Wie KI-Agenten die digitale Transformation in der Industrie beschleunigen

Stellen Sie sich vor, Ihr Konkurrent steigert die Produktivität um 30 % und bringt das Produkt schneller als erwartet auf den Markt. Nicht, weil er mehr Ingenieure eingestellt hat. Nicht, weil er die Produktion ausgelagert hat. Sondern weil er Software mit KI-Agenten eingesetzt hat. Software, die mit Intelligenz ausgestattet ist, die Routineaufgaben automatisiert und Erkenntnisse liefert, sodass sich die Belegschaft auf wertschöpfende Aufgaben konzentrieren kann.

Während Ihre Teams nun manuell Produktbeziehungen nachverfolgen und die Datenerfassung für eine Designänderung koordinieren, konzentrieren sich ihre Ingenieure auf Innovationen. Das ist keine Science-Fiction. KI verändert industrielle Abläufe und Hersteller, die KI-Agenten nutzen, werden ihren Wettbewerbsvorteil behalten.

Heute erzielen Software-F&E-Organisationen mit KI-Code-Assistenten wie GitHub Copilot zweistellige Produktivitätssteigerungen (McKinsey, 2023). Serviceabteilungen verkürzen die Zeit bis zur Problemlösung mit KI-Agenten, die Probleme diagnostizieren und bei der Fehlerbehebung helfen (Microsoft, 2024). KI-Agenten verändern Lieferketten, indem sie Lagerbestände optimieren, Lieferanten verwalten und die Logistik rationalisieren, um Kosten zu senken (McKinsey, 2024).

Im weiteren Sinne ermöglichen generative KI-Technologien den Benutzern die Interaktion mit ihren Industriedaten in natürlicher Sprache, wodurch die Benutzererfahrung verbessert wird. Diese KI-Systeme können riesige Datenmengen zusammenfassen, Analysen beschleunigen und die Entscheidungsfindung verbessern, indem sie den Zugang zu Erkenntnissen im gesamten Unternehmen skalieren. Darüber hinaus können KI-Agenten zusammenarbeiten und so intelligente, kollaborative KI-Netzwerke ermöglichen, die mit Daten und Workflows über Softwaresysteme hinweg interagieren können.

In diesem Zeitalter der transformativen KI werden Hersteller ihre digitale Transformation beschleunigen. Aufbauend auf ihrem Weg von traditionellen Methoden zur Digitalisierung werden sie intelligente Software einsetzen, die auf Agenten basiert, KI-gestützte Software-Services, die beraten, unterstützen und zentrale Produktentwicklungsprozesse automatisieren können, sodass Mitarbeiter entlang der gesamten Wertschöpfungskette schneller arbeiten können.

PTC ist einzigartig positioniert, um Hersteller in dieser nächsten Phase der digitalen Transformation zu unterstützen. Wir verfügen über ein preisgekröntes Portfolio an Software für Digital Threads, die in den Bereichen Engineering, Fertigung und Service eingesetzt werden kann. Wir haben mehr als ein Jahrzehnt Erfahrung in der Anwendung von KI in unseren Produkten. Um auf dieser strategischen Positionierung aufzubauen, arbeiten wir mit Hyperscalern wie Microsoft und einer Gemeinschaft von Herstellern zusammen, die die Marktfähigkeit von Produkten validieren.

In den folgenden Abschnitten werden wir die Bausteine des KI-Agent-Technologie-Stacks genauer betrachten, ein dreiteiliges Framework zur Skalierung der KI-Agent-Fähigkeiten beschreiben und einen konzeptionellen Anwendungsfall im Ingenieurwesen vorstellen. Abschließend werden wir die Chancen und Herausforderungen untersuchen, mit denen Hersteller auf dieser KI-Reise konfrontiert werden.

Digital Intelligence digitalisiert die Produktentwicklung über die gesamte Wertschöpfungskette hinweg mit KI-gestützter Software. Die Grundlage dieser Transformation bildet Unternehmenssoftware für die Industrie – wie ALM, PLM, CAD und FSM – in Kombination mit einem intelligenten Software-Stack, der aus KI-Agenten besteht.

Im Mittelpunkt dieser digitalen Transformation steht Unternehmenssoftware. Das Portfolio von PTC bietet erstklassige Software für verschiedene Bereiche – von der Entwicklung über die Fertigung bis hin zum Service –, auf die sich Hersteller täglich verlassen, um Waren und Dienstleistungen in verschiedenen Branchen zu verwalten.

Jedes Produkt ermöglicht die Durchführung wichtiger Geschäftsabläufe und verwaltet die Qualität von Daten, die für die Gewinnung von Erkenntnissen und die Förderung der Automatisierung mit KI-gestützten Funktionen unerlässlich sind.

