Künstliche Intelligenz KI in der Produktentwicklung: Die große Expertenumfrage

Anbieter zum Thema

Softserve GmbH

Dassault Systèmes

Cloudflight GmbH

Altair Consulting

Autodesk

mehr weniger

Comsol Multiphysics GmbH

PTC

Microsoft direct

invenio AG

Siemens Digital Industries Software

CADFEM Germany GmbH

AMD Advanced Micro Devices GmbH

aPriori Deutschland

weniger

Künstliche Intelligenz wird nicht nur die Art und Weise verändern, wie Produktentwickler mit ihrer Konstruktions- und ­Simulationssoftware arbeiten, sondern auch den Designprozess selbst. Durch die Integration von KI in der Produktentwicklung können Unternehmen effizienter arbeiten, Kosten senken und innovative Produkte schneller auf den Markt bringen. Worauf es dabei ankommt, verraten uns zehn KI-Experten. 

Künstliche Intelligenz kann in verschiedenen Phasen der Produktentwicklung eingesetzt werden, zum Beispiel bei der Ideenfindung, dem Design, der Simulation und der Optimierung. Durch den Einsatz von KI können Unter­nehmen schneller und präziser innovative Lösungen entwickeln und auf den Markt bringen sowie Kosten und Ressourcen sparen. Die Integration von KI in die Produktentwicklung muss allerdings strategisch erfolgen.

Die Fragen an die Experten:

• 1. Welche Vorteile bietet der Einsatz von künstlicher Intelligenz in der Produktentwicklung?

• 2. Welche konkreten KI-Anwendungsfälle gibt es bereits in diesem Segment?

• 3. Welche Herausforderungen bestehen bei der Implementierung von KI in der Produktentwicklung?

• 4. Viele Unternehmen haben beim Einsatz von künstlicher Intelligenz Bedenken hinsichtlich der Datensicherheit – gerade, wenn es um Engineering-Daten geht. Wie kann das Vertrauen und die Akzeptanz für KI-Technologien gestärkt werden?

Effizienzsteigerung durch KI in der Produktentwicklung

1. Der erste Vorteil zeigt sich bereits bei der Modellerstellung, die durch KI effizienter wird. Auch lassen sich bei Konstruktionsvarianten auf Basis bestehender Daten Leistungsvorhersagen treffen. Für den Konstruktionsalltag bedeutet das, ein Konstruktionsstand ist in Sekunden validierbar. Zudem wird das Wissen aus vergangenen Simulationen gesammelt und fließt als Erfahrungswert in die Vorhersage mit ein. Dazu kommt das Erkennen von Verhaltensmustern und die Optimierung auf ein gewünschtes Verhalten hin, ohne dass ein Experte hunderte von Simulationsergebnissen auswerten muss.

Auch das Abbilden von komplexem Systemverhalten für echtzeit­fähige digitale Zwillinge ist ein Beispiel. Kurz gesagt: Mit KI lässt sich schneller und innovativer entwickeln, denn KI-Algorithmen können komplexe Zusammenhänge besser und schneller aufdecken und damit die Entscheidungsfindung beschleunigen.

2. Es gibt Anwendungsfälle bei Altair-Kunden, bei denen ­KI-Technologien helfen, Herstellungskosten zu senken, ­Gewicht zu reduzieren oder neue Leistungsanforderungen umzusetzen. Ein Beispiel ist eine Anwendung aus dem Automobilbau, bei der wir in einem Optimierungsprozesses für Megacasting-Komponenten Leichtbau, Funktionsanforderungen und Herstellbarkeit durch KI-gestütztes generatives Design in Einklang bringen. Ein solcher Entwicklungsprozess, der Data Science mit dem Engineering verbindet, ist auch auf andere Industrien übertragbar.

3. ML- und KI-Methoden sind neue Werkzeuge, die uns den Entwicklungsalltag erleichtern können. Wie mit jedem neuen Werkzeug muss der Umgang geübt werden und differenzierte Kenntnisse vorhanden sein, welche Methode für jedes Anwendungsfeld von Nutzen ist. Um den Zugang und die Anwendung zu erleichtern, implementiert Altair verschiedene ML- und KI-Methoden in gewohnte Arbeitsumgebungen.

