Beratung Digitalisierung und KI in der Entwicklung

Anwendungen, die auf der Digitalisierung and Künstlicher Intelligenz (KI) basieren, sind in vielen Produkten präsent: von digitalen Assistenten und Smart-Home-Lösungen bis hin zu Unterstützungsfunktionen in Softwarepaketen oder auf Ihrem Smartphone. KI unterstützt Unternehmen, die Einsätze ihrer Mitarbeiter:innen zu planen, wird in der medizinischen Diagnostik eingesetzt oder hilft, bessere Fotos zu schießen.

In der Produktion zeigen Digitale Zwillinge und IoT (Internet of Things) darüber hinaus schon seit einiger Zeit ihre enormen Potenziale in der Steigerung von Effizienz und Qualität. Was hier schon Alltag ist, hat meist noch nicht den Weg in die Produktentwicklung gefunden.

Digitalisierungsvorreiter und Nachzügler zugleich

Die obige Aussage mag überraschen, denn Entwickler:innen setzen seit vielen Jahren auf digitale Lösungen und Systeme. Große Zeichentische sind schon lange aus den Büros verschwunden und Entwickler:innen bewegen sich meist in hochintegrierten Entwicklungsumgebungen. Allerdings liegt hier auch die Herausforderung moderner Digitalisierung von Entwicklungsprozessen. Denn diese digitalen Lösungen sind oftmals Inseln. 

Eine häufige Beobachtung ist z.B. die zigfache Konvertierung von Daten, um diese mit Kollegen:innen austauschen zu können. Oftmals ist dies nicht direkt möglich, weshalb als Konsequenz Daten zu Entwicklungsabläufen und -ergebnissen redundant in unterschiedlichen Systemen geführt werden. Daraus resultiert, dass Daten „auseinanderzulaufen“ und zu operativen Problemen und massiven Leistungsverlusten im Entwicklungsprozess führen.

Von dieser fehlenden Abstimmung und Vernetzung ist jedoch nicht nur die Produktentwicklung selbst betroffen. Nur wenige Entwicklungsbereiche sind in der Lage, durchgängig und zeitnah Daten ihrer Produkte zu nutzen. Entscheidungen zu Produktentwicklungen werden somit oftmals „aus dem Bauch heraus“ statt auf Faktenbasis getroffen. 

Ein weiteres ungenutztes Potenzial ist die Anpassung der Entwicklungsprozesse und Methoden mithilfe von Daten und KI. Viele Entwicklungsabteilungen organisieren sich z.B. nicht auf konsistentem, vergleichbarem Niveau. So werden zwar ganze Bauteile simuliert, die Aufwandsschätzung für die entsprechende Modellierungsaufgabe bleibt aber eine „Expertenschätzung“.

Digitalisierung und KI als Booster der Entwicklungsprozesse

KI und Digitalisierung werden auch die Prozesse in der Entwicklung in Zukunft massiv beeinflussen. Der kontinuierliche Wettbewerbsdruck führt zu einer immer kürzeren Time-to-Market. Niedrigere Produkt- und Entwicklungskosten sowie höhere Kundenorientierung und Personalisierung sind nur mit durchgängiger digitaler Vernetzung und Einsatz von KI erreichbar.

Einer der größten Booster ist die Covid-19-Pandemie, in der viele Unternehmen rasant ihre Fähigkeiten zur digitalen Kollaboration erhöhen mussten. Als nächsten Schritt gilt es nun, über die digitale Kommunikation hinaus zu einer digitalen Integration der Entwicklung in die gesamte Value Chain zu gelangen. Die daraus gewonnenen Daten dienen mittelfristig zur Verbesserung von Produkten und Entwicklungsprozessen. Aber auch KI-Lösungen unterstützen bei der durchgängigen Automatisierung von Abläufen.

