Wie kann KI die Produktentwicklung unterstützen?
Hersteller sind sehr daran interessiert, wie KI ihre Produktentwicklung verbessern kann. Sie stellen sich wichtige Fragen: Wie kann KI uns helfen, schneller voranzukommen und Produktivitätssteigerungen zu erzielen? Wie sieht die Zukunft unseres Unternehmens aus, wenn KI-Systeme die Abläufe automatisieren? Wie können wir KI heute für Maßnahmen nutzen, die sich auf das Endergebnis auswirken – Kosten, Qualität und Effizienz?
Bei PTC® haben wir eine klare Sichtweise. Der Leitgedanke hinter dieser Sichtweise ist der Intelligent Product Lifecycle (IPL), bei dem Produktdaten zuverlässig zwischen Teams und Systemen fließen, von der Produktentwicklung bis hin zu After-Market-Services. Der IPL verbindet Informationen wie Anforderungen, Designabsichten, Konfigurationspläne oder Service-Erkenntnisse zu einer vertrauenswürdigen Datenbasis. KI treibt Innovationen voran, indem sie Erkenntnisse und Koordination über den gesamten Lebenszyklus hinweg einbindet und sich in Form von KI-gestützten Funktionen manifestiert, die beraten, unterstützen und Arbeiten automatisieren.
Bewährte KI-Anwendungsfälle liefern bereits heute einen Mehrwert, von industriellen Copiloten bis hin zu technischen Assistenten für die Programmierung oder die Erstellung von Anforderungen. Wir haben bereits zuvor darüber berichtet, wie KI einen Mehrwert für Hersteller schafft, und die neuesten Marktforschungsergebnisse zusammengestellt, die zeigen, wie KI in verschiedenen Bereichen einen Mehrwert liefern wird.
Aber wie nimmt diese Vision Gestalt an? Wo fängt man an? Was sind die Vorteile und die zugrunde liegenden Technologien? Diese Fragen werden wir in diesem Artikel beantworten, wobei wir uns auf ein KI-Reifegrad-Framework konzentrieren, das veranschaulicht, wie KI-gestützte Lösungen heute auf Hersteller wirken und in Zukunft noch mehr Nutzen bringen werden.
Vorstellung des AI Impact Horizons Framework
Um Unternehmen dabei zu helfen, zu verstehen, wie KI die Produktentwicklung verändern wird, hat PTC das Framework „AI Impact Horizons“ entwickelt. Dieses Framework gliedert die Auswirkungen der KI in drei zeitbasierte Horizonte:
1. Horizont 1:
Turbocharge Individuals: Diese Anfangsphase liefert bereits heute einen Mehrwert. KI-Berater und -Assistenten steigern die Produktivität, indem sie Einblicke verbessern und bestimmte Aufgaben ausführen, wie z. B. die Validierung der Anforderungen eines Ingenieurs oder die Optimierung des Lieferplans eines Technikers.
Diese Anwendungsfälle basieren auf Technologien wie Chat-Schnittstellen mit natürlicher Sprache, LLMs und KI-Assistenten. Im Laufe der Zeit wird die Technologie auch spezialisierte Modelle und automatisierte Agent-Workflows umfassen, wodurch die Produktivität der Mitarbeiter durch höhere Qualität und Geschwindigkeit gesteigert wird.
2. Horizont 2:
Verbesserung der Unternehmensintelligenz: Die nächste Innovationsstufe wird in den nächsten 1 bis 3 Jahren einen Mehrwert schaffen. Im Mittelpunkt stehen dabei die Vernetzung von Betriebsabläufen und der Abbau von Datensilos, um schnellere Entscheidungen und eine tiefere Koordination zwischen den Geschäftsbereichen zu ermöglichen. Anwendungsfälle wie das Änderungsmanagement in Unternehmen oder die Zusammenarbeit mit Lieferanten bei der Produktentwicklung nehmen bereits als erste Marktbelege Gestalt an.
Mit sich weiterentwickelnden Technologien wie Multi-Agenten-Koordination und produktübergreifenden Wissensgraphen werden diese KI-Anwendungsfälle noch stärker in Unternehmen Fuß fassen und eine schnellere Entscheidungsfindung sowie eine tiefere Koordination über Geschäftsbereiche hinweg ermöglichen.
