KI in der Produktentwicklung verankern

KI in der Produktentwicklung

• 15.10.2025

Aus groben Skizzen entstehen innerhalb weniger Klicks detaillierte Baupläne mit Materialvorschlägen und Strukturanalysen. Ingenieur*innen vergleichen in kürzester Zeit Dutzende automatisch generierte Designvarianten und berücksichtigen dabei Details über simulierte Leistungsmerkmale. Sie finden nicht nur identische, sondern auch geometrisch ähnliche Teile in riesigen CAD-Datenbanken. Spezifische Datenobjekte wie neue Bauteile oder Stücklisten entstehen auf Knopfdruck.

Solche Anwendungen sind mit Künstlicher Intelligenz (KI) schon heute umsetzbar. Sie zeigen, wie stark KI die Effizienz der Produktentwicklung erhöht. Um dieses Potenzial zu nutzen, müssen Unternehmen geeignete Voraussetzungen schaffen. Das betrifft die Bereitstellung von Daten in der notwendigen Qualität, aber auch die Integration sowie den Betrieb von KI-Anwendungen.

Zwei Hürden auf der Strecke zur KI

KI-Technologien haben sich in den vergangenen Jahren sehr stark weiterentwickelt. Für Bereiche wie Text, Bild oder Video gibt es gebrauchsfertige Anwendungen, die auch in der Produktentwicklung allgegenwärtig sind. Tools wie ChatGPT, Dall-E oder StableDiffusion unterstützen das Engineering bei komplexen Aufgaben, zum Beispiel bei der Recherche, der Ideenfindung oder der Bearbeitung von Dokumenten. Es sind leicht zugängliche, generische Lösungen, die Mehrwert ohne große Kosten erzeugen.

Schwieriger ist es, KI-Algorithmen auf industrielle Use Cases anzuwenden und zuzuschneiden. Die meisten Firmen stoßen hier auf zwei Hürden. Die erste ist die Komplexität der Implementierung. Das reicht von der Auswahl geeigneter Algorithmen bis zur Anpassung der Modelle an spezifische Anforderungen. Lösungen, die auf Technologien wie LLMs (Large Language Models), RAG (Retrieval Augmented Generation) oder Fine-Tuning basieren, müssen verifiziert, implementiert und bereitgestellt werden. All dies erfordert eine enge Zusammenarbeit von Fachbereichen wie IT, Engineering oder Datenwissenschaft.

Die zweite Herausforderung ist, Daten in der nötigen Qualität für das Training neuer KI-Modelle bereitzustellen. Anders als bei generischen Anwendungen gibt es für komplexe industrielle Fragen keine fertigen Blaupausen. Öffentlich zugängliche Datensätze eignen sich selten für Engineering-Anforderungen. Unternehmen müssen Modelle und Datensätze daher gezielt anpassen oder neu erstellen und den Betrieb der KI-Modelle (Integration in bestehende Systeme, Zugriffsschutz etc.) absichern.

• Mehr über die Rolle von KI in der Produktentwicklung erfahren

Daten-Hubs für Künstliche Intelligenz

Industrielle KI-Lösungen erfordern konsistente, vernetzte Daten und eine Infrastruktur, mit der Modelle trainiert und in Prozesse integriert werden können. Das Fundament dafür entsteht durch leistungsfähige, einfach skalierbare Enterprise-Plattformen. Engineering-Daten aus unterschiedlichen Quellen werden in solchen Systemen an einer Stelle strukturiert, versioniert, aufbereitet und mit Metadaten angereichert. Dadurch gewährleisten Unternehmen sowohl die Verfügbarkeit als auch die Qualität und Sicherheit der Trainingsdaten für KI.

Als Daten-Hubs, die Informationen bündeln und verknüpfen, kommen zwei Optionen in Betracht: Systeme für Enterprise Resource Planning (ERP) und Software für Product Lifecycle Management (PLM). In der Produktentwicklung sind PLM-Lösungen die bessere Wahl. ERP konzentriert sich meist auf die Ressourcenplanung und unterstützt die Verwaltung von Objekten wie CAD-Daten, Stücklisten oder Konstruktionsworkflows nur teilweise. PLM fokussiert sich dagegen explizit auf Engineering-Anforderungen und verknüpft diese mit allen Phasen im Produktlebenszyklus, sei es Konzeption, Produktion oder Recycling.

PLM-Software bietet eine Infrastruktur, mit der Unternehmen Daten sammeln, strukturieren, aufbereiten und in bestehende Datenstrukturen einbinden können. Sie verwalten KI-Modelle auf einer Plattform und nutzen KI-generierte Erkenntnisse gezielt für zukünftige Projekte. Auch die Bereitstellung in der produktiven Umgebung wird erleichtert: PLM-Systeme integrieren KI-Anwendungen in bestehende Abläufe und machen sie Anwender*innen im Tagesgeschäft zugänglich.

