KI in der Fertigung Raus aus der Excel-Hölle: Wenn KI-Agenten die industrielle Planung neu strukturieren

Anbieter zum Thema

Parametric Technology GmbH

Data Modul AG

ET System electronic GmbH

PTC

Excel prägt vielerorts noch die Planung, während Komplexität und Änderungsdruck steigen. Gleichzeitig investieren Unternehmen in KI, ohne klare Einsatzpunkte zu kennen. KI-Agenten setzen genau hier an: Sie schaffen Transparenz in vernetzten Engineering- und Produktionsprozessen.

Excel ist in vielen Industrieunternehmen nach wie vor fester Bestandteil der operativen Planung: Anforderungen werden in Tabellen gepflegt, Stücklisten regelmäßig angepasst, Bedarfslisten fortgeschrieben. In der Fertigung bedeutet Planung heute jedoch Dauerabgleich. Eine Anpassung in der Entwicklung wirkt sich auf Prüfabläufe aus. Eine Bauteiländerung beeinflusst Konfigurationen.

Entscheidungen müssen schneller getroffen werden, während die Transparenz über Auswirkungen sinkt, sobald Informationen in isolierten Dateien geführt werden. Mit steigender Variantenvielfalt und wachsender Änderungsdynamik stoßen tabellenbasierte Arbeitsweisen strukturell an ihre Grenzen. Excel speichert Zustände, stellt jedoch nicht sicher, dass Änderungen disziplinübergreifend konsistent bewertet und nachvollzogen werden. Genau an diesem Punkt setzen KI-Agenten an.

Wo KI-Agenten konkret entlasten

Mit steigender Änderungsrate verlagert sich der Aufwand im Requirements-Management zunehmend auf die Konsistenz zwischen Anforderungen, Tests und Freigabeständen. Der Engpass entsteht dort, wo Referenzen manuell nachvollzogen werden müssen. KI-Agenten greifen auf bestehende Datenstrukturen zu und identifizieren bei Änderungen automatisch betroffene Testfälle sowie Statusabweichungen. Die fachliche Entscheidung bleibt im Team, der manuelle Abgleich entfällt.

Im BOM-Umfeld analysieren KI-Agenten strukturierte Stücklisten- und Variantenmodelle. Wird eine Komponente geändert oder abgekündigt, ermitteln sie automatisch, in welchen Konfigurationen sie eingesetzt ist und wo Konflikte entstehen können. In der Lieferplanung werten sie historische Anpassungen aus und machen wiederkehrende Engpassmuster sichtbar. Automatisiert wird nicht die fachliche Entscheidung, sondern der regelbasierte Abgleich strukturierter Produktdaten.

KI-Agenten in bestehenden Engineering-Systemen einsetzen

Die Einführung von KI-Agenten setzt voraus, dass Produktdaten konsistent modelliert und disziplinübergreifend zugänglich sind. Plattformen wie Codebeamer und Arena bieten hierfür die strukturelle Grundlage, da sie Anforderungen, Änderungsprozesse, Konfigurationen und Freigabestände konsistent und nachvollziehbar abbilden.

In Codebeamer kann ein KI-Agent beispielsweise Änderungsworkflows begleiten, indem er formale Konsistenz prüft, fehlende Referenzen erkennt oder unvollständige Dokumentation identifiziert. Auch regulatorische Nachweise lassen sich automatisiert auf Vollständigkeit prüfen, bevor Freigaben erfolgen. Der Agent arbeitet dabei innerhalb des bestehenden Datenmodells und ergänzt die vorhandene Logik um systematische Analyse.

In Arena können Agenten über die reine Stücklistenanalyse hinaus eingesetzt werden, etwa zur Bewertung von Änderungsanträgen im Produktkontext oder zur Prüfung, ob Konfigurationsregeln konsistent angewendet wurden. Auch die Vorbereitung von Dokumentationspaketen für Fertigung oder Qualitätssicherung lässt sich auf Basis strukturierter Produktdaten automatisieren.

