Wie die Industrie ihre Entwicklungsprozesse beschleunigen kann

Die Herausforderer aus China und anderen Regionen machen nicht bei der Autoindustrie halt. Die Folgen sind messbar: „Hielt Deutschland vor 2020 noch 18 Prozent des globalen Maschinenbau-Exportmarktes, fiel dieser Anteil bis 2025 auf 13 Prozent. Im selben Zeitraum baute China seinen Exportanteil von 15  auf 20 Prozent aus und verdrängt deutsche Anbieter zunehmend auch vom chinesischen Binnenmarkt“, berichtet Ingo Neumann, Managing Director bei Unity China. Chinesische Champions würden systematisch durch Skalierung und ein auf Geschwindigkeit optimiertes, behördlich gefördertes „Fertigungs-Betriebssystem“ geschmiedet, das Verschwendung als Preis für Marktdominanz akzeptiert. Wer im chinesischen Tempo nicht mithalten könne, rutsche an den Rand.

Die Notwendigkeit, Entwicklungszeiten und -kosten zu senken, ist jedoch bereits in den Managementetagen angekommen. „Für uns sind alle Kunden gleich – egal ob Europa oder China. Aber wir müssen die Geschwindigkeit mitgehen, besonders in China“, sagt etwa Rainer Eidloth, Senior Vice President Engineering Digitalization & IT bei Schaeffler. Effizienz gelinge nur durch Digitalisierung. „Ein wichtiger Punkt ist der Datenfluss: Daten müssen verfügbar und schnell zugänglich sein. Nur so erreichen wir die nötige Geschwindigkeit“, so Eidloth. Doch die Transformation der Produktentwicklung ist komplex. Zwar hat sich in den letzten Jahren mit Digitalisierung, IoT und dem Digitalen Zwilling technologisch viel getan. Doch jetzt steht eine Veränderung der ganzen Art und Weise wie Produkte – mit KI – entwickelt werden auf dem Plan.

Zu den größten Veränderungen gehört der Wandel hin zum Software-definierten Produkt: Immer mehr Funktionalität wandert auf die Software-Ebene. Die Autoindustrie und der Aerospace-Bereich können hier als Vorreiter im Engineering gelten, bei denen sich andere Branchen einiges abschauen können. Um die Komplexität künftig überhaupt zu beherrschen, hat sich das Konzept des Model Based Systems Engineering (MBSE) durchgesetzt. Dabei werden Anforderungen, Schaltpläne und Dokumente in einem gemeinsamen Systemmodell verwaltet, um Funktionen schon sehr frühzeitig simulieren zu können. Hier spielt die Systems Modeling Language SysML eine wichtige Rolle, um komplexe technische Systeme zu beschreiben: Software, Mechanik, Elektrik, Elektronik, Software, aber auch die Beziehungen zwischen all diesen Komponenten. Rund 60 Prozent der Unternehmen im Maschinen- und Anlagenbau entwickeln einen Großteil ihrer Software derzeit aktuell selbst, stellt die VDMA-Studie  „Softwareentwicklung in der Industrie – Status Quo und Ausblick“ fest.

KI revolutioniert gerade die Produktentwicklung

Gamechanger ist jedoch die KI, die einerseits Designvorschläge macht, vor allem aber das Anforderungsmanagement stark verkürzt. Ein Beispiel: BMW erreichte mit der Integration der KI-Software des finnischen Startups Raiqon eine erhebliche Reduktion der Suchzeiten für Anforderungen. Vorher brauchten 60 Ingenieure demnach einen Tag lang, um in hunderttausenden Dokumentenseiten einen Eintrag zu finden, jetzt erledigt das die semantische Suche. Auch beim Änderungsmanagement hilft KI, indem sie die Auswirkungen einer Änderung im Gesamtkontext aufspürt, was bisher extrem manuell aufwendig ist. Das ist vor allem für Unternehmen relevant, die änderungsintensive individuelle Produkte gemeinsam mit ihren Kunden entwickeln.