3. Horizont 3:
Produktlebenszyklen neu erfinden: Dieser hochgradig ausgereifte Horizont wird voraussichtlich innerhalb von zwei bis fünf Jahren Vorteile in großem Umfang generieren. Integrierte, autonome KI-Systeme werden zusammenarbeiten, um die Produktentwicklung neu zu gestalten.
Aufbauend auf fortschrittlichen Technologien wie Agentennetzwerken, Unternehmensdaten-Meshes und der Konvergenz digitaler und physischer Systeme wird die Industrie Produktlebenszyklen mit Vibe-Produktentwicklung und physischen KI-Anwendungsfällen neu definieren.
Da die Fortschritte im Bereich der KI unglaublich schnell voranschreiten, sind diese Zeitpläne, nach denen Hersteller Vorteile realisieren werden, nur Faustregeln. Klar sind jedoch die Anwendungsmuster, organisatorischen Vorteile und technologischen Wegbereiter. In den folgenden Abschnitten werden wir uns mit jedem Horizont befassen, um diese Schlüsselelemente zu identifizieren, und dabei Beispiele aus unserer Arbeit bei PTC zeigen.
Horizont 1: Mitarbeiter befähigen
Der erste Horizont der KI-Transformation wird dadurch definiert, wie Intelligenz den einzelnen Mitarbeiter befähigt. In der Produktentwicklung beginnt KI, alltägliche Aufgaben neu zu gestalten, indem sie sofortigen Zugriff auf Wissen ermöglicht, Reibungsverluste bei der Einführung von Software reduziert und repetitive manuelle Arbeiten ausführt.
Use Case Muster
Das auffälligste Muster sind Beratungsfunktionen. Mithilfe natürlicher Sprache können Mitarbeiter Fragen stellen, Probleme beheben, sofort Informationen finden oder Dateien zusammenfassen. In PTC Windchill können Ingenieure beispielsweise Fragen zu Compliance-Dokumenten stellen oder anhand einer Produktspezifikation nach einem Drehmomentwert suchen.
Beispiel: Verwenden Sie KI, um Fragen zu stellen und Dokumente in Windchill zusammenzufassen.
Ein zweites Muster sind Workflow-Assistenten, bei denen KI bestimmte Aufgaben in einem Geschäftsprozess ausführt. Assistenten können bei der Software-Codierung, der Klassifizierung von Teilen, der Analyse von 3D-Modellen oder Empfehlungen für Serviceaufträge helfen. Sie reduzieren manuelle Schritte, führen Validierungen durch und leiten Mitarbeiter durch Best Practices. In PTC Codebeamer profitieren beispielsweise Anforderungsingenieure von mehreren KI-Assistenten, die Anforderungen hinsichtlich ihrer Qualität bewerten und bei der Erstellung von Testfällen helfen.
Beispiel: KI-Assistent in Codebeamer zur Koordinierung der Testfallgenerierung
Im Laufe der Zeit werden sich diese Assistenten zu leistungsfähigeren Agenten entwickeln, die eine Reihe von Aufgaben ausführen können – beispielsweise eine Änderungszusammenfassung erstellen, einen ECO-Entwurf generieren, Simulationen durchführen oder einen Servicebericht zusammenstellen. Letztendlich werden einige Arbeitsabläufe durchgängig automatisiert sein, wobei Menschen die Ergebnisse genehmigen und validieren, anstatt jeden Schritt manuell auszuführen.
Dies ist das Reifegradmodell innerhalb von Horizon 1: von Wissensberatern über Aufgabenassistenten bis hin zu Workflow-Automatisierern. Diese Entwicklung gilt für PTC-Produkte. Eine einfache Möglichkeit, dies zu strukturieren, ist das AAA-Framework, das die zunehmenden Fähigkeiten der KI beschreibt, beginnend mit „Advise“ (Beraten), dann „Assist“ (Unterstützen) und schließlich „Automate“ (Automatisieren) – ein Thema, über das wir in diesem Artikel aus dem Jahr 2024 geschrieben haben und das in der folgenden Tabelle nach PTC-Produktbereichen gegliedert ist.
