Automating Structural Analysis Across Multiple Software Platforms Using Large Language Models
Deze studie presenteert een twee-traps multi-agent LLM-architectuur die structurele frame-analyses succesvol automatiseert door gebruikersinvoer om te zetten in uitvoerbare scripts voor meerdere softwareplatformen (ETABS, SAP2000 en OpenSees) met een nauwkeurigheid van meer dan 90%.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
De "Vertaal-Magie" voor Bouwingenieurs: Hoe AI Bouwplannen voor Elk Software-Programma Schrijft
Stel je voor dat je een ingenieur bent die een brug of een flatgebouw moet ontwerpen. In het verleden moest je dit doen door handmatig duizenden getallen en instructies in te typen in complexe computerprogramma's. Het was als het schrijven van een boek in een taal die je maar half kent, waarbij één kleine spelfout het hele boek onleesbaar maakt.
Deze paper beschrijft een slimme nieuwe manier om dit proces te automatiseren met behulp van Grote Taalmodellen (LLM's) – de slimme AI's die tegenwoordig tekst kunnen schrijven. Maar hier is de grote innovatie: deze AI is niet gemaakt voor één programma, maar kan tegelijkertijd werken met drie verschillende, populaire bouwsoftware-pakketten (ETABS, SAP2000 en OpenSees).
Hier is hoe het werkt, uitgelegd met een paar creatieve vergelijkingen:
1. Het Probleem: De Taalbarrière
In de echte wereld gebruiken ingenieurs verschillende software. Sommigen houden van OpenSees (een programma dat werkt met strakke code, zoals een programmeertaal), anderen van SAP2000 (een programma dat werkt met tabellen en knoppen), en weer anderen van ETABS (dat werkt met "verdiepingen" als basis).
Het probleem is dat deze programma's niet met elkaar praten. Als je een AI vraagt om een bouwplan te maken, zou je normaal gesproken drie verschillende AI's nodig hebben: één die de taal van OpenSees spreekt, één voor SAP2000, en één voor ETABS. Dat is duur en onhandig.
2. De Oplossing: Een Twee-Staps "Vertaal-Team"
De auteurs hebben een slim multi-agent systeem bedacht. Denk hierbij niet aan één super-AI, maar aan een team van gespecialiseerde werknemers die samenwerken. Ze werken in twee fasen:
Fase 1: De Architecten (Het "Denk-Team")
Stel je voor dat een klant zegt: "Ik wil een gebouw van 3 verdiepingen, met kolommen van 6 meter breed en een gewicht van 50 ton op het dak."
In plaats dat de computer direct probeert dit in code te gieten, doen eerst vijf "agenten" (AI-assistenten) hun werk:
- De Analyseur: Luistert naar de klant en haalt de belangrijke details eruit.
- De Planner: Bedenkt de volgorde: "Eerst de grond, dan de eerste verdieping, dan de tweede..."
- De Bouwer (Knooppunten & Elementen): Zegt precies waar elke balk en kolom moet staan.
- De Lasten-Deler: Zegt waar het gewicht precies moet komen.
Het Magische Moment: Deze agenten praten niet in de taal van de software, maar schrijven alles op in een universele "tussen-taal" (een JSON-bestand).
- Vergelijking: Het is alsof ze een recept opschrijven in een universele taal die iedereen begrijpt: "Neem 200 gram bloem, voeg 1 ei toe." Ze zeggen niet: "Doe dit in de mixer van KitchenAid" of "Gebruik de handmixer van Philips". Ze geven alleen de inhoud van het recept.
Fase 2: De Vertalers (Het "Code-Team")
Nu komt het tweede team aan het werk. Ze nemen dat universele recept en vertalen het tegelijkertijd naar de drie verschillende software-talen:
Agent A neemt het recept en schrijft het in de taal van OpenSees (code).
Agent B neemt hetzelfde recept en schrijft het in de taal van SAP2000 (tabellen).
Agent C (met een extra hulpje) neemt het recept en past het aan voor ETABS, dat werkt met "verdiepingen" in plaats van losse onderdelen.
Vergelijking: Het is alsof je één verhaal schrijft en drie vertalers hebt die het tegelijkertijd vertalen naar Frans, Duits en Spaans. Ze gebruiken allemaal hetzelfde originele verhaal, maar zorgen dat het grammaticaal perfect is in hun eigen taal.
3. Waarom is dit zo goed?
De onderzoekers hebben dit getest met 20 verschillende bouwsituaties.
- De "Gewone" AI's: Als je de beste algemene AI's (zoals GPT-5 of Gemini) vraagt om dit te doen, falen ze bijna altijd. Ze vergeten regels, typen de verkeerde namen in of bouwen het gebouw in de verkeerde volgorde. Het is alsof je een vertaler vraagt die alleen de woorden kent, maar niet de grammaticaregels van de taal.
- Het Nieuwe Team: Hun systeem haalde een succespercentage van meer dan 90% (soms zelfs 100%). Omdat ze eerst een universeel plan maken en dan pas vertalen, maken ze veel minder fouten.
4. Kosten en Snelheid
- Snelheid: Het duurt ongeveer 2 minuten om een volledig bouwpakket voor alle drie de programma's te genereren. Dat is veel sneller dan een mens die urenlang moet typen.
- Kosten: Het is verrassend goedkoop (ongeveer 1 tot 2 cent per project), omdat ze slimme, open-source modellen gebruiken in plaats van de allerduurste, zware modellen.
Conclusie
Deze paper toont aan dat we niet hoeven te kiezen tussen "slimme AI" en "betrouwbare engineering". Door een team aan te stellen dat eerst een universeel plan maakt en dit dan slim vertaalt, kunnen we complexe bouwplannen automatisch genereren voor elk softwareprogramma dat engineers gebruiken.
Het is als het hebben van een meertalige chef-kok die niet alleen het recept kent, maar ook precies weet hoe je dat recept moet bereiden in een Franse keuken, een Japanse keuken én een Amerikaanse keuken, zonder dat je zelf de recepten hoeft te herschrijven.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.