AI hält Einzug in die Designabteilung: Was wirklich fehlt, sind keine CAD-Daten, sondern die Logik der Designentscheidungen

Generative Künstliche Intelligenz dringt in die Konstruktionsabteilungen der Fertigungsindustrie ein. Die Anwendungszenarien werden immer vielfältiger, von der Zeichnungssuche, der Erstellung von Konstruktionsdokumenten, dem Abruf historischer Mängel bis hin zur Erstellung von DRBFM-Entwürfen und der Zusammenstellung von Fragen für Konstruktionsprüfungen.

Viele Unternehmen gehen daher davon aus: Die Konstruktionsabteilungen haben bereits eine große Menge an 3D-Modellen, 2D-Zeichnungen, Stücklisten (BOM) und technischen Spezifikationen angesammelt. Wenn diese Materialien nur an die KI übergeben werden, lässt sich die Konstruktionseffizienz deutlich steigern. Bevor die KI eingeführt wird, müssen Unternehmen jedoch zuerst eine Frage beantworten: Reichen die vorhandenen CAD-Daten tatsächlich aus, um die KI bei der Erstellung von Konstruktionsentscheidungen zu unterstützen?

Zeichnungen können der KI zeigen, „wie das Produkt konstruiert wurde“, aber sie erklären nicht unbedingt, „warum es so konstruiert wurde“. Und Letzteres ist der entscheidende Faktor, der bestimmt, ob die KI tatsächlich für Forschung und Entwicklung sowie Konstruktion eingesetzt werden kann.

Unternehmen speichern die Konstruktionsergebnisse, aber nicht unbedingt die Konstruktionslogik

CAD-Daten sind das Ergebnis der Konstruktion, während Konstruktionswissen die Entscheidungslogik ist, die zu diesem Ergebnis führt. Eine Zeichnung kann Maße, Formen, Toleranzen, Werkstoffe und technische Anforderungen erfassen, aber sie erklärt normalerweise nicht vollständig, warum diese Struktur gewählt wurde und worauf sich die Maße und Toleranzen stützen.

Welche funktionalen Probleme dieser Bereich löst:

Welche Stellen geändert werden können,

Welche Stellen nicht geändert werden dürfen,

Und welche Risiken nach einer Änderung auftreten können.

Viele Unternehmen scheinen über eine riesige Konstruktionsdatenbank zu verfügen, speichern aber in Wirklichkeit hauptsächlich die endgültigen Dateien. Wie Kundenanforderungen in Funktionen umgewandelt werden, verschiedene Lösungen verglichen werden, Konstruktionsrisiken bewertet werden und Versuchsergebnisse die endgültige Entscheidung beeinflussen, ist oft verteilt in Sitzungsprotokollen, E-Mails und persönlichen Erfahrungen, oder existiert sogar nur im Kopf erfahrener Ingenieure.

- Solange die Mitarbeiter noch im Unternehmen sind, können diese Kenntnisse durch mündliche Fragen erlangt werden;

- Nachdem Mitarbeiter aus dem Unternehmen ausgeschieden oder in den Ruhestand getreten sind, bleibt das Unternehmen möglicherweise nur mit einer „korrekten Zeichnung“ zurück, ohne dass jemand erklären kann, warum sie korrekt ist.

Daher kann nach der Einführung generativer KI in die Konstruktionsabteilung zuerst nicht ein technisches Problem, sondern ein langjähriges Defizit im Wissensmanagement des Unternehmens auftreten: Es gibt viele Daten, aber das Wissen zur Unterstützung von Konstruktionsentscheidungen ist unvollständig.

Die KI kann die Sucheffizienz steigern, aber auch die Wiederverwendung von Fehlern beschleunigen

Nachdem Konstrukteure ein neues Projekt erhalten haben, suchen sie normalerweise nach ähnlichen Produkten aus der Vergangenheit, um Maße, Werkstoffe oder lokale Strukturen an vorhandenen Zeichnungen zu ändern. Diese Methode scheint effizient zu sein, aber „Formähnlichkeit“ bedeutet nicht gleich „Wiederverwendbarkeit“.