Wichtigste Vorteile
Die Vorteile von Horizon 1 sind unmittelbar und erheblich. Die Mitarbeiter sparen Zeit, da sie weniger Stunden mit der Suche nach Daten oder der Navigation in komplexen Tools verbringen. Sie müssen weniger klicken, weniger zwischen verschiedenen Kontexten wechseln und erledigen ihre Aufgaben schneller. Die Software wird benutzerfreundlicher, sodass auch junge Ingenieure oder neue Techniker leichter auf erweiterte Funktionen zugreifen können. Die Projektzeitpläne werden beschleunigt, da Engpässe – z. B. Bereinigung von Anforderungen, Teilesuche, Zeichnungskorrekturen, Servicediagnose – deutlich reduziert werden. Die Qualität verbessert sich, da die KI Inkonsistenzen erkennt, Risiken kennzeichnet und für vollständigere Informationen zum Zeitpunkt der Entscheidung sorgt. Insgesamt profitieren Unternehmen von einem höheren Durchsatz, weniger Fehlern, einer schnelleren Einarbeitung und einer konsistenteren Nutzung der Systeme, in die sie investiert haben.
Technologische Wegbereiter
Mehrere grundlegende KI-Technologien ermöglichen Anwendungsfälle für Horizont 1.
1. Grundlagenmodelle:
Modelle wie GPT und Claude bieten allgemeine Intelligenz und ermöglichen Unternehmen einen schnelleren Zugang zu KI-Funktionen zu geringeren Kosten, ohne dass eine komplexe Modellinfrastruktur aufgebaut werden muss. Bisher erforderte der Aufbau von KI tiefgreifendes Fachwissen, proprietäre Daten und eine umfangreiche Recheninfrastruktur.
2. Natürliche Sprachverarbeitung (NLP):
Software erfordert von den Benutzern, dass sie wissen, wo sich Informationen befinden und wie sie durch Menüs navigieren können. NLP verändert dies grundlegend. Mitarbeiter können Fragen in Form von Gesprächen stellen und Aktionen durch einfache Sprache auslösen, um Ergebnisse einfach abzurufen, wodurch sie effektiv zu Power-Usern von Unternehmenssoftware werden.
3. Agenten:
Agenten nutzen unsere Unternehmensdaten. Sie sind so konzipiert, dass sie ihre Betriebsumgebung wahrnehmen – z. B. Eingabeaufforderungen, Kontextfenster –, Aktionen planen und ausführen und die zukünftige Nutzung durch Feedbackschleifen verbessern – z. B. Reflexion. Diese Agenten schließen Lücken zwischen Tools, erweitern das Fachwissen und reduzieren den Zeitaufwand für administrative oder koordinationsintensive Arbeiten..
4.Semantische Einbettungen:
Diese Technologie in Verbindung mit Vektordatenbanken macht unstrukturierte Inhalte – Bilder, Texte, Videos – für KI zugänglich. Dieser Wandel verändert den Zugang zu Wissen und ermöglicht neue Anwendungsfälle wie die Teilesuche aus 2D-Bildern, die textgesteuerte Ähnlichkeitssuche und eine umfassendere Dokumentenanalyse.
5. Spezialisierte Modelle:
Grundlegenden Modellen fehlt der für die Produktentwicklung erforderliche Domänenkontext. Spezialisierte Modelle schließen diese Lücke. Beispielsweise erkennen Bildverarbeitungsmodelle ähnliche Teilegeometrien oder fein abgestimmte LLMs lernen Domänenheuristiken wie beispielsweise Regeln für das Automobil-Design. Sie verbessern die Präzision, reduzieren Halluzinationen und senken in einigen Fällen die Kosten durch private Hosting-Optionen.
Horizont 1 zeigt, wie KI einen unmittelbaren, praktischen Mehrwert schafft, indem sie den Zugang zu Wissen erweitert und reibungslose Abläufe im Arbeitsalltag ermöglicht. Diese ersten Erfolge sind nicht nur Produktivitätsgewinne; die damit verbundenen Technologieinvestitionen in Daten und KI legen den Grundstein für eine breitere Wirkung. Da KI mittlerweile über einzelne Aufgaben hinausgeht, verlagert sich der Fokus des nächsten Horizonts von der persönlichen Effizienz hin zu unternehmensweiter Intelligenz.
Horizont 2: Unternehmensintelligenz auf ein neues Niveau heben
Horizont 2 steht für den Wandel von persönlicher zu organisatorischer Produktivität, bei dem KI Daten und Arbeitsabläufe über Unternehmensbereiche hinweg miteinander verbindet. Dadurch wird über den bloßen Datenzugriff hinaus ein Mehrwert aus dem Digital Thread erschlossen, der ihn zu einer intelligenten Ebene macht, die über den gesamten Produktlebenszyklus hinweg funktioniert und Einblicke und Automatisierung ermöglicht.
