Wenn er dann sein Büro erreicht, ist er unruhig. Nicht miteinander verbundene Systeme und verstreute Daten könnten bedeuten, dass er stundenlang nach Teams suchen, veraltete Tabellen durchsehen oder widersprüchliche Berichte abgleichen muss. Die verantwortliche Modelllinie erhält möglicherweise nicht die Klarheit, die sie vor ihrer Präsentation vor dem Vorstand benötigt. Schlimmer noch, seine Glaubwürdigkeit - und die des Unternehmens - könnte Schaden nehmen, wenn Lücken in der Roadmap aufgedeckt werden.
Auch wenn das spezifische Szenario von Unternehmen zu Unternehmen variieren mag, bleibt die zentrale Herausforderung universell: Software-definierte Fahrzeuge (SDVs) verändern die Automobilindustrie, aber sie bringen eine exponentielle Zunahme der Komplexität mit sich. Unternehmen wie Tesla und NIO sind führend, indem sie Fahrzeuge mit kontinuierlichen Updates auf den Markt bringen, bei denen die Software der Herzschlag der Innovation ist - und damit wächst die Produktkomplexität in einem noch nie dagewesenen Tempo weiter. Ingenieure sind nun dafür verantwortlich, nicht nur die mechanischen, sondern auch die E/E- und SW-Abhängigkeiten in immer komplexeren SDV-Fahrzeugarchitekturen zu verstehen.
Trotz der Fortschritte in der Fahrzeugtechnologie werden viele Ingenieure durch verstreute oder widersprüchliche Daten in vielen nicht miteinander verbundenen Systemen, PowerPoint- oder Excel-Dateien ausgebremst und verbringen zwischen einem Drittel und der Hälfte ihrer Zeit mit dem Abgleich von Informationen aus diesen Quellen (laut einer kürzlich von uns durchgeführten Umfrage).
Für einen CTO wirkt sich diese Unübersichtlichkeit nach oben hin aus: Ohne Echtzeit-Transparenz der tatsächlichen Funktionsreife oder der funktionsübergreifenden Abhängigkeiten wird die Entscheidungsfindung der Führungskräfte eher reaktiv als strategisch. Diese Situation hindert jeden daran, sich auf Innovation und Problemlösung zu konzentrieren - "Wo soll ich überhaupt anfangen?".
Dieses Problem erstreckt sich auch auf die Fertigung, wo die Produktionsplanung unter falsch abgeglichenen Daten leidet, und auf den Aftermarket, wo Serviceteams mit isolierten Informationen zu kämpfen haben. In jedem Szenario führt die Unfähigkeit, Daten zu vereinheitlichen und miteinander zu verknüpfen, zu Verzögerungen, Fehlern und verpassten Chancen für Innovationen. Dieser Status quo ist nicht länger tragbar.
Um den vollständigen technischen Kontext zu erhalten, der für die Schaffung einer solchen Grundlage erforderlich ist, liegt der Schlüssel in unstrukturierten Daten - Meilensteine, Projektdaten, Compliance- oder Spezifikationsvermerke oder andere Formen von Informationen sind in Mails, Textdokumenten oder PDFs gespeichert. Sie passen nicht in die traditionellen Datenfelder.
Stellen Sie sich vor, der CTO kehrt an seinen Schreibtisch zurück und versucht, die neueste Spezifikationsaktualisierung für den Freisprechassistenten zu finden. Sie ist auf einem freigegebenen Laufwerk unter einem kryptischen Dateinamen vergraben. Er ruft seinen technischen Leiter an, nur um festzustellen, dass andere Teams an widersprüchlichen Anforderungen gearbeitet haben. Es vergehen Stunden damit, diese Informationen abzugleichen, und er hat immer noch keine klare Antwort für seine Präsentation. Darüber hinaus sind all diese manuellen Prozesse fehleranfällig und zeitaufwändig und verzögern nicht nur den Zeitplan des Projekts.
