COMSOL Blog

Einsatz von KI-Tools zur Vereinfachung der Datenübertragung und Dateikonvertierung

Von

Walter Frei

11. Jun 2026

Eine immer wiederkehrende Herausforderung bei der Verwendung von Simulationssoftware wie COMSOL Multiphysics^® besteht darin, Daten aus anderen Quellen effizient zu importieren und zu konvertieren. Wenn Sie zum ersten Mal mit einer solchen Aufgabe konfrontiert werden, führen Sie die Konvertierung vielleicht noch manuell durch. Doch oft nimmt der Umfang dieser Aufgaben zu, und Sie müssen möglicherweise immer wieder dieselbe Art von Daten konvertieren. In diesem Blog-Beitrag werden wir uns ansehen, wie KI-Tools in Verbindung mit COMSOL^® dazu beitragen können, Ihr Wissen über diese Konvertierungen in einen wiederverwendbaren Workflow umzuwandeln.

Die Schwierigkeiten bei der Datenkonvertierung verstehen

Wir werden häufig gefragt, wie Daten in unterschiedlichen Formaten in COMSOL^® importiert werden können. Diese Daten liegen oft in Textdateien vor, und die Dateiformate können sehr spezifisch sein, sodass keine Konvertierungstools zur Verfügung stehen. Unsere Kunden kennen diese Formate sehr gut, während wir genau wissen, wie solche Daten innerhalb von COMSOL^® genutzt werden sollten. In dieser Situation kann KI den Aufwand für die Implementierung eines Datenkonvertierungs-Workflows erheblich reduzieren. Betrachten wir ein konkretes Szenario als Beispiel.

Ein Beispiel-Szenario

Angenommen, uns liegt eine Textdatei vor, die eine Beschreibung eines vereinfachten thermischen Modells enthält. Ein vereinfachtes Modell (Lumped Model) unterscheidet sich ein wenig von den Finite-Elemente-Modellen, die Sie vielleicht aus COMSOL Multiphysics^® kennen. Lumped Models verwenden Knoten, die Materialvolumina darstellen. Jedes Volumen hat eine bekannte Dichte und spezifische Wärme, sodass jedem Knoten eine thermische Masse zugeordnet ist. Die Temperatur eines Knotens kann sich aufgrund einer angelegten Wärmelast erhöhen, und Wärme kann zwischen den Knoten entweder durch Wärmeleitung oder Wärmestrahlung fließen, wobei die Berechnung auf der Temperaturdifferenz zwischen zwei Knoten basiert. Wir können auch Knoten betrachten, die eine feste Temperatur aufweisen; diese werden als Temperatursenken bezeichnet. Um dies zu veranschaulichen, werden wir ein sehr einfaches Lumped Model eines Satelliten im Weltraum erstellen.

Das Satellitenmodell, mit dem wir arbeiten werden, ist in der folgenden Abbildung dargestellt. Es handelt sich um eine Kastenstruktur mit zwei Solarpaneelen, die an beiden Seiten hervorstehen. Die sechs Seiten des Kastens und die beiden Solarpaneele werden jeweils durch einen einzelnen thermischen Knoten dargestellt. Zwischen benachbarten Flächen der Kastenstruktur besteht ein leitender Wärmefluss, und zwischen den Seitenflächen und den Solarpaneelen besteht ein Strahlungswärmefluss. Zudem gibt es einen Strahlungswärmefluss von allen Flächen in den Weltraum. Ziel dieses Modells ist es, die Temperaturentwicklung über die Zeit ausgehend von einer Anfangstemperatur zu berechnen. Wir gehen davon aus, dass solare und planetarische Lasten vernachlässigbar sind – beispielsweise wenn ein geostationärer Satellit in eine Sonnenfinsternis eintritt – und dass die einzige Last von einer Heizvorrichtung an einem Knotenpunkt ausgeht.

Schematische Darstellung eines vereinfachten thermischen Modells eines Satelliten mit acht Knotenpunkten. Zwischen den Knotenpunkten des Kastens findet Wärmeleitung statt, und von allen Knotenpunkten geht Strahlung in den Weltraum aus.