Der Austausch in der Produktentwicklungs-Community auf dem Jahrestreffen des Vereins Prostep Ivip mit 650 Teilnehmenden hat gezeigt: Viele Unternehmen sind bereits auf dem Weg und haben Lösungsansätze im Software-definierten Produkt, glaubhafter Simulation und einem KI-gestützten Anforderungsmanagement entwickelt. In der vertrauensvollen Gemeinschaft tauscht man sich mit großer Offenheit zu Innovationen und Strategien aus.

"Als Prostep Ivip e.V. nehmen wir verstärkt den Wunsch weiterer Branchen wie dem Maschinenbau wahr, sich zu den drängenden Themen der Produktentstehung auszutauschen. Dem möchten wir uns bewusst öffnen, um Wissen und Standards zu teilen“, sagt Vorstandsmitglied Philipp Wibbing (Unity). Denn die Verkürzung von Entwicklungszeiten, die Individualisierung in Richtung Kunden und der Umgang mit Kosten im Veränderungsmanagement sowie beim Einhalten von Governance werden in wirtschaftlich schwierigen Zeiten und bei wachsendem Innovationsdruck auch für Maschinenbau, Medizintechnik, Aerospace und Defense kritischer.

Leadec: Warum Industrieservice zum Rückgrat der Fabrik wird

Der Industrieservice entscheidet zunehmend über Effizienz, Flexibilität und Verfügbarkeit in der Produktion. Leadec-CEO Markus Glaser-Gallion erklärt, warum Daten und KI den Service strategisch aufwerten.

Software-defined Products kommen

„Die Komplexität wächst enorm: Viele Produktvarianten, lange Lebenszyklen, strengere Vorschriften. Alte Produkte müssen neue Anforderungen erfüllen – das ist mit Papier kaum noch handhabbar“, stellt etwa Dr. Thilo Jania fest, Global Head of R&D Center of Development Excellence beim japanischen Medizintechnikhersteller Olympus. Deshalb bewege man sich in Richtung Digitalisierung und KI. Gleichzeitig sei oft noch die unterschriebene Zeichnung die einzige „Single Source of Truth“.

Für Unternehmen, die jetzt in den Verteidigungs-Bereich einsteigen wollen, richtet sich der Fokus  auf Software-defined Defense. Wollen Maschinenbauer als Zulieferer für europäische Rüstungs- oder Luftfahrtprogramme arbeiten, sind sie nicht nur Komponentenlieferanten, sondern Teil eines hochkomplexen Gesamtsystems. Dafür reichen klassische CAD-Zeichnungen und Stücklisten oft nicht mehr aus.

Große Systemintegratoren wie Airbus, Dassault Aviation oder Rheinmetall entwickeln heute zunehmend modellbasiert. Deren Zulieferer müssen daher Anforderungen, Schnittstellen und Systembeschreibungen in kompatiblen Modellen bereitstellen können. „Wir arbeiten mit echten Modellen und nicht nur mit Diagrammen oder PDF-Dokumenten. Daher ist es entscheidend, allen Beteiligten Zugriff auf diese Modelle zu ermöglichen. Der Schlüssel zur Beherrschung dieser Komplexität liegt im modellbasierten Arbeiten und in der frühen Verifikation von Hypothesen durch Simulation des Gefechtsfelds und des Gesamtsystems“, berichtet Dr. Jörg Wirtz, Head of FCAS Common Working Environment & PMT program bei Airbus Defence and Space.

Modellbasierte Entwicklung und Teilen von Daten

In der komplexen Lieferkette von Boeing wird mit vielen Zulieferern am Design auf unterschiedliche Arten zusammengearbeitet. Teils werden Teile nach Vorgabe gebaut, teils gibt es Co-Design-Prozesse. „Das Problem: Wir arbeiten immer noch stark dokumentenbasiert. Die Herausforderung bei den Durchlaufzeiten liegt darin, zu einem abgeschlossenen Design zu kommen und dann effizient weiterzuarbeiten“, konstatiert Kenneth Swope, Senior Manager Enterprise Interoperability Standards & Supply Chain Collaboration bei The Boeing Company.

Die Antwort liegt aus seiner Sicht darin, von einem dokumentenzentrierten zu einem modellbasierten Ansatz zu kommen. Dafür will man die digitale Kompetenz intern und in der Lieferkette erhöhen.