Anwendungsmuster
Das erste Muster sind Unternehmenserkenntnisse, bei denen KI als Berater für den Digital Thread fungiert. KI kann wichtige Informationen aus verschiedenen Systemen wie PLM, ALM, SLM, QMS, ERP, MES, CRM und FSM abrufen und zusammenfassen und so bereichsübergreifende Fragen beantworten wie:
- „Welche Anforderungen sind von dieser Konstruktionsänderung betroffen?“
- „Können meine Lieferanten diese Materialspezifikationen erfüllen?“
- „Was sind häufige Ausfälle bei diesem Bauteil?“
Bisher erforderte der Zugriff auf diese Erkenntnisse die Erstellung von Berichten in jedem einzelnen System sowie das Zusammenführen und Aufbereiten von Daten – was in manchen Fällen schlichtweg nicht praktikabel ist. KI beschleunigt den Zugriff auf Informationen und überwindet dabei Datensilos – so werden fragmentierte, aufwendige Recherchen in gemeinsame Erkenntnisse umgewandelt, die voneinander abhängige Teams aufeinander abstimmen.
Bei PTC haben wir beispielsweise Asset 360® entwickelt, wo Außendienstplaner und Techniker mithilfe einer KI-Arbeitsfläche spontan Fragen stellen und Berichte erstellen können. Die Lösung kombiniert Chat-Schnittstellen in natürlicher Sprache mit generativer Berichterstellung, die vollständig von FSM-, CRM-, ERP- und PLM-Systemen gespeist wird. So können Techniker schnell die Teileanforderungen für einen Wartungsvorgang erfassen, und Servicemanager im Büro erhalten anhand intuitiver Diagramme einen Überblick über den Ersatzteilbestand.
Beispiel: Mit Asset 360 die Verteilung der Anlagen anhand von Produktdaten vergleichen
Das zweite Muster ist die Unternehmensorchestrierung, bei der KI mehrstufige Aktionen innerhalb eines funktionsübergreifenden Geschäftsprozesses koordiniert und ausführt. Dies ist eine natürliche Weiterentwicklung der Aufgabenunterstützung und Automatisierung innerhalb eines einzelnen Produkts aus Horizont 1 – nun jedoch geschäftsbereichsübergreifend. Beispiele für Implementierungsmuster sind:
- Systemübergreifende Validierung: KI sammelt Daten aus zwei Systemen und vergleicht sie miteinander – beispielsweise durch den Abgleich von Testergebnissen mit Produktanforderungen
- Workflow-Fortschritt: KI treibt die Erledigung von Aufgaben voran – beispielsweise durch die Bearbeitung eines Änderungsantrags, indem sie Auswirkungsdaten aus dem PLM und Kostenangaben aus dem ERP-System zusammenführt
- Entscheidungsautomatisierung: KI beschleunigt die Entscheidungsfindung, indem sie fehlende Informationen identifiziert, Weiterleitungsoptionen vorschlägt oder Lösungsvorschläge unterbreitet
Ein Beispiel für Unternehmenskoordination von PTC ist das KI-gestützte Änderungsmanagement in Windchill. PLM- und ERP-Agenten interpretieren Änderungsanforderungen automatisch, identifizieren betroffene Objekte, fassen Folgewirkungen zusammen und koordinieren Genehmigungen. Aufgaben, die bisher in der Regel wiederholte manuelle Arbeitsschritte erforderten, werden zu optimierten Prozessen, wodurch Änderungsschritte beschleunigt und der Koordinationsaufwand reduziert werden.
PLM- und ERP-Anwender arbeiten zusammen, um Veränderungsprozesse in Windchill zu beschleunigen
Ein weiteres neues Beispiel von PTC konzentriert sich auf die Zusammenarbeit mit Lieferanten. Hier wird die KI in PTC Creo und Windchill die Prüfprozesse optimieren, indem sie Konstruktionsdaten zusammenfasst, Arbeitsgenehmigungen automatisiert und auf der Grundlage früherer Projekte und Bauteilanforderungen die am besten geeigneten Lieferanten empfiehlt.