Laut einer kürzlich von SPREAD durchgeführten Umfrage ist dies die tägliche Realität von mehr als zwei Dritteln aller Ingenieure in der Automobilindustrie: Der Umgang mit unstrukturierten Daten, die kaum zugänglich, von strukturierten Daten (wie CAD-Modellen oder Stücklisten) losgelöst und bei Bedarf nur schwer auffindbar sind.
"Entweder wir und Sie nutzen KI und die Technologie und begreifen sie als Chance - oder andere Player werden den Industriestandort Deutschland durch diese Effizienzgewinne massiv unter Druck setzen, so dass wir nicht mehr konkurrenzfähig sind."
Was wäre also, wenn wir alle unstrukturierten Daten in strukturierte Daten umwandeln könnten und diesen Datenschatz, den die Hersteller in den letzten Jahrzehnten angesammelt haben, nutzen könnten? Was wäre, wenn wir all diese Daten in einen noch nie dagewesenen Wissensvorsprung verwandeln könnten?
Dafür ist eine gemeinsame Sprache erforderlich (um KI-Fähigkeiten zu ermöglichen)
Um bei der Umgestaltung funktionsübergreifender technischer Arbeitsabläufe wirklich voranzukommen, brauchen wir eine gemeinsame Sprache, die strukturierte und unstrukturierte Daten nahtlos miteinander verbindet.
So formuliert es Philipp Noll, Mitbegründer von SPREAD:
"Wir brauchen eine semantische Schicht, die unstrukturierte und strukturierte Daten in einer standardisierten Weise zusammenführt und leicht zugänglich macht. Die Welten der strukturierten und unstrukturierten Daten sind noch nicht über die manuelle Datenintegration von "Datenaffen" hinaus verbunden. Wir müssen diese Kluft intelligenter und skalierbarer überbrücken".
Dieser standardisierte Ansatz würde es den Ingenieuren ermöglichen, nahtlos auf alle relevanten Informationen zuzugreifen, und zwar über alle Quellen und Formate hinweg, so dass eine einheitliche Sicht auf den gesamten Produktlebenszyklus entsteht.
Diese semantische Ebene, die als Wissensgraph implementiert ist, könnte eine gemeinsame Sprache bieten, indem sie verstreute Daten strukturiert und zu einem zusammenhängenden Informationsmodell verknüpft. Sie könnte Beziehungen und Abhängigkeiten aufzeigen und so komplexe Zusammenhänge für die Entwicklungsteams leichter verständlich und zugänglich machen. Mit dieser Ebene würden Ingenieure neue Erkenntnisse gewinnen und das Potenzial von Daten erschließen, die zuvor fragmentiert oder verborgen waren.
Philipp Noll, Mitbegründer von SPREAD, stellte kürzlich die neueste technologische Innovation des Unternehmens vor, die genau diese Art von Lösung bietet: Agentic Engineering Intelligence (Agentic EI) - die Kombination aus Knowledge Graph, Digital Twin und KI.
SPREAD hat Agentic Engineering Intelligence (Agentic EI) als eine Lösung für die Herausforderungen der Datenfragmentierung entwickelt. Agentic EI verbindet strukturierte und unstrukturierte Datenquellen durch drei Kernkomponenten, die es Ingenieuren ermöglichen, einen umfassenden Überblick über Produktdaten zu erhalten und Ineffizienzen im Entwicklungsprozess zu reduzieren.
Agentic Engineering Intelligence definiert neu, wie Ingenieure das Potenzial von Daten nutzen können, indem es strukturierte und unstrukturierte Formate zu einem einheitlichen, umsetzbaren Ökosystem zusammenführt. Diese Transformation ermöglicht es Entscheidungsträgern wie dem CTO, versteckte Werte aus verstreuten Datenquellen zu extrahieren und Komplexität in Klarheit zu verwandeln.
Wie Philipp Noll, Mitbegründer von SPREAD, treffend feststellt:
"Wir müssen diese Daten als Vorteil sehen, um schneller und effizienter zu werden."
