Künstliche Intelligenz in der Produktentwicklung

Künstliche Intelligenz erhöht massiv den Durchsatz einzelner, ausgewählter Entwicklungsaktivitäten. In komplexen Systemen entsteht für das Unternehmen aber erst dann ein Vorteil, wenn Produktdefinition, Systemarchitektur, Verifikation und organisatorische Verantwortung im gleichen Maß nachhaltig reifen. Dies gilt für Produkte, Maschinen, Anlagen und (zunehmend automatisierten) Dienstleistungen gleichermaßen. Führung muss den Entwicklungsfluss über den gesamten Prozess ausbalancieren, ansonsten drohen komplexe technische und legale Schadensszenarien. Um diese zu vermeiden, handeln Sie besser jetzt.

Effizienzsteigerungen verschieben Engpässe

Generative Künstliche Intelligenz, kurz generative KI, erzeugt Inhalte mit sehr viel höherer Effizienz als andere Ansätze. Ihre Stärken liegen in Variantenbildung, Recherche, Coding, Strukturierung und wiederkehrenden Aufgaben. Anwendungen reichen von der Ideenphase bis zu Prüfung und Betrieb. Die Beschleunigung wirkt jedoch ungleichmäßig und punktuell.

Ein KI-Assistent kann Programmcode oder Testfälle schneller erzeugen, er besitzt aber weder die Zweckverantwortung des Produktmanagers noch das Systemverständnis des Systemarchitekten. Bei industriell-technischen Anwendungen (Physical AI) verschärft sich diese Betrachtung aufgrund komplexer physikalischer Abhängigkeiten weiter. KI verkürzt lokale Arbeitsschritte, während der Engpass zu den verbindenden Tätigkeiten wandert. Dazu gehören Stakeholder-Bedürfnisse, System-, Technologie und Sicherheitsanforderungen, Architekturentscheidungen, Schnittstellen sowie Verifikation und Validierung. Aufwände verschieben sich. Die Systematik des Produktentwicklungsprozesses und die Führung des Teams entscheiden bei der Transformation.

Ohne technische Kohärenz kein wirtschaftlicher Erfolg

KI schafft nur dann Wert, wenn die Produktentwicklung (der unternehmerische Prozess von der Marktgelegenheit bis zur Einführung und Weiterentwicklung eines Produktes) und das Systems Engineering (die Sicherung der technischen Kohärenz und Funktionsfähigkeit im Lebenszyklus eines Produkts) abgestimmt bleiben. Die Beschleunigung einzelner Faktoren in diesen Ketten erzeugt zwingend Anpassungsbedarf.

Ein schnell erzeugter Lösungsentwurf verbessert in naiver Betrachtung die Wirtschaftlichkeit, vernachlässigt aber häufig systemische Randbedingungen. Nur wenn er Bedürfnisse erfüllt, regulatorisch tragfähig ist und sich herstellen, betreiben sowie warten lässt, erzeugt diese Lösung Wert. Oft beschleunigt KI die Erzeugung plausibler, aber unbrauchbarer Varianten. Diese Scheinleistung verlagert die Kosten in Nacharbeit, Zulassung und Betrieb. Mitunter fallen die Effekte stark zeitverzögert und verstärkt auf.

Alles muss im Fluss bleiben

Heute belastbare KI Einsatzfelder liegen dort, wo Ergebnisse gegen Referenzen geprüft werden können. Allgemeine Beispiele sind die Analyse von Lastenheften, Code-Generierung, die Erkennung widersprüchlicher Anforderungen, die Pflege der Rückverfolgbarkeit und die Ableitung von Prüfverfahren. (Die Forschung zur Anforderungsentwicklung hat aber z.B. noch viele offene Fragen.)

