Der Inhalt dieser Seite wurde automatisch von einem Drittanbieter übersetzt.

Diese Woche hat Aras InnovatorEdge AI vorgestellt – im Rahmen der Erweiterung der Aras InnovatorEdge-Services.

Das Potenzial von KI in der Produktentwicklung und im Engineering wird seit einigen Jahren intensiv diskutiert: schnellere Entscheidungen, weniger Übergaben, bessere Wiederverwendung von Engineering-Wissen und höhere Produktivität. Erst vor zwei Jahren haben wir eine Diskussion mit KI-Experten aus dem Engineering veranstaltet, die sich mit dem Potenzial der Integration von GenAI, PLM und Digital Engineering befasste. Damals zitierten wir eine Gartner-Statistik, wonach bis 2026 50 % der PLM-Anbieter KI in ihre Software integrieren würden. Man kann mit Sicherheit sagen, dass im Januar 2026 100 % der PLM- und Engineering-Softwareanbieter BEHAUPTEN, KI in ihre Lösungen integriert zu haben.

Wenn man jedoch das KI-Marketing traditioneller PLM-Anbieter genauer betrachtet, findet man meist die gleichen grundlegenden Anwendungen in Form von LLM-basierten Copilot-Erlebnissen. Und auch wenn wir zunehmend von aufgabenbezogenen KI-Agenten hören (z. B. im Änderungsmanagement), handelt es sich dabei um punktuelle Implementierungen mit höchst fragwürdigen Skalierungsstrategien.

Um KI-Innovation im PLM wirklich zu entfalten, muss sich die Branche drei grundlegenden Realitäten stellen:

  1. KI-Innovation wird im gesamten PLM-Technologie-Ökosystem stattfinden – mit KI-Services, Agenten und Lösungen, die von PLM-Softwareanbietern, Cloud- und KI-Service-Providern, Beratungen und Systemintegratoren und vor allem von Produktentwicklungsteams entwickelt werden, die PLM-Software einsetzen.
  2. Ein kontrollierter und sicherer Zugriff auf Daten des Digital Thread wird die Grundlage für jede sinnvolle KI-Wertschöpfung sein.
  3. Unternehmens-IT-Organisationen müssen die Kontrolle darüber behalten, wie KI in ihre Organisation eingeführt wird.

Eine Plattform zur skalierbaren Bereitstellung KI-nativer PLM- und Engineering-Lösungen

Wir freuen uns sehr, Aras InnovatorEdge AI („Edge AI“) vorzustellen – eine Service-Suite zum Entwickeln, Bereitstellen, Ausführen und Governieren agentischer Workflows und KI-Services in Ihrem gesamten PLM-Ökosystem. Zudem präsentieren wir die erste Generation von Aras KI-Agenten, die auf Edge AI basieren. Mehr dazu hier.

Wir sehen Edge AI als wegweisenden Ansatz, der Produktorganisationen in die Lage versetzt, die Einführung von KI in PLM und Engineering zu beschleunigen – und dabei die Kontrolle über ihr geistiges Eigentum zu behalten, gegenüber ihren Kunden rechenschaftspflichtig zu bleiben und regulatorische Anforderungen bei der Bereitstellung komplexer Produkte zu erfüllen.

Die eigentliche Herausforderung: KI im PLM zu operationalisieren

Das Problem, auf das die meisten Unternehmen stoßen, ist nicht die Frage, ob KI Texte generieren oder Dokumente zusammenfassen kann. Entscheidend ist vielmehr, ob KI als vertrauenswürdiger Akteur in der Produktentwicklung agieren kann – innerhalb definierter Prozessgrenzen, auf Basis einer verlässlichen Quelle digitaler Produktinformationen und mit Ergebnissen, die erklärbar und auditierbar sind.

In PLM-Begriffen lauten die Fragen:

  • Kann KI mit konfigurationskontrollierten Produktdaten arbeiten – und nicht nur mit aus dem Kontext gerissenen Datenausschnitten?
  • Kann sie zwischen „as designed“, „as built“ und „as maintained“ navigieren, ohne Annahmen zu treffen?
  • Respektiert sie standardmäßig Rollen, Berechtigungen und IP-Grenzen?
  • Kann sie eine nachvollziehbare Beweiskette dafür erstellen, was sie getan hat und warum?

Wenn eine dieser Fragen mit Nein beantwortet wird, verfügen Sie nicht über eine unternehmensweite PLM-KI-Strategie, sondern lediglich über eine Reihe interessanter Demos.

Ein praxisnaher Lackmustest für unternehmensreife KI im PLM

Wenn Ihr KI-Ansatz im PLM die folgenden Fragen nicht beantwortet, wird er nicht skalieren. Jede dieser Fragen macht einen konkreten Grund sichtbar, warum KI im PLM häufig ins Stocken gerät – und jede zeigt, was von Grund auf mitgedacht werden muss, damit Agenten vertrauenswürdig sind.