Stellen Sie sich vor, der CTO erhält ein einziges interaktives Dashboard, das von Agentic EI unterstützt wird. Er sieht sofort den Fortschritt des Freisprechassistenten: abgeschlossene Meilensteine, ausstehende Compliance-Anforderungen und Abhängigkeiten mit anderen Fahrzeugfunktionen. Diese Klarheit ermöglicht es ihm, den Verantwortlichen in der Modelllinie genaue Einblicke in Echtzeit zu geben und so eine sichere Präsentation vor dem Vorstand zu gewährleisten.
Dabei geht es nicht nur um einen schnelleren Zugriff, sondern auch um die Schaffung einer nahtlosen Interaktion zwischen Mensch und KI. Sie verwandelt isolierte Informationssilos in dynamische, intelligente Ressourcen, die Ingenieure aktiv bei der Lösung komplexer Herausforderungen unterstützen, Fehler reduzieren und die Produktivität über den gesamten Produktlebenszyklus hinweg steigern.
Durch den Zugriff auf strukturierte und unstrukturierte Daten in einer kontextreichen Umgebung können Ingenieure nun komplexe Aufgaben wie die Erstellung neuer Datenmodelle und Konfigurationen mit größerer Effizienz angehen.
Agentic EI bietet eine Reihe von Anwendungen, die in der Automobilentwicklung einen echten Mehrwert bieten:
Das Herzstück von Agentic EI ist wiederum eine semantische Schicht, die auf einem Wissensgraphen basiert. Diese Schicht strukturiert und verknüpft verstreute Daten zu einem kohärenten, abfragbaren Modell, das es den Entwicklungsteams erleichtert, komplexe Zusammenhänge zu verstehen.
1. Schnelle Ingestion-Schicht: Intelligente Konnektoren für verschiedene technische Systeme, Daten und Werkzeuge
Auf der grundlegenden Ebene verbinden die Konnektoren von SPREAD mehrere Engineering-Tools und -Systeme und sorgen für einen kontinuierlichen Datenfluss, der sicherstellt, dass die Ingenieure in allen Entwicklungsphasen auf die aktuellsten, relevanten Daten zugreifen können. Dadurch wird auch sichergestellt, dass die KI-Agenten in den verschiedenen Phasen der Produktentwicklung kontinuierlich Zugriff auf die aktuellsten und relevantesten Informationen haben. Durch die Verknüpfung verschiedener Entwicklungswerkzeuge ermöglicht diese Schicht eine einheitliche Datenumgebung.
2. Zwillingsschicht: Die Rolle des graphbasierten Product Twin (PT)
Der Produktzwilling wird von einem robusten Wissensgraphen namens Engineering Intelligence Graph (EI Graph) unterstützt. Er dient als umfassender digitaler Zwilling, der sowohl Echtzeit- als auch historische Daten über den gesamten Produktlebenszyklus erfasst. Dieser digitale Zwilling spiegelt nicht nur die physischen Aspekte des Produkts wider, sondern organisiert und kontextualisiert sowohl strukturierte als auch unstrukturierte Daten, wie z. B. Komponentenspezifikationen, Wartungshistorien, Simulationsdaten und Interdependenzen.
Der EI-Graph verwandelt Rohdaten in ein vollständig verbundenes, kontextreiches Netzwerk, das es den KI-Agenten von SPREAD, den so genannten Engineering Intelligence Agents (EI-Agenten), ermöglicht, Szenarien zu simulieren, Herausforderungen zu antizipieren und umsetzbare Erkenntnisse zu liefern, die auf die Lebenszyklusphase und die technischen Anforderungen zugeschnitten sind. Durch die Abbildung komplexer Beziehungen innerhalb und zwischen Produktkomponenten, Lebenszyklen und technischen Bereichen fungiert der PT als einzige Quelle der Wahrheit für SPREADs EI-Agenten.
Das Ergebnis: zuverlässige EI-Agenten, die präzise Informationen ohne Halluzinationen oder Ungereimtheiten liefern. Aus diesem Grund lernen sie auch schneller und sind von Anfang an zuverlässiger im Vergleich zu generischen All-in-One-Design-KI-Modellen.
