Vier von fünf Unternehmen im Maschinenbau nutzen bereits Künstliche Intelligenz (KI) oder planen den Einsatz. Doch erst sieben Prozent haben GenAI unternehmensweit systematisch ausgerollt. Der entscheidende Engpass liegt in der Datenbasis. Das neue Whitepaper „Fit for AI?“ von simus systems zeigt, wie Maschinenbauer CAD- und technische Stammdaten für KI-Anwendungen aufbereiten können.

Wer Ähnlichkeitssuche, automatisierte Kalkulation, Assistenzsysteme, Qualitätsüberwachung oder Predictive Maintenance mit KI befeuern will, braucht die richtige Datenbasis. In gewachsenen CAD-, PDM-, PLM- und ERP-Landschaften sind dagegen meist heterogene Formate, Bezeichnungen und Strukturen abgelegt. In einer KPMG-Studie berichten 56 Prozent der Hersteller von datenbezogenen Schwierigkeiten bei der Implementierung von KI. Menschen können viele Zusammenhänge aus ihrer Erfahrung heraus interpretieren – für KI schaffen fehlende Merkmale, Dubletten und uneinheitliche Strukturen Probleme.

KI-taugliche Datenbasis schaffen

Wie man diese verhindern kann, zeigt simus systems in dem Whitepaper Fit for AI: Anhand eines klar definierten KI-Anwendungsfalles sollte man zunächst prüfen, welche Daten benötigt werden. Eine repräsentative Stichprobe lässt früh erkennen, welche Datenquellen geeignet sind, wo Qualitätslücken bestehen und welche Aufbereitung den größten Nutzen verspricht. So wird Datenoptimierung vom abstrakten Großprojekt zu einem überschaubaren Schritt mit konkretem Ziel.

CAD- und Stammdaten automatisch aufbereiten

Mit manueller Bereinigung funktioniert das nicht. Deshalb hat simus systems die Software-Suite simus classmate entwickelt. Sie analysiert, strukturiert, ergänzt und klassifiziert große Datenbestände anhand nachvollziehbarer, unternehmensspezifischer Regeln. Uneinheitliche Schreibweisen, Dubletten, fehlende Beschreibungen und unterschiedliche Merkmale werden erkannt und in eine konsistente Zielstruktur überführt.

Dies gilt auch für CAD-Daten: 3D-Modelle und Geometrieinformationen lassen sich automatisch auswerten und klassifizieren; generative KI unterstützt zusätzlich bei der Digitalisierung technischer Zeichnungen. Auf diese Weise verbindet simus classmate Informationen aus CAD-, PDM- und ERP-Systemen. Aus verteilten Datenbeständen entsteht eine gemeinsame Informationsbasis für KI-Anwendungen, Suche, Wiederverwendung, Kostenkalkulation und weitere digitale Prozesse.

Das wirtschaftliche Potenzial ist hoch: Laut VDMA und Strategy& kann GenAI im Maschinen- und Anlagenbau ein zusätzliches Profitabilitätspotenzial von bis zu 10,7 Prozentpunkten erschließen. „Mit einer belastbaren Datenbasis können Fertigungsunternehmen dieses Potenzial dauerhaft für sich gewinnen“, sagt Dr.-Ing. Arno Michelis, Geschäftsführer von simus systems.

Zum Whitepaper geht es hier (Dateneingabe erforderlich): https://www.simus-systems.com/whitepaper-fit-for-ai-ki-erfolg-maschinenbau/

Bildunterschrift:

Fit for AI: Das Whitepaper von simus systems zeigt, wie technische Daten zur Grundlage für KI-Anwendungen werden

Bildrechte: simus systems GmbH, frei zur Veröffentlichung mit Nachweis