Führungskräfte in der Industrie und bei produzierenden Unternehmen stehen vor der Frage: Wie kann das Unternehmen von der KI-Transformation profitieren? Die Antwort gibt die Formel: Produktdaten-Fundament + eingebettete KI = Wettbewerbsvorteil.
Das Fundament haben Unternehmen bereits gelegt. Es besteht aus sämtlichen Daten, die die Produkte im Portfolio über ihren gesamten Lebenszyklus hinweg definieren. Dazu gehören etwa Anforderungen, 3D-Modelle, Stücklisten und viele weitere Daten. Sie werden in der entsprechenden Unternehmenssoftware strukturiert, kontrolliert, gesichert und nachverfolgt. Diese Software ist zudem ausgestattet mit Zugriffskontrollen zum Schutz des geistigen Eigentums, Sicherheitsprotokollen zur Gewährleistung der Compliance sowie Datenversionierung und Lebenszyklus-Status für die Nachvollziehbarkeit und Auditierbarkeit.
Viele Unternehmen haben bereits begonnen, voneinander getrennte durch zentrale Systeme zu ersetzen, in denen Daten konsolidiert werden. Jetzt gilt es, die digitale Reife weiter voranzutreiben, etwa durch den Wechsel von dokumentenzentriertem zu bauteilzentriertem PLM (Product Lifecycle Management).
Damit können Unternehmen bereits Mehrwert generieren. KI-Technologien, die in Unternehmenssoftware eingebettet ist, eröffnen von der Entwicklung über die Fertigung bis zum Service noch zahlreiche weitere Wertschöpfungsfaktoren. Denn so sind beratende und unterstützende KI-Funktionen sowie KI-basierte Automatisierung direkt in Abläufe integriert. Die Steuerungslogik der entsprechenden Software kann zudem jeden Schritt überwachen und nachverfolgbar machen, sodass Regularien, Sicherheit und Qualität gewährleistet sind. So entsteht auf dem Fundament der Produktdaten ein intelligenter Produktlebenszyklus.
KI in der Entwicklung
Im CAD-Bereich geht es um die intelligente Automatisierung in verschiedenen Reifegraden. Sie beginnt mit der Unterstützung von Konstrukteuren durch KI-gesteuerte Tools und Copiloten. Auf der nächsten Stufe wird die Arbeit eines Konstrukteurs durch Tools ergänzt. Beispielsweise erledigt Creo Generative Design auf Basis von Anwendereingaben bestimmte Aufgaben selbstständig, zum Beispiel generiert es neue 3D-Modelle anhand bestimmter Parameter zur Materialentwicklung. Die höchste Stufe ist die vollständige Automatisierung, auf der KI-Modelle komplexe Probleme mit minimalen oder gar keinen menschlichen Eingaben lösen können. So lassen sich beispielsweise Netze und Punktwolken automatisch in feste Geometrie umwandeln oder neue CAD-Teile anhand einfacher Texteingaben generieren.
In PLM-Software werden Produktdaten verwaltet, die für zahlreiche Anwendungsfälle im Digital Thread von Nutzen sind. Angesichts dieser Vielfalt empfiehlt es sich, bei der Implementierung von KI einen mehrgleisigen Ansatz zu verfolgen. Machine Learning (ML) lässt sich beispielsweise auf Change-Management-Daten anwenden, um Engpässe zu identifizieren oder Liefertermine von Projekten zu prognostizieren. Generative KI kann im Produktdatenmanagement zum Beispiel für die Suche in Dokumenten oder zur Beurteilung der Qualität von Design-Review-Unterlagen genutzt werden. Die Computer-Vision-Technologie kann nach 3D-Teilen suchen und ermöglicht die Wiederverwendung von Teilen. So kann sie dazu beitragen, die Transportkosten zu reduzieren.
ALM- (Application-Lifecycle-Management.) Lösungen enthalten eine Fülle von unstrukturierten Daten, die sich ideal für LLM- (Large Language Models) Anwendungsfälle eignen, zum Beispiel die schnelle Analyse von Anforderungen anhand von INCOSE-Standards oder die Automatisierung der Anforderungserstellung durch die Aufnahme externer Dokumente. Solche KI-Funktionen sind für Hersteller, die sich mit softwaregesteuertem Engineering oder komplexen Lieferketten befassen, von besonderer Bedeutung, weil sie helfen können, die Produktion ohne Abstriche an der Qualität zu beschleunigen.