4. Alle beschriebenen Methoden können innerhalb der eigenen Engineering-IT-Umgebung zum Einsatz kommen. Der wesentliche Unterschied ist der Umgang mit bestehenden Daten und deren Ablage, denn diese sind das Fundament für maschinelles Lernen. Die Herausforderung liegt weniger in der Sicherheit, sondern eher in der Organisation der Daten, welche die Grundlage für die Algorithmen darstellen.

KI als kreativer Beschleuniger in der Produktentwicklung

1. Die Welt leidet unter einem massiven Engpass an Kapazitäten, den KI für Unternehmen jeder Größe beheben kann. Es gibt mehr Dinge, die hergestellt und gebaut werden müssen, als es Menschen, Geld und Material gibt. Bei Autodesk betrachten wir KI als einen Beschleuniger, der dabei helfen kann, diese Herausforderungen zu bewältigen, indem KI Designern dabei hilft, so zu handeln, als ob sie die Expertise eines erfahrenen Assistenten hätten. Durch Sprache, Skizzen, bereits bestehende Entwürfe und andere Eingabemethoden kann KI helfen, schneller zu besseren Ergebnissen zu kommen. Wenn man KI als eine Technologie betrachtet, die kreative Prozesse verbessert, um Effizienzgewinne zu erzielen, wird deutlich, dass KI für jedes Unternehmen geeignet und wirtschaftlich sinnvoll sein kann.

2. Unsere Kunden setzen KI-Funktionen in unseren Produkten auf vielfältige Weise in allen von uns bedienten Branchen ein. Automobilkunden wie Toyota nutzen zum Beispiel generatives Design, um Sitzgestelle zu optimieren. Kunden wie Airbus sorgen für leichtere Kabinenwände in Flugzeugen und damit für mehr Nachhaltigkeit im Flugverkehr. Generatives Design ist eine KI-Funktion in Autodesk Fusion, die es Konstrukteuren ermöglicht, die Anforderungen an ein Fertigungsteil zu definieren, anstatt händisch zu zeichnen. In wenigen Minuten berücksichtigt das KI-gestützte generative Design alle Vorgaben des Konstrukteurs und bietet Tausende von Vorschlägen, die diesen entsprechen.

3. Generative KI benötigt in der Regel eine große Menge an Daten, um das Modell zu trainieren. Dies kann durch die Speicherung von Daten in der Cloud gelöst werden, wodurch ein umfangreicher Katalog bereits bestehender Lösungen entsteht, die einem generativen Modell helfen, Vorhersagen zu treffen.

4. Autodesk verpflichtet sich, KI und maschinelles Lernen verantwortungsvoll und ethisch korrekt zu entwickeln und zu nutzen. Damit versichern wir gegenüber unseren Kunden transparent zu sein, was die Nutzung ihrer Daten angeht. So haben wir beispielsweise Grundsätze zur Datenethik aufgestellt und ein Programm für vertrauenswürdige KI ins Leben gerufen, das sicherstellt, dass bei der Entwicklung und dem Einsatz von KI führende Praktiken zur Anwendung kommen.

KI als Katalysator für schnellere und effizientere Produktentwicklung

1. KI bietet enorme Möglichkeiten, die Produktentwicklung schneller und effizienter zu gestalten. Durch die datengetriebene Analyse können wir Entwicklungsprozesse optimieren, was es den Unternehmen ermöglicht, ihre Produkte schneller auf den Markt zu bringen. KI hilft uns dabei, fundierte Entscheidungen zu treffen und potenzielle Probleme bereits frühzeitig zu erkennen, was letztlich zu einer besseren Produktqualität und einer höheren Flexibilität führt.

2. Was wir bei Cloudflight häufig begleiten, ist der Einsatz von KI in der automatisierten Datenanalyse sowie bei der Optimierung von Entwicklungsprozessen. Gemeinsam mit den Unternehmen entwickeln wir Softwarelösungen, mit denen sich große Datenmengen effizient verarbeiten lassen. Mithilfe von KI verkürzen wir so Entwicklungszyklen und beschleunigen letztlich Innovationsprozesse. Darüber hinaus setzen viele unserer Kunden KI-Modelle ein, um bestehende Produkte kontinuierlich zu verbessern und an neue Marktanforderungen anzupassen – und reagieren auf diese Weise in Echtzeit auf Entwicklungen.