Um zu beurteilen, ob eine Konstruktion wiederverwendet werden kann, reicht der Blick auf die Zeichnungen nicht aus. Man muss auch die Funktionsanforderungen, Einsatzumgebungen, Belastungen, Lebensdauern, Werkstoffe, Herstellungsbedingungen und Prüfstandards der alten und neuen Produkte vergleichen. Gleichzeitig muss man verstehen, ob bei der ursprünglichen Konstruktion Qualitätsprobleme aufgetreten sind, welche Strukturen ausreichend geprüft wurden und welche Bereiche zu den Änderungsverboten gehören.

In der Praxis neigen Konstrukteure dazu, Produkte auszuwählen, mit denen sie vertraut sind, Projekte, die sie früher durchgeführt haben, oder Zeichnungen, die am einfachsten zu finden sind. Aber eine Lösung, die wirklich für die Wiederverwendung geeignet ist, muss nicht diejenige sein, mit der man am besten vertraut ist, sondern die Lösung, die nach einer umfassenden Bewertung von Funktion, Risiko, Prüfung und Herstellungsbedingungen am besten den aktuellen Anforderungen entspricht.

Wenn Unternehmen diese Bewertungsgrundlagen nicht aufgebaut haben und die KI direkt ähnliche Zeichnungen suchen und empfehlen lassen, kann die KI eine formal hochgradig ähnliche und sprachlich sehr plausibel erscheinende Lösung liefern, ohne die hinter den Zeichnungen verborgenen Einsatzgrenzen und historischen Risiken zu erkennen.

Das bedeutet, dass die KI zwar die Suchgeschwindigkeit erhöht, aber auch die Wiederverwendung fehlerhafter Konstruktionen und historischer Mängel beschleunigen kann. Das Problem liegt nicht darin, dass die KI nicht schnell genug sucht, sondern darin, dass das Unternehmen der KI nicht mitgeteilt hat, was wiederverwendet werden kann, unter welchen Bedingungen eine Wiederverwendung zulässig ist und was nach einer Änderung unbedingt erneut geprüft werden muss.

Damit die KI der Konstruktion wirklich dient, müssen Unternehmen eine Konstruktionswissensdatenbank aufbauen

Eine Konstruktionswissensdatenbank darf nicht nur eine zentrale Speicherung von Zeichnungen, CAD-Modellen und technischen Dokumenten sein, sondern muss darüber hinaus die Grundlagen hinter den Konstruktionsergebnissen erfassen.

Am Beispiel eines kritischen Bauteils: Neben der Speicherung der Zeichnung sollte das Unternehmen auch die zu realisierende Funktion, die Gründe für die Wahl der aktuellen Struktur und des Werkstoffs, die Grundlagen für die Festlegung von Maßen und Toleranzen, die geltenden Einsatzbedingungen, die Konstruktionsberechnungen und Prüfergebnisse, historische Ausfallfälle, tatsächliche Schwankungen in der Serienproduktion sowie die Bedingungen für Wiederverwendung und Änderungsverbot erfassen.

Nur wenn diese Informationen miteinander verknüpft sind, können vergangene Konstruktionsergebnisse zu Konstruktionswissen umgewandelt werden, das von der Organisation wiederverwendet werden kann. Auf dieser Grundlage kann die KI, wenn Konstrukteure neue Kundenanforderungen oder Änderungsanforderungen eingeben, bei der Suche nach ähnlichen Lösungen, historischen Mängeln, Konstruktionsstandards und Prüfprotokollen unterstützen und weiter darauf hinweisen, welche Funktionen, Bauteile, Verfahren, Versuche und Risiken von der Änderung betroffen sein könnten.