KI in der Fertigung
Zu den wichtigsten Faktoren in der Fertigung zählen die Entwicklung von Fertigungskonzepten, die Verbesserung der betrieblichen Effizienz und die Qualifizierung der Arbeitskräfte. Unschätzbare KI-Möglichkeiten entstehen vor allem aus der Integration von PLM-, ERP- und MES-Software. Zum Beispiel in „Design-for-Manufacturing“-Anwendungsfällen verwaltet PLM die Produktqualität- und Prozessplandaten, ERP liefert Produktionsauftrags- sowie Bestandsdaten, während in MES-Systemen Daten zur Leistung und zu Ausführung von Arbeitsanweisungen nachverfolgt werden. Durch die Verknüpfung dieser Daten kann KI etwa die Produktionsqualität mit Toleranzanforderungen vergleichen oder Analysen zu Materialbeständen liefern.
In zukunftsweisenden Anwendungsfällen kann Generative KI automatisch Arbeitsanweisungen erstellen, die auf PLM-Prozessplänen und ERP-Ressourcenkriterien basieren, und diese Arbeitsanweisungen dann für spezifische MES-Spezifikationen verbessern, zum Beispiel die Übersetzung von Inhalten für Bediener oder die Erstellung von Referenzbildern für einzelne Schritte von Arbeitsanweisungen.
KI im Service
Im Service geht es in erster Linie um die Verbesserung des Ersatzteilmanagements, um proaktiven Service und die Senkung der Kosten für die Servicebereitstellung. KI kann entscheidend dazu beitragen, die Service-Lieferkette zu verbessern: Durch die Nutzung von PLM-, ERP- und Servicedaten können eingebettete KI-gestützten Funktionen helfen, so komplexe Probleme zu lösen wie das Management einer sehr unregelmäßigen Nachfrage oder unvorhersehbare Unterbrechungen der Lieferkette. Zum Beispiel Servigistics von PTC erstellt hierfür einen prädiktiven Zwilling der Ausrüstung und der zugehörigen Service-Lieferkette, um mit Maschinellem Lernen und eigens entwickelten Algorithmen präzise Bestandsoptimierungen, Bedarfsprognosen für einzelne Teile und verbesserte Preisstrategien für Servicekomponenten zu liefern.
Im Sinne der Nachhaltigkeit lassen sich mithilfe von KI-Erkenntnisse über den gesamten Service-Lebenszyklus, den CO2-Fußabdruck von Ersatzteilen oder vorausschauende Fehleranalysen zur Verwaltung von Wiederverwendungs- und Ersatzteilanwendungen gewinnen. Das eröffnet Unternehmen Vorteile sowohl beim Kostenmanagement als auch bei der Einhaltung der steigenden gesetzlichen Vorschriften, wie der Corporate Sustainability Reporting Directive (CSRD), die einen stetig wachsenden Kreis an Unternehmen zur Berichterstattung über den Produktfußabdruck verpflichtet.
Auch im Außendienst gibt es eine Reihe von Hebeln zum wertschöpfenden Einsatz von KI. Beispielsweise eignen sich textlastige Arbeitsauftragsdaten hervorragend für LLM-Analysen. Servicetechniker nutzen vorrangig mobile Geräte, auf denen sie mittels Text- und Chat-Interaktionen auch mit Copiloten arbeiten können, zum Beispiel um frühere Arbeitsaufträge zusammenzufassen oder die Terminplanung zu unterstützen.
Erfolgsfaktor Mensch
Es stehen heute schon zahlreiche ausgereifte KI-Technologien zur Verfügung, die noch stetig weiterentwickelt werden. Doch Technologie allein reicht nicht aus. Entscheidend ist es, im Unternehmen eine KI-First-Mentalität zu etablieren. Hierfür gilt es, Teams mit KI-Kompetenz auszustatten, Regeln für einen verantwortungsvollen KI-Einsatz einzuführen und eine Kultur zu schaffen, die die Zusammenarbeit von Mensch und KI fördert.