Seit mehr als einem Jahrzehnt steigern wir den Wert unserer Software durch den Einsatz von KI. Dazu gehören die vorausschauende Analyse für die Wartung von Anlagen in ThingWorx, die Optimierung von CAD-Konstruktionen mit genetischen Algorithmen in Creo, die Anwendung von maschinellem Lernen zur Verwaltung von Ersatzteil-Lieferketten mit Servigistics oder der Einsatz von Computer Vision zur Erkennung doppelter Teile in Windchill.

Aufbauend auf dieser Innovation integrieren wir KI-Agenten und zugehörige generative KI-Technologien in unsere Produkte. So haben wir beispielsweise fortschrittliche agentenbasierte Workflows in ServiceMax integriert, führen neue Angebote wie Agenten in Codebeamer ein und arbeiten weiterhin mit unseren Kunden und Partnern wie Microsoft zusammen, um den Wert unserer Software zu steigern.

Um zu verstehen, wie KI-Agenten in Unternehmenssoftware eingebettet werden, unterteilen wir den Kerntechnologie-Stack in vier Schichten: Benutzerbindung, Anwendungsdienste, Datenverwaltung und Software-Ökosystem. Jede Schicht hat spezifische technische Überlegungen und einzigartige Auswirkungen für Hersteller.

Es gibt drei Muster für die Interaktion mit KI-Agenten:

1. Chat: Ein Benutzer fordert Informationen oder eine Aufgabe an, die über eine Chat-Schnittstelle erledigt werden soll, z. B. ein Servicetechniker, der den KI-Chat in ServiceMax verwendet, um eine Zusammenfassung des Arbeitsauftrags zu erstellen.
2. Aktionen: Ein Benutzer kann einen Agenten-Workflow über herkömmliche Schnittstellen auslösen, z. B. indem ein Anforderungsingenieur in Codebeamer auf die Schaltfläche „Analyse ausführen“ klickt, um einen Agenten aufzufordern, eine Anforderung anhand der INCOSE-Standards zu bewerten.
3. Autonomie: KI-Agenten arbeiten unabhängig im Hintergrund und führen Aufgaben ohne direkte Benutzerinitiative oder -aufsicht aus. Beispielsweise könnte ein KI-Agent in Windchill proaktiv Compliance-Risiken in Änderungsanfragen für die Technik kennzeichnen.

Ein Schlüsselprinzip bei diesen Interaktionsansätzen ist die nahtlose Integration, die sicherstellt, dass KI-Funktionen mit bestehenden Arbeitsabläufen, Regeln und Zugriffskontrollen übereinstimmen. Ebenso wichtig sind Vertrauen und Transparenz, die einen Einblick in die KI-Nutzung ermöglichen und ein System zur Aufzeichnung von KI-gesteuerten Entscheidungen und Aktionen aufrechterhalten, insbesondere für die Prüfung autonomer Agenten.

Nachdem wir nun wissen, wo Benutzer mit Agenten interagieren, wollen wir uns eingehender mit der Funktionsweise von Agenten befassen und sowohl grundlegende als auch fortgeschrittene Modelle betrachten und wie sie zusammenarbeiten können, um ein Netzwerk intelligenter Agenten zu schaffen.

Agenten sind Anwendungsdienste, die KI zum Planen, Denken und Handeln verwenden. Agenten können grundlegende oder fortgeschrittene Vorgänge ausführen und zusammenarbeiten.

1. Basic Agents: Es gibt „Basic Agents“ (Basisagenten), die Benutzer beraten und unterstützen, indem sie ihnen Zugang zu Informationen gewähren und Fragen auf der Grundlage von Kontextdaten beantworten. Ein Beispiel hierfür ist der "Windchill Document Vault Agent", mit dem Ingenieure Fragen zu Informationen stellen können, die in Datenblättern, Qualitätsdokumenten, Testberichten und anderen Dokumenten gespeichert sind.

Windchill Document Vault-Agent mit KI-Chat-Schnittstelle

2. Advanced Agents: Darüber hinaus gibt es „Advanced Agents“ (fortgeschrittene Agenten), die bestimmte Aufgaben erweitern oder automatisieren können. So kann beispielsweise ein Servicetechniker über einen KI-Chat Planungsfragen stellen, und basierend auf dem Kontext des Benutzers kann der Agent automatisch neue Kalenderereignisse erstellen. Diese fortgeschrittenen Agenten nutzen LLMs, um natürliche Sprache zu verarbeiten, die Absicht des Benutzers abzuleiten und den Fortschritt von Aufgaben zu überwachen. Darüber hinaus können sie generative Funktionen nutzen, um eine Benutzerantwort zu erstellen oder Code-Snippets zu generieren, die Aktionen in anderen Tools oder Agenten auslösen.

