PLM mit KI transformieren: Erkenntnisse von Top-Branchenexperten

Der Inhalt dieser Seite wurde automatisch von einem Drittanbieter übersetzt.

Künstliche Intelligenz (KI) verändert das Produktlebenszyklus-Management (PLM) auf eine Weise, die wir uns vor wenigen Jahren noch nicht vorstellen konnten. Was als Werkzeug zur Automatisierung einfacher Aufgaben wie der Dokumentenklassifizierung begann, hat sich zu einem mächtigen Multiplikator für Innovation und Wachstum entwickelt. Heute kann KI für komplexe, nuancierte Arbeiten wie die Analyse strukturierter und unstrukturierter Daten, die Optimierung von Prozessen und die Erstellung von 3D-Modellen auf Abruf eingesetzt werden.

In der neuesten Folge der „Pulling the Digital Thread“-Webinarreihe von Aras haben wir Branchenexperten versammelt, um die heutigen Auswirkungen von KI auf PLM und digitales Engineering zu diskutieren – und wie sie die Produktentwicklung von Morgen verändern wird. Zu den Diskussionsteilnehmern gehörten Guy Bursell, Leiter der Fertigungsgeschäftsstrategie bei Microsoft, Rik Rasor, CEO von AI Marketplace, Jonathan Scott, Chefarchitekt bei Razorleaf, und Rob McAveney, CTO von Aras.

In der Diskussion erörterten Bursell, Rasor, Scott und McAveney eine Vielzahl von Themen, von der Rolle der KI bei der Verbesserung der Entscheidungsfindung bis hin zu ihrer Fähigkeit, als hilfreicher Assistent oder Agent zu dienen, der das Leben von Ingenieuren erleichtert. Um diese Möglichkeiten zu nutzen, müssen Unternehmen jedoch kritische Herausforderungen angehen, wie den Aufbau von Vertrauen in KI-Systeme und die Sicherstellung der Datenbereitschaft und langfristigen Anpassungsfähigkeit.

Die KI-Revolution im PLM

Während KI in der Fertigung bereits seit Jahrzehnten eingesetzt wird, hat das Aufkommen der generativen KI (GenAI) die Branche bei der Verbesserung der menschlichen Produktivität und der betrieblichen Effizienz einen großen Schritt nach vorne gebracht.

Allein in den letzten Jahren hat es rasante Fortschritte bei den Arten von Arbeit gegeben, die KI bewältigen kann. KI für PLM konzentrierte sich zunächst auf einfache Anwendungen wie die Verarbeitung textlastiger Dokumente, die Automatisierung von Klassifizierungen und die Erstellung von Zusammenfassungen. Heute betritt KI Neuland und dringt in komplexere Anwendungsfälle vor, die die Art und Weise neu definieren, wie Unternehmen den gesamten Produktlebenszyklus verwalten.

Multimodale KI eröffnet neue Möglichkeiten

KI geht über die traditionelle Textverarbeitung hinaus und wird in multimodalen Anwendungen eingesetzt. Diese neuen Fähigkeiten ermöglichen es der KI, mit verschiedenen Datentypen zu arbeiten, darunter Text, Bilder, 3D-Modelle und sogar Videos. Stellen Sie sich einen Außendiensttechniker vor, der ein Foto von einem beschädigten Teil macht. Die KI könnte das Bild analysieren, das Teil identifizieren und die relevanten Daten von der PLM-Plattform abrufen – und das alles in Sekundenschnelle. Multimodale KI wird weiterhin neue Wege eröffnen, um die Problemlösung zu beschleunigen und das Produktlebenszyklus-Management intuitiver und effizienter zu gestalten.

„Vor einem Jahr lag der Schwerpunkt des gesamten Bereichs der generativen KI sehr stark auf der Verarbeitung textbasierter Artefakte innerhalb des PLM […] Jetzt sehen wir eine große Verschiebung oder Erweiterung hin zu den sogenannten multimodalen Modellen.“ – Rik Rasor, CEO von AI Marketplace

Agentic AI ist ein neuer Verbündeter der Technik

KI ist nicht mehr nur ein Hintergrundwerkzeug, sondern wird zu einem aktiven Teilnehmer an der Entwicklungsarbeit. Treten Sie ein in das Zeitalter der agentenbasierten KI – Hintergrundagenten, die autonom arbeiten, um neue Schlussfolgerungen zu ziehen und Optimierungen vorzuschlagen, ohne dass explizite Anweisungen von Menschen erforderlich sind. Dies hat das Potenzial, PLM von einem Werkzeug zur Unterstützung der Entscheidungsfindung zu einem aktiven Partner bei der Produktinnovation und dem Lebenszyklusmanagement zu machen.

Diese KI-Agenten werden Markttrends, Kundenfeedback und Leistungsdaten überwachen, um innovative neue Produktkonzepte zu generieren. Agentic AI wird die betriebliche Effizienz steigern, die Markteinführungszeit verkürzen und es Unternehmen ermöglichen, auf einem zunehmend wettbewerbsorientierten globalen Markt an der Spitze zu bleiben.

