Wie Künstliche Intelligenz das Engineering revolutioniert

LONDON (IT BOLTWISE) – Die Integration von Künstlicher Intelligenz (KI) in die Engineering-Prozesse verändert die Automobilindustrie grundlegend. Unternehmen wie ITK Engineering setzen verstärkt auf agentenbasierte KI-Assistenten, um Entwicklungsprozesse effizienter zu gestalten und die Qualität zu sichern.

Die Einführung von Künstlicher Intelligenz in die Engineering-Prozesse hat das Potenzial, die Automobilindustrie grundlegend zu verändern. Unternehmen wie ITK Engineering nutzen agentenbasierte KI-Assistenten, um Entwicklungsprozesse zu optimieren und die Qualität zu sichern. Ziel ist es, digitale Werkzeuge und Plattformen zu integrieren, um KI-gestützte Arbeitsabläufe effizient aufzubauen.

Mit der Einführung von ChatGPT begannen Ingenieure vermehrt, mit generativer KI zu experimentieren, um Engineering-Prozesse zu unterstützen und zu automatisieren. Schnell wurde deutlich, dass der Einsatz von KI vielfältige Optimierungspotenziale bietet. Erfolgreiche Anwendungsfälle wie die präzise Formulierung von Anforderungen und KI-unterstütztes Coding haben sich in der Praxis bewährt.

Ein Schlüssel zum Erfolg im Umgang mit KI im Automotive-Engineering ist die methodische Integration in die Arbeitsprozesse. Anfangs dominierten Copy/Paste-Ansätze, doch eine nahtlose Einbettung in die bestehenden Prozesse ist Voraussetzung, um Qualität zu sichern und Toolbrüche zu vermeiden. Insbesondere bei komplexen Problemstellungen ist dies entscheidend.

Organisatorische Herausforderungen müssen ebenfalls adressiert werden. Eine inkonsistente Toollandschaft kann zu ineffizienten Prozessen führen. Schlanke Strukturen, eine klare Tool-Strategie und der Austausch bewährter Praktiken sind entscheidend, um eine konsistente und effiziente Nutzung von KI im Engineering zu gewährleisten.

Ein innovativer Use Case für generative KI ist das Reverse Engineering der System- und Software-Dokumentation aus Legacy Code. Dabei werden basierend auf Legacy Code rückwirkend Spezifikationen generiert und systematisch in die Vorgaben des Qualitätsmanagementsystems überführt. Dies unterstützt Sicherheitsanalysen, Traceability-Anforderungen und das Change Management.

Ein weiterer Use Case ist die Software-Unit-Test-Spezifikation. Der Unit-Test-Specification Assistant integriert verschiedene Aspekte der Testautomatisierung und -spezifikation. Hierfür ist ein komplexes Wissensmanagement erforderlich, das Technologien wie Retrieval-Augmented Generation (RAG) nutzt.

Generative KI kann die Effizienz von Unternehmen vielseitig steigern. Die erfolgreiche Umsetzung erfordert jedoch mehr als nur gute Anwendungsfälle. Technische, kulturelle und organisatorische Hürden müssen überwunden werden. Die Integration in bestehende Workflows ist entscheidend, insbesondere bei komplexen Aufgaben ist eine enge Mensch-Maschine-Kollaboration mit dem Human-in-the-Loop unerlässlich.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!