3. Multi-Agent-Architektur: Agenten können zusammenarbeiten. Es gibt Koordinationsagenten, die Aktionen zuweisen und die Agentenaktivitäten überwachen; sie sind wie ein Teammanager für eine Gruppe von Agenten. Die anderen Agenten sind Spezialisten, die bestimmte Aufgaben auf der Grundlage eindeutiger Anweisungen ausführen. ServiceMax hat beispielsweise einen Koordinator-Agenten implementiert, der mehrere Agenten koordiniert, die auf das Außendienstmanagement (FSM) spezialisiert sind. Ein spezialisierter Agent ist der Service-Historie-Agent, der Fragen auf der Grundlage von Arbeitsauftragsdaten beantworten kann, und ein anderer ist der Terminplanungs-Agent, der den Kalender eines Technikers überprüfen und Ereignisse auf der Grundlage des Benutzers, des Arbeitsauftrags und des Kundenkontexts planen kann.

ServiceMax AI: Multi-Agent-Architektur

Nachdem wir nun die verschiedenen Arten von KI-Agenten und ihre Rolle in Unternehmenssoftware untersucht haben, wenden wir uns den Daten zu, die ihre Intelligenz antreiben und es ihnen ermöglichen, sinnvolle Maßnahmen zu ergreifen.

KI-Agenten stützen sich auf die in Unternehmenssoftware gespeicherten und verwalteten Daten und gewährleisten so Vertrauen und Umsetzbarkeit. Drei Elemente – Vektordatenbank, „Semantic Layer“ und APIs – sind für die Implementierung von Agenten unerlässlich.

1. Vector Databases: Vektordatenbanken speichern sowohl strukturierte als auch unstrukturierte Daten, sind aber besonders wertvoll für unstrukturierte Inhalte wie Dokumente und Videos. Sie ermöglichen es KI-Agenten, in Dateien zu suchen, sie zusammenzufassen und Erkenntnisse daraus zu gewinnen, die zuvor schwer zu analysieren waren, und eröffnen so neue Wege für den Umgang mit Unternehmenswissen. So können Onshape-Benutzer beispielsweise Fragen zur Schulung oder Fehlerbehebung stellen, ohne manuell in der Dokumentation blättern zu müssen.

Anwendungsfälle, die Vektordatenbanken nutzen, können schnell zu Erfolgen führen, da sie nur minimale spezialisierte Programmierung für Q&A-Chatbots erfordern. Dies gilt insbesondere dann, wenn bereits Indexierungsmechanismen zur Verwaltung von Dokumenten vorhanden sind, wie z. B. die Solr-Indexierungsmaschine von Windchill. Da viele Vektordatenbanken jedoch cloudbasiert sind, müssen Unternehmen bei der Nutzung dieser Technologie die Sicherheit und Einhaltung von geistigem Eigentum berücksichtigen.

2. Semantic Layer: Der „Semantic Layer“ fungiert als Brücke zwischen komplexen Unternehmensdaten und KI-Agenten (oder anderen Tools wie Berichts-Dashboards). Er übersetzt geschäftsfreundliche Fragen in präzise Datenbankabfragen. Wenn ein Windchill-Benutzer beispielsweise fragt: „Welche offenen Änderungsanfragen betreffen Teil X?“, dann übersetzt der Semantic Layer:

• Erkennt Schlüsselbegriffe wie „Änderungsanfrage“ und „Teil X“.
• Ordnet sie den richtigen Datenobjekten im System zu.
• Generiert eine Abfrage, um genaue Ergebnisse zu erhalten.

Durch die Bearbeitung dieser Übersetzung ermöglicht der Semantic Layer KI-Agenten, klare, geschäftsfreundliche Antworten zu geben, während sie mit den komplexen Datenstrukturen von Unternehmenssoftware arbeiten.

Ein weiterer wichtiger Vorteil eines Semantic Layers ist die verbesserte Softwareintegration. Wenn mehrere Systeme Semantic Layer zugeordnet haben, können KI-Agenten nahtlos durch Daten in Unternehmenssystemen navigieren. Durch die Zuordnung des Semantic Layers zwischen Systemen wie ALM, PLM und FSM werden beispielsweise neue Anwendungsfälle für geschlossene Regelkreise erschlossen, wie z. B. ein Agent in Codebeamer, der Problemberichte von ServiceMax verarbeitet, um eine Anforderungsaktualisierung zu informieren, die wiederum ein Änderungsprojekt in Windchill initiiert.