Die wichtigsten Vorteile
Horizon 2 treibt den Wandel auf Organisationsebene voran, indem es Prozessverzögerungen und versteckte Kosten beseitigt, die durch isolierte Prozesse entstehen. Es optimiert die Funktionsweise des Unternehmens und verwandelt fragmentierte Abläufe in ein koordiniertes, intelligentes System. Die Markteinführungszeit verkürzt sich, die Kosten sinken, während sich Produktqualität und Compliance verbessern. KI überprüft kontinuierlich systemübergreifende Abhängigkeiten, stimmt Teams auf einen gemeinsamen Kontext ab und führt Testergebnisse sowie Service-Feedback zurück in die Entwicklung – wodurch der seit langem versprochene geschlossene Lebenszyklus endlich Realität wird.
Technologische Wegbereiter
Die Voraussetzungen für diesen Horizont konzentrieren sich auf proaktive Steuerung, Integration und Datenzugänglichkeit. Beachten Sie, dass diese Voraussetzungen zwar bereits in Horizont 1 angewendet werden können, dort jedoch nicht zwingend erforderlich sind. In dieser Phase sind sie jedoch unerlässlich, um Unternehmensintelligenz zu ermöglichen:
1. Agentische KI:
KI-Agenten arbeiten über durchgängige Prozesse hinweg zusammen und fungieren als intelligente Datenvermittler und Aufgabenausführer zwischen den Systemen. Spezialisierte Agenten führen fachbereichsspezifische Aufgaben aus, während Koordinatoren die Arbeitsabläufe steuern, die Ergebnisse überprüfen und an wichtigen Kontrollpunkten Menschen einbeziehen. Governance-Ebenen gewährleisten Sicherheit, Nachvollziehbarkeit und Compliance und ermöglichen so eine skalierbare Automatisierung unter menschlicher Aufsicht.
2. Moderne Integrationsprotokolle:
Protokolle wie MCP und Agent-zu-Agent-Muster ermöglichen eine flexible Interaktion mit Unternehmenssystemen zur Laufzeit. Anstatt Logik fest in Punkt-zu-Punkt-APIs zu programmieren, erkennen und rufen Agenten Funktionen dynamisch auf – dies unterstützt kundenspezifische Datenanforderungen und macht Integrationen zukunftssicher, indem die technologische Bindung minimiert wird. Protokolle wie MCP und Agent-zu-Agent-Muster ermöglichen eine flexible Interaktion mit Unternehmenssystemen zur Laufzeit und machen Integrationen zukunftssicher.
3. Semantische Ebene und Produktgraph:
Die semantische Ebene definiert eine gemeinsame Terminologie und Ontologie für Produktdaten – welche Entitäten existieren und wie sie miteinander verbunden sind. Der Produktgraph konkretisiert diese Bedeutung, indem er die semantische Ebene mit realen Produktdaten füllt, die in Datentabellen organisiert sind. Dadurch kann die KI komplexe Fragen beantworten und Workflows ausführen, die auf realen und aktuellen Kontextdaten basieren.
Die Technologien von Horizon 2 wandeln fragmentierte Lebenszyklusdaten in einen gemeinsamen operativen Kontext um und ermöglichen so schnellere Erkenntnisse und koordinierte Entscheidungen. Auf dieser Grundlage untersucht Horizon 3, was geschieht, wenn KI über die reine Koordination hinausgeht und Produkte über ihren gesamten Lebenszyklus hinweg aktiv mitgestaltet und betreibt.
Horizont 3: Produktlebenszyklen neu gestalten
Horizon 3 zeichnet ein Bild der Zukunft der Produktentwicklung, in der KI über die reine Koordination hinausgeht und aktiv an der Mitgestaltung und dem Betrieb von Produkten beteiligt ist. Es verwirklicht Visionen, die schon seit Jahren im Raum stehen, aber dank des unglaublichen Tempos der KI-Innovation nun greifbarer geworden sind.
Klar ist, dass Teile dieser Vision bereits heute möglich sind – das Betrachten und Kommentieren von 3D-Darstellungen vernetzter Assets, das Verknüpfen von Datenobjekten zwischen Systemen mithilfe von Produktgraphen, KI, die produktionsreifen Code generieren kann, oder fortschrittliche Agenten, die sich selbst verbessern können. Wenn wir diese Muster erweitern und auf die Zukunft der Produktentwicklung anwenden, ergeben sich zwei Anwendungsfallmuster, die jeweils von einer unterschiedlichen Form der Intelligenz angetrieben werden.