Intelligent Product Lifecycle als strukturelle Grundlage

Einzelne KI-Anwendungen bleiben wirkungslos, wenn Daten in getrennten Systemen oder isolierten Tabellen geführt werden. Der Intelligent Product Lifecycle schafft die durchgängige, vernetzte Datenbasis über den gesamten Produktlebenszyklus hinweg. Für die Praxis bedeutet das, dass Änderungen nicht isoliert bewertet werden, sondern stets im Kontext des gesamten Produktmodells. Erst auf dieser Grundlage können KI-Agenten Auswirkungen konsistent bewerten und über Projekte hinweg nutzbar machen. Durch die breitere Nutzung von Produktdaten können Unternehmen außerdem qualitativ hochwertigere Produkte schneller auf den Markt bringen, Komplexität besser bewältigen und gesetzliche Standards erfüllen. Der Intelligent Product Lifecycle ist somit die strukturelle Voraussetzung für belastbare, datenbasierte Entscheidungen im Engineering und in der Produktion.

Organisationskultur als Skalierungsfaktor für KI

Der Schritt aus der Excel-Hölle ist sowohl eine technische als auch eine kulturelle Frage. Tabellen entstehen selten aus Mangel an Systemen, sondern aus dem Wunsch nach kurzfristiger Handlungsfähigkeit. Sie ermöglichen schnelle Lösungen und vermeiden Abstimmungsschleifen. Mit wachsender Komplexität führen sie jedoch zu parallelen Datenständen und unklaren Verantwortlichkeiten.

KI-Agenten arbeiten disziplinübergreifend. Sie bewerten Zusammenhänge zwischen Entwicklung, Fertigung und Qualität, unabhängig von organisatorischen Grenzen. Akzeptanz entsteht daher nicht allein durch technische Präzision, sondern durch nachvollziehbare, bereichsübergreifend getragene Prozesse. Führungskräfte müssen eine Umgebung schaffen, in der Daten nicht als Bereichseigentum verstanden werden, sondern als gemeinsame Entscheidungsgrundlage.

Erst wenn Silos strukturell aufgebrochen und Zuständigkeiten klar geregelt sind, werden KI-Agenten als Unterstützung wahrgenommen und nicht als Kontrollinstrument. Die kulturelle Verankerung ist damit Voraussetzung für eine skalierbare und akzeptierte Nutzung von KI im Engineering und in der Produktion.

Der Weg aus der Excel-Hölle

Tabellenbasierte Planung wird in hochvernetzten Entwicklungs- und Produktionsumgebungen zunehmend zum Engpass. Mit steigender Variantenvielfalt und kürzeren Änderungszyklen wächst der Bedarf an durchgängiger, disziplinübergreifender Transparenz. KI-Agenten markieren hier keinen isolierten Technologieschritt, sondern den Übergang zu einer neuen Arbeitslogik. Wenn strukturierte Datenmodelle durch den Intelligent Product Lifecycle etabliert sind, werden regelbasierte Prüfprozesse schrittweise automatisiert und Entscheidungszyklen verkürzt.

Der Fokus liegt nicht mehr auf der Tool-Optimierung, sondern auf der durchgängigen Verknüpfung von Engineering, Fertigung und Lieferkette über eine gemeinsame Datenbasis. Unternehmen, die diesen Wandel konsequent vollziehen, schaffen die Grundlage für skalierbare, datenbasierte Produktionssteuerung und den nachhaltigen Ausweg aus der Excel-Hölle. (sb)

* Arian van Hülsen ist Director Solutions Consulting & Global AI Champion bei PTC. Seit 2016 begleitet er Unternehmen bei ihrer digitalen Transformation mit Schwerpunkt auf industrieller IoT, Datenanalyse und Augmented Reality. Zuvor war er fast zehn Jahre bei Hewlett Packard Enterprise als Big Data Solution Architect tätig. Als Referent der Bitkom Akademie lehrt er u. a. in den Programmen „Ausbildung zum KI-Manager“ und „Data Scientist“. In Projekten mit Kunden wie Ferrari, Airbus oder der Bundeswehr zeigt er, wie intelligente Systeme reale Engineering-Prozesse nachhaltig verbessern können.

(ID:50772760)