3. APIs: APIs ermöglichen es KI-Agenten, strukturierte Daten aus Unternehmenssoftware abzurufen, semantische Suchen in Vektordatenbanken durchzuführen, um unstrukturierte Erkenntnisse zu gewinnen, und Aktionen systemübergreifend zu koordinieren. APIs sind mehr als nur ein Datenkanal. Sie ermöglichen es KI-Agenten, spezialisierte Tools aufzurufen, Workflows auszulösen und nahtlos im gesamten Unternehmen zu interagieren, sodass sie als intelligente digitale Mitarbeiter und nicht als passive Antwortgeber agieren. Als etablierte Tools in Unternehmenssoftware bieten APIs eine skalierbare und sichere Grundlage für agentenbasierte Workflows. In Zukunft wird die Überwachung und Messung von APIs immer wichtiger werden, da KI-Agenten in verschiedenen Software-Ökosystemen eingesetzt werden.

Ein effektives Datenmanagement ist unerlässlich, damit KI-Agenten zuverlässig arbeiten und verwertbare Informationen liefern können. KI-Agenten arbeiten jedoch nicht isoliert – sie sind auf ein breiteres Software-Ökosystem angewiesen, das die Infrastruktur und die Integrationen bereitstellt, die zur Skalierung ihrer Fähigkeiten erforderlich sind.

KI-Agenten arbeiten nicht isoliert – sie sind auf ein breiteres Software-Ökosystem angewiesen, um auf Daten zuzugreifen, Aufgaben auszuführen und einen geschäftlichen Mehrwert zu schaffen. Drei Hauptakteure in diesem Ökosystem sind unabhängige Softwareanbieter (ISVs), Hyperscaler und der Hersteller.

1. Unabhängige Softwareanbieter (ISV): Da KI-Agenten in Unternehmenssoftware immer häufiger eingesetzt werden, werden ISVs Multi-Agenten-Architekturen innerhalb und zwischen Softwaresystemen einführen. Das Reifegradmodell für ISVs beginnt in der Regel mit der Einbettung von KI-Agenten in einzelne Softwaresysteme, wie z. B. die CAD- oder PLM-Lösungen von PTC. Nach dieser Phase gibt es zwei Möglichkeiten. Eine Möglichkeit besteht darin, Agentenintegrationen zwischen Software im Portfolio des ISVs oder Zielintegrationen zwischen Lösungen von Drittanbietern zu erstellen. Es gibt Fälle, in denen Integrationen innerhalb eines Portfolios strategisch sind, wie z. B. die Nutzung bestehender Integrationen zwischen Creo und Windchill zur Unterstützung von Konstrukteuren. Oder die Priorisierung von Windchill PLM-Integrationen mit externen ERP- und MES-Lösungen zur Unterstützung kritischer nachgelagerter Prozesse für Hersteller.

In jedem Integrationsszenario sind hochwertige APIs, Governance-Frameworks für die KI-Überwachung und Geschäftsmodelle für die Nutzung von Agenten sowohl für die unabhängigen Softwareanbieter als auch für die Hersteller von entscheidender Bedeutung.

2. Hyperscalers: Hyperscaler stellen grundlegende KI-Dienste und -Infrastrukturen für Agenten bereit und bieten Rechenleistung, Modell-Hosting und Unternehmensangebote in großem Umfang. Microsoft stellt beispielsweise über 1.800 LLMs bereit, bietet eine umfassende KI- und Datenplattform, Microsoft Fabric, und erstellt spezialisierte Wissensgraphen für Branchen wie die Manufacturing Data Solution. Aus diesem Grund arbeitet PTC strategisch mit Microsoft zusammen und nutzt deren hochmoderne KI-Infrastruktur und das umfangreiche Angebot an KI-Diensten, die in großem Umfang und sicher funktionieren. Darüber hinaus betrachten wir diese KI-gestützte Reise als Mannschaftssport, bei dem der Austausch von Technologien und bewährten Verfahren von entscheidender Bedeutung ist, um Hersteller bei der Einführung und Skalierung von KI in ihren Betrieben zu unterstützen.

3. Hersteller: Hersteller sind von zentraler Bedeutung für ein KI-gestütztes Software-Ökosystem, da sie sowohl Input dazu liefern, wo sich ein Geschäftswert realisieren lässt, als auch Verbraucher und Entwickler von KI-gestützter Software sind. Für Hersteller wird die Einführung von KI durch die Notwendigkeit angetrieben, die Produktentwicklung zu beschleunigen und sich einen Wettbewerbsvorteil zu verschaffen. Sie konzentrieren sich darauf, herauszufinden, wo KI-Agenten den größten Mehrwert schaffen können. Durch die Priorisierung von Anwendungsfällen mit hoher Wirkung gestalten Hersteller nicht nur ihre eigenen KI-Strategien, sondern beeinflussen auch den breiteren Markt, indem sie ISVs und Hyperscaler zu den wertvollsten Anwendungen führen. Als Verbraucher streben Hersteller danach, ihre Wertschöpfungszeit zu beschleunigen, indem sie speziell entwickelte Lösungen nutzen. Als Entwickler entwickeln Hersteller ihre eigenen KI-Agenten und wenden dabei die gleichen Governance-, Integrations- und Skalierbarkeitsprinzipien wie ISVs an, um eine nahtlose Funktionalität in ihrer gesamten IT-Landschaft zu gewährleisten.

