Plant Simulation basiert auf modular aufgebauten Modellbausteinen, die über die proprietäre Skriptsprache SimTalk sowie – seit Kurzem – auch über Python flexibel erweitert werden können. Die hohe Leistungsfähigkeit des Systems geht jedoch mit entsprechender Komplexität einher. 

In der Praxis werden Simulationsmodelle daher häufig von spezialisierten Dienstleistern entwickelt. Aufgrund des arbeitsteiligen Vorgehens zwischen Anlagenbetreibern, OEM-Spezialisten und externen Engineering-Dienstleistern ist eine konsistente Standardisierung der Modellbausteine essenziell. 

Mit der Automotive Library wurde hierfür ein verbindlicher Industriestandard geschaffen. Sie stellt vorkonfigurierte Modellbausteine für zentrale Anlagentypen der Automobilindustrie bereit – darunter Fördertechniksysteme, Fertigungslinien zur spanenden Bearbeitung, Rohbauzellen und Lackieranlagen. 

Ziel der Copilot-Integration war es, dieses strukturierte Wissen schneller, kontextbezogen und anwenderorientiert verfügbar zu machen.

Die Automotive Library umfasst heterogene Datenquellen wie Schulungsunterlagen, Richtlinien, Quellcode sowie Dokumentationen in unterschiedlichen Formaten (PDF, PowerPoint, HTML). Um diese Inhalte für ein Large Language Model nutzbar zu machen, war eine systematische Datenmodellierung erforderlich. Im Mittelpunkt stand dabei die Einführung einer konsistenten, hierarchischen Überschriftenstruktur sowie die semantische Segmentierung der Inhalte. Ziel war es, logische Zusammenhänge explizit abzubilden und eine kontextbezogene Abfrage durch den Copiloten zu ermöglichen.

Der Copilot unterstützt Anwender heute dabei, sich schneller in Plant Simulation einzuarbeiten. Er erleichtert das Re-Onboarding nach Projektpausen und beschleunigt die operative Modellierung – insbesondere bei der Arbeit mit SimTalk. Gleichzeitig zeigt sich die nächste Entwicklungsstufe deutlich: Während der Copilot bei Bedienung und Funktionsverständnis effektiv unterstützt, liegt die inhaltliche Strukturierung komplexer Simulationsmodelle weiterhin beim Anwender. Die kognitive Übersetzung von Quelldaten in ein konsistentes Modell bleibt eine domänenspezifische Expertenleistung.

Perspektivisch sind daher auch software-agnostische Copiloten denkbar, die nicht primär die Bedienung einer spezifischen Anwendung unterstützen, sondern auf domänenspezifisches Fachwissen zurückgreifen. Solche Systeme müssten ein tiefgehendes Verständnis von Produktionssystemen, Simulationsmethodik und Versuchsplanung besitzen, um über reine Funktionsunterstützung hinauszugehen und einen echten inhaltlichen Mehrwert zu liefern.