  1. Welchen Produktkontext hat die KI verwendet?
    Im PLM hängt die „richtige Antwort“ von Konfiguration, Gültigkeit, Revisionshistorie, Freigabestatus und den Beziehungen zwischen Anforderungen, Teilen, Stücklisten, Dokumenten und Änderungen ab. Wenn die KI nicht angeben kann, welche Produktdefinition, welche Revision, welche Baseline und welche verknüpften Objekte ihr Ergebnis beeinflusst haben, können Sie das Resultat nicht als Entscheidungsgrundlage nutzen. Transparenz beim Kontext verhindert zudem subtile Fehler, etwa die Vermischung veralteter Anforderungen mit aktuellen oder die Analyse einer falschen Konfiguration für eine bestimmte Kundenoption.
  2. Worauf durfte sie zugreifen – und warum?
    Zugriffskontrolle ist im PLM ein zentraler Bestandteil der Produktintegrität. Rollenabgrenzungen, Lieferantengrenzen, Programmtrennung, Exportkontrollen und der Schutz geistigen Eigentums bestimmen, welche Daten für eine bestimmte Aufgabe verwendet werden dürfen. Wenn die KI nicht erklären kann, was sie sehen durfte und warum sie innerhalb dieses Rahmens zu einer Schlussfolgerung gekommen ist, können Teams nicht sicher sein, dass keine Informationen preisgegeben oder unvollständige Daten genutzt wurden. Bewusstsein für Berechtigungen ist der Unterschied zwischen einer hilfreichen Funktion und einem Governance-Problem.
  3. Welche Aktionen hat sie innerhalb von PLM-Workflows ausgeführt?
    Der Wert agentischer KI liegt nicht darin, Arbeit zu beschreiben, sondern darin, Arbeit dort voranzubringen, wo Produktentscheidungen getroffen werden. Das bedeutet, strukturierte Objekte vorzuschlagen, Workflows zu initiieren, Auswirkungen zu kennzeichnen, Aufgaben weiterzuleiten und Empfehlungen auszusprechen, die mit klarer Intention angenommen, abgelehnt oder angepasst werden können. Wenn Sie die ausgeführten Aktionen nicht beschreiben können, können Sie nicht zwischen einer Konversationsoberfläche und einem operativen Agenten unterscheiden.
  4. Wie sieht der nachvollziehbare Nachweis dieser Aktionen und Ergebnisse aus?
    Nachverfolgbarkeit ist die zentrale Währung im PLM. Organisationen müssen belegen können, was geändert wurde, wer es freigegeben hat, welche Daten zugrunde lagen, welche nachgelagerten Objekte betroffen waren und wie die Entscheidung über den gesamten Lebenszyklus hinweg umgesetzt wurde. Wenn KI-Ergebnisse nicht als Teil des Produktdatensatzes dokumentiert werden – einschließlich der verwendeten Eingaben und ausgelösten Aktionen – entsteht eine parallele Realität außerhalb des maßgeblichen Digital Thread. Aus Compliance-Sicht ist das nicht akzeptabel.
  5. Wie wird sie gesteuert, überwacht und im Laufe der Zeit weiterentwickelt?
    Produktentwicklung ist langfristig angelegt und unterliegt ständiger Veränderung. Anforderungen ändern sich, Lieferanten wechseln, Produktlinien entwickeln sich weiter, Prozesse werden angepasst und das Datenmodell reift. KI, die nicht governierbar ist, verliert an Relevanz oder birgt Risiken. Unternehmen benötigen Lebenszykluskontrollen, Versionierung, Richtlinienmanagement, Observability und wiederholbare Deployment-Muster über verschiedene Umgebungen hinweg.

InnovatorEdge AI wurde entwickelt, um genau diese Herausforderungen direkt anzugehen – und zwar in unternehmensweitem Maßstab.

Ein wegweisender Ansatz

Die Motivation hinter InnovatorEdge AI besteht darin, agentische KI im Unternehmen praktikabel zu machen – durch eine eng integrierte Service-Suite für agentisches Design, Deployment, Orchestrierung und Governance. Dieser Ansatz verändert grundlegend, wie KI in PLM und Engineering skaliert werden kann: 1) durch die Festlegung klarer Spielregeln; 2) durch Aufsicht, die sicherstellt, dass alle Beteiligten innerhalb dieser Regeln agieren; und 3) durch ausreichend operative Freiheit, damit einzelne Akteure innovativ nutzen können, wie sie KI einsetzen.

Category:
ACE Aras Insights Digital Engineering