Ingenieure seien bisher darauf trainiert gewesen, Modelle mit Blick auf Abschottung der Daten zu erstellen und Engineering zu betreiben, um ihr jeweiliges Problem zu lösen: „All die Daten wurden jahrelang – und werden es auch heute noch – genau in diesem Kontext strukturiert. Jetzt aber wollen wir die Gleichung umdrehen: Wir wollen die Daten offenlegen und domänenübergreifend relevant machen“, erklärt Swope den Paradigmenwechsel.

Derzeit treffen also traditionelle Vorgehensweisen und Datenmodelle auf Technologie wie KI-Agenten, die vom Kontext leben. Dafür müssen Daten so strukturiert und bereitgestellt werden, dass sie semantisch verstanden sind und neue Standards wie  Model Context Protocol (MCP) greifen können. „Das bedeutet eine Transformation und Neuqualifizierung der Belegschaft und eine Transformation des eigenen Unternehmensansatzes“, folgert Swope. MCP ist ein offenes Protokoll, das derzeit stark an Bedeutung gewinnt, weil es KI-Assistenten ermöglicht, standardisiert auf externe Datenquellen und Anwendungen zuzugreifen, ohne jeweils eine Schnittstelle bauen zu müssen: quasi eine Art USB-C für KI.

Daten semantisch verstehen und Kontextwissen erschließen

Simulation gewinnt weiter an Bedeutung, eng verbunden mit der Entwicklung hin zum Industrial Metaverse. „Bei Simulation geht es immer auch um die Simulationsglaubwürdigkeit, um mit virtuellem Testen Entscheidungen ohne Hardware treffen zu können“, erklärt Hans-Martin Heinkel, Referent bei der Robert Bosch GmbH und Leiter des Projekts Smart Systems Engineering (SmartSE) vom Prostep Ivip. Dafür brauche es Informationen, sprich die Harmonisierung von Metadaten, Semantik, Schnittstellen und Datenformaten. „An der Abstimmung zwischen diesen vier Punkten führt kein Weg vorbei, das ist eine schmerzhafte Lektion, die alle Unternehmen lernen müssen“, sagt Heinkel. MBSE und Simulation seien gegenseitig voneinander abhängig.

Daten werden ganz klar zum Schlüssel für die Innovation in der Produktentstehung. Die Fachleute sind sich auch einig, dass LLMs ohne Kontextwissen und Semantik ihr Potenzial nicht entfalten können. Zwar liegen Daten in PLM/PDM-Systemen, im ERP und im MES. Hier sieht Eidloth die Herausforderung, dass Unternehmen klären müssen, wie ihre Software-Lieferanten den Zugriff auf die Daten über KI ermöglichen werden.

Denn bei weitem nicht alle Anbieter haben sich bereits dafür geöffnet. Der Verein fordert deshalb mit dem „Code for PLM-Openness“ durchgängige Standards. Doch es gibt noch eine weitere Hürde: Das Ingenieurswissen zu den Entscheidungen, warum ein Produkt genau so und nicht anders designt wurde, liegt eben nicht in den strukturierten Daten dieser Systeme, sondern in unzähligen Powerpoint-Präsentationen, Excel- und Word-Dokumenten.

Welche Vorteile Agentless Access in der OT bietet

Warum wird Agentless Access für OT-Systeme relevant? Felix Wirthmann, Director Product Management bei TeamViewer, erklärt im Interview, wie sicherer Fernzugriff auf OT-Systeme ohne Softwareinstallation am Endpunkt funktioniert.

Lange Produktlebenszyklen datentechnisch abbilden

Die Luftfahrt etwa hat sehr lange Produktzyklen und arbeitet mit Daten über Jahrzehnte hinweg. Im Maschinen- und Anlagenbau sieht es ähnlich aus. „Unsere Daten reichen Jahrzehnte zurück, aber Sprache, Regeln und Dokumentation haben sich verändert. Das Problem: Die Daten sprechen nicht für sich selbst“, so Swope. Es gelte also, den „Wortschatz“ genau zu untersuchen und zu verstehen, wie Begrifflichkeiten in allen Bereichen des Unternehmens verwendet werden, um sicherzustellen, dass das Produkt, seine Integrität und seine Sicherheit immer im Mittelpunkt stehen.

