Herr Zein, nahezu jedes Softwareunternehmen spricht derzeit über KI. Wie viel ist Hype und wie viel ist tatsächlich ein grundlegender Wandel?
Axel Zein: KI ist definitiv mehr als ein Hype. Viele Technologien durchlaufen zunächst eine Phase überzogener Erwartungen. Das war bei Cloud, Internet oder CAD nicht anders. Bei künstlicher Intelligenz sehen wir aber bereits heute konkrete Produktivitätsgewinne. Die spannende Frage ist deshalb nicht mehr, ob KI die Industrie verändern wird, sondern wie tiefgreifend diese Veränderung ausfallen wird.
Welche Auswirkungen hat das speziell auf das Engineering?
Engineering steht weltweit unter Druck. Projekte werden komplexer, Dokumentationsanforderungen steigen, gleichzeitig fehlen qualifizierte Fachkräfte. Unsere internationale Studie mit über 1.200 Elektroingenieuren zeigt, dass mehr als die Hälfte der Ingenieure keine Zeit mehr für Innovation hat. Das eigentliche Problem ist nicht fehlendes Wissen oder fehlende Technologie. Das Problem ist fehlende Engineering-Kapazität.
Moderne Engineering-Systeme verfügen bereits über Automatisierungsfunktionen. Warum reichen die nicht mehr aus?
Automatisierung war in den vergangenen Jahrzehnten ein enormer Produktivitätstreiber. Makros, Konfiguratoren und regelbasierte Workflows haben die Effizienz deutlich erhöht. Diese Ansätze funktionieren jedoch am besten in stabilen Umgebungen. Heute erleben wir das Gegenteil: Varianten nehmen zu, Anforderungen ändern sich schneller, Kunden erwarten individuelle Lösungen. Die Komplexität wächst schneller als klassische Automatisierungssysteme mithalten können.
Wo liegt der Unterschied zwischen klassischer Automatisierung und KI?
Traditionelle Automatisierung folgt vorher definierten Regeln. KI kann zusätzlich Zusammenhänge erkennen, Kontext verstehen und Informationen interpretieren. Das eröffnet eine völlig neue Ebene. Statt nur bekannte Prozesse schneller auszuführen, kann KI Ingenieure dabei unterstützen, Wissen zu finden, Entscheidungen vorzubereiten oder sogar Lösungsvorschläge zu generieren.
Viele Menschen verbinden KI vor allem mit ChatGPT. Welche Rolle spielt generative KI im industriellen Umfeld?
Generative KI hat das Thema für viele Menschen sichtbar gemacht. Tatsächlich ist ein Chatbot aber nur die Oberfläche. Der eigentliche Wert entsteht dann, wenn KI mit Fachwissen, Unternehmensdaten und Engineering-Prozessen verbunden wird. Im Engineering geht es nicht darum, schöne Texte zu erzeugen. Es geht darum, technische Zusammenhänge zu verstehen und daraus verwertbare Ergebnisse abzuleiten. SAP-Verantwortliche wissen, dass sie handeln müssen – aber nicht, wie sie fundiert entscheiden. ‣ weiterlesen
SAP-Transformation mit Augenmaß: Sicherheit für die richtige Entscheidung
Welche Anwendungsfälle sehen Sie heute bereits?
Wir sehen heute automatische Dokumentation, intelligente Suche, automatische Übersetzungen, Fehlererkennung oder die Generierung von Schaltplanbestandteilen und Schaltschrankaufbauten. Viele dieser Anwendungen sparen nur wenige Minuten pro Vorgang. In Summe entstehen daraus jedoch enorme Produktivitätsgewinne, weil Ingenieure täglich Hunderte solcher Aufgaben erledigen.
Sie sprechen häufig von AI-Native Engineering. Was verstehen Sie darunter?
Die meisten heutigen Systeme nutzen KI als zusätzliche, assistierende Funktion. AI-Native Engineering geht deutlich weiter. Dort wird KI zur zentralen Orchestrierungs- und Wissensebene des gesamten Engineering-Prozesses. Der Ingenieur beschreibt Ziele, Anforderungen und Randbedingungen. Das System unterstützt anschließend bei der Erarbeitung und Optimierung technischer Lösungen.
Ist dies das Ende klassischer CAD-Systeme?
Nein. CAD wird nicht verschwinden. Aber die Rolle von CAD wird sich stark verändern. In den vergangenen Jahrzehnten stand CAD im Zentrum des Engineering-Prozesses. Künftig wird CAD mehr zur Ausführungs- und Visualisierungsebene. Die eigentliche Intelligenz wandert in eine darüberliegende Schicht, die Engineering-Wissen versteht, Zusammenhänge erkennt und Prozesse orchestriert. Das ist AI-Native Engineering.
Das klingt nach einem Paradigmenwechsel.
Genau das ist es. Wenn wir auf die letzten 50 Jahre zurückblicken, sehen wir zwei große Transformationen. Die erste war der Wechsel vom Zeichenbrett zu CAD. Die zweite war der Übergang von CAD zu integrierten Engineering-Plattformen. Jetzt beginnt eine dritte Phase: der Übergang zu AI-Native Engineering. Aus unserer Sicht ist das die bedeutendste Veränderung seit der Einführung von CAD.
Welche Auswirkungen hat das auf die Rolle des Ingenieurs?
Der Fokus von Ingenieuren verschiebt sich von repetitiven Tätigkeiten hin zu Architektur, Systemdenken, Bewertung von Alternativen und technischen Entscheidungen. Der Ingenieur wird weniger Ausführer und stärker zum Orchestrator von Engineering-Prozessen.
Welche Voraussetzungen müssen Unternehmen dafür schaffen?
KI kann nur so gut sein wie die Informationen, auf die sie zugreifen kann. Unternehmen sollten deshalb ihre Engineering-Daten, Standards und Wissensbestände systematisch aufbereiten. Genauso wichtig ist es aber mit KI zu starten. Organisationen brauchen Zeit sich anzupassen und Prozesse umzustellen. Wer heute beginnt, eine saubere Datenbasis aufzubauen und KI zu nutzen, verschafft sich einen erheblichen Vorteil für die kommenden Jahre.
Womit beschäftigt sich WSCAD aktuell?
Wir beschäftigen uns damit, wie Engineering in Zukunft aussehen wird. Wir entwickeln nicht einfach weitere KI-Funktionen für bestehende Workflows. Unser Ziel ist eine AI-Native Engineering-Plattform, die Engineering-Wissen versteht, Zusammenhänge erkennt und Ingenieure aktiv unterstützt. Damit entsteht eine neue Generation von Engineering-Systemen, die Produktivität, Skalierbarkeit und Innovationsgeschwindigkeit auf ein neues Niveau hebt.
Wo steht die Branche in fünf bis zehn Jahren?
Exakte Prognosen sind schwierig. Was wir aber bereits heute erkennen können, ist die Richtung. Engineering-Systeme werden intelligenter, wissensbasierter und stärker vernetzt. Unternehmen, die KI lediglich als weiteres Software-Feature betrachten, werden Potenzial verschenken. Die eigentliche Chance liegt darin, Engineering neu zu denken. Genau dort beginnt die Reise in das Zeitalter des AI-Native Engineering.
