Die Studie hebt hervor, dass viele Unternehmen derzeit KI zur Optimierung einzelner Ingenieurstätigkeiten einsetzen. Das eigentliche Potenzial liegt jedoch darin, Daten, Software-Tools und Disziplinen über den gesamten Produktlebenszyklus hinweg zu verbinden. Durch die Etablierung eines robusten Digital Thread, also eines durchgängigen Datenflusses von der Konzeptphase bis zur Produktion, können Unternehmen Wissen aus Datensilos befreien, bereichsübergreifende Zusammenarbeit ermöglichen und die Entwicklung innovativer Produkte beschleunigen.
Das Whitepaper identifiziert fünf zentrale Dimensionen, die für die Skalierung von KI im Engineering entscheidend sind: Datenqualität, Interoperabilität, KI-Plattformen, Kontextmanagement und föderierte Governance. Zusammen bilden sie das Fundament für ein nachhaltiges KI-Ökosystem in der Produktentwicklung und stellen sicher, dass technologische Fortschritte mit den organisatorischen und strategischen Zielen im Einklang stehen.
Praxisbeispiele und industrielle Einblicke zeigen, wie KI alle Phasen des Engineerings verbessern kann: von Anforderungsmanagement und Produktarchitektur über Simulation und Systemtests bis hin zum Freigabemanagement. Vertikal integrierte KI-Anwendungsfälle demonstrieren domänenspezifische Optimierungen, während horizontal integrierte Anwendungen Ingenieursdisziplinen miteinander verknüpfen und systemübergreifendes Denken sowie Wissensaustausch ermöglichen.
Die Studie betont zudem, dass die Zukunft des Engineerings in agentischer KI liegt, also in Systemen, die zu autonomem Reasoning und zur Orchestrierung von Arbeitsabläufen über verschiedene Disziplinen und Tools hinweg fähig sind. Diese Systeme werden eine Schlüsselrolle bei der Realisierung domänenübergreifender Automatisierung spielen, etwa bei komplexen Prozessen wie Änderungs- und Konfigurationsmanagement, die künftig durchgängig automatisiert werden könnten.
Die Autoren betonen jedoch, dass diese Fähigkeiten mehr als nur technologische Innovation erfordern. Unternehmen müssen in KI-fähige Infrastrukturen investieren, klare Governance-Modelle definieren und interdisziplinäre Zusammenarbeit zwischen Daten-, IT- und Engineering-Teams etablieren. Ohne diese Grundlagen bleibt KI auf isolierte Pilotprojekte mit begrenztem geschäftlichem Nutzen beschränkt.
Das Fazit ist eindeutig: Unternehmen, die jetzt handeln, um ihre Engineering-Daten zu vernetzen und skalierbare KI-Fähigkeiten aufzubauen, werden sich einen entscheidenden Wettbewerbsvorteil sichern. Wer zögert, riskiert Fragmentierung, Ineffizienz und den Verlust von Innovationsdynamik in einer zunehmend KI-getriebenen Engineering-Landschaft.
Fraunhofer-Institut für Software- und Systemtechnik ISST