ab mit Hilfe generativer KI, den Umgang mit unseren Softwaretools zu vereinfachen und intuitiver zu gestalten. Mit nur wenigen Nachrichten des Nutzers kann der Modeling Assistant eine Simulation aufsetzen, die Gültigkeit der Eingabedaten für die Simulationssoftware sicherstellen und die Simulation starten. Dies erleichtert den Einstieg und die Arbeit mit unseren Tools erheblich. 

 

Welche Erwartungen bzw. Anforderungen hatten Sie an die KI-Anwendung?

Eine zentrale Anforderung ist die Einbindung von Domänenwissen. Dabei geht es zum einen um das Wissen über unsere Softwaretools, insbesondere auch des spezialisierten Wissens über die Konventionen und Abhängigkeiten der Parameter. Zum anderen soll der Nutzer die Möglichkeit haben spezifisches Fachwissen hochzuladen, um dem Assistenten zu ermöglichen dieses einzubeziehen. 

Die weiteren Anforderungen beziehen sich auf die Integration in den Arbeitsablauf der Nutzer. Unsere Python-basierten Softwaretools werden von unseren Kunden in Programmierumgebungen verwendet. Daher muss der KI-Assistent die Tools in den entsprechenden Umgebungen aufrufen können. Zudem ist es hilfreich, wenn der Assistent direkt Python Objekte erstellen und dem Nutzer zur Verfügung stellen kann. Durch die Integration von visuellem Input und der Durchführung mathematischer Operationen kann der Assistent auch Simulationen basierend auf Formeln aus wissenschaftlichen Publikationen erstellen.

 

Auf welchen Partner waren Sie mit welcher Technologie bei der Entwicklung angewiesen?

Unsere Anwendung basiert auf der OpenAI API und nutzt beispielsweise die Funktionalitäten „Vision“ und „Function calling“. Dabei ist für uns wichtig, dass dabei der Code unserer Softwaretools nicht an OpenAI übertragen wird, sondern nur die Beschreibung und die Anforderungen an die Eingabewerte für die verschiedenen Funktionalitäten. 

Wir arbeiten jedoch auch daran Open Source KI Modelle zu kombinieren, um Alternativen zu OpenAI anzubieten. 

 

Mit dem Einsatz von KI-Lösungen muss auch ein Wandel der Kompetenzen einhergehen. Wie sind Sie mit dieser Herausforderung in Bezug auf Ihre Mitarbeitenden umgegangen?

Die meisten Mitglieder unseres Teams sind Experten in einer naturwissenschaftlichen Disziplin oder in der Softwareentwicklung. Die Initative, KI-Tools zu entwickeln,kam von mehreren Mitarbeitern, die sich für dieses Thema interessieren. Die Kompetenzen für die Entwicklung der anderen Produkte von HQS überschneiden sich stark mit dem, was für die Entwicklung des HQS Modeling Assistent nötig ist. Darüber hinaus haben wir interne Schulungen zur Nutzung von KI-Tools durchgeführt.  

 

In welchem Zeitraum haben sie die KI-Lösung in ihrem Unternehmen/im Kunden-Unternehmen implementiert?

Erste Ideen wurden schon kurz nach der Veröffentlichung der ersten kostenlosen Testversion von ChatGPT diskutiert und dann auch ausprobiert. Die konkrete Entwicklung des HQS Modeling Assistent läuft nun ca. seit neun Monaten. Es wird jedoch weiterhin verbessert und weiterentwickelt.  

Ein Fazit zu Ihrer KI-Lösung:

Der HQS Modeling Assistant ist eine wirkliche Bereicherung für die Entwicklung und den Einsatz unserer Simulationssoftware. Damit können wir eine wesentliche Hürde in der Nutzung von Software für komplexe Quantensimulationen beseitigen. 

 

Einen abschließenden Rat/Tipp an andere Unternehmer, die KI anwenden:

KI bietet eine unendliche Vielfalt an Möglichkeiten, nicht alles davon ist in der Praxis nützlich. Daher rate ich nach einer kurzen Explorationsphase klare Ziele festzulegen und den Mehrwert der entwickelten Lösungen auch während der Entwicklung immer wieder zu prüfen und zu hinterfragen. 

https://quantumsimulations.de/hqs-modeling-assistant 

 

Bild: HQS