3. Ein wesentlicher Punkt ist die Qualität der Daten, die wir zur Verfügung haben. KI-Modelle sind nur so gut wie die Daten, mit denen sie trainiert werden. Wenn sie unzureichend oder fehlerhaft sind, leidet die Genauigkeit der KI-Modelle, und wir bekommen unzuverlässige Ergebnisse. Gleichzeitig muss in der Regel die IT-Infrastruktur angepasst oder modernisiert werden, um die KI-Modelle effektiv einsetzen zu können. Dabei geht es nicht nur um die Technik, sondern auch darum, die KI nahtlos in bestehende Prozesse zu integrieren.

4. Vertrauen in KI-Technologien entsteht vor allem durch Transparenz und Sicherheit. Entscheidend ist, dass Unternehmen klar vermitteln, wie KI mit sensiblen Engineering-Daten umgeht und welche Schutzmaßnahmen ergriffen werden. Zum Beispiel kann die Implementierung von KI-Systemen, die Datenverschlüsselung und Zugriffsrechte strikt kontrollieren, das Vertrauen in diese Technologien erhöhen. Wenn Mitarbeiter und Stakeholder verstehen, dass ihre Daten sicher sind und wie die KI-Modelle funktionieren, steigt die Akzeptanz deutlich. Offene Kommunikation und regelmäßige Sicherheitsüberprüfungen sind dabei unerlässlich.

Beschleunigung von Entwicklungsprozessen durch KI-gestützte Simulationsinnovationen

1. Künstliche Intelligenz kann Entwicklungsprozesse beschleunigen, zum Beispiel durch die Automatisierung von Routine­aufgaben und vieles mehr. Wie in vielen anderen Bereichen kann KI, richtig eingesetzt, auch in der Entwicklung die Effizienz steigern und schneller zu besseren Produkten führen. Im Bereich der Simulation gibt es auf KI-Technologie basierende Neuentwicklungen, die nahezu augenblicklich neue Ergebnisse liefern, was natürlich enorme Vorteile mit sich bringt.

2. Eine für die Produktentwicklung sehr interessante Anwendung sind sogenannte Surrogate Models (Ersatzmodelle), die durch den Einsatz von maschinellen Lernalgorithmen komplexe Simulationen erheblich beschleunigen können. Stattet man benutzerfreundliche Simulations-Apps mit diesen schnellen Modellen aus, erhält man ein sehr effizientes Entwicklungswerkzeug, mit dem beispielsweise neue Prototypen und Konfigurationen virtuell getestet werden können. Aufgrund der hohen Geschwindigkeit, in der Ergebnisse verfügbar sind, eignen sich die Ersatzmodelle auch hervorragend für den Einsatz in digitalen Zwillingen.

3. Es gibt viele Herausforderungen, ich bleibe exemplarisch bei den Ersatzmodellen. Ersatzmodelle werden mit den Ergebnissen von physikbasierten Simulationsmodellen trainiert. Die Ersatzmodelle können also höchstens so gut sein wie das multiphysikalische Modell, mit dem sie trainiert wurden. Dies wiederum bedeutet, dass die Anforderungen an die Modellierung nach hochgenauen, validierten Ergebnissen durch den Einsatz von KI nicht geringer werden, sondern vielleicht sogar wachsen.

4. Bedenken hinsichtlich der Datensicherheit ergeben sich häufig aus der Verbindung von KI mit Cloud-basierten Lösungen und der damit verbundenen Weitergabe von Daten an externe Anbieter. Um das Vertrauen und die Akzeptanz in ­KI-Technologien zu stärken, können Unternehmen auf lokale Daten­verarbeitungsmodelle setzen, bei denen sensible Engineering-Daten vor Ort verbleiben. Darüber hinaus sollten transparente Sicherheitsprotokolle und eine verschlüsselte Datenverarbeitung implementiert werden, um die Integrität und Vertraulichkeit der Daten zu gewährleisten. Comsol Multiphysics

KI revolutioniert Produktentwicklung durch Automatisierung und intelligente Assistenzsysteme

1. Der Einsatz von KI bietet enormes Potenzial, nicht nur um neue Produkte und Lösungen zu entwickeln, sondern auch die Art und Weise, wie sie entstehen, zu verändern. Künstliche Intelligenz kann als Assistent agieren und Ingenieure und Hersteller beispielsweise durch Vorschläge unterstützen. Dadurch werden mühsame und repetitive Aufgaben automatisiert, die Effizienz erhöht sowie das Fehlerpotenzial verringert. Dies resultiert in kürzeren Markteinführungszeiten, geringeren Kosten und einer gesteigerten Produktivität.

