Wenn man es genau nimmt, sollte es bei KI weniger darum gehen, welches Tool welche KI-Features mitbringt. Sondern: Welcher Use Case zahlt sich für ein Unternehmen aus? Und als zweites um die Frage: wie fügt er sich in die vorhandene Architektur ein?
Für mich sind das die Punkte die im Vordergrund stehen müssen. Da hilft also keine generische Liste von „KI-Use-Cases im Engineering” nach dem One-size-fits-all-Prinzip, getreu dem Moto: mache X und werde glücklich*. Sondern Fall für Fall herauszufinden, wo KI im Engineering komplexer Produkte echten Business Value schafft — und wo sie nur Rauschen wäre. Gehört aber auch dazu: wie sich das auf eine konkrete PLM/ALM-Landschaft abbilden lässt.
Tatsächlich arbeite ich aktuell auch an einer solchen “Liste” - der Anspruch ist aber explizit eben nicht, dass diese zu jedem Unternehmen in jeder Situation passen müssen. Sondern einen Katalog als eine Art Inspiration bereitzustellen, was mit KI alles möglich sein kann.
Meine Kollegen Benny und Zacharias nehmen sich genau das am 27. August im Live-Webinar vor:
- das WHAT — wie man Use Cases mit echtem ROI identifiziert,
- das HOW — eine herstellerneutrale, KI-fähige Engineering-Architektur,
- und das TO(OL) — eine Live-Demo der PROSTEP AI Workbench (PAW).
Tatsächlich arbeite ich aktuell auch an einer solchen “Liste” - der Anspruch ist aber explizit eben nicht, dass diese zu jedem Unternehmen in jeder Situation passen müssen. Sondern einen Katalog als eine Art Inspiration bereitzustellen, was mit KI alles möglich sein kann.