Zusammenfassend lässt sich sagen, dass ein Software-Ökosystem für KI-Agenten unerlässlich ist, um sicherzustellen, dass sie sich nahtlos in Softwaresysteme integrieren lassen, mit der von Hyperscalern bereitgestellten hochmodernen und zuverlässigen Infrastruktur skalieren und Herstellern einen geschäftlichen Mehrwert bieten.

Im weiteren Sinne haben wir die wesentlichen Elemente eines Tech-Stacks behandelt, der von KI-Agenten angetrieben wird. Diese eingebetteten, intelligenten und kollaborativen Eigenschaften von KI-Agenten machen diese Technologie zu einer transformativen Kraft, die viele Vordenker dazu veranlasst, zu erklären, dass Agenten in Software allgegenwärtig sein werden.

Wir befinden uns in der Anfangsphase der Anwendung von KI-Agenten in Unternehmenssoftware. Obwohl Marktanalysten wie Gartner eine erhebliche Akzeptanz von KI-Agenten vorhersagen und bis 2028 eine Akzeptanz von 33% anstreben, liegt die derzeitige Akzeptanz in Unternehmen bei weniger als 1% (Gartner, 2024).

Um diese Welt der Agenten zu verwirklichen, müssen Hersteller einen schrittweisen Ansatz verfolgen, der mit schnellen Erfolgen beginnt und diese dann skaliert. Als Leitfaden für diese KI-Reise empfehlen wir, KI-Agenten auf der Grundlage von drei Schlüsselkompetenzen zu konzipieren: Beraten, Unterstützen und Automatisieren. Jede dieser Kompetenzen baut auf der vorherigen auf und steigert den Wert für den Geschäftsbetrieb.

KI-Agenten sind nicht auf eine einzige Funktion beschränkt. Ein Agent kann je nach Anwendungskontext und zugehöriger Softwareumgebung mehrere Funktionen integrieren. Ein KI-gestützter Engineering-Agent kann beispielsweise relevante Produktspezifikationen abrufen (Beraten), aber auch alternative Materialien vorschlagen, die den gesetzlichen Vorschriften entsprechen und kostengünstig sind (Unterstützen). Im Laufe der Zeit kann derselbe Agent so konfiguriert werden, dass er genehmigte Designänderungen auf der Grundlage von Integrationen in PLM- und ERP-Systeme autonom umsetzt (Automatisieren).

Sehen wir uns jede dieser Funktionen an und beleuchten ihre Rolle, ihren einzigartigen Wert, technologische Überlegungen und Beispiele aus der Praxis.

• Rolle: Agent als intelligenter Berater – stellt Informationen bereit, ruft Daten ab und gibt Empfehlungen, um Benutzern zu helfen, bessere Entscheidungen zu treffen.
  
• Wertversprechen: Effizienz – reduziert den Zeitaufwand für die Suche nach Daten, vereinfacht Arbeitsabläufe und verbessert den Zugang zu Wissen.
  
• Rolle des Menschen: Volle Kontrolle – Benutzer treffen Entscheidungen und nutzen gleichzeitig KI für schnellere Erkenntnisse.
  
• Technologieüberlegungen: Geringe Investition – erfordert die Integration mit Datenquellen, Such-/Abfragefunktionen und profitiert oft von RAG-Techniken (Retrieval-Augmented Generation).
  
• Beispiel: Ein Windchill-Agent hilft Ingenieuren, Spezifikationen, Konformitätsdokumente oder Testberichte schnell zu finden, indem er relevante Informationen aus der Windchill-Dokumentenverwaltung abruft.

• Rolle: Agent als intelligenter Assistent – geht über die Unterstützung hinaus, indem er einige Aufgaben aktiv ausführt oder Arbeitsabläufe optimiert.
  
• Wertversprechen: Prozessoptimierung – reduziert Fehler, verbessert die Produktivität und verbessert die Entscheidungsfindung durch KI-gesteuerte Empfehlungen.
  
• Menschliche Rolle: Menschlich geführt, KI-gestützt – Benutzer prüfen und genehmigen von KI vorgeschlagene Optimierungen.
  
• Technologieüberlegungen: Mittlere Investition – erfordert eine tiefere Integration in Unternehmenssysteme, ausgefeilte Prompt-Engineering und KI-gesteuerte Entscheidungsunterstützung.
  