2. Als Marktführer im CAD-Bereich sind 3D-Daten die Grund­lage für alle KI-Anwendungen bei Dassault Systèmes. Bereits etabliert und von unseren Kunden sehr gut angenommen ist der 3D Generative Design Space. Ingenieure, die mit Solidworks Cloud Roles auf der 3DExperience-Plattform arbeiten, profitieren im Designprozess von einem auf KI-basierenden Design-Assistent. So bekommen Nutzer zum Beispiel automatisch Konstruktionsfunktionen angeboten, die auf bisherigen Arbeitsschritten in anderen Projekten basieren. Auch im Zusammenspiel mit virtuellen Zwillingen und Simulation fungiert KI als echter Innovationsbooster. So können virtuelle Zwillinge beispielsweise als umfassende Datengrundlage für die KI-Anwendung dienen oder dabei helfen, der KI bestimmte Abläufe in der virtuellen Test- und Simulationsphase beizubringen.

3. Eine der größten Herausforderungen sind der Schutz des geistigen Eigentums der Unternehmen und die oftmals vorhandene Skepsis gegenüber KI und digitaler Technologie.

KI muss auf ein breites Spektrum an Unternehmensdaten zugreifen können sowie kontinuierlich trainiert und angepasst werden, um effektiv zu sein und zu bleiben. Häufig ist das eine entscheidende Hürde, da nicht alle Unternehmen bereit sind, sensible Daten zu teilen – selbst in anonymisierter Form.

4. Das Vertrauen in KI-Technologien kann durch strenge ­Sicherheitsstandards und den Schutz des geistigen Eigentums gestärkt werden. Bei Dassault Systèmes setzen wir auf höchste Sicherheitsprotokolle, wie TISAX (Trusted Information Security Assessment Exchange) oder ISO, um sicherzustellen, dass Kundendaten auf der 3DExperience-Plattform stets vor dem Zugriff Dritter geschützt sind und deren IP gesichert ist. Dedizierte Private Clouds erweitern diesen Schutz. Das Optimieren oder Ableiten von neuen Konstruktionsdaten mit KI findet nur innerhalb des eigenen gesicherten Daten-Pools statt, ohne Zugriff für Externe.

Effizienzsteigerung in der Produktentwicklung durch gezielten KI-Einsatz

1. Wenn KI richtig eingesetzt wird, lassen sich Produkte schneller, effizienter und kostengünstiger entwickeln. Künstliche Intelligenz bietet vielfältige Möglichkeiten für Unternehmen, ihre Prozesse effizienter zu gestalten und die Wettbewerbsfähigkeit zu erhöhen. Davon profitieren auch die Mitarbeitenden, da sie sich auf die wesentlichen Aufgaben konzentrieren können.

2. KI-Systeme können unter anderem große Datenmengen in kürzester Zeit analysieren und daraus verwertbare ­Informationen ableiten. Dies ist besonders relevant in der digitalen Produktentwicklung, wo komplexe 3D-Daten und virtuelle Modelle ständig überprüft und optimiert werden müssen. KI ermöglicht es zudem, zeitraubende manuelle Tätigkeiten zu automatisieren, wodurch Fehlerquellen reduziert und die Qualität der Produkte verbessert werden. Eines unserer KI-Module erkennt beispielsweise Befestigungselemente automatisch und leitet daraus wertvolle ­Informationen für Experten und Folgeprozesse ab. Integriert in den gesamten Prozess lässt sich so eine enorme Effizienzsteigerung für Nachfolgevorgänge erreichen.

