Wie PTC mit KI Mehrwert für seine Kunden schafft

Möglichkeiten für den Einsatz von KI in industrieller Software

Seit über einem Jahrzehnt bringt PTC KI-gestützte Softwarefunktionen auf den Markt. Ganz gleich, ob wir maschinelles Lernen oder die neueste Technologie wie generative KI auf unsere Produkte anwenden, wir konzentrieren uns auf ein Leitprinzip: Wir wollen in großem Umfang und auf verantwortungsvolle Weise Werte für unsere Kunden schaffen.

Die Hersteller können von der KI-Innovation immens profitieren. McKinsey (2018) schätzt, dass KI der Weltwirtschaft 13 Billionen US-Dollar hinzufügen und das BIP um 16 % steigern könnte. Gartner (2023) berichtet, dass technische Führungskräfte KI-Investitionen nach dem Cloud Computing die höchste Priorität einräumen. In der Fertigung kann KI laut McKinsey (2023) durch Fabrikautomatisierung potenziell einen Mehrwert von 1,2 bis 2,1 Billionen Dollar schaffen, und IDC (2023) prognostiziert, dass 70 % der G2000-OEMs KI einsetzen werden, um automatisch Serviceempfehlungen auszulösen oder zu liefern.

Aber es gibt auch Herausforderungen. In der IT-Landschaft der Unternehmen arbeiten die Hersteller mit unterschiedlichen Daten in mehreren Softwaresystemen, die im Rahmen komplexer Produktentwicklungsprozesse verwaltet werden. Darüber hinaus müssen diese Lösungen Compliance-Anforderungen erfüllen und wichtige Geschäftsziele wie Kosten und Produktivität erfüllen.

Diese Herausforderungen werden durch die Implementierung neuer KI-Technologien wie großer Sprachmodelle (LLMs) noch verstärkt. Angesichts der Neuartigkeit von LLMs und der Komplexität von Unternehmenssoftware ist es keine Überraschung, dass der aktuelle Stand der generativen KI (GenAI) durch überhöhte Erwartungen gekennzeichnet ist und weniger als 10 % der Unternehmen Produktionslösungen auf den Markt bringen (Gartner, 2024).

Der KI-Vorteil von PTC

PTC bietet einen klaren Vorteil bei der Bewältigung der Chancen und Herausforderungen von KI. Wir sind uns der Probleme bewusst, die Hersteller lösen wollen, wir wissen, wie man Software für Unternehmen entwickelt, und wir haben eine Erfolgsbilanz bei der Implementierung praktischer Anwendungen mit KI.

So haben wir beispielsweise maschinelles Lernen (ML) in ThingWorx eingesetzt, um Predictive Maintenance und OEE-Ursachenanalyse in der Fabrik zu ermöglichen. Und im Servicebereich haben wir ML eingesetzt, um mit Servigistics die Verwaltung von Ersatzteilbeständen und mit ServiceMax die Ferndiagnose von Problemen bei der Erbringung von Außendienstleistungen zu ermöglichen.

Wir werden weiterhin KI-gestützte Funktionen für unsere Produkte entwickeln. Dabei suchen wir nach Möglichkeiten, unsere KI-Investitionen zu skalieren, indem wir Analysemuster auf mehrere Produkte anwenden. Beispielsweise entwickeln wir derzeit eine Lösung in Windchill, die die Computer-Vision-Funktionen von Vuforia nutzt, um 3D-Formen zu durchsuchen und so Anwendungsfälle wie die Erkennung doppelter Teile oder die Unterstützung bei der Klassifizierung von Teile-IDs zu ermöglichen.

Neben der Produktinnovation suchen wir ständig nach Möglichkeiten zur Verbesserung unserer betrieblichen Abläufe. Ein Schwerpunkt ist unser KI-Governance-Programm, das im Jahr 2023 ins Leben gerufen wurde. Dabei handelt es sich um eine funktionsübergreifende Gruppe, die den Einsatz von KI bei PTC überwacht und steuert. Dazu gehört auch, wie unsere Mitarbeiter KI nutzen und wie wir KI in unsere Produkte implementieren. Laut IDC (2024) sind wir bei der KI-Governance führend und gehören zu den besten 17 % der Unternehmen. Diese Governance-Aktivitäten haben nicht nur die Compliance und den ethischen Einsatz von KI verbessert, sondern auch die Zusammenarbeit zwischen den Teams gefördert.