Absehbar und bei einigen Unternehmen schon im Einsatz sind z.B.:

• teilautomatisierte Analyse von Kundenbedarfen und Marktveränderungen
• teilautomatisierte Entwicklung von neuen Produktbestandteilen und -Features
• Optimierung von Produktstrukturen und -varianten
• Zusammenarbeit von Produktion und Konstruktion über Standorte hinweg in Echtzeit
• VR-/AR-Produktpräsentation und -Konfiguration – vom Bild zur Bestellung

Damit dies realisiert werden kann, müssen jedoch grundlegende organisatorische Bedingungen vorhanden sein:

• abgestimmte Daten- und IT-Strukturen sowie Datendurchgängigkeit der Tools und Systeme (keine Medienbrüche)
• bereichsübergreifende konsistente Informationsmodelle und Architekturen, von Anforderern im Business über Entwicklung hin zu Produktion und Supply Chain
• Modelle und konsistente Quellen umfangreicher, konsistenter und qualitativ wertiger Daten zu Produkten und Entwicklungsprozessen
• gesamtheitliches, unternehmerisches Verständnis in der Organisation 
• ggf. Aufbau von Digitalisierungs- oder KI-Teams, die eine Ausrichtung als unternehmerische Dienstleister besitzen

Die Herausforderungen in der Einführung sind vielfältig – und menschlich

Die bis dato langsame Anwendung dieser Konzepte liegt zum einen in der Natur der Produktentwicklung, die per se durch ihren „kreativen Charakter“ deutlich weniger vorhersagbar ist als bei hochautomatisierten Produktionsprozessen. Zum anderen besteht die Schwierigkeit, Prozess- und Einsatzdaten von Produkten zu erheben, was eine adäquate Vernetzung voraussetzt. Datenschutzrechtliche Fragen tragen ein Übriges dazu bei.

In der praktischen Anwendung hakt es oft an der Vielzahl an Tools, die in der Entwicklung im Einsatz sind und nicht die wesentlichen Daten und Informationen über die Entwicklungsprozesse sowie deren Auswirkungen auf Kosten, Termintreue und Qualität der Produkte und Services liefern können. Diese Vielzahl an Tools führt zu einer Ablehnung durch die Entwickler:innen, da diese zu Recht Doppelarbeiten vermeiden wollen. Weitere häufige Gründe sind eine schlechte Usability oder fehlende Flexibilität in der Bedienung, die die Entwickler:innen damit nicht in ihrer Arbeit unterstützt, sondern Mehrarbeit bedeutet.

Automatisierung und KI können Abläufe beschleunigen, aber auch die Entwickler:innen unterstützen und die Fehlerraten, die Anzahl der Prototypen im Entwicklungsablauf oder grundsätzlich die notwendigen Ressourcen und Material reduzieren. 

ROI-EFESO hilft Ihnen im Rahmen von Beratungsprojekten, die Herausforderungen der Realisierung zu meistern und die Potenziale Schritt für Schritt in Ihrem Unternehmen zu realisieren. Hierzu gehören:

• Operational Business Diligence: 
  • Erarbeitung und Klärung wesentlicher Fragestellungen und grundlegender Ziele, die Sie in Ihrer Entwicklung mit Digitalisierung und KI lösen wollen
  • Assessment Ihrer Tool- und Datenlandschaft zur Erstbeurteilung der Möglichkeiten
  • Assessment der Reife von Prozessen und Abläufen, der Organisation und der Daten (Struktur, Qualität, Umfang)
• Information Architecture: 
  • Ermittlung von spezifisch relevanten Use Cases
  • Definition einer Best-Fit-Architektur der Produktentwicklung (produkt- und prozessbezogen)
  • Analyse und Konzeption von Daten und Tool-Landschaft (z.B. ERP, PLM, Projektmanagement, Kanban, CAD/CAE, …) inklusive Anpassung und Automatisierung von Entwicklungsprozessen sowie Definition von Modellen
• Unternehmerische Realisierung: 
  • datengetriebene Produktentwicklung:
    Upgrade von Produktmanagement und Portfoliomanagement basierend auf Kunden- und Nutzungsdaten, z.B. neue Services, neue Varianten für Länder oder Nutzergruppen
  • datengetriebene Prozessverbesserung in der Entwicklung:
    Prozessoptimierung und Implementierung von Verbesserungsmechanismen basierend auf Entwicklungsprozessdaten, wie z.B. KI-unterstützte Aufwandsschätzungen in den Projekten, Übernahme von Produkt- und Projektdaten (z.B. Requirements)
  • organisatorische Befähigung, z.B. Adaption von Produkten und Prozessen zur Ermöglichung von KI-Anwendungen, Aufbau von KI-Teams