KI und Industriedesign: Wie funktioniert es wirklich?
Die Integration der künstlichen Intelligenz in Design- und Ingenieurprozesse ist nicht mehr eine Option, sondern eine Notwendigkeit, um wettbewerbsfähig zu bleiben. Führende Unternehmen transformieren traditionelle Arbeitsabläufe, ohne die bestehende Infrastruktur zu überfordern.
KI im Produktlebenszyklus: Wer gewinnt?
Traditionelle PLM-Plattformen werden nicht durch KI ersetzt, sondern durch intelligente Integrationen gestärkt, die die Kontrolle über kritische Daten behalten.
SAP hat Joule implementiert, einen KI-Assistenten auf Basis natürlicher Sprache, der als universelle Schnittstelle für das gesamte Unternehmensökosystem fungiert. Joule automatisiert komplexe Aufgaben: generiert Code für SAP BTP-Erweiterungen, fasst detaillierte Finanzberichte zusammen und hilft Benutzern, Informationen über S\/4HANA, SuccessFactors und Ariba zu finden.
- Plattformübergreifende Informationssuche auf SAP-Systemen
- Automatische Code- und Dokumentationsgenerierung
- Zusammenfassung komplexer Finanzberichte in natürlicher Sprache
Datenplattformen wie Snowflake, Databricks und Palantir definieren den Ansatz für Industriedaten neu. Snowflake bietet Cloud-natives Data Warehousing auf AWS, Azure und GCP, während Databricks eine einheitliche Plattform für Data Engineering und KI bereitstellt.
Diese Lösungen ersetzen nicht bestehende PLM-Systeme, sondern stellen eine Erweiterung der Fähigkeiten dar, keine Disintermediation. PLM-Anbieter bauen Eintrittsbarrieren auf, indem sie schnell KI-Funktionalitäten in ihre Ökosysteme integrieren.
Vom generativen Design zum generativen Engineering: der qualitative Sprung
Siemens führt die Entwicklung hin zu prädiktiven Systemen an, die die Aktionen des Benutzers vorwegnehmen und über die reine Geometrieerzeugung hinausgehen.
Siemens hat das Konzept des “Generative Design” hinter sich gelassen und “Generative Engineering” übernommen. Das Ziel ist es, den gesamten Ingenieurprozess zu automatisieren, nicht nur die Formenerstellung. Der Ansatz basiert auf deterministischer, transparenter industrieller KI, die strenge Sicherheits- und Präzisionsanforderungen erfüllt.
NX Command Prediction sagt die Aktionen des Benutzers während des Designs voraus. Simcenter Neural Networks erstellt Reduced Order Models (ROMs), die Simulationen beschleunigen. Teamcenter integriert KI, um den Digital Thread zu verwalten, die Auswirkungen von Änderungen zu analysieren und doppelte Teile in globalen Systemen zu identifizieren.
| Funktionen | Generatives Design | Generatives Engineering |
|---|---|---|
| Bereich | Geometrie und Formen | Gesamter Ingenieurprozess |
| Prädiktivität | Begrenzt | Antizipation von Benutzeraktionen |
| Integration | Spezifische Tools | Vollständiger Digital Thread |
| Modelle | Statische | Dynamische ROMs |
L’Industrial Copilot, entwickelt mit Microsoft, stellt einen weiteren Fortschritt dar, indem er die Cloud-Rechenleistung mit dem Wissen über spezifische Industriedomänen kombiniert.
KI-Assistenten im Design: zwischen Code und natürlicher Sprache
Die KI-Assistenten übersetzen Anfragen in natürlicher Sprache in konkrete technische Aktionen und beseitigen so Barrieren zwischen Absicht und Umsetzung.
Die wahre Revolution liegt in der Schnittstelle. Ingenieure müssen keine komplexen Syntax mehr kennen oder umfangreiche Menüs durchgehen: Sie beschreiben, was sie erreichen wollen, und die KI übersetzt es in technische Befehle.
Joule von SAP veranschaulicht diesen Ansatz. Ein Benutzer kann “Erstelle einen Ausgabenbericht für Q1 für die Abteilung F&E” anfordern, und das System generiert automatisch Abfragen, extrahiert Daten und formatiert das Dokument. Die gleiche Logik gilt für die Codegenerierung für Anpassungen.
Aktuelle Systeme verwenden Retrieval-Augmented Generation (RAG), um Sprachmodelle mit domänenspezifischen Wissensbasen zu kombinieren. Dies gewährleistet genaue Antworten, die auf verifizierten Daten basieren.
Siemens NX Command Prediction geht weiter: Es beschränkt sich nicht darauf, Befehle auszuführen, sondern lernt aus den Arbeitsmustern des Benutzers und schlägt proaktiv die nächsten Aktionen vor. Dies reduziert die Entwurfszeiten und minimiert Fehler.
Die KI ersetzt nicht den Designer, sondern erweitert seine Fähigkeiten. Der Wettbewerbsvorteil liegt in der intelligenten Integration zwischen bestehenden Werkzeugen und neuen KI-Funktionen. Unternehmen, die die Kontrolle über kritische Daten behalten und gleichzeitig die Rechenleistung der KI nutzen, werden überlegene Ergebnisse erzielen.
Die Geschäftsmodelle ändern sich. Die Preisgestaltung pro Benutzerplatz weicht nutzungs- oder ergebnisbasierten Modellen. Wenn ein KI-Agent die Arbeit mehrerer Personen erledigen kann, verliert die Zahlung pro Einzellizenz ihren Sinn.
Bewerten Sie noch heute die Auswirkungen eines KI-Proof-of-Concepts in Ihrem Designprozess. Beginnen Sie mit einem abgegrenzten Bereich, messen Sie die Ergebnisse und skalieren Sie schrittweise.
articolo scritto con l'ausilio di sistemi di intelligenza artificiale
Fragen & Antworten
Wie integrieren führende Unternehmen künstliche Intelligenz in bestehende PLM-Systeme?
Indem sie nicht die traditionellen Plattformen ersetzen, sondern sie durch intelligente Integrationen erweitern. SAP hat Joule eingeführt, einen KI-Assistenten, der als universelle Schnittstelle fungiert, während Plattformen wie Snowflake und Databricks die Fähigkeiten im Data Warehousing und Data Engineering erhöhen, ohne bestehende Systeme zu ersetzen.
Was ist der Unterschied zwischen Generative Design und Generative Engineering nach Siemens?
Generative Design beschränkt sich auf die Erstellung von Geometrien und Formen, während Generative Engineering darauf abzielt, den gesamten Ingenieurprozess zu automatisieren. Siemens nutzt deterministische Industrial AI, um die Aktionen des Benutzers vorwegzunehmen und den Entwicklungsprozess effizienter zu gestalten.