KI-gestützte Wertschöpfungsfaktoren über den gesamten Produktlebenszyklus

Im Rahmen einer strategischen Bewertung unserer Produkte haben wir die wichtigsten Wertschöpfungsfaktoren identifiziert, die von der KI profitieren. Über die Bereiche Entwicklung, Fertigung und Service hinweg standen mehrere Themen an der Spitze, darunter (aber nicht nur) kürzere Markteinführungszeiten, Kostensenkungen und die Befähigung von Mitarbeitern.

KI im Ingenieurwesen

Die Beschleunigung der Produktentwicklung, die Senkung der Verkaufskosten und das Management von Qualität und Compliance sind die wichtigsten Wertschöpfungsfaktoren, die von der KI profitieren. Zu den wichtigsten Trends aus dieser Bewertung gehören:

Software-gesteuerte Innovation mit generativer KI

ALM-Lösungen wie Codebeamer bieten eine Fülle von unstrukturierten Daten, die sich ideal für LLM-Anwendungsfälle eignen. Zum Beispiel die schnelle Analyse von Anforderungen anhand von INCOSE-Standards oder die Automatisierung der Anforderungserstellung durch die Aufnahme von externen Dokumenten. KI-Funktionen wie diese sind für Hersteller, die sich mit Themen wie softwaregesteuertem Engineering oder komplexen Lieferkettenanforderungen befassen, von entscheidender Bedeutung, da sie die Produktion in einem wettbewerbsintensiven, ressourcenbeschränkten Markt ohne Qualitätseinbußen beschleunigen müssen.

Suche nach ähnlichen oder doppelten Anforderungen in Codebeamer unter Verwendung großer Sprachmodelle (LLMs).

Mehrschichtige KI-Strategie im PLM

PLM-Software verwaltet Produktdaten, die für zahlreiche Anwendungsfälle im Digital Thread von Nutzen sind. Angesichts dieser Vielfalt und Bandbreite müssen Hersteller bei der Implementierung von KI einen mehrgleisigen Ansatz verfolgen. ML kann zum Beispiel auf Change Management-Daten angewendet werden, um Engpässe zu erkennen oder Liefertermine für Projekte vorherzusagen. GenAI kann im Produktdatenmanagement für Aufgaben wie die Dokumentensuche oder die Bewertung der Qualität von Konstruktionsprüfungsunterlagen eingesetzt werden. Darüber hinaus kann die Computer-Vision-Technologie nach 3D-Teilen suchen und die Wiederverwendung von Teilen ermöglichen, wodurch ein Problem der Transportkosten gelöst wird, das sich für einen einzelnen Hersteller auf Millionen von Dollar pro Jahr belaufen kann.

Intelligente Automatisierung im CAD-Bereich

KI-Innovationen im CAD-Bereich konzentrieren sich auf intelligente Automatisierung, und es gibt ein Reifegradmodell, um diesen Wert zu realisieren. Dieses Modell beginnt mit der Unterstützung von Konstrukteuren durch KI-gesteuerte Tool-Tipps sowie KI-Kopiloten, die Schulungen und Fehlerbehebungen unterstützen. Die nächste Stufe ist die Erweiterung der Arbeit eines Konstrukteurs mit Tools wie Creo Generative Design, wo KI-gesteuerte Funktionen Eingaben von Anwendern erhalten und dann selbstständig Aufgaben umsetzen, wie z. B. die Generierung neuer 3D-Modelle auf der Grundlage von Parametern zur Materialoptimierung. Die höchste Stufe ist die vollständige Automatisierung. Auf dieser Stufe ermöglichen KI-Modelle die Lösung komplexer Probleme mit minimalen oder gar keinen menschlichen Eingaben. So können beispielsweise Netze und Punktwolken automatisch in feste Geometrie umgewandelt oder neue CAD-Teile anhand einfacher Texteingaben generiert werden, wie wir es heute von LLMs kennen, die Dokumente und 2D-Bilder erzeugen.