• Beispiel: Ein ServiceMax-Agent ruft die Verfügbarkeit von Technikern ab (Beraten) und schlägt optimierte Planungsoptionen vor, die auf dem Fachwissen, dem Standort und der Dringlichkeit der Techniker basieren (Unterstützen). Der Techniker genehmigt die endgültige Auswahl noch vor der Buchung.

• Rolle: KI als autonomer Operator – führt Aufgaben unabhängig aus und passt sich dynamisch an neue Daten und Arbeitsabläufe an.
  
• Wertversprechen: Skalierbarkeit und Kostensenkung – minimiert den manuellen Aufwand, ermöglicht die Anpassung von Prozessen in Echtzeit und steigert die betriebliche Effizienz.
  
• Rolle des Menschen: Überwacht KI-Aktionen und greift nur bei Bedarf ein, um Ausnahmen zu behandeln oder Automatisierungsregeln zu verfeinern.
  
• Technische Überlegungen: Hohe Investitionen – erfordert Agent-Architekturen, fortschrittliches Prompt Engineering und möglicherweise spezialisierte Modelle für maschinelles Lernen für autonome Abläufe.
  
• Beispiel: Ein Windchill-Agent überwacht Anforderungsaktualisierungen in Codebeamer und verwaltet Abhängigkeiten, Compliance-Prüfungen und Versionskontrolle mit wenig manuellem Eingriff.

Durch die Entwicklung von KI-Agenten mit fortschrittlicher Intelligenz können Hersteller Innovationen auf kontrollierte und skalierbare Weise umsetzen und so sicherstellen, dass die Einführung von KI mit den Geschäftszielen und der Bereitschaft der Belegschaft übereinstimmt. Im folgenden Abschnitt stellen wir uns diese Zukunft anhand eines anschaulichen Beispiels aus dem Ingenieurwesen vor.

Stellen Sie sich einen globalen Hersteller vor, der ein softwaredefiniertes Produkt der nächsten Generation entwickelt – ein Elektrofahrzeug, ein intelligentes medizinisches Gerät oder eine intelligente Baumaschine. Die technische Komplexität ist immens und erfordert eine nahtlose Zusammenarbeit zwischen den Teams für Anforderungen, Systemtechnik und Design.

Um zu veranschaulichen, wie KI-Agenten diesen Prozess verändern können, werden wir vier wichtige Anwendungsfälle untersuchen, die den Fortschritt von traditionellen Methoden über digitalisierte Unternehmenssoftware bis hin zur Integration von KI-Agenten zeigen – und so die Zusammenarbeit im Unternehmen verbessern, Erkenntnisse erschließen und Arbeitsabläufe beschleunigen.

1. Digitale Rückverfolgbarkeit und Kollaboration: Rückverfolgbarkeitsagenten überwachen Änderungen (Automatisieren) an Anforderungen, Entwürfen und Systemmodellen innerhalb von ALM- und PLM-Software, benachrichtigen Ingenieure über Änderungen und empfehlen Aktualisierungen (Unterstützen) . Wenn eine Änderung erforderlich ist, automatisiert der Agent die Verknüpfung neuer oder aktualisierter Objekte auf der Grundlage der Datenontologie (Automatisieren).

Ingenieure sparen Zeit bei der routinemäßigen Datenverknüpfung und können sich auf die Überwachung von Änderungen, die Qualitätssicherung und die Verbesserung der Zusammenarbeit konzentrieren.

2. Unternehmensweites Change Management: Das Management technischer Änderungen ist komplex, da sich Änderungen in einem System auf andere auswirken. Change-Management-Agenten analysieren Abhängigkeiten (Unterstützen) in den Bereichen Software, Mechanik und Elektrik, prognostizieren die Auswirkungen von Änderungen vor der Implementierung und erstellen einen Bericht über die Auswirkungen (Automatisieren), den die Ingenieure überprüfen können.

Ingenieure erhalten schnell Einblicke in die Auswirkungen von Änderungen, wodurch schnellere Genehmigungen und weniger nachgelagerte Probleme gewährleistet werden.

3. Product Line Engineering: KI-Agenten generieren dynamisch Systemmodelle auf der Grundlage von Beschreibungen in natürlicher Sprache (Automatisieren) und helfen Ingenieuren, Komponenten und Konfigurationen über verschiedene Produktlinien hinweg zu standardisieren, wenn Änderungen auftreten.

Ingenieure reduzieren die Zeit für die Erstellung von Systemmodellen und erhöhen die Abstimmung mit den Interessengruppen durch dynamische Aktualisierungen.