3. Die Action Cloud: Aufgaben automatisieren und Ingenieure befähigen
Die Action Cloud unterstützt eine breite Palette von Engineering Intelligence (EI)-Lösungen, die jeweils für die Bewältigung spezifischer Herausforderungen über den gesamten Produktlebenszyklus hinweg konzipiert sind, von der Forschung und Entwicklung über die Produktion bis hin zum Aftermarket.
Darüber hinaus führen EI-Agenten innerhalb der Action Cloud wichtige Aufgaben wie Compliance-Prüfungen, Anforderungsoptimierung und Informationsbeschaffung mit bemerkenswerter Präzision aus.
Diese EI-Agenten werden von erfahrenen Anwendern speziell geschult, um komplexe technische Anfragen zu interpretieren, so dass sie auf natürlichsprachliche Aufforderungen reagieren und Ingenieure proaktiv unterstützen können. Diese Agenten nutzen strukturierte und unstrukturierte Daten und verwandeln sich in ein intelligentes Repository, das schnelle und präzise Erkenntnisse ermöglicht.
Da diese Agenten auf spezifische technische Probleme ausgerichtet sind, verbessern sie die Arbeitsabläufe, indem sie proaktiv relevante Informationen bereitstellen, Fehler reduzieren und Ingenieure in die Lage versetzen, Ergebnisse zu validieren und zu verfeinern, um optimale Ergebnisse zu erzielen.
Ingenieure, die mit SPREAD EI-Agenten arbeiten, profitieren z.B. von:
Für Entscheidungsträger wie den CTO bedeuten diese Funktionen nicht nur eine nahtlose Vorstandspräsentation, sondern auch schnellere Entwicklungszyklen, weniger manuellen Aufwand für ihre Teams und weniger Überraschungen auf dem Weg.
Ingenieure erkennen mit überwältigender Mehrheit das Potenzial von KI, um komplexe Arbeitsabläufe zu vereinfachen, verborgene Datenerkenntnisse zu erschließen und Innovationen voranzutreiben. SPREADs Agentic EI ermöglicht es Unternehmen, Entwicklungsprozesse um das bis zu Zehnfache zu beschleunigen. Durch die Zentralisierung und Verknüpfung sowohl strukturierter als auch unstrukturierter Daten verschafft das System seinen Kunden einen erheblichen "Wissensvorsprung" - allein dadurch, dass es bereits vorhandene Informationen leicht zugänglich macht.
Dieser Vorteil ermöglicht es Ingenieuren und Entscheidungsträgern wie dem CTO im Aufzug, nicht nur schneller zu arbeiten, sondern auch qualitativ hochwertigere Ergebnisse zu erzielen und so die Anforderungen der Branche an Geschwindigkeit, Genauigkeit und Kosteneffizienz im Engineering zu erfüllen. Sie gewährleistet sichere Entscheidungen, effiziente Arbeitsabläufe und eine kürzere Markteinführungszeit für bahnbrechende Technologien wie den Freisprechassistenten.
"Sie nutzen unsere Technologie - wir sorgen dafür, dass Sie Ihre Informationen strukturieren können, um Ihre Ziele zu erreichen"
Wie Rheinmetall Air Defence sein Änderungsmanagement verbessert hat - mit einem Defense Digital Twin
Revolutionieren Sie die Verteidigung mit dem Defense Digital Twin von SPREAD: Vereinheitlichen Sie Daten, optimieren Sie die Auswirkungen von Veränderungen und beschleunigen Sie Innovationen. Entdecken Sie bahnbrechende Effizienz!
Closed-loop Manufacturing: Steigern Digital Twins Innovation & Effizienz?
Fertigung im Closed-Loop-Prozess. Entdecken Sie, wie digitale Zwillinge, Echtzeit-Feedback & datengesteuerte Insights Kosten senken & Innovationen treiben.
.png)
Software-Defined Defense: Engineering Intelligence für Europas Zeitenwende
Software-definierte Verteidigung ist da. Erfahren Sie, wie führende OEMs Engineering Intelligence nutzen, um Angebotszeiten zu verkürzen, Fehler zu reduzieren und die Auslieferung in Programmen wie MGCS und FCAS zu beschleunigen.