Lumped Models sind weit verbreitet, und zu ihrer Darstellung werden verschiedene Dateiformate verwendet. Um das Beispiel formatunabhängig zu halten, werden wir eine Datei erstellen, die diesen Formaten – wenn auch nicht in der exakten Syntax, so doch im Grundgedanken – ähnelt. Wie wir sehen werden, ist die exakte Syntax nicht entscheidend. Hier finden Sie einen Auszug aus unserer Beispieldatei:

TSINK, 99, 2.7 # Thermal Sink 99 NODE, 10, 300, 12150 # Node 10 … NODE, 80, 300, 3220 # Node 80 LOAD, 60, 750 # Load on node 60 CON, 1020, 10, 20, 0.71 # Conductor 10 - 20 … CON, 5020, 50, 20, 0.71 # Conductor 50 - 20 RAD, 2070, 20, 70, 8.9e-9 # Radiation 20 - 70 … RAD, 8099, 80, 99, 1.8e-7 # Radiation 80 - 99

Diese Datei enthält fünf Datentypen: TSINK, NODE, LOAD, CON, und RAD. Diese stehen für Temperatursenken, Temperaturknoten mit Masse, thermische Lasten an bestimmten Knoten, wärmeleitende Verbindungen zwischen Knoten sowie Wärmestrahlungsverbindungen zwischen Knoten oder zwischen einem Knoten und einer Senke. Die Angaben nach dem Symbol # sind Kommentare. Wenn Sie mit ähnlichen Dateiformaten vertraut sind, lässt sich das oben genannte Format im informatikwissenschaftlichen Sinne als neuer Dialekt beschreiben.

Um noch einige Begriffe aus der Informatik zu verwenden: Die Informationen in dieser Datei beschreiben einen zusammenhängenden Graphen, wobei die Datensätze, die die Leitung und die Strahlung beschreiben, Kanten zwischen den Knoten darstellen. Dies ist besonders nützlich, da KI-Tools gut mit solchen Datenstrukturen umgehen können. Das wollen wir für später im Hinterkopf behalten und uns nun der Aufgabe zuwenden, diese Daten in COMSOL^® zu importieren.

Das COMSOL-Äquivalent

Obwohl COMSOL Multiphysics^® im Rahmen des Add-Ons Heat Transfer Module ein Interface namens Lumped Thermal System enthält, wünschen wir uns für größere Modelle eine Lösung mit etwas geringerem Aufwand. Die einfachste Alternative zur Darstellung der oben genannten Daten ist die Verwendung des Interfaces Global Equations. Da die Daten, die wir importieren möchten, eine dreidimensionale Struktur darstellen, die Eingabe jedoch nicht genügend Informationen über die Form und die Abmessungen der Geometrie enthält, ist eine Darstellung des Modells in einem abstrakten Format gerechtfertigt.

Das Interface Global Equations ermöglicht es uns, das Graphennetzwerk als ein gekoppeltes System gewöhnlicher Differentialgleichungen darzustellen, also Gleichungen der Form:

T_{sink} = T_0

C_{T,i} \partial T_i/\partial t = Q_i + \Sigma_j \left[ G_{ij}\left( T_j – T_i \right) + R_{ij}(T_j^4-T_i^4) \right]

Diese Gleichungen können in der Benutzeroberfläche wie im folgenden Screenshot dargestellt werden. Mithilfe der Schaltflächen Save to File und Load from File können wir zudem eine ganze Reihe dieser globalen Gleichungen einlesen.

Ein Screenshot, der veranschaulicht, wie ein System gewöhnlicher Differentialgleichungen implementiert wird, einschließlich der Schaltflächen Save und Load.

Das Modell, das wir hier nachbilden möchten, lässt sich mit neun Einträgen für die Knoten und den Senkenknoten aufbauen. Ich habe diese von Hand zusammengestellt. Das war zwar etwas mühsam, aber da ich wusste, dass ich dies nur einmal tun muss, hat sich der Aufwand gelohnt. Beachten Sie, dass die Originaldatei unter der Annahme bestimmter Einheiten verfasst wurde, sodass alle Gleichungen dimensionslos sind. Nachdem ich diese Daten in die Benutzeroberfläche eingegeben hatte, habe ich das Modell in eine Textdatei exportiert. Nachfolgend sind einige Zeilen daraus aufgeführt:

NODE10 12150*d(NODE10,t)[s]-((0.71*(NODE20-NODE10)+0.71*(NODE30-NODE10)+0.71*(NODE40-NODE10)+0.71*(NODE50-NODE10))+(4.5e-8*(TSINK99^4-NODE10^4))) 300 0 "Node 10" ... NODE60 12150*d(NODE60,t)[s]-((750)+(0.71*(NODE20-NODE60)+0.71*(NODE30-NODE60)+0.71*(NODE40-NODE60)+0.71*(NODE50-NODE60))+(4.5e-8*(TSINK99^4-NODE60^4))) 300 0 "Node 60" ... TSINK99 TSINK99-2.7 2.7 0 "Thermal Sink 99"

Aufbau des Konvertierungstools mithilfe von KI

Jetzt sollten wir ein gutes Verständnis dieser beiden Dateien haben. Uns sollte auch klar sein, dass eine Datei mit Hunderten oder Tausenden von Einträgen ein gewisses Maß an Automatisierung erfordert. Was vielleicht nicht ganz so offensichtlich ist: Wir wandeln Graphdaten von einer Kantenlisten-Darstellung in eine Inzidenzlisten-Darstellung um, die die Sparsität nutzt. Leser mit ein wenig Hintergrundwissen in Informatik werden erkennen, dass die Implementierung eines solchen Konvertierungsalgorithmus nicht trivial ist.

Glücklicherweise sind dies genau die Aufgaben, bei deren Automatisierung KI helfen kann. Zur Klarstellung: Wir werden die KI nicht bitten, die Konvertierung durchzuführen; wir werden die KI bitten, ein universell einsetzbares Konvertierungstool zu entwickeln. Doch was müssen wir genau anfordern? Wie weisen wir die KI an, ein Konvertierungstool für uns zu entwickeln?

In diesen beiden Textdateien sind bereits fast alle Daten enthalten, die wir benötigen. Wir müssen sie lediglich in ein KI-Tool laden und einen Prompt wie den folgenden eingeben:

Here is a file that contains nodes and sinks, representing nodes on a graph network. The connections between the nodes are defined by CON and RAD lines. Everything after a # is a comment. I need to convert the first file into the format of the second file. Please write out the transformation rules between them.

In diesem Fall habe ich ChatGPT verwendet. Nach etwa einer Minute lieferte es eine vollständige, für Menschen verständliche Beschreibung der Vorgehensweise bei der Konvertierung. Besonders beeindruckend fand ich, dass das KI-Tool erkannte, dass es sich bei der Datei um ein thermisches Problem handelt, und die Art des nichtlinearen Strahlungsterms identifizieren konnte.

Ein Ausschnitt der Antwort von ChatGPT.

Als ich mir die Antwort genau angesehen hatte, war ich überzeugt, dass das Tool die Aufgabe verstanden hatte. Das ist beachtlich, wenn man bedenkt, dass die Eingabedatei einen einzigartigen, undokumentierten Dialekt zur Beschreibung eines vereinfachten thermischen Modells verwendet. Es war nur noch ein weiterer Schritt erforderlich: Ich musste das KI-Tool bitten, Code zu generieren, den ich eigenständig ausführen konnte. Dazu war ein weiterer Prompt nötig:

Please write a monolithic piece of Java code that I can use in COMSOL's Method Editor to convert any file of the original type into this format.

Ich habe hier nach Java-Code gefragt, da ich diesen ausschließlich innerhalb von COMSOL Multiphysics^® ausführen wollte. Genauso wie ChatGPT keine Schwierigkeiten hatte, den einzigartigen Dialekt der Eingabedatei zu verstehen, hatte es auch keine Schwierigkeiten, Code in der von mir gewünschten Programmiersprache zu schreiben.

Der resultierende Code umfasst mehrere hundert Zeilen, daher werde ich ihn hier nicht zeigen. Ich habe ihn jedoch kurz überprüft und festgestellt, dass ChatGPT zur besseren Lesbarkeit Kommentare hinzugefügt und sogar eine Fehlerprüfung integriert hatte, sodass das Programm bei einer ungültigen Datei mit einer aussagekräftigen Meldung fehlschlug. Der Code ließ sich problemlos kompilieren und ausführen und ich konnte ihn durch die Generierung von Ergebnissen testen.