KI in der Fertigung

In unserer Bewertung der wichtigsten Wertschöpfungsfaktoren in der Fertigung stehen die Entwicklung von Fertigungskonzepten, die Verbesserung der betrieblichen Effizienz und die Qualifizierung der Arbeitskräfte an erster Stelle. Zu den Highlights in diesem Bereich gehören:

Entscheidende Bedeutung der Integration von Unternehmenssystemen

Daten, die aus der Integration von PLM-, ERP- und MES-Software gewonnen werden, können hochwertige KI-Möglichkeiten erschließen. In Anwendungsfällen der fertigungsgerechten Konstruktion verwaltet PLM beispielsweise Produktqualität und Prozessplandaten, ERP liefert Produktionsauftrags- und Bestandsdaten, und MES-Systeme verfolgen Leistungs- und Arbeitsanweisungsausführungsdaten. Mit diesen Daten kann KI die Produktionsqualität mit Toleranzanforderungen vergleichen oder Analysen zu Materialbeständen liefern. In zukunftsweisenden Anwendungsfällen kann GenAI automatisch Arbeitsanweisungen erstellen, die auf PLM-Prozessplänen und ERP-Ressourcenkriterien basieren, und diese Arbeitsanweisungen dann für spezifische MES-Spezifikationen optimieren, z. B. die Übersetzung von Inhalten für Bediener oder die Erstellung von Referenzbildern für Arbeitsanweisungsschritte.

AR und IoT als Basistechnologien

Technologien wie Augmented Reality (AR) und das Internet der Dinge (IoT) sind entscheidend für die Bereitstellung von KI-gestützten Funktionen in der Fabrik. Nehmen Sie IoT-Software wie ThingWorx, die mit Fabrikanlagen und industrieller Software wie Kepware verbunden wird, um Lösungen zur kontinuierlichen Verbesserung zu liefern. Mithilfe von Machine Learning kann ThingWorx Daten schnell analysieren und die Ursache von Produktionsmängeln identifizieren, was schnellere Lösungen ermöglicht.

Ebenso verarbeitet Vuforia mithilfe von Computer-Vision-Technologie Ströme räumlicher Daten und ergänzt diese physische Kartierung mit digitalen Assets. Auf diese Weise können Bediener digitale Darstellungen von Tools, Produkten, Maschinen und anderen Inhalten in Echtzeit und in ihrem physischen Umfeld betrachten, was Schulungen und Arbeitsanweisungen unterstützt. AR ermöglicht auch die Überprüfung der Fertigungsqualität durch den Einsatz von Computer Vision zur Inspektion von End-of-Line-Produkten oder zur Überprüfung von Wartungs- und Montageverfahren.

Validierung von Montage- und Wartungsverfahren in Vuforia mit Hilfe von Computer Vision.

KI im Service

Die Optimierung des Ersatzteilmanagements, ein proaktiver Service und die Senkung der Kosten für die Servicebereitstellung waren die wichtigsten Wertschöpfungsfaktoren bei unserer strategischen Bewertung des Servicebereichs. Zu den wichtigsten Aspekten in diesem Bereich gehören:  

Nachhaltigkeit als strategisches Thema für das Ersatzteilmanagement

KI spielt eine entscheidende Rolle bei der Optimierung der Service-Lieferkette. Durch die Nutzung von PLM-, ERP- und Servicedaten kann Industriesoftware wie Servigistics komplexe Probleme wie sporadische Nachfrage oder durch Ereignisse wie COVID verursachte Unterbrechungen der Lieferkette angehen. Servigistics nutzt ML und firmeneigene Algorithmen, indem es einen prädiktiven Zwilling der Ausrüstung und der zugehörigen Service-Lieferkette erstellt, um präzise Bestandsoptimierungen, Bedarfsprognosen für Teile und verbesserte Preisstrategien für Servicekomponenten zu liefern.