Aus dem Prostep-Ivip-Projekt Lotar (Long Term Archiving and Retrieval), das ursprünglich von Aerospace-Mitgliedern vorangetrieben wurde, entstand die Normenreihe EN/NAS 9300. Lotar stellt sicher, dass 3D-CAD-, PDM-, Simulations- und inzwischen auch MBSE-Daten (Artefakte) noch Jahrzehnte später lesbar und weiterverwendbar sind – unabhängig vom ursprünglichen Softwarehersteller und Veränderungen bei Datenformaten. Für Maschinenbauer, die SysML oder modellbasierte Entwicklung einsetzen, wird damit jetzt gewährleistet, dass nicht nur CAD-, sondern auch Systemmodelle langfristig erhalten bleiben. Mit den standardisierten Informationsmodellen und Prozessen von Lotar können auch Unternehmen anderer Branchen einen durchgängigen digitalen roten Faden (Digital Thread) aufbauen, der vom Engineering über die Fertigung bis hin zum Service reicht.

Innovation mit KI treiben

Die Medizintechnik ist weltweit stark hinsichtlich Patientenschutz und Datenschutz reguliert, für eine Marktzulassung müssen viele Vorgaben eingehalten werden. Olympus stellt vor allem medizinische Endoskope her, ein stark innovationsgetriebener Bereich. „Es ist für uns äußerst wichtig, neue Produkte und neue Innovationen schnell auf den Markt zu bringen. Das ist aufgrund der regulatorischen Anforderungen eine zusätzliche Herausforderung“, sagt Jania.

Das Ziel ist, die Funktionalität der Produkte zu erweitern und perspektivisch das Einsatzspektrum durch Robotik zu vergrößern. So wird KI in die Produkte eingebracht, etwa für die computerunterstützte Diagnostik. Die Software sorgt dabei zunehmend für Funktionserweiterung und Individualisierung entsprechend der Patientenbedürfnisse – Medizintechnik wird also zum Software-defined Product.

„Unsere Vision besteht darin, einen vollständig geschlossenen Patientenpfad zu haben – von der Erkennung der Krankheit über die Behandlung bis hin zur Wiederaufbereitung der Produkte“, erklärt  Thilo Jania. Dazu gehöre etwa die Sterilisation, die besonders strengen Regularien unterliegt und damit sehr aufwandsintensiv sei.

Umgehen mit zunehmender Regulierung

„Die Vielfalt der unterschiedlichen Vorschriften und lokalen Besonderheiten macht es nahezu unmöglich, dass jemand den vollständigen Überblick hat. Deshalb wird KI uns helfen, die Entwicklung von Vorschriften zu überwachen und die richtige Interpretation hinsichtlich Risikominimierung zu extrahieren“, berichtet der Experte. LLMs eigneten sich hier besonders, denn der Regulatory-Affairs-Prozess sei in der Medizintechnik stark textbasiert. Hier arbeitet man gemeinsam mit dem Beratungsunternehmen Unity zusammen, das ein Tool entwickelt hat, um den Intended Use eines Medizinprodukts zu beschreiben. Zugleich wird identifiziert, welche Normen und Standards im Entwicklungsprozess berücksichtigt werden müssen. Sie können dann in das eigene Requirements-Management-System einfließen, um im Entwicklungsprozess damit weiterzuarbeiten.

„Da die Regulierung von uns verlangt, jede Art von Algorithmus zu validieren, wird es keine automatische Freigabe dieser Daten und keine automatische Entscheidungsfindung geben“, so Jania. Dennoch sei die KI „enorm hilfreich“, solange man einen geführten Prozess habe und am Ende ein Mensch die Freigabe erteile. Aus seiner Sicht ist die KI zudem unverzichtbar, um das Wissen von hochspezialisierten Fachkräften zu sichern, die in den nächsten Jahren in Rente gehen werden.