4. Virtuelle Produktvalidierung: KI automatisiert die Erstellung von Testszenarien und Validierungsabläufen (Automatisieren) und beschleunigt so die Erstellung nachgelagerter Ergebnisse, die für Software- und Hardwarekomponenten erforderlich sind, um die Anforderungen an Konformität, Sicherheit und Leistung zu erfüllen, bevor physische Prototypen erstellt werden.

Ingenieure verbessern die Qualität der Produktvalidierung und verringern den Zeitaufwand für dokumentenlastige Aufgaben.

Bei dieser KI-gestützten Transformation ersetzt KI die Ingenieure nicht – sie verstärkt ihre Wirkung und ermöglicht es ihnen, sich auf Innovationen zu konzentrieren, während KI Erkenntnisse erschließt, Prozesse optimiert und gezielte Arbeitsabläufe automatisiert. Diese KI-Fähigkeiten werden nahtlos in bestehende Unternehmenssysteme integriert und steigern den Wert etablierter Arbeitsabläufe und der von ihnen verwalteten Daten.

Im folgenden Abschnitt werden wir diesen Artikel abschließen, indem wir die Herausforderungen und Chancen vorstellen, mit denen Hersteller auf dieser KI-Reise konfrontiert sind, und erläutern, wie PTC als vertrauenswürdiger Partner KI-gestützte Innovationen im gesamten digitalen Thread vorantreibt.

Die digitale Transformation in der Industrie ist kein Sprint, sondern ein Marathon. Unternehmen beginnen mit schnellen Erfolgen und realisieren im Laufe der Zeit schrittweise einen höheren Wert, indem sie den Erfolg auf den gesamten Geschäftsbetrieb ausdehnen.

Der Weg zur digitalen Intelligenz baut auf dieser Strategie auf und nimmt wie frühere Bemühungen die Form eines Marathons an, wobei sich die Route ständig weiterentwickelt. Fortschritte in der KI, regulatorische Änderungen und sich verändernde Wettbewerbslandschaften erfordern von den Herstellern, sich anzupassen und die organisatorischen Voraussetzungen zu schaffen, um diese Chance des Wandels zu nutzen.

Im nächsten Abschnitt untersuchen wir den Gegenwind und Rückenwind, der die Einführung der KI prägt, und heben drei zentrale Herausforderungen und Chancen hervor, die Hersteller bewältigen müssen.

• Datenkomplexität und -verwaltung: KI lebt von zugänglichen, organisierten Daten, aber Hersteller verwalten oft einen Flickenteppich an Datenreife – von veralteten Dokumenten auf Festplatten bis hin zu vollständig kontrollierten Unternehmenssystemen. Um das volle Potenzial von KI auszuschöpfen, müssen die Daten in Ordnung gebracht werden. Dieser Prozess ist bereits im Gange, und zwar durch Digitalisierungsbemühungen wie den Übergang von dokumentenzentriertem zu teilezentriertem PLM oder die Verlagerung von Anforderungen von Excel zu rückverfolgbaren Systemen wie Codebeamer. Da KI den Bedarf an hochwertigen Daten erhöht, ist es wichtiger denn je, die Bereitschaft des Unternehmens sicherzustellen.
• Bereitschaft der Belegschaft: Die Einführung von KI ist ein kultureller Wandel, der neue Fähigkeiten, Prozessänderungen und organisatorische Anpassungen erfordert. Ein wichtiger Teil des Veränderungsmanagements besteht darin, KI als Beschleuniger zu betrachten, der den Mitarbeitern hilft, intelligenter und schneller zu arbeiten. Dies bedeutet, das Bewusstsein zu schärfen, Schulungen durchzuführen und bewährte Verfahren zu etablieren, um sicherzustellen, dass KI verantwortungsvoll und effektiv eingesetzt wird. Bei PTC verfolgen wir beispielsweise einen strukturierten Ansatz zur Vorbereitung der Belegschaft, der monatliche Webinare zur Vorstellung von KI-Innovationen, abteilungsspezifische KI-Arbeitsabläufe zur Identifizierung, Validierung und Skalierung KI-gestützter Produktivitätssteigerungen sowie eine Bibliothek digitaler Ressourcen umfasst, die von KI-Einführungsschulungen bis hin zu speziellen Lernpfaden für verschiedene Teams reichen.
• Regulatorische Änderungen: KI entwickelt sich schneller als Vorschriften, sodass Hersteller sich mit komplexen Compliance-Anforderungen auseinandersetzen müssen. KI-Systeme müssen transparent und erklärbar sein und mit Standards (DSGVO, ISO, EU-KI-Verordnung) übereinstimmen. Rechts- und Regulierungsteams spielen eine Schlüsselrolle. Bei PTC sind wir ebenfalls mit diesen Herausforderungen konfrontiert; wir haben uns dieser Herausforderung gestellt, indem wir ein KI-Governance-Board eingerichtet haben, das sich auf den verantwortungsvollen Einsatz von KI konzentriert und von den Microsoft Responsible AI Principles inspiriert ist.