3. Verfügbarkeit, Transparenz und die Qualität großer Daten­mengen sowie die Integration der KI in bestehende Prozesse. Dennoch überwiegen die Vorteile, insbesondere wenn Unternehmen mit spezialisierten KI-Anbietern zusammenarbeiten, die maßgeschneiderte und skalierbare Lösungen anbieten. Unsere KI-Lösungen sind in Produktivsystemen praxiserprobt und können wie unsere Algorithmen in den Prozess integriert werden. Für uns gehören diese Integrationen mittlerweile zum Tagesgeschäft.

4. Indem offen und ehrlich darüber gesprochen wird, wie die KI genau eingesetzt werden soll. Wir arbeiten mit unseren KI-Lösungen basierend auf Use-Cases und nie generativ. Die 3D-Daten, die wir für unsere KI benötigen, existieren nur bei Kunden in geschützten Infrastrukturen. Unsere KI lernt individuell anhand dieser Daten und es ist sichergestellt, dass ein trainiertes Netz die Kundenumgebung nie verlässt. Das Vertrauen und die Akzeptanz konnten wir auch dadurch stärken, indem wir immer wieder erklärt haben, wie unsere KI im Tagesgeschäft operativ unterstützt und dass die letzte Entscheidung immer in menschlicher Hand liegt. Invenio Virtual Technologies

KI als Katalysator für Effizienz und Innovation in der Produktentwicklung

1. Hier fallen mir verschiedene Szenarien ein. Generative KI erlaubt es, große Datenmengen zu durchforsten, aufzubereiten und zusammenzufassen. Nehmen wir das Beispiel eines Herstellers von Luftfahrtkomponenten, der ein neues Bauteil für eine Abnahme zertifizieren muss: Dabei fallen zahlreiche Labortests an, wenn es beispielsweise um Werkstoffprüfung oder Dauerfestigkeit geht. Bei der Aufbereitung und Zusammenfassung dieser Daten für unterschiedliche Adressaten kann KI manuelle Tätigkeiten reduzieren und zu einer erheblichen Zeit- und Kostenersparnis beitragen.

Eine zweites Szenario ist das Wissensmanagement: Unsere Kunden haben zum Teil einen Jahrzehnte alten Erfahrungsschatz, den man manuell oder mit klassischen Suchalgorithmen nicht mehr effizient durchsuchen kann. KI kann helfen, das Wissen in den Entwicklungsabteilungen für alle leicht und maßgeschneidert nutzbar zu machen, um damit die Zusammenarbeit zu verbessern und den Ideenfindungsprozess zu beschleunigen.

Ein drittes Gebiet ist die Erstellung von Testdaten, zum Beispiel für autonome Fahrzeuge: KI kann helfen, Bilddatensätze zu labeln und reale Fahrsituationen zu simulieren. Dadurch können Entwickler ohne Risiko das Fahrzeugverhalten in verschiedensten Situationen analysieren. So lassen sich viele Kilometer bei Testfahrten sparen, die Entwicklung wird beschleunigt und die Kosten sinken.

3. Die grundlegende Voraussetzung ist, dass die Informationen verfügbar und nutzbar sein müssen, auf die die KI zurückgreifen soll. Das klingt trivial, doch es ist oft eine Herausforderung für Unternehmen. Es setzt eine Cloud-Strategie voraus sowie eine Data Governance, die klar regelt, wer welche Daten nutzen darf.

Eine zweiten Herausforderung sehe ich auf der Seite der Anwender: Die KI-Nutzung will gelernt sein. Damit meine ich nicht nur die Interaktion mit der KI, beispielsweise das Prompting. Es geht auch um mögliche Grenzen der Fähigkeiten der jeweiligen KI, die je nach Anwendungsfall sehr unterschiedlich sein können, sowie um die Validierung der Ergebnisse durch die Anwender. Man muss die KI-Ergebnisse verstehen und auch erkennen können, ob sie korrekt sind.

4. Jedes Unternehmen sollte dafür sorgen, dass seine Daten sicher gespeichert und übertragen werden. Wenn KI-Anwendungen richtig aufgesetzt sind und die Daten verschlüsselt und abgesichert beim Cloud-Provider verarbeitet werden, dann schafft künstliche Intelligenz keine neuen Herausforderungen für die Datensicherheit. Sie kann allerdings schonungslos Schwachstellen zu Tage fördern. Ich kenne Fälle, bei denen Produktionsmitarbeiter plötzlich auf Daten der Personalabteilung zugreifen konnten, nachdem KI zum Einsatz kam.