In der Phase der Konzeptkonstruktion kann die KI Konstrukteuren dabei helfen, vergangene technische Wege schnell zu vergleichen, die Einsatzbedingungen und historischen Probleme verschiedener Lösungen zu verstehen und wiederholte Diskussionen und Wartezeiten auf Bestätigungen zu reduzieren. In der Phase der detaillierten Konstruktion kann die KI dabei helfen, zu beurteilen, ob eine Zeichnung die Voraussetzungen für eine Wiederverwendung erfüllt, die Ketteneffekte zu erkennen, die durch Änderungen von Maßen, Werkstoffen oder Strukturen entstehen können, und auf fehlende erforderliche Prüfprojekte hinzuweisen.

Daher ist die sinnvollste Rolle der KI in der Konstruktionsabteilung zum gegenwärtigen Zeitpunkt nicht, Ingenieure bei der endgültigen Entscheidung zu ersetzen, sondern Ingenieuren dabei zu helfen, die für die Entscheidungsfindung erforderlichen Informationen zu sammeln, zu verknüpfen und zu strukturieren. Die KI erweitert den Informationsbereich, der Mensch übernimmt die ingenieurmäßige Bewertung.

Die KI wird die Konstruktionsprüfung von der „Fehlersuche vor Ort“ hin zur „Risikoentscheidung“ weiterentwickeln

Generative KI hat auch einen hohen Wert bei der Konstruktionsprüfung, also der DR-Phase. Viele Unternehmen führen die Konstruktionsprüfung noch auf traditionelle Weise durch: Der Konstrukteur stellt die Lösung vor Ort vor, andere Abteilungen sehen sich kurz die Zeichnungen an und stellen Fragen. In den Sitzungen werden viele Probleme erkannt, aber aufgrund fehlender Hintergrundinformationen und vorausgehender Analysen ist es schwierig, sofort klare Maßnahmen festzulegen. Schließlich wird die Prüfung leicht zu einer „Sitzung zum Stellen von Fragen“ statt zu einer „Sitzung zum Lösen von Problemen“.

Eine wirklich effektive Konstruktionsprüfung sollte Risiken bereits vor der Sitzung so weit wie möglich erkennen. Der Schwerpunkt der Sitzung vor Ort liegt nicht auf der spontanen Fehlersuche, sondern darauf, zu beurteilen, ob vorhandene Maßnahmen die Risiken kontrollieren können, ob zusätzliche Versuche erforderlich sind, welche Bauteile und Prozesse von der Änderung betroffen sind, ob die verbleibenden Risiken akzeptabel sind und wer welche Maßnahmen zu welchem Zeitpunkt abschließt.

Wenn die KI vor der DR historische Mängel, ähnliche Konstruktionen, Konstruktionsstandards, Prüfprotokolle und Bereiche mit Änderungsverbot verknüpfen kann, lassen sich im Voraus Risikohinweise und Prüffragen erstellen. Die Teilnehmer müssen keine große Zeit mit der Suche nach Basisinformationen verbringen, sondern können sich auf die Diskussion von Gegenmaßnahmen, Ressourceneinsatz und endgültigen Entscheidungen konzentrieren.

Diese Arbeitsteilung ist klarer: Die KI unterstützt bei der Erkennung von Problemen, der Mensch bewertet die Risiken und legt die Lösungen fest. Die Konstruktionsprüfung wandelt sich dadurch schrittweise von einer von persönlicher Erfahrung abhängigen Vor-Ort-Bewertung zu einer kollektiven Entscheidung, die auf Unternehmenswissen und historischen Beweisen basiert.

Im KI-Zeitalter werden mehr Konstrukteure benötigt, die die Konstruktionslogik erklären können

Da Zeichnungssuche, Dokumentenerstellung, allgemeine Risikohinweise und die Generierung von Standardlösungen zunehmend von der KI übernommen werden, werden Konstrukteure, die nur CAD bedienen, vorhandene Zeichnungen lokal ändern oder direkt KI-Lösungen übernehmen, immer weniger einen einzigartigen Wert nachweisen können.