• Digitale Transformation: Der Wandel hin zu modernen Unternehmenssystemen ist ein seit langem etablierter Trend, bei dem Unternehmen ihre Abläufe digitalisieren, um die Effizienz, Zusammenarbeit und Entscheidungsfindung zu verbessern. Durch die Ablösung isolierter, manueller Prozesse durch vernetzte Systeme schaffen Hersteller die Grundlage, die KI benötigt – strukturierte, hochwertige Daten, integrierte Arbeitsabläufe und unternehmensweite Transparenz. Diese digitale Transformation stellt sicher, dass KI-gestützte Funktionen, wie Multi-Agentensysteme, nahtlos mit geschäftskritischen Daten und Prozessen interagieren können. Einfach ausgedrückt ist KI nur so leistungsfähig wie die digitale Infrastruktur, auf der sie aufbaut, sodass die digitale Transformation eine notwendige Voraussetzung ist, um das volle Potenzial der KI auszuschöpfen.
  
• KI-Technologie-Innovation: KI hat sich über Jahrzehnte hinweg weiterentwickelt, von regelbasierten Systemen bis hin zum maschinellen Lernen, wobei jede Stufe mehr Automatisierung und Erkenntnisse brachte. Die jüngsten Durchbrüche in der generativen KI haben die Innovation jedoch in einem beispiellosen Tempo beschleunigt und neue Wege für die Interaktion mit Unternehmensdaten, die Erstellung von Inhalten und die Automatisierung komplexer Aufgaben eröffnet. Diese Fortschritte sind nicht nur theoretischer Natur, sondern verändern aktiv die Art und Weise, wie Hersteller Produkte entwickeln, bauen und warten, indem sie Intelligenz in Unternehmenssoftware einbetten. Der rasante Fortschritt bei multimodaler KI, Argumentationsagenten und selbstverbessernden Modellen stellt sicher, dass Hersteller auch weiterhin neue, hochwertige Anwendungen für KI über den gesamten Produktlebenszyklus hinweg finden werden.
  
• Cloud/SaaS: Der Aufstieg von Cloud-Computing und SaaS-Bereitstellungsmodellen hat die KI grundlegend verändert und es Unternehmen ermöglicht, ohne massive Investitionen in die Infrastruktur vor Ort auf modernste KI-Funktionen zuzugreifen. LLMs gäbe es ohne Cloud-Computing nicht, das die immense Rechenleistung bereitstellt, die für das effiziente Training und den Einsatz dieser Modelle erforderlich ist. Über KI hinaus beschleunigen SaaS-Lösungen Innovationen durch kontinuierliche Updates, schnellere Bereitstellung von Funktionen und nahtlose Skalierbarkeit, sodass Hersteller immer Zugriff auf die neuesten KI-gesteuerten Funktionen haben, ohne die langen Upgrade-Zyklen von Vor-Ort-Bereitstellungen. Mit zunehmender KI-Akzeptanz wird die Kombination aus Cloud-Infrastruktur und SaaS-basierten Unternehmensanwendungen der Schlüssel sein, um die Vorteile von KI in großem Maßstab zu nutzen.

Während Hersteller damit beginnen, KI in ihre Produktentwicklung einzubetten, steht PTC als vertrauenswürdiger Partner an ihrer Seite, der einzigartig positioniert ist, um Unternehmen dabei zu helfen, den Wert von KI zu erkennen.

Mit unserem branchenführenden Portfolio an Digital Threads, das die Bereiche Entwicklung, Fertigung und Service umfasst, bieten wir die grundlegende Software, die für die nahtlose Integration von KI-Funktionen erforderlich ist.

Unser tiefgreifendes Fachwissen im Bereich KI, das auf mehr als einem Jahrzehnt Innovation basiert, stellt sicher, dass KI verantwortungsvoll und in großem Maßstab eingesetzt wird, um messbare Geschäftsergebnisse zu erzielen. Mit der Einführung von KI-Agenten in unsere Software bringen wir Intelligenz direkt in die Arbeitsabläufe ein, auf die sich Hersteller täglich verlassen, und helfen Teams, intelligenter und schneller zu arbeiten.

Und durch unsere strategischen Partnerschaften und ein globales Ökosystem von Branchenführern ermöglichen wir unseren Kunden, das volle Potenzial der KI auszuschöpfen und gleichzeitig Sicherheit, Skalierbarkeit und Unternehmensbereitschaft zu gewährleisten.

Das Zeitalter der digitalen Intelligenz ist angebrochen, und PTC ist bereit, den Weg zu weisen.