Anwendungsfallmuster
Der erste Ansatz ist Vibe Product Development (VPD), bei dem Nutzer ihre Absichten formulieren – z. B. Kosten optimieren, Sicherheit verbessern, fünf Architekturvarianten generieren – und die KI auf halb- oder vollautomatische Weise validierte Ergebnisse liefert. Diese Weiterentwicklung des „Vibe Coding“ konzentriert sich auf kreative Intelligenz.
Ein charakteristisches Merkmal sind iterative Design-Test-Zyklen, in denen die KI Konzepte generiert, Randbedingungen testet, die Einhaltung von Vorgaben validiert und Erkenntnisse aus Simulations-, Fertigungs- und Servicedaten einbezieht. In der Systemtechnik entspricht dies einer „Shift-Left“-Strategie des V-Modells, bei der Verifizierung und Validierung, die traditionell erst später im Prozess erfolgen, bereits früher während der Produktdefinition durchgeführt werden. Netzwerke von Agenten validieren die Absicht durch Softwaretests und virtuelle CAD-Simulationen, während sie gleichzeitig Konfigurationsbeschränkungen aus dem PLM und Kostenziele aus dem ERP durchsetzen. Durch digitale Iterationen vor der physischen Fertigung reduzieren Teams Nacharbeiten in späten Phasen, Risiken und Kosten.
Bei PTC bieten wir Engineering-Software an, die die Grundlage für die moderne Produktentwicklung bildet – ALM, CAD und PLM. Darüber hinaus integrieren wir KI-Funktionen in unsere Software und schaffen damit die Bausteine für fortschrittliche KI. In unserer CAD-Software beispielsweise sind wir auf dem Weg, die KI-Reife zu steigern, angefangen bei KI-Beratern, die Ingenieure reaktiv unterstützen (Horizont 1), über proaktive Assistenten, die mehrere Eingaben integrieren (Horizont 2), bis hin zu Design-Intelligenz, bei der CAD-KI die Erstellung von 3D-Geometrie koordiniert – eine wichtige Säule für die Ermöglichung von VPD (Horizont 3).
Das zweite Anwendungsmuster ist die „Physical AI“, bei der physische Objekte – Produkte, Roboter, Maschinen, Werkzeuge – ihre Umgebung wahrnehmen, Bedingungen analysieren und autonom handeln können, um ihre Leistung zu verbessern. Thematisch steht dabei die „Operational Intelligence“ im Mittelpunkt.
Diese zukunftsweisende KI unterscheidet sich von der heutigen Robotik, die klar definierte Aufgaben in kontrollierten Umgebungen automatisiert. Diese Systeme sind innerhalb ihrer Konstruktionsgrenzen äußerst effektiv, verfügen jedoch nicht über ein Verständnis des übergeordneten physischen Kontexts und haben Schwierigkeiten, wenn sich die Bedingungen ändern. Physical AI zielt dagegen darauf ab, Maschinen zu entwickeln, die fortschrittliche KI-Modelle der physischen Welt integrieren, wodurch Schlussfolgerungen über Objekte, Kräfte und andere reale Kontexte möglich werden – und die auf ihre jeweiligen Anwendungsbereiche wie das Flottenmanagement von Fahrzeugen, Montagesysteme in Fabriken oder Energiesysteme in Gebäuden spezialisiert sind.
Beispiel: Die Simulationsfunktionen von Creo sind grundlegende Technologien für die physikalische KI
Hier kommen Simulationsplattformen und Umgebungen im Stil von Omniverse ins Spiel. Physikalische KI-Systeme lernen und validieren Verhaltensweisen in hochdetaillierten virtuellen Welten, bevor sie in der realen Welt zum Einsatz kommen. Diese Welten basieren auf verlässlichen digitalen Grundlagen: präziser CAD-Geometrie, Konfigurations- und Variantenmanagement aus dem PLM sowie einem Lebenszyklusstatus, der widerspiegelt, wie Produkte hergestellt, eingesetzt und gewartet werden.
Die Rolle von PTC liegt genau in dieser Grundlage. PLM bietet das System zur Erfassung von Produktstruktur, Konfiguration und Änderungen. CAD liefert die für Simulationen und digitale Zwillinge erforderliche geometrische und verhaltensbezogene Genauigkeit. Zusammen bilden sie das inhaltliche Rückgrat, das physikalische Simulationen speist und eine sichere, skalierbare physikalische KI ermöglicht. Aus diesem Grund arbeitet PTC mit Nvidia zusammen an dieser neuen Grenze der KI.
