Im industriellen Umfeld wird KI zunehmend in Prozesse und Anwendungen integriert, auch im Product Lifecycle Management (PLM). Durch die intelligente Auswertung von Daten können Unternehmen Prozesse (teil-)automatisieren oder Entscheidungen entlang des gesamten Produktentstehungs- und Produktionsprozesses optimieren. So sollen Innovationskraft, Produktivität und Wettbewerbsfähigkeit steigen. Aktuelle Studien spiegeln die Aufbruchstimmung in der Branche wider: So prognostiziert das Marktforschungs- und Analyseinstitut Gartner, dass generative KI bis 2025 bei 70 Prozent der text- und datenintensiven Aufgaben eine Rolle spielen wird – im Vergleich zu weniger als zehn Prozent im Jahr 2023. Und bis 2026 sollen generative KI-Funktionen in 50 Prozent der Systeme von PLM-Anbietern implementiert sein – im Vergleich zu derzeit fünf Prozent.
Niedrig hängende Früchte
Und in der Aras-Studie ‚Spotlight Zukunft 2024‘ äußerten 835 befragte Führungskräfte aus Europa, den USA und Japan, dass der Einsatz dieser Technologie unerlässlich ist, um die Wettbewerbsfähigkeit zu sichern. 84 Prozent der Unternehmen erwarten durch KI neue oder bessere Dienstleistungen, 82 Prozent eine Qualitätssteigerung. Doch wie bei jedem Trendthema gilt es auch bei KI, sich nicht von der allgemeinen Euphorie mitreißen zu lassen, sondern planvoll und strukturiert vorzugehen. Zwei zentrale Empfehlungen für Unternehmen im industriellen Umfeld:
- Firmen sollten sich auf die ‚low hanging fruits‘ konzentrieren, das heißt auf die Bereiche, in denen ein schneller Wert erzielt werden kann.
- Neue Technologie sollte echte Probleme lösen helfen und nicht nur dem Showeffekt dienen.
Fokus auf Effizienzsteigerung
Oft ist ein inkrementeller Ansatz sinnvoll, der sich auf die Steigerung der Effizienz und Produktivität bestehender Prozesse konzentriert. Bereits durch die schrittweise Einführung von KI-basierten Werkzeugen können erhebliche betriebliche Optimierungen erzielt werden. Dies betrifft auch die Konstruktions- und Produktentwicklungsprozesse, also jene Bereiche, die eng mit dem zentralen Anwendungsfeld PLM verknüpft sind. Wichtige Bereiche, in denen die schrittweise Einführung von KI-Assistenten insgesamt zu großen Veränderungen führen kann:
Technische Dokumentation – Die Erstellung technischer Dokumentation ist ein zeitaufwendiger Prozess. Sie ist jedoch für viele Produkte unerlässlich und oft gesetzlich vorgeschrieben. Generative KI unterstützt dabei, Bedienungsanleitungen, Wartungshandbücher und andere wichtige Dokumente zu schreiben. Technische Redakteure und Autoren werden weiterhin benötigt, um Fehlerfreiheit und Vollständigkeit sicherzustellen. Die Unterstützung durch KI vereinfacht und beschleunigt diese Aufgaben jedoch beträchtlich. Die Digitalisierungs- und Automatisierungslösungen von Retarus ermöglichen effiziente Abläufe ohne manuellen Aufwand oder Kompromisse bei der Datensouveränität ‣ weiterlesen
Business Process Solutions
Retarus beschleunigt Datenaustausch in der Produktion
Kundendienst und After-Sales-Management – KI-gestützte Systeme sind Meister darin, in kürzester Zeit personalisierte Angebote oder Dienstleistungen zusammenzustellen. So wie in der Produktion die Losgröße 1 die industrielle Antwort auf die zunehmende Individualisierung geworden ist, kann KI dies auch im Servicebereich leisten. Darüber hinaus liefert KI das notwendige Wissen, um Trends und Kundenbedürfnisse frühzeitig zu erkennen und den Kundenservice zu verbessern.
Compliance – Unternehmen müssen bereits bei der Entwicklung neuer Produkte alle Konformitätsanforderungen berücksichtigen. Je mehr Branchen oder Regionen beliefert werden, desto anspruchsvoller wird diese Aufgabe. Mit KI können die Anforderungen bereits in der Entwicklungsphase einem Soll-Ist-Vergleich unterzogen werden. Erfüllen alle Komponenten und Produktionsprozesse die regulatorischen Anforderungen? Drohen regulatorische Konflikte durch mögliche Markt- oder Gesetzesänderungen? Auch weltweite regulatorische Analysen und Compliance-Checks werden mit KI-Unterstützung schneller als bisher möglich.
Suchen und Finden – Ein KI-gestützter Chatbot kann es Ingenieuren ermöglichen, relevante Komponenten und Dokumentationen über eine Suche in natürlicher Sprache schnell zu finden. Dadurch können Ingenieure effizienter arbeiten und ihre Konstruktionen durch die verstärkte Wiederverwendung vorhandener Inhalte verbessern. In Zukunft kann die KI den Ingenieuren auch relevante Vorschläge für ihre Konstruktionen machen.
Simulationen – Simulationen werden zunehmend in Produktentwicklungsprozessen eingesetzt. Der Einsatz von KI zur Rationalisierung und Optimierung von Simulationsprozessen verspricht bessere Ergebnisse in kürzerer Zeit. Wenn KI in der Lage ist, Muster zu erkennen und automatisch Alternativen für sich wiederholende Aufgaben vorzuschlagen, werden bessere Produkte entstehen.
Offenheit kann schädlich sein
Grundsätzlich gilt für KI-Anwendungen: Je sorgfältiger die Originaldaten aufbereitet sind und je offener die Daten ausgetauscht werden, desto besser sind die Analyseergebnisse. Der Einsatz von KI in PLM- und Produktentwicklungsszenarien wirft jedoch auch einige spezifische Fragen auf. Denn im PLM werden einige der wichtigsten Eigentumsrechte eines Unternehmens bearbeitet. Der Schutz dieses geistigen Eigentums sollte oberste Priorität haben. Die Offenlegung von Daten für den Einsatz von KI kann jedoch ein erhebliches Risiko darstellen – schließlich ist es wahrscheinlich, dass die Ergebnisse urheberrechtlich geschützte Informationen enthalten, wenn ein KI-Modell mit urheberrechtlich geschützten Daten trainiert wird. Auch aus diesem Grund ist es sinnvoll, bei der Einführung von KI zunächst in Teilschritten zu beginnen und Erfahrungen zu sammeln, bevor der KI (und anderen Mitarbeitenden) Zugriff auf besonders sensibles geistiges Eigentum des Unternehmens gewährt wird. Wichtig ist auch, dass qualitativ hochwertige Daten verwendet werden. Wird die KI mit schlechten Daten trainiert, wird sie nicht nur falsche Informationen verbreiten, sondern auch falsche Schlüsse ziehen.
Noch ein weiter Weg
Die Integration von KI in PLM-Plattformen kann als Effizienzbooster, Kostensenker und Innovationstreiber dienen. Doch bis dahin ist es noch ein weiter Weg, wie die in der Aras-Studie befragten Unternehmen einräumen: Fast 80 Prozent fehlen derzeit noch das Wissen oder die Kapazitäten, um KI erfolgreich einzusetzen.
