Erkundung von KI und fortschrittlicher Simulation im digitalen Ingenieurwesen: Einblicke von Branchenführer

Der Inhalt dieser Seite wurde automatisch von einem Drittanbieter übersetzt.

Die kürzlich stattgefundene “Pulling the Digital Thread”-Diskussion, Die Macht von Simulation und KI für die Zukunft des Ingenieurwesens nutzen, brachte vier einflussreiche Persönlichkeiten zusammen, um über die Schnittstelle von künstlicher Intelligenz (KI) und fortgeschrittener Simulation im digitalen Ingenieurwesen zu sprechen. Ich moderierte die Diskussion, in der wir erkundeten, wie KI und Simulation die Ingenieurprozesse umgestalten und die Produktentwicklung in verschiedenen Branchen beschleunigen.

Vielen Dank an unsere Diskussionsteilnehmer, die ihre einzigartige Expertise in das Gespräch eingebracht haben: David Long von INCOSE, Tom Martinek von Ansys, Jan Paul (JP) Stein von McKinsey und Matteo Nicholich von Aras.

Vorteile von KI in Produktentwicklung

Tom Martinek, ein Veteran der Produktentwicklung bei Ansys, begann damit, seine Perspektive darüber zu teilen, wie KI zunehmend in traditionelle Simulationswerkzeuge integriert wird. “KI und maschinelles Lernen ermöglichen uns, dieselben Ergebnisse zu erzielen, die wir von physikbasierten Simulationen erhalten, jedoch auf eine viel schnellere und effizientere Weise”, erklärte Tom. Er hob hervor, dass KI begonnen hat, Produktverhalten vorherzusagen, ohne sich ausschließlich auf das Lösen komplexer physikalischer Gleichungen zu stützen, was den Designprozess beschleunigt. Obwohl er betonte, dass er kein KI-Experte sei, wies Tom darauf hin, wie KI das Portfolio der Simulations-technologien erweitert, um die Produktentwicklung effizienter zu gestalten.

David Long, der die Systems Engineering-Perspektive vertrat, erklärte, wie KI eine zusätzliche Intelligenzebene zu komplexen Ingenieurproblemen hinzufügt. “Systems Engineering basiert auf der Idee, dass die kollektive Intelligenz vieler größer ist als die singuläre Intelligenz eines Einzelnen“, erklärte David. Er betonte, dass KI interdisziplinären Teams dabei helfen könnte, Wechselwirkungen und frühe Lösungskonzepte zu identifizieren, die möglicherweise nicht auf den ersten Blick ersichtlich sind. Das Ziel sei es laut David, den Zugang zum Systems Engineering zu demokratisieren und es durch KI-Unterstützung für alle Ingenieure zugänglicher zu machen.

Deep Learning-Surrogate und schnellere Simulationen

Jan Paul Stein von McKinsey gab Einblicke, wie KI-basierte Technologien, insbesondere Deep Learning-Surrogate, teilweise klassische Simulationsmethoden ersetzen können. “Deep Learning-Surrogate sind eine faszinierende Technologie, die es ermöglicht, klassische Simulationen teilweise zu ersetzen, indem KI-Modelle basierend auf vollständigen Daten aus Simulationen trainiert werden”, bemerkte Jan Paul. Er erläuterte, wie diese Modelle eine schnellere Inferenz ermöglichen und eine effizientere Erkundung optimaler Designlösungen erlauben. Dieser Ansatz bietet Unternehmen die Möglichkeit, schnell mehrere Designs zu durchlaufen und verfeinerte Ergebnisse zu erzielen. Laut Jan Paul stellen Deep Learning-Surrogate eine faszinierende neue Technologie dar, die eine teilweise Ersetzung klassischer Simulationen basierend auf großen Sprachmodellen (LLMs) für das KI-Training ermöglicht.

JP hob auch hervor, wie KI die Markteinführungszeit in verschiedenen Branchen verbessert. “Früher war die Verbesserung der Produktleistung der Hauptantrieb. Jetzt liegt der Fokus darauf, die Markteinführungszeit zu verkürzen”, sagte er. Er erklärte, dass insbesondere die Automobilindustrie zunehmend KI einsetzt, um den Engineering-Prozess zu optimieren und dem Wettbewerbsdruck des Marktes gerecht zu werden.

Brücke zwischen traditioneller Optimierung und KI

Matteo Nicolich teilte seine Einsichten zur Entwicklung von Optimierungsmethoden in der Produktentwicklung. Er erklärte das Gleichgewicht zwischen traditionellen Optimierungstechniken und modernen, KI-gestützten Ansätzen. “Konventionelle Methoden konzentrieren sich stärker auf die lokale Optimierung, während KI-basierte Modelle größere und komplexere Räume erkunden können”, betonte Matteo. Er erwähnte, dass die Anpassungsfähigkeit und die Erkundungsfähigkeiten von KI sie geeignet machen, nichtlineare, mehrzielige Probleme in der Produktentwicklung zu lösen.