Die wichtigsten Vorteile
In Horizon 3 verändern Hersteller die Art und Weise, wie Produkte entwickelt und betrieben werden, grundlegend. KI verlagert die Entwicklung von zeitaufwändigem, sequenziellem Engineering hin zu zielorientierten, KI-gesteuerten Design- und Testzyklen. Sie ist in der Lage, Anforderungen zu formulieren, Architekturen vorzuschlagen, 3D-Konzepte zu generieren und schnelle Simulationen durchzuführen – so können Teams in einem Bruchteil der Zeit mehr Ideen ausprobieren.
Gleichzeitig führen sich selbst verbessernde Lebenszyklen eine kontinuierliche Optimierung ein, bei der KI Testergebnisse, Ereignisse in der Lieferkette, Serviceprotokolle und regulatorische Auflagen analysiert, um Probleme frühzeitig zu erkennen, Designs automatisch zu verfeinern und validierte Verbesserungen in vorgelagerte Phasen zu übertragen. Sobald Produkte den Einsatzort erreichen, ermöglicht Physical AI adaptive, sich selbst optimierende Maschinen, die aus Daten aus der realen Welt lernen, ihre Leistung autonom optimieren und über intelligente Copiloten mit Bedienern interagieren. Zusammengenommen definieren diese Fähigkeiten die industrielle Wettbewerbsfähigkeit neu – durch schnellere Innovation, höhere Zuverlässigkeit, niedrigere Lebenszykluskosten und deutlich intelligentere Produkte, die in der physischen Welt eingesetzt werden.
Technologische Wegbereiter
Angesichts des rasanten Fortschritts der KI, der Komplexität der Produktentwicklung und der allgemeinen Unsicherheit auf den heutigen Märkten basieren die technologischen Grundlagen für „Horizon 3“ auf unserem besten Verständnis der aktuellen Trends und der technischen Grundlagen der einzelnen Anwendungsmuster.
1. World Foundation Models (WFMs):
Diese Modelle erfassen physikalische Verhaltensweisen und ermöglichen es der KI, Ergebnisse vor der physischen Ausführung zu simulieren und zu optimieren sowie Maschinen vor Ort zu steuern. Softwareanbieter stellen Basis-WFMs bereit, während Unternehmen diese anhand ihrer eigenen Produkt- und Betriebsdaten individuell anpassen.
2. Agentennetzwerke:
Kooperative Agentensysteme arbeiten über gemeinsame Ereignisse und semantische Kontexte zusammen, anstatt auf fest verdrahtete Integrationen zurückzugreifen. Netzwerkweite Steuerungsmechanismen – Identitätsmanagement, Richtlinien, Nachvollziehbarkeit und Sicherheitskontrollen – ermöglichen es diesen Systemen, auf Unternehmens- und Ökosystemebene zuverlässig zu funktionieren.
3. Omniversum und Simulationsplattformen:
Horizon 3 stützt sich auf Simulationsumgebungen, in denen KI Entscheidungen erforschen, testen und validieren kann, bevor sie in der realen Welt zum Einsatz kommt. Plattformen wie NVIDIA Omniverse ermöglichen beispielsweise multiphysikalische Simulationen, die Generierung synthetischer Daten und kollaborative virtuelle Umgebungen – so kann KI sicher lernen, optimieren und koordinieren, ohne Risiken in der realen Welt einzugehen.
4. Digital Twins:
Diese sorgen für eine einheitliche Identität und ein einheitliches Verhalten über den gesamten Produktlebenszyklus hinweg. Produkt-Twins bewahren die Herkunftslinie über EBOM, MBOM, SBOM sowie den Ist- und Betriebszustand hinweg und ermöglichen so Rückverfolgbarkeit und Compliance. Verhaltens-Twins synchronisieren Physik, Logik und Telemetrie und ermöglichen es der KI, Entscheidungen zu simulieren, vorherzusagen und zu validieren – wodurch sie eine wesentliche Grundlage für Modelle, Simulationen und die Koordination von Agenten bilden.