„KI-Agenten werden die Akzeptanz bei Entwicklern erhöhen, die Bedenken hinsichtlich der Verwendung von KI haben. Diese Agenten sind einfach zu bedienen, wie eine Rechtschreibprüfung, und beantworten wichtige Fragen wie: „Habe ich eine gute Anforderung geschrieben? Gibt es bereits ein Duplikat?“ – Jonathan Scott, Chefarchitekt bei Razorleaf

Tipps für eine erfolgreiche KI-Einführung

Die Einführung von KI hat sich beschleunigt, aber es gibt immer noch einige Stolpersteine für Unternehmen, die diese neue Technologie einsetzen. Die Mitarbeiter müssen den Prozess verstehen und sich wohl dabei fühlen, KI bestimmte Aufgaben übernehmen zu lassen. Sie müssen sich aber auch der Grenzen von KI bewusst sein, z. B. des Potenzials für „KI-Halluzinationen“, bei denen das System plausible, aber falsche Antworten generiert. Unternehmen müssen angemessene Schutzmaßnahmen ergreifen, um diese Risiken zu managen. Die folgenden Tipps können dabei helfen, eine effektive Einführung von KI voranzutreiben.

Überprüfen Sie die Daten und Annahmen, die die KI vorschlägt

Die Arbeit erfahrener und sachkundiger Ingenieure und anderer Fachexperten ist für die Authentifizierung der Ergebnisse von entscheidender Bedeutung. Die KI kann nur Teillösungen auf der Grundlage der Modelle liefern, mit denen sie arbeitet. Es bedarf jedoch des menschlichen Intellekts, um die Informationen zu interpretieren, die weitere Analyse der KI zu steuern und zu entscheiden, was für die jeweilige Situation am besten ist. Ingenieure und ihre Kollegen müssen in diesem Prozess immer die Entscheidungsträger sein. Wir können nicht einfach vertrauen, sondern müssen immer zusätzliche Schritte zur Überprüfung unternehmen.

Mit kleinen, gezielten Anwendungsfällen beginnen

Ehrgeizige Ziele zu setzen (z. B. die Einführung einer KI-zentrierten Produktentwicklung) ist großartig, aber um die Zustimmung der Geschäftsführung zu erhalten und aussagekräftige Ergebnisse zu sehen, muss man mit praktischen Anwendungsfällen beginnen, die eine Dynamik für eine breitere Einführung schaffen. Sie könnten sich beispielsweise auf bestimmte, hochwirksame Aufgaben konzentrieren, bei denen KI einen unmittelbaren Mehrwert bieten kann, wie z. B. die Rückverfolgbarkeit und Analyse von Anforderungen.

„Es ist wirklich wichtig, die richtigen Anwendungsfälle für die Bedürfnisse Ihres Unternehmens zu finden. Was wird eine schnelle Rendite sowie einen langfristigen Wert für das Unternehmen bringen?“ – Rik Rasor, CEO von AI Marketplace

Investieren Sie in die Dateninfrastruktur

KI-Systeme sind auf qualitativ hochwertige Daten angewiesen. Viele Hersteller kämpfen jedoch mit ungeordneten und inkonsistenten Daten in verschiedenen Abteilungen. Je mehr Daten, desto besser, einschließlich besser integrierter und verknüpfter Daten über den gesamten Produktlebenszyklus hinweg. Je größer die Menge und die Qualität der Daten, mit denen KI arbeiten kann, desto besser die Ergebnisse. Um das Potenzial der KI voll auszuschöpfen, müssen die Hersteller in eine Dateninfrastruktur investieren, die einen nahtlosen Datenfluss und eine durchgängige Integration im gesamten Unternehmen ermöglicht. Technologien wie der Digital Thread können Daten systemübergreifend verbinden und sicherstellen, dass KI-Modelle auf genaue, aktuelle Informationen zugreifen können.

Automatisierung für sich wiederholende, nicht wertschöpfende Aufgaben. Manchmal ist es schwierig, die Zukunft vorherzusagen, insbesondere wenn es um komplexe Ideen geht, die nur Experten auf einem bestimmten Gebiet wirklich verstehen. Wenn manche Menschen Angst vor KI haben, kann das daran liegen, dass sie nur die einfachen Anwendungsfälle sehen, die potenziell Schaden anrichten können.

Planen Sie langfristige Flexibilität ein

Flexibilität ist entscheidend für die Anpassung an die technologische Entwicklung und sich ändernde Geschäftsanforderungen. Dies bedeutet, dass Tools und Frameworks ausgewählt werden müssen, die sich in bestehende Systeme integrieren lassen und gleichzeitig mit dem Aufkommen neuer Technologien skalierbar sind. Die Priorisierung der Interoperabilität – die Fähigkeit von Systemen, Geräten und Anwendungen, innerhalb und über Organisationsgrenzen hinweg zusammenzuarbeiten – ist für einen nahtlosen Datenaustausch, eine reibungslose Zusammenarbeit und Innovationen über den gesamten Produktlebenszyklus hinweg von entscheidender Bedeutung. Beispielsweise erfordern neue Compliance-Vorschriften wie der Digitale Produktpass (DPP) ein hohes Maß an Interoperabilität, um Informationen über komplexe Lieferketten hinweg nachverfolgen zu können.

Machen Sie Ihre KI-Strategie zukunftssicher

Das Potenzial von KI zur Umgestaltung der Fertigungsindustrie ist unbestreitbar, doch Unternehmen müssen jetzt handeln, um sich mit dem Wissen und den Ressourcen auszustatten, die zur Verbesserung ihres Produktlebenszyklus und zur Steigerung der Produktivität und Zufriedenheit der Ingenieure erforderlich sind. Lesen Sie „Unraveling the Digital Thread: 4 Trends for 2025“, um mehr über die Zukunft von PLM zu erfahren.