Matteo betonte jedoch auch die Bedeutung der Genauigkeit und erklärte, dass KI-Modelle zwar größere Designräume handhaben können, jedoch möglicherweise an Präzision verlieren. “Die Kombination von KI mit konventionellen Modellen hilft, das richtige Gleichgewicht zwischen Exploration und Genauigkeit zu finden”, erklärte er. Matteo sieht in KI ein wertvolles Werkzeug, das eine fundiertere Entscheidungsfindung in der Designphase erleichtern kann, indem es wiederholende Aufgaben reduziert und Ingenieure sich auf Innovation konzentrieren lässt.

Herausforderungen bei der Einführung und der menschliche Faktor

Das Panel ging auch auf die Herausforderungen bei der Einführung von KI- und Simulationstechnologien im großen Maßstab ein. Eine der wichtigsten Erkenntnisse war die Notwendigkeit, das obere Management, das mittlere Management und die Ingenieurteams zu engagieren, um eine erfolgreiche Einführung sicherzustellen. “Das mittlere Management ist oft der Ort, an dem Veränderungen scheitern”, bemerkte David Long und betonte die Bedeutung der Angleichung von Anreizen und sicherzustellen, dass das mittlere Management versteht, wie neue Technologien ihnen und ihren Teams zugutekommen.

Jan Paul hob hervor, dass eine erfolgreiche Einführung die Schaffung eines Wettbewerbsgeistes innerhalb der Teams und das Vorzeigen von Erfolgsgeschichten erfordert, um andere zu inspirieren. Er erwähnte, dass viele Unternehmen sich noch in den frühen Phasen der Nutzung von KI im digitalen Ingenieurwesen befinden, wobei die meisten Anwendungen Proof-of-Concepts und keine vollständig skalierten Initiativen sind. “Wir müssen Foren schaffen, in denen Teams bewährte Praktiken teilen und voneinander lernen können”, sagte Jan Paul und fügte hinzu, dass die Förderung einer kollaborativen Kultur der Schlüssel zu einer breiten Einführung sei.

Matteo betonte auch die Bedeutung, klein anzufangen und sich auf praktische Anwendungsfälle zu konzentrieren, um die tägliche Arbeit der Ingenieure zu verbessern. “Denken Sie klein und beginnen Sie mit Anwendungsfällen, die dem Endbenutzer in seinen täglichen Aufgaben wirklich helfen”, riet Matteo. Er ist der Meinung, dass der Beginn mit überschaubaren Zielen und der Nachweis greifbarer Vorteile dabei helfen kann, den Schwung für größere Initiativen zu erzeugen.

Die Zukunft des Ingenieurwesens: Ständige Innovation

Die Diskussionsteilnehmer drückten ihre Begeisterung über die Zukunft von KI und fortschrittlicher Simulation im Ingenieurwesen aus. Tom Martinek erwähnte, dass er gespannt darauf sei, welche neuen Innovationen sich ergeben werden, wenn sich die KI weiterentwickelt. “KI erschließt eine völlig neue Dimension der Innovationsmöglichkeiten. Ich kann es kaum erwarten zu sehen, was daraus wird”, sagte er.

David Long teilte eine Vision der Ingenieurstransformation, in der KI und Simulation es Ingenieuren ermöglichen, sich mehr auf Kreativität zu konzentrieren, während Routineaufgaben effizienter erledigt werden. Er glaubt, dass wir eine Transformation der Ingenieurprozesse erleben, die von isolierten Ansätzen zu einer kontinuierlichen Wertschöpfung übergeht.

Jan Paul brachte einen inspirierenden Gedanken zur Nutzung von KI für das Gemeinwohl vor. “Die Nutzung von KI und Simulation für Nachhaltigkeit, wie das Design von Elektrofahrzeugen, die weniger Energie verbrauchen, oder Waschmaschinen, die weniger Wasser benötigen, ist etwas, das mich besonders begeistert”, sagte er. Er ging auch auf das Potenzial vollvernetzter Toolchains ein, die es Ingenieuren ermöglichen würden, optimierte Produkte in Zukunft nahtloser zu entwerfen.

Abschließende Gedanken

Das “Pulling the Digital Thread”-Panel bot einen umfassenden Überblick darüber, wie KI und fortschrittliche Simulation das digitale Ingenieurwesen umgestalten und beleuchtete aktuelle Themen wie Fertigung und das Product Lifecycle Management aus der Perspektive eines vernetzten digitalen Unternehmens.

Von der Beschleunigung der Markteinführungszeit bis hin zur Demokratisierung des Systems Engineering und der Verbesserung der Produktoptimierung – KI steht kurz davor, die Art und Weise zu revolutionieren, wie wir Produkte entwerfen und bauen. Die Reise erfordert jedoch eine sorgfältige Einführung, einen Fokus auf Datenmanagement und einen menschenzentrierten Ansatz zur Integration von Technologien.

Lassen Sie uns dieses Gespräch fortsetzen! Die Diskussionsteilnehmer ermutigten alle, den Dialog in den sozialen Medien fortzusetzen und Einblicke und bewährte Praktiken zu teilen, um das Gebiet des digitalen Ingenieurwesens gemeinsam weiterzuentwickeln.

Interessiert an weiteren Informationen? Sehen Sie sich die On-Demand-Version hier an.

Let me know if this translation fits your needs or if you need any further adjustments!