Fazit: Die Auswirkungen der KI und die sich bietenden Chancen
Das „AI Impact Horizons“-Framework zeigt einen klaren Weg auf, wie KI die Produktentwicklung neu gestalten wird. Es beginnt mit Produktivitäts- und Qualitätssteigerungen auf individueller Ebene, erstreckt sich auf unternehmensweite Entscheidungsfindung und Koordination und definiert schließlich die Art und Weise neu, wie Produkte entwickelt und betrieben werden. Jeder Horizont markiert einen sprunghaften Wandel in der Wirkung – von Einzelpersonen über Organisationen bis hin zu gesamten Wertschöpfungsketten.
Klar ist, dass Hersteller, die diesen Wandel annehmen, einen Wettbewerbsvorteil haben werden. Und das ist keine Option. Die Komplexität und Unsicherheit der modernen Produktentwicklung werden sich nur noch verstärken, und die Unternehmen, die KI nutzen, um diese Herausforderungen zu meistern, werden den Wert, den sie dem Markt bieten, erhalten und ausbauen.
Um diese Chance zu nutzen, können Führungskräfte jetzt handeln, indem sie sich auf vier strategische Schritte konzentrieren:
1. Erweitern Sie Ihre KI-Strategie:
Nutzen Sie das „AI Impact Horizons“-Framework, um Ihre Stärken – firmeneigenes geistiges Eigentum, Fachkompetenz und hochwertige Daten – den Chancen der Horizonte 1 bis 3 zuzuordnen. Ermitteln Sie parallel dazu Lücken in Ihren Fähigkeiten – beispielsweise in Bezug auf Datenqualität, fragmentierte Systeme oder unzureichende KI-Grundlagen. Eine solide KI-Strategie schafft Klarheit darüber, wo investiert werden sollte, identifiziert zentrale Risiken und zeigt auf, welche langfristigen Investitionen gefördert werden sollten.
2. Stärken Sie die Grundlagen Ihrer Produktdaten:
Zugängliche, strukturierte und verwaltete Produktdaten bilden die Grundlage für jeden Bereich. Digitalisieren Sie Kernprozesse und führen Sie gleichzeitig die Migration, Bereinigung und Anreicherung von Daten durch. Steigern Sie die Datenreife bereichsübergreifend – ob teilezentriertes PLM, verknüpfte Anforderungen und Tests, MBD-annotiertes CAD oder umfassende Servicedaten. Diese Grundlagen liefern der KI den Kontext – das Wer, Was, Wo und Wann –, der erforderlich ist, um relevante und zuverlässige Ergebnisse zu liefern.
3. KI-Berater und -Assistenten einsetzen:
Beginnen Sie dort, wo sich der Nutzen unmittelbar zeigt. Erweitern Sie die individuellen Fähigkeiten mit KI-Wissensberatern. Bauen Sie darauf mit KI-Assistenten auf, die Nacharbeiten reduzieren und Routineaufgaben beschleunigen. Diese ersten Erfolge bestätigen den Ansatz, verdeutlichen den ROI und schaffen die technischen Grundlagen für KI, die erforderlich sind, um auf Phase 2 und schließlich auf Phase 3 zu skalieren.
4. Machen Sie Ihre IT-Infrastruktur zukunftssicher:
Richten Sie Ihre IT-Architektur auf das KI-Zeitalter aus. Stärken Sie die KI-Governance durch eine zuverlässige Authentifizierung und Validierung von KI-Systemen. Modernisieren Sie Ihre Infrastruktur, indem Sie Systeme konsolidieren und wo immer möglich auf SaaS setzen, um von schnelleren Innovationszyklen zu profitieren. Das Ziel ist der Aufbau eines IT-Rückgrats, das dem Unternehmen sicher und zügig einen Mehrwert liefert.
PTC ist einzigartig positioniert, um Unternehmen dabei zu unterstützen, diese Herausforderungen souverän zu meistern. Mit fundiertem Fachwissen über den gesamten Produktlebenszyklus, branchenführender Software und über einem Jahrzehnt Erfahrung in der Anwendung von KI beschleunigen unsere bewährten Fähigkeiten die Einführung, reduzieren Risiken und liefern messbaren Mehrwert. Ganz gleich, ob Sie mit KI-Beratern beginnen oder Unternehmensabläufe vernetzen – PTC bietet die Vordenkerrolle und die Technologien, die erforderlich sind, um den intelligenten Produktlebenszyklus in einen Wettbewerbsvorteil zu verwandeln.
Die Chance ist klar, und die Unternehmen, die jetzt handeln, werden in diesem KI-Zeitalter den größten Mehrwert erzielen.