Künstliche Intelligenz – eine Revolution voller Chancen

Drei wichtige Lehren haben wir aus unserer bisherigen Beschäftigung mit der KI gezogen: Erstens übernimmt sie repetitive Aufgaben zuverlässig und effizient. Das schafft Freiräume für Menschen, sich auf anspruchsvollere Tätigkeiten zu konzentrieren, die Kreativität, Erfahrung und Urteilsvermögen erfordern. Dadurch entstehen neue Rollenprofile und Berufsbilder, etwa in der Entwicklung, Steuerung, Qualitätssicherung und strategischen Nutzung von KI-Systemen. KI ersetzt also nicht einfach Arbeit – sie verändert sie und macht sie in vielen Bereichen anspruchsvoller und attraktiver.

Gerade in der Software-Entwicklung erleben wir diesen Wandel sehr konkret. KI-basierte Anwendungen wie RelAIable übernehmen heute zeitaufwändige und relativ unattraktive Testaufgaben, etwa bei grafischen Bedienoberflächen, die sich bislang nur schwer automatisieren ließen. Wir nutzen solche Werkzeuge beispielsweise, um die Oberflächen der PLM- oder ALM-Systeme unserer Kunden kontinuierlich zu testen und zu verbessern.

In Kombination mit unserer fundierten Systemkenntnis können wir neue Software-Versionen dadurch wesentlich schneller produktiv setzen. Das steigert nicht nur die Wettbewerbsfähigkeit unserer Kunden, sondern schafft auch neue, höherqualifizierte Aufgabenfelder rund um die Integration, Weiterentwicklung und strategische Nutzung von KI.

Effektiv eingesetzt, das ist die zweite Lehre, wird die KI maßgeblich zur Steigerung der Produktivität beitragen. Unsere erfahrenen Software-Entwickler*innen berichten, dass sie durch den Einsatz KI-basierter Tools bei der Programmierung deutlich schneller sind. Dank ihrer Erfahrung sind sie außerdem in der Lage zu kontrollieren, was die KI da tut. Die Herausforderung besteht darin, diese Erfahrung an die nächste Generation von Software-Entwickler*innen weiterzugeben und zu verhindern, dass sie der KI allzu blind vertrauen. Das ist wichtig, um weiterhin die Zuverlässigkeit des Programmcodes zu gewährleisten.

Zuverlässigkeit und Reproduzierbarkeit sind die großen Herausforderungen beim Einsatz der KI, insbesondere im Umgang mit Large Language-Modellen (LLM). Das ist die dritte Lehre, die wir aus unserer Beschäftigung mit der KI gezogen haben und die in unsere KI-Werkzeuge und -Anwendungen eingeflossen ist. Denn nur KI-Anwendungen, die zuverlässige und reproduzierbare Ergebnisse liefern, erfüllen die immer strikteren Anforderungen in punkto Traceability und sind damit tauglich für den produktiven Einsatz im Engineering.

Eine Möglichkeit, die Reproduzierbarkeit der Ergebnisse sicherzustellen, ist die Kombination von KI-Funktionen mit deterministischem Programmcode. Diesen Ansatz verfolgen wir bei der Entwicklung unserer KI Workbench, einem Baukastensystem, mit dem sich komplexe KI-Anwendungen realisieren lassen, die verlässlich reproduzierbare Ergebnisse liefern. Zu den wesentlichen Leistungsmerkmalen der Lösung gehören KI-basierte Informationen, Retrieval-Funktionen, eine systematische KI-Orchestrierung und eine Ontologie-basierte Normierung aller Zugriffe. 

Insbesondere bei der Auswertung komplexer PLM-Datenbestände, die sich aus unterschiedlichen Quellsystemen speisen, versprechen wir uns von der Nutzung der PROSTEP KI Workbench erhebliche Rationalisierungspotenziale. Man kann damit z.B. beim Ausfall von bestimmten Komponenten, die mögliche Fehlerursache ermitteln, indem man Anforderungen, Bauteildaten, Testfälle und Testergebnisse in Beziehung zueinander setzt. 

Es gibt gerade im Engineering eine Vielzahl möglicher Anwendungsfälle, die sich mit so einem leistungsfähigen und flexiblen KI-Framework abbilden lassen, vorausgesetzt – und das ist vielleicht eine vierte Lehre – die Qualität der Ausgangsdaten stimmt. Sie sicherzustellen gehörte immer schon zu unseren Kernkompetenzen.

Ihr Karsten Theis