KI in der Produktentwicklung: Effizienzsteigerung und innovative Designansätze

1. KI verbessert die Prozesse in allen Entwicklungsphasen durch datengetriebene Ansätze, die zu präziseren Entscheidungen führen. Sie nutzt Daten aus dem gesamten Produkt­lebenszyklus, um den Designprozess kontinuierlich zu optimieren und Ästhetik und Funktionalität effizient in Einklang zu bringen.

Darüber hinaus erleichtert KI die breite Nutzung sämtlicher Softwaretools durch natürliche Sprachinteraktionen, die die Handhabung und Fehlersuche erleichtern. Bei textintensiven Aufgaben wie dem Anforderungsmanagement beschleunigt KI mit Konsistenz- und Qualitätsoptimierung den Prozess deutlich.

2. Ein wichtiger Anwendungsfall ist generatives Design für die Entwicklung neuer Produktdesigns – so erleben Ingenieure eine große Unterstützung bei der Arbeit. Eine Verbesserung der User Experience wird durch Sprach-KIs erreicht. Ein Beispiel dafür ist der Einsatz von KI-Chatbots in Softwarehilfen. Schon bald werden KI-gestützte Tools zur Textbearbeitung, etwa bei der Verarbeitung und Verwaltung von Anforderungen, verfügbar sein.

3. Die Implementierung von KI erfordert die Integration heterogener Datenquellen aus oft komplexen, gewachsenen digitalen Infrastrukturen. Datenqualität und -verfügbarkeit sind entscheidend. Darüber hinaus ist die Einhaltung von Standards erforderlich, aber die Anpassung kann zeitaufwändig und teuer sein, insbesondere in älteren Systemen. Zudem erfordert die Einführung von KI organisatorische Anpassungen und Schulungen, um die Akzeptanz im Unternehmen zu fördern und das volle Potenzial von KI zu nutzen.

4. Regulatorische Ansätze wie der AI Act schaffen Standards und Regeln, die die sichere Nutzung von KI-Technologien fördern. Diese Standards sind maßgeblich, insbesondere in kritischen Anwendungsbereichen wie dem autonomen Fahren oder dem Umgang mit sensiblen Daten, um Akzeptanz und Vertrauen in KI zu stärken. Notwendig ist aber eine differenzierte Betrachtung der Anwendungsfälle, da pauschale Bewertungen oft zu Missverständnissen führen.

Die weit verbreitete Nutzung von Big Data und die Digitalisierung in der Industrie führen auch zu Vertrauen und Akzeptanz von ­KI-Technologien.

KI-Revolution im Engineering: Automatisierung und intelligente Designoptimierung

1. Viele Arbeitskräfte gehen gerade in den Ruhestand und werden durch Menschen mit weniger Erfahrung ersetzt. Auch vor diesem Hintergrund kann man die KI-Tools nutzen, um Produkte zu optimieren und Designoptionen zu ergründen. Ein weiterer Bereich ist die Automatisierung gängiger Abläufe. Das reicht von Predict Commands in Siemens NX bis hin zur Automatisierung der Erstellung von Systemmodellen wie in unserer Lösung mit IBM für die Systemtechnik. Und dann können Sie generative Lösungen nutzen, um neue Modelle zu erstellen und Modelle zu optimieren, ähnlich wie bei der Designoptimierung.

2. Ob es sich um Simulation, Mechanik, CAD, elektrisches Systemdesign oder Halbleiterdesign handelt, wir sehen, dass KI-Anwendungsfälle wirklich dazu beitragen, die Produktivität und Effizienz zu steigern. In der Fertigung hilft KI dabei, Roboter zu trainieren. Es geht also darum, viele Aufgaben zu automatisieren, und diese Möglichkeiten stehen uns jetzt mit KI zur Verfügung. Hier ein Beispiel für einen KI-Anwendungsfall: Harting ist ein Anbieter von elektrischen und elektronischen Komponenten für die Verbindungstechnik. Der Kunde kann die Anforderungen an eine Steckverbindung in einer beliebigen Sprache eingeben. Die KI von Microsoft übersetzt die Eingaben des Kunden in strukturierte technische Informationen.