Generell ist es wichtig, den Konvertierungscode zu überprüfen und zu validieren, wobei die richtige Vorgehensweise von der Form der Daten abhängt. Manchmal reichen einige wenige visuelle Stichproben aus; in anderen Fällen ist möglicherweise ein strengeres Vorgehen erforderlich. Ein Ansatz besteht darin, zusätzlich einen Rückkonverter zu entwickeln, um zu überprüfen, ob die Daten nach einer Konvertierung und Rückkonvertierung mit dem Original übereinstimmen. Auch für diesen Schritt können wir KI einsetzen.

Eine Beispielausgabe, die anhand der Eingabedatei berechnet wurde.

An dieser Stelle fragen sich vielleicht einige Leser: Warum wird dieses Konvertierungsprogramm nicht einfach in die COMSOL-Produktpalette integriert? Ich möchte betonen, dass es sich bei diesem Beispiel um eine minimale thermische Netzwerkdatei in einem einzigartigen Dialekt handelt. In der Praxis können vereinfachte thermische Modelle weitaus mehr Datensatztypen enthalten, bestehen aus mehreren Dateien und enthalten sogar benutzerdefinierten Code, der beispielsweise einen bestimmten Algorithmus zur thermostatischen Regelung implementiert. Das Schreiben eines universellen Konverters könnte bedeuten, dass viele Grenzfälle abgedeckt werden müssen, die in ein und derselben Datei möglicherweise nie auftreten. Darüber hinaus ist eine Eins-zu-Eins-Übersetzung nicht immer der beste Weg. Manchmal muss man einen Schritt zurücktreten und die spezifische Modellierungsabsicht der Person verstehen, die die Originaldatei erstellt hat. Das gilt insbesondere für diese Art von thermischen Netzwerkmodellen, doch das ist ein Thema für einen anderen Tag.

Gedanken zu Dateikonvertierung und KI allgemein

Es ist wichtig zu betonen, wie wenig Aufwand erforderlich war, um an diesen Punkt zu gelangen. Wir verfügten bereits über die Beispiel-Eingabedatei. Wir haben zwar einige Zeit damit verbracht, herauszufinden, wie sich diese in COMSOL^® am besten darstellen lässt, und eine Beispielsyntax zu erstellen, doch der Aufwand für die Interaktion mit dem KI-Tool war minimal: Es wurden zwei Dateien hochgeladen, zwei Prompts eingegeben, und die Ergebnisse ließen sich auf jede Datei anwenden, die dasselbe Format verwendet. Die gesamte Interaktionszeit mit dem KI-Tool betrug nur wenige Minuten.

Wenn Sie diese Art der Konvertierung strukturierter Daten oder Dateien durchführen müssen, können Sie sich schnell mit diesem Workflow vertraut machen. Was ist, wenn Sie weitere Features integrieren müssen? Fügen Sie einfach ein paar Zeilen mehr an Beispiel-Eingabe- und -Ausgabedaten hinzu und senden Sie dann erneut ein Prompt an das KI-Tool. Wie sieht es mit anderen Daten aus, die Sie automatisch in COMSOL einlesen möchten? Möglicherweise verfügt Ihr Unternehmen über eine umfangreiche firmeneigene Materialdatenbank in einem benutzerdefinierten Format, die Sie importieren müssen. Nutzen Sie diesen Workflow, um den Konverter zu erstellen. Die proprietären Daten selbst müssen dabei nicht an das KI-Tool weitergegeben werden; es wird lediglich das Datenformat weitergegeben. Als Ergebnis erhalten Sie einen Algorithmus und den Quellcode.

Allgemeiner betrachtet – wie bereits in einem früheren Blog-Beitrag erläutert – entwickeln sich KI-Tools rasant weiter. Für die Art von Problemen, die COMSOL-Anwender lösen müssen, werden diese Funktionen immer nützlicher.

Zum Abschluss möchte ich Ihnen noch die Ergebnisse eines letzten Prompts präsentieren, bei der ich die KI gebeten habe, ihre Interpretation der in dieser Datei dargestellten Hardware zu zeichnen. Das Ergebnis ist unten zu sehen. Es ist noch nicht ganz ausgereift, aber ich werde mich in einigen Monaten sicherlich noch einmal damit befassen, um zu sehen, wie sich die Dinge entwickelt haben.

Wie KI die globalen Gleichungen interpretiert.