Generative KI in Produktdesign und Fertigung

In der relativ kurzen Zeit, in der sich generative Künstliche Intelligenz (KI) im Alltag etabliert hat, zog sie die Aufmerksamkeit aller Branchen auf sich. Zahlreiche KI-Anwendungen sind bereits im Einsatz. Und eine breitere Anwendung im Massenmarkt scheint nur eine Frage der Zeit zu sein. Der Bereich Product Lifecycle Management (PLM) bildet hier keine Ausnahme.

Das Marktforschungs- und Analyseinstitut Gartner prognostiziert, dass generative KI bis 2025 bei 70 Prozent der text- und datenintensiven Aufgaben eine Rolle spielen wird, im Vergleich zu weniger als 10 Prozent im Jahr 2023, und dass bis 2026 generative KI-Funktionen in 50 Prozent der Lösungen von PLM-Anbietern implementiert sein werden, im Vergleich zu derzeit 5 Prozent.

Die Anwendung von KI im gesamten Produktdesign- und Herstellungsprozess ist äußerst vielversprechend. Die Integration von KI stellt die Unternehmen jedoch auch vor große Herausforderungen, wenn es darum geht, sich in diesem komplexen und schnell verändernden Umfeld zurechtzufinden. Die größte Herausforderung könnte darin bestehen, sich nicht von der KI-Euphorie mitreißen zu lassen.

Es gibt zwei grundlegende Lehren für die Implementierung einer neuen Technologie. Die erste: Klein anfangen! Konzentrieren Sie sich auf die "low hanging fruits", d.h. auf Bereiche, in denen ein schneller Mehrwert erzielt werden kann. Zweitens: Stellen Sie sicher, dass die neue Technologie zur Lösung echter Probleme beiträgt und nicht nur als Showeffekt dient.

Von Compliance bis Simulationen – die Einsatzgebiete generativer KI

Es gibt eine Reihe von Beispielen in PLM- und Produktentwicklungsprozessen, bei denen der Einsatz von KI-basierten Werkzeugen einen spürbaren Unterschied für Unternehmen machen kann. Dabei ist es besser, sich darauf zu konzentrieren, die Effizienz und Produktivität bestehender Prozesse zu steigern, als zu versuchen, Arbeit durch Automatisierung mittels KI zu ersetzen. 

Wir sehen bereits, dass KI in Form von "Copiloten" oder intelligenten, in natürlicher Sprache kommunizierenden virtuellen Assistenten eingesetzt wird, die Fragen beantworten und den Nutzer zu Lösungen oder durch bestimmte Abläufe führen können. Die Idee dahinter ist, die Arbeit des Benutzers zu erleichtern und einige triviale oder zeitaufwändige Aufgaben zu beschleunigen.

Einige Beispiele für Bereiche, in denen KI in naher Zukunft entscheidend sein wird, sind:

• Compliance – Die Ermittlung der richtigen Compliance-Anforderungen während der Produktentwicklung ist oft schwierig und komplex. Die Aufgabe wird umso anspruchsvoller, je mehr Branchen oder Regionen mit dem Produkt beliefert werden sollen. Werden die Anforderungen nicht genau berücksichtigt, steigt entweder das Risiko einer Überdimensionierung (zu viele Anforderungen erfüllt) oder das Gegenteil tritt ein: die Zulassung wird aufgrund nicht erfüllter regulatorischer Anforderungen verweigert. Durch den Einsatz von KI kann die Ermittlung von Anforderungen – und die abschließende Überprüfung eines in Arbeit befindlichen Entwurfs – beschleunigt werden.
• Auch eine weltweite Analyse von Rechtsvorschriften und Compliance-Checks kann mit Hilfe von KI schneller als je zuvor durchgeführt werden. Die Möglichkeit, eine KI zu trainieren, um mit den jeweils neuesten Änderungen der Vorschriften Schritt zu halten, bietet einen kontinuierlichen Mehrwert. Erfahrungen aus der Produktentwicklung zeigen: Vorschriften ändern sich häufig und ohne Vorankündigung. Dies kann zu erheblichen Problemen führen, wenn Änderungen während des Konstruktions- und Zulassungsprozesses nicht berücksichtigt werden. 
• Technische Dokumentation – Die Erstellung technischer Dokumentationen kann ein zeitaufwändiger Prozess sein, ist aber für die effiziente Herstellung, Prüfung und den Betrieb vieler Produkte unerlässlich. Wenn beispielsweise Bedienungsanleitungen, Wartungshandbücher oder andere wichtige Dokumente erstellt werden müssen, kann generative KI bereits heute eine wichtige Unterstützung leisten. Zwar werden technische Redakteure und Autoren weiterhin gebraucht, um Fehlerfreiheit und Vollständigkeit zu gewährleisten. Die Unterstützung durch KI bietet bei diesen Aufgaben jedoch einen deutlichen Vorteil.
•  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. Dieser proaktive Ansatz wird die Akzeptanz beschleunigen und mit der Zeit ein immer besseres Feedback liefern.
• Simulationen – Auch in Produktentwicklungsprozessen werden zunehmend Simulationen 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 am Ende bessere Produkte entstehen.