Die KI von Harting übernimmt die strukturierten Informationen und prüft, ob es bereits eine Lösung im Harting Portfolio gibt, und wenn nicht, konstruiert sie vollautomatisch einen neuen, individuellen Isolierkörper nach elektrotechnischen Regeln.

3. Wenn Sie also zum ersten Mal generative KI einsetzen, müssen Sie die Daten validieren. Sie wissen, dass der Kunde das überprüft und sicherstellt, dass er eine Antwort erhält, die er erwarten würde. So wird der Kunde selbst damit vertraut. Und Sie müssen auch dafür sorgen, dass Ihre Mitarbeiter mit der Art und Weise vertraut sind, wie die KI-Instrumente eingesetzt werden.

4. Die Kunden sind teilweise besorgt, wenn die KI- und Lernmodelle cloudbasiert sind. Wie trennen sie die großen Sprachmodelle, die auf ihr aktuelles geistiges Eigentum angewandt werden, von dem, was öffentlich verfügbar ist, und wie können sie sicherstellen, dass diese Dinge getrennt bleiben? Ich denke, dass viele Lösungen – etwa RAG (Retrieval-augmented Generation, eine Technik zur Verbesserung der Genauigkeit und Zuverlässigkeit von generativen KI-Modellen) und der KI-Supercomputer von Microsoft und OpenAI, der als ‚Stargate‘ bezeichnet wird – es ihnen ermöglichen, sowohl ihr eigenes geistiges Eigentum zu schützen als auch das öffentlich zugängliche geistige Eigentum in der Cloud zu nutzen.

Maschinelles Lernen und KI in der Industrie: Vom Echtzeit-Co-Piloten zur Sicherung sensibler Daten

1. Aktuell können anhand von Echtzeitanalysen großer Datenmengen Designprozesse effizienter gestaltet und Entwicklungszyklen verkürzt werden. Maschinelles Lernen hingegen trifft unter anderem präzisere Produktleistungs- und Qualitätsvorhersagen. Zudem entwickelt kognitive KI maßgeschneiderte Lösungen, die spezifische Kundenbedürfnisse berücksichtigen und so marktorientierte Produkte schaffen.

2. In der Fertigungsindustrie sehen wir eine Reihe von erfolgreichen KI-Anwendungen. Ein Beispiel ist die vorausschauende Wartung, bei der durch kontinuierliche Analyse von Sensordaten mögliche Ausfälle frühzeitig erkannt und die Lebensdauer von Maschinen verlängert werden. Digitale Zwillinge, die virtuelle Modelle realer Produkte erstellen, spielen ebenfalls eine wichtige Rolle, indem sie das Verhalten dieser Produkte unter unterschiedlichen Bedingungen simulieren und optimieren. Bei SoftServe haben wir mit unserem GenAI-Industrial-Co-Pilot eine Lösung entwickelt, die genau hier ansetzt. Der Co-Pilot unterstützt Teams dabei, die Zusammenarbeit zwischen Mensch und Maschine zu optimieren, indem er Daten in Echtzeit verarbeitet und Entscheidungen im Entwicklungsprozess beschleunigt.

3. Eine der größten Herausforderungen ist die Integration in bestehende Prozesse und Infrastrukturen. Das erfordert umfassende Anpassungen und erhebliche Investitionen. Zudem ist der Mangel an Fachkräften, die sowohl tiefes technisches als auch branchenspezifisches Wissen mitbringen, oft ein Bremsklotz. Diese Faktoren erfordern eine strategische Planung und gezielte Weiterbildung.

4. Wichtig ist, dass Unternehmen Protokolle etablieren, die sicherstellen, wie KI-Modelle mit sensiblen Daten umgehen, und dass Schutzmaßnahmen wie Verschlüsselung und individuelle Zugriffsrechte zuverlässig greifen. Diese Sicherheitsprotokolle müssen bereits in den frühen Phasen der Entwicklung von KI-Modellen berücksichtigt werden. Wenn IT-Verantwortliche ihren Mitarbeitenden klar vermitteln, welche Schutzmechanismen die KI für den Umgang mit Daten einsetzt, steigt auch das Vertrauen in die Technologie.