Beschleunigte Einzelaktivitäten sind aber die falsche Messgröße. Entscheidend ist die Lebenszyklusbetrachtung, z.B. die Durchlaufzeit bis zum verifizierten Entwicklungsstand, Fehlerentdeckungszeiten, Nacharbeitsquote, Änderungsstabilität und Auswirkungen im Markt. Ansonsten wird zusätzliche Prüf- und Wartungslast auf erfahrene Fachkräfte verlagert. Die zwei technischen Prüfebenen der Produktentwicklung gewinnen hier an Bedeutung: 

• die Verifikation: Wurde die Lösung gemäß der technischen Spezifikation korrekt umgesetzt? 
• die Validierung: Löst die Lösung das tatsächliche Problem und erfüllt sie den vorgesehenen Zweck? 

Diese Prüfebenen dienen als Fangnetz für Fehler, denn: 

• Generative KI kann formal korrekte Artefakte erzeugen, deren fachliche Annahmen falsch bleiben. 
• Generierter Code kann übermässig komplex sein, unerwünschten Fremdcode enthalten, Sicherheitsrisiken beinhalten und unwartbar werden.
• Die Nutzung willkürlicher Prompts im Team erzeugt Wildwuchs. Manche mögen problemgerechte Lösungen erzeugen, aber unterkomplexe und überkomplexe Lösungen erzeugen Nacharbeit und Wartungskosten. Eine Standardisierung der Prompts ist notwendig.
• Lokale Optimierungen in industriellen Systemen und technischen Produkten können Thermik, elektromagnetische Verträglichkeit, Toleranzketten, Bedienbarkeit oder Wartungszugang verschlechtern, wenn das Prompting System oder Physik nicht richtig abbilden. Chinesische Studien zu industriellen KI-gestützten Lösungen (Physical AI) identifizieren hier eindeutig die Verbindung von Daten, physikalischen Modellen und Prüfung als kritisch und relevant. Hier werden z.Z. funktionsübergreifende Teams mit Kompetenz und klaren Verantwortungsbereichen benötigt.

Die Organisation entscheidet 

Fachkräfte übernehmen jetzt Aufsichtsarbeit: Sie formulieren Aufträge, bewerten Ausgaben, korrigieren Fehler und verantworten Ergebnisse. Diese Verschiebung kann Arbeit aufwerten. Sie kann aber auch Kompetenz ausdünnen, wenn z.B. Nachwuchskräfte Ergebnisse übernehmen, bevor sie Wirkprinzipien und Fehlerbilder beherrschen. Lernpfade müssen hier aufgebaut werden, denn menschliche Aufsicht braucht Kompetenz! 

Die Verantwortung muss personenbezogen bleiben. KI kann als Werkzeug helfen aber fachliche Verantwortung und Systemverantwortung verbleibt beim Menschen: jemand verantwortet das KI-System, der Produktmanager den Marktnutzen, der Systemarchitekt die Gesamtlogik, der Prozessverantwortliche den Prozess. 

Was bedeutet das für Ihr Unternehmen?

• Ihr Unternehmen sollte sein KI-Portfolio nach Entwicklungsobjekt und Ergebnisart ordnen: Woran wird gearbeitet? Welches Ergebnis entsteht?
• Jeder Anwendungsfall benötigt eine Zweckbestimmung, messbare Nutzenhypothese und Risikoklasse.
• Freigegebene Referenzstände, Rückverfolgbarkeit und Freigaben gelten auch für KI-erzeugte Artefakte.
• Die Leitung des Gesamtflusses hat höhere Priorität als die Steuerung von Einzelproduktivität. Ein Pilot ist nur dann erfolgreich, wenn er die Zeit bis zu einem validierten Produktstand senkt und die Lebenszykluskosten nachweislich senkt. Alles andere ist Blindleistung.
• Jede Einführung benötigt ein organisatorisches Kompetenzmodell, das Systemverständnis, Prüfvermögen und verantwortliche Entscheidung schützt. Halten sie den Menschen in der Verantwortung (Human-in-the-loop).

So wird KI vom isolierten Assistenten zum kontrollierten Bestandteil des Produktentstehungssystems und führen zur wirtschaftlichen Verbesserung in der Entwicklung. THERON unterstützt Sie gerne bei der Transformation Ihres Produktentwicklungsprozesses. 

Zurück zu Publikationen