KI im Belastungstest Wie verlässlich ist Engineering-KI für komplexe Systeme?

Anbieter zum Thema

Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM

it´s OWL Clustermanagement GmbH

Micro-Epsilon Messtechnik GmbH & Co. KG

dataTec AG

Schneider Electric GmbH

Mit dem Projekt „Engage-KI“ starten das Technologienetzwerk it’s OWL und das Fraunhofer IEM eine Leistungsoffensive für den Ingenieursalltag: Bis Ende 2026 testen Unternehmen, welche KI-Anwendungen in der Systementwicklung, Automatisierung und im Engineering verlässlich unterstützen können.

Der nächste KI-Wettbewerb der Industrie entscheidet sich nicht an der Qualität eines Chatbots. Er beginnt im Engineering – dort, wo komplexe technische Systeme, Steuerungen und Automatisierungslösungen geplant, simuliert und abgesichert werden.Während US-Start-ups bereits an „Artificial General Engineers“ arbeiten, die komplexe physische Objekte wie Roboter oder Raketenantriebe entwerfen sollen, setzt das Projekt Engage-KI auf den Praxistest im deutschen Mittelstand.

KI wird künftig weit mehr leisten als Texte zu schreiben: Sie wird Aufgaben planen, Software-Code prüfen, Varianten vorbereiten und technische Entscheidungen absichern. „Entscheidend ist, wer KI in die Entwicklung von Maschinen, Anlagen und technischen Systemen bringt“, erklärt Prof. Dr. Roman Dumitrescu, Geschäftsführer von it’s OWL und Direktor am Fraunhofer IEM. „Wenn der deutsche Mittelstand dort nur Anwender fremder Systeme bleibt, verliert er Einfluss auf einen zentralen Teil seiner Wertschöpfung.“

Vom Ausprobieren zum produktiven Engineering

Für die Elektro- und Automatisierungsbranche ist die Frage entscheidend: Wie lässt sich KI so einsetzen, dass sie im Entwicklungsalltag belastbar hilft? Das Projekt Engage-KI setzt auf methodische Validierung:

• KI-Sprints: In drei- bis viermonatigen Phasen bearbeiten Unternehmen konkrete Engineering-Herausforderungen.
• Systematik: Es entstehen Proof-of-Concepts für die nahtlose Integration in vorhandene Engineering-Prozesse.
• Wissenstransfer: Technisches Wissen aus Spezifikationen, Code-Bibliotheken und Datenbanken soll für die KI-gestützte Entwicklung erschlossen werden.

Der Mittelstand braucht Antworten auf die Frage, welche Anwendungen im Engineering wirklich funktionieren, welche Daten und Schnittstellen dafür nötig sind und wie Beschäftigte damit arbeiten können.

Günter Korder, Geschäftsführer von it’s OWL

Konkrete Einsatzfelder im Engineering

Die Anwendungsfelder für KI im Engineering reichen von der frühen Planung bis zum Test. Konkret kann KI heute schon:
 

• Systems Engineering: Zusammenhänge zwischen Anforderungen, Funktionen und Modellen schneller sichtbar machen. 
• Software-Security-Tests: Automatisierte Unterstützung bei Sicherheitsprüfungen.
• Schnittstellen-Management: Einbindung von KI in vorhandene PLM-, ERP- und Engineering-Systeme.
• Datenverfügbarkeit: Aufbau von Datenräumen, in denen sensible Unternehmensdaten sicher genutzt werden können.

Damit dies funktioniert, untersucht das Projekt auch die notwendige technische Infrastruktur – von Datenräumen über Schnittstellen zu vorhandenen PLM- oder Dokumentationssystemen bis hin zu Rechenleistung und Regeln für sensible Unternehmensdaten.

Physische KI und Robotik

Ein weiterer Schwerpunkt ist die „physische KI“. In einer Robotikzelle erproben Unternehmen, wie humanoide Roboter und KI-Systeme für konkrete Aufgaben befähigt werden. Hierbei geht es vor allem um die Datenströme, die sichere Mensch-Maschine-Kollaboration und die Frage, an welchen Schnittstellen der Automatisierung echte Entlastung entsteht.

Transfer ins Netzwerk

Über die it’s OWL Weiterbildungsplattform Next Learning Hub sollen Beschäftigte gezielt für die neuen Anforderungen im Bereich der industriellen KI qualifiziert werden. Das Ziel ist eine fundierte KI-Kompetenz, die über reine Showeffekte hinausgeht.