Ein neues Thema in diesem Bereich ist die Nachhaltigkeit. So können beispielsweise mithilfe von KI Erkenntnisse über den gesamten Service-Lebenszyklus, den Kohlendioxid-Fußabdruck von Serviceteilen oder vorausschauende Fehleranalysen zur Verwaltung von Wiederverwendungs- und Ersatzteilanwendungen gewonnen werden. Funktionen wie diese verschaffen Unternehmen einen Vorteil beim Kostenmanagement und bei der Einhaltung zunehmender gesetzlicher Vorschriften wie der Richtlinie zur Nachhaltigkeitsberichterstattung (CSRD), die Hersteller zur Berichterstattung über den Produktfußabdruck verpflichtet (Europäische Kommission, 2023).

Analyse des CO2-Fußabdrucks der Ersatzteil-Lieferkette in Servigistics mit Machine Learning.

Vorteile für Early Mover im Field Service-Bereich

Field Service Management-Software wie ServiceMax ist strategisch gut positioniert, um von generativer KI zu profitieren. Es gibt eine Reihe von Hebeln, die diese Innovation beschleunigen. ServiceMax speichert textlastige Arbeitsauftragsdaten, die sich hervorragend für LLM-Analysen eignen. Die SaaS-Bereitstellung ist im Dienstleistungsbereich sehr beliebt und ermöglicht konsistente Aktualisierungen im Zusammenhang mit LLM-Modellverbesserungen. Außerdem arbeiten Servicetechniker viel mit mobilen Geräten, auf denen Text- und Chat-Interaktionen gang und gäbe sind, ein primäres Mittel für die Interaktion mit Copiloten. Aufgrund dieser Synergien können Serviceunternehmen von LLM-Anwendungsfällen profitieren, z. B. wenn sie Copiloten bitten, frühere Arbeitsaufträge zusammenzufassen oder Unterstützung bei der Optimierung der Terminplanung zu erhalten. Funktionen wie diese erweitern das Wissen im Unternehmen und beschleunigen Anfragen, da LLMs in der Lage sind, große Datensätze schnell und in großem Umfang zu durchsuchen.

Stellen Sie Fragen zur Historie von Serviceaufträgen und zur Terminplanung mit Copilot-Funktionen.

Was kommt als Nächstes für PTC?

Es ist eine aufregende Zeit für die Hersteller. Vor uns liegen große Chancen und bedeutende Herausforderungen, die wir gemeinsam lösen können. Dazu gehören KI-Innovationen und andere Markttrends wie softwaregesteuertes Engineering, Nachhaltigkeit oder Serviceoptimierung.

Bei der Bereitstellung künftiger KI-Anwendungen und der Optimierung unserer internen Abläufe werden wir uns weiterhin darauf konzentrieren, in großem Umfang und auf verantwortungsvolle Weise Mehrwert für unsere Kunden zu schaffen. Wir laden Sie und Ihr Team ein, sich mit uns in Verbindung zu setzen, damit wir gemeinsam einen Weg finden, wie Sie KI in Ihrem Unternehmen praktisch einsetzen können. Zu den Bereichen der KI-Innovation, die wir bewerten werden, gehören:

• Generative KI-Anwendungen, einschließlich neuer Funktionen innerhalb bestimmter Produkte sowie Funktionen, die Daten aus verschiedenen Softwaresystemen beziehen
• Aufbau kritischer Integrationen, die Datenorchestrierung über den Digital Thread sowohl bei PTC als auch bei externen Systemen ermöglichen
• Kopplung von KI-Modellen, so dass wir über multimodale KI-Systeme verfügen, die höherwertige Ergebnisse liefern
• Erforschung neuer Möglichkeiten zur Interaktion mit Ihren Industriedaten über Chat- und Audioschnittstellen
• Überwachung von Fortschritten im Bereich Regulierung und Compliance, um Datensicherheit und ethische Nutzung von KI zu gewährleisten
• Aufbau und Vertiefung strategischer Partnerschaften mit Unternehmen wie Microsoft, um KI-Lösungen auf den Markt zu bringen
• Aufbau einer Gemeinschaft von Vorreitern, die sich gemeinsam mit den Themen Wert, Daten, Technologie und Change Management in der KI-Innovation befassen können

Für Informationen zu bestimmten Produkten wenden Sie sich bitte an Ihren PTC-Ansprechpartner.