Als zentraler Daten-Hub ermöglichen es PLM-Systeme, Prozesse in allen Phasen des Engineerings via KI zu beschleunigen und zu verbessern. Sie verknüpfen Bauteile mit Stücklisten, Anforderungen mit Konstruktionen und Änderungen mit ihren Auswirkungen. Dies gibt KI-Technologien den Kontext, der für das Verständnis komplexer Zusammenhänge notwendig ist.

Der Produktentwicklung eröffnen sich dadurch neue Welten: Zum Beispiel durch Chatbots, die unternehmensspezifische Fragen anhand von Systemdaten beantworten, generative KI, die Varianten von CAD-Modellen automatisch berechnet, oder Algorithmen, die Qualitätsmängel anhand von Mustern in Testergebnissen, Konstruktionsdaten und Materialchargen erkennen. Da sämtliche Daten innerhalb der Unternehmensumgebung verbleiben und keine Exporte an externe Entitäten erfolgen, vermeiden Firmen sowohl IP-Verletzungen als auch Probleme im Hinblick auf Datenschutz und Schnittstellen.

PLM erzeugt einen Rahmen für KI in der Produktentwicklung

Über Künstliche Intelligenz wird auch in der Produktentwicklung viel diskutiert. Leistungsfähige, auf industrielle Anforderungen zugeschnittene Anwendungen sind aber nach wie vor selten. Auch, weil Erfahrung mit der praktischen Umsetzung fehlt. Unternehmen stehen vor Fragen, die sie bisher nie beantworten mussten: Wie liefern sie die Daten für eine KI in der nötigen Qualität? Wie integrieren sie die KI in bestehende Abläufe? Wo stellen sie das Modell bereit? Wie beheben sie Fehler? Was geschieht, wenn Teile eines Modells veraltet sind?

Viele dieser Fragen lassen sich mit einem leistungsfähigen PLM-System leichter beantworten. Es unterstützt sowohl die Integration als auch den Betrieb und die Wartung von KI-Modellen. Da IT- und Engineering-Teams über eine Plattform kommunizieren und zusammenarbeiten, verbessert sich die Abstimmung zwischen den Fachbereichen. Unternehmen erhöhen die Effizienz der Produktentwicklung und die Qualität ihrer Produkte.

Fachartikel über KI in der Produktentwicklung

• Mehr über die zentrale Rolle, die PLM-Systeme für den KI-Einsatz in der Produktentwicklung spielen, lesen Interessierte im Fachartikel „KI-Transformation im Engineering“ (Zeitschrift für wirtschaftlichen Fabrikbetrieb) von Dr. Udo Göbel, Chief Artificial Intelligence Officer bei CONTACT Software GmbH.
• Wie integrierte CAD-CAE-Prozessketten und maschinelles Lernen die Produktentstehung beschleunigen, erklärt der Artikel „Dank KI schneller zur Designentscheidung“ (Konstruktionspraxis) von Michael Probst, Head of Business Development, CAIQ GmbH.

• ?Welche Vorteile bietet der Einsatz von KI in der Produktentwicklung?

  Der Einsatz von KI in der Produktentwicklung ermöglicht die Erstellung detaillierter Baupläne, den Vergleich von Designvarianten und die automatische Generierung von Datenobjekten, was die Effizienz erheblich steigert.

• ?Was sind die größten Herausforderungen bei der Implementierung von KI in der Industrie?

  Die Hauptprobleme sind die Komplexität der Implementierung, die Auswahl geeigneter Algorithmen, die Anpassung an spezifische Anforderungen und das Bereitstellen qualitativ hochwertiger Daten für das Training der KI-Modelle.

• ?Wie unterstützen PLM-Systeme den Einsatz von KI in der Produktentwicklung?

  PLM-Systeme bündeln Daten, strukturieren sie und integrieren KI-Anwendungen in bestehende Prozesse. Sie bieten eine zentrale Plattform für Datenmanagement und erleichtern die Bereitstellung und Nutzung von KI-Modellen.

• ?Warum sind generische KI-Anwendungen schwierig auf industrielle Use Cases anzuwenden?

  Generische KI-Anwendungen sind oft nicht auf die spezifischen Anforderungen der Industrie zugeschnitten und erfordern Anpassungen, um für komplexe industrielle Fragestellungen geeignet zu sein.

• ?Welche Rolle spielen Daten-Hubs bei der Nutzung von KI in industriellen Anwendungen?

  Daten-Hubs aggregieren und verknüpfen Informationen, um sicherzustellen, dass die Daten für KI-Anwendungen verfügbar, qualitativ hochwertig und sicher sind. PLM-Systeme bieten hierbei eine geeignete Lösung für Engineering-Anforderungen.