“Wie Ingenieure KI-Projekte erfolgreich umsetzen” war das Thema des jüngsten Digital Engineering Blueprint Talks. Eine Entwicklungsingenieurin und ein KI-Experte teilten darin ihre Erfahrungen aus einem gemeinsamen Projekt. Eine zentrale Erkenntnis: Es ist essenziell, dass Fachleute aus beiden Gebieten eng zusammenarbeiten.
Erstmals richtete sich der CADFEM Blueprint Live Talk für Ingenieure an ein internationales Publikum. Über 1.000 Teilnehmer aus aller Welt verfolgten den Gedankenaustausch von Moderatorin Sarah Yvonne Elsser und ihren beiden Gesprächspartnern. Zu Gast waren die Entwicklungsingenieurin Ana Luiza Pinto Queiroz, Leiterin Prozessentwicklung beim irischen Biotech-Unternehmen APC, und Kevin Cremanns, Co-Founder und Chief Research & Development Officer des KI-Start-ups PI Probaligence. Gemeinsam haben beide vor zwei Jahren begonnen, KI in der Produktentwicklung von APC nutzbar zu machen.
Um diesen Einführungsprozess drehte sich der Live-Talk. Wie kam es dazu, wie waren die ersten Schritte, der Proof of Concepts, welche unerwarteten Herausforderungen mussten gelöst werden und was ist der heutige Stand?
Zwei Perspektiven, ein Ziel
Dazu bezogen die Gäste Stellung: Pinto Queiroz aus der Perspektive der Entwicklungsingenieurin, Cremanns aus der des KI-Fachmanns. Durch die fokussierte Betrachtung eines realen KI-Projektes konnten insbesondere Ingenieure viele Anregungen und konkrete Antworten auf häufige Fragen mitnehmen. Dass der Informationsbedarf enorm ist, zeigten neben der hohen Teilnehmerzahl die vielen Publikums-Fragen und die Umfrageergebnisse während des Live-Streams. Über 50 Prozent der Unternehmen haben demnach noch nicht mit KI begonnen oder stehen noch ganz am Anfang.
Die Erfolgsfaktoren
Wichtige Erkenntnisse, die die intensive einstündige Diskussion hervorbrachte, und die die Gäste im Talk mit Praxiserfahrungen erklärten, waren:
- KI-Projekte gelingen, wenn Praktiker aus Entwicklung und KI gleichberechtigt zusammenarbeiten. Nur so entsteht gegenseitiges Verständnis für Anforderungen, Ziele und Möglichkeiten.
- KI im Engineering beginnt mit einem überschaubaren Beispiel. Voraussetzungen sind Messbarkeit, ein Datenpool und eine Zielformulierung, was durch KI erreicht werden soll. Die Identifikation des Use Cases und die Bewertung des Proof of Concepts setzen das gemeinsame Verständnis voraus.
- Ein erfolgreiches Startprojekt ist ein Meilenstein – mehr nicht. Es macht die eine Anwendung im Idealfall effizienter, die eigentliche Motivation ist weitreichender: die Arbeitsweise von KI muss verstanden werden, um sie zu skalieren und dauerhaft in der Entwicklung zu verankern.
- Speziell bei komplexen Engineering-Prozessen kann eine probabilistische KI einer deterministischen KI überlegen sein. Sie benötigt in der Regel weniger Daten, die aus unterschiedlichen Quellen wie Simulationen oder Experimenten stammen können und liefert zusätzliche Informationen zur Unsicherheit der Vorhersage. Dadurch wird die Transparenz gesteigert, was speziell bei Engineering-Prozessen von großer Bedeutung ist.
- Das letzte Wort hat immer der Fachexperte. KI übernimmt weder Verantwortung für Fehler noch ist sie unfehlbar. Fachexperten müssen Ergebnisse prüfen und kritisch hinterfragen. Auch hier zählt das Miteinander, denn letztendlich profitieren auch dabei Experte und KI voneinander.
Die Aufzeichnung des Live-Talks “KI ohne Hype: Wie Ingenieure KI-Projekte erfolgreich umsetzen” kann kostenlos und unverbindlich bei CADFEM angefordert werden:
https://resources.cadf…ring/event
Beitragsbild: Ana Luiza Pinto Queiroz (links) und Kevin Cremanns (Mitte) im Gespräch mit Sarah Yvonne Elsser. Quelle: CADFEM