In Zukunft werden sich die Möglichkeiten der KI sowohl in der Produktentwicklung als auch in der Fertigung noch erweitern. KI hat das Potenzial, Designzyklen zu beschleunigen, die Produktqualität zu verbessern und das Produktdesign durch Vorschläge und Verbesserungen maßgeblich zu beeinflussen. KI-Technologien könnten eines Tages sogar dafür eingesetzt werden, Produktinnovationen durch die Analyse von Kundenfeedback und Markttrends voranzutreiben. Ganz so weit sind wir zwar noch nicht. Aber wir können bereits erahnen, wie KI den Werkzeugkasten von Konstrukteuren und Ingenieuren künftig erweitern wird.

Herausforderungen und potenzielle Risiken

Wie bei jeder Technologie können aber auch bei der KI-Implementierung Herausforderungen auftreten. Der Einsatz von KI in PLM- und Produktentwicklungsszenarien wirft nämlich einige spezifische Fragen auf.

Zunächst ist es wichtig, sich bewusst zu machen, dass sich PLM mit einigen der wichtigsten Eigentumsrechte eines Unternehmens befasst: dem Design seiner Produkte. Der Schutz dieses geistigen Eigentums sollte oberste Priorität haben. Die Offenlegung der Daten für den Einsatz einer KI kann aber ein erhebliches Risiko darstellen. Denn wenn ein KI-Modell mit urheberrechtlich geschützten Daten trainiert wird, ist es wahrscheinlich, dass die Ergebnisse ebenfalls urheberrechtlich geschützte Informationen enthalten.

Als Erweiterung der ersten Herausforderung besteht häufig die Notwendigkeit, den Zugang zu besonders sensiblem geistigem Eigentum auch innerhalb des eigenen Unternehmens zu beschränken. Mitarbeiter, die an einem geheimen neuen Design arbeiten, sollten Zugang zu KI haben, um Innovationen schneller vorantreiben zu können. Wenn KI jedoch mit diesen Daten trainiert wird, besteht die Gefahr, dass sie auch für andere zugänglich wird.

Wir alle wissen, dass KI auf Daten basiert. KI, die qualitativ hochwertige Daten verwendet, wird wahrscheinlich gute Ergebnisse liefern. Aber KI, die mit schlechten Daten trainiert wird, kann gefährlich sein. In diesem Fall würde die KI nicht nur falsche Informationen verbreiten, sondern auch falsche Schlussfolgerungen ziehen, was zu weiteren schlechten Daten führen würde. Dies würde die Datenqualitätsprobleme vervielfachen.

Vor allem müssen wir aber bedenken, dass Unternehmen auf PLM-Systeme vertrauen, um Produkte zu bauen, die wir im täglichen Leben verwenden. Die Autos, die wir fahren, die Aufzüge, die wir benutzen, und sogar die Geräte, die wir in unseren Taschen haben, müssen jederzeit sicher sein. Wir können uns nicht darauf verlassen, dass KI uns nur richtige Antworten gibt. Wir brauchen strenge Governance-Prozesse und Überprüfungsmethoden, um die Einhaltung aller Vorschriften zu gewährleisten. Zudem brauchen wir im gesamten Unternehmen ein starkes Bewusstsein für das Thema Sicherheit.

Fazit: Die Zukunft von KI und PLM 

Die Integration von Künstlicher Intelligenz in PLM-Plattformen und die damit verbundenen Funktionalitäten stellen einen wichtigen Meilenstein in der Entwicklung von Produktdesign und Produktentwicklung dar. KI kann dazu beitragen, die Effizienz zu steigern, Kosten zu senken und neue Möglichkeiten für Innovationen zu schaffen. Unternehmen, die verstärkt auf KI setzen wollen, sollten jedoch zunächst dort ansetzen, wo der Wert von KI prozessübergreifend erkannt, gesteuert und verstanden werden kann. Ebenso sollten im Vorfeld alle Risiken identifiziert werden, um die Fallstricke dieser spannenden Technologie zu umgehen.

Bild von Drazen Zigic auf Freepik