Die wirklich wichtige Fähigkeit in der Zukunft ist es, das „Warum“ hinter der Konstruktion beantworten zu können:

Warum wird diese Funktion benötigt?

Warum wird diese Realisierungsmethode gewählt?

Warum werden diese Werkstoffe, Maße und Toleranzen gewählt?

Warum darf dieser Bereich nicht geändert werden?

Welche Leistungen und Prüfprojekte wären von einer Änderung betroffen?

Dies erfordert, dass Konstrukteure nicht bei dem „Zeichnen der Abbildung“ stehen bleiben, sondern Kundenanforderungen in Produktfunktionen und dann Funktionen in Strukturen, Werkstoffe, Maße, Toleranzen und Prüfanforderungen umwandeln können. Gleichzeitig müssen sie Informationen aus Vertrieb, Qualität, Fertigung, Einkauf und Lieferkette zusammenführen, um die endgültige technische Lösung zu bewerten.

Die Rolle erfahrener Konstrukteure wird sich ebenfalls ändern. Früher haben sie den jungen Mitarbeitern meist direkt gesagt, „was zu tun ist“. In Zukunft müssen sie auch ständig nachfragen:

„Warum ist die Konstruktion so gestaltet?“

„Was ist die Grundlage für die Bewertung?“

„Warum sind andere Lösungen nicht geeignet?“

„Beseitigt diese Maßnahme tatsächlich die Ursache des Ausfalls?“

Durch solche Nachfragen kann persönliche Erfahrung schrittweise zu Wissen umgewandelt werden, das von der Organisation erfasst, wiederverwendet und weitergegeben werden kann.

In diesem Sinne ist die Konstruktionswissensdatenbank nicht nur eine Datenbank, sondern vielmehr ein „Konstruktionsbetriebssystem“ des Unternehmens: Das CAD-System speichert die Konstruktionsergebnisse, die Wissensdatenbank speichert die Entscheidungslogik, die KI übernimmt die Suche und Verknüpfung dieser Logiken, und schließlich trifft der Konstrukteur die Bewertung.

Vor der Einführung von Konstruktions-KI sollten Unternehmen zuerst ihre Wissensgrundlage prüfen

Bevor Unternehmen generative KI einführen, können sie zuerst einige Fragen prüfen:

Speichern die vorhandenen Systeme nur Zeichnungen und CAD-Daten?

Existieren noch die Grundlagen für die Wahl von Maßen, Toleranzen und Werkstoffen?

Sind historische Mängel mit den entsprechenden Bauteilen und Konstruktionsentscheidungen verknüpft?

Sind die Bereiche, die nicht geändert werden dürfen, klar definiert?

Gibt es klare Regeln dafür, welche Projekte nach einer Konstruktionsänderung erneut geprüft werden müssen?

Wenn diese Fragen nicht beantwortet werden können, ist das Wichtigste für das Unternehmen derzeit möglicherweise nicht, sofort ein KI-Tool einzuführen, sondern zuerst das Konstruktionswissen und die Entscheidungslogik zu strukturieren.

Zukünftig müssen Konstrukteure drei Veränderungen vollziehen:

Vom Bedienen von CAD hin zum Verstehen und Aufbauen von Konstruktionskonzepten;

Vom Suchen und Kopieren historischer Zeichnungen hin zur Beurteilung, ob eine Konstruktion die Voraussetzungen für eine Wiederverwendung erfüllt;

Vom Vertrauen auf Antworten der KI hin zum Nutzen der KI zur Informationssammlung und unabhängigen Treffen von ingenieurmäßigen Entscheidungen.

Generative KI senkt die Anforderungen an die Fähigkeiten von Konstrukteuren nicht, sondern macht grundlegende Konstruktionsfähigkeiten, Risikobewusstsein und ingenieurmäßige Urteilskraft sogar noch wichtiger. Die KI kann vergangene Konstruktionsergebnisse finden, aber nur der Mensch kann beurteilen, ob diese Ergebnisse für die Zukunft geeignet sind.