Mit GenAI auf der Überholspur – Produktentwicklung in der Automobilindustrie beschleunigen

Wie kann GenAI die Produktentwicklung in der Automobilindustrie revolutionieren?

Die Automobilbranche erlebt derzeit einen tiefgreifenden Wandel. Elektrifizierung, autonomes Fahren und softwaredefinierte Fahrzeugtechnologien eröffnen nicht nur neue Möglichkeiten, sondern stellen auch hohe Anforderungen an Innovation und Effizienz. In diesem dynamischen Umfeld hat sich die Künstliche Intelligenz (KI), insbesondere die generative KI (GenAI), als unverzichtbares Werkzeug für Automobilhersteller und Zulieferer etabliert. GenAI optimiert nicht nur die Produktentwicklungsprozesse, sondern bietet auch erhebliche wirtschaftliche Vorteile. In diesem Artikel werde ich auf die transformative Wirkung von KI auf die Produktentwicklung in der Automobilindustrie eingehen und unser Modell zur Identifizierung und Implementierung von Use Cases mit hohem Geschäftsnutzen vorstellen.

Warum GenAI die Produktentwicklung in der Automobilindustrie revolutioniert

Der aktuelle McKinsey-Bericht „The economic potential of generative AI: The next productivity frontier“ quantifiziert die Auswirkungen von GenAI über 63 Use Cases hinweg. Die Prognosen weisen darauf hin, dass GenAI der Weltwirtschaft einen Wert zwischen „2,6 und 4,4 Billionen Dollar“ hinzufügen könnte. Besonders bemerkenswert ist, dass bis zu 75 % dieser Wertschöpfung aus den Bereichen Customer Operations, Marketing & Vertrieb, Softwareentwicklung sowie Produktforschung & -entwicklung stammen könnten.

McKinsey hebt auch das Potenzial hervor, über 50 % der Aufgaben von Wissensarbeitern zu automatisieren. Dies ist ein entscheidender Faktor für Unternehmen. Die Vorteile von GenAI erstrecken sich meiner Meinung nach auch auf die geringere Markteinführungszeit und die Innovationskraft: Optimierte Anforderungen und Testfälle, die wir als attraktive Use Cases für GenAI betrachten, können die Anzahl notwendiger Änderungen reduzieren und den Entwicklungsprozess effizienter gestalten. Dies schafft nicht nur Kapazitäten für Innovation, KI kann auch die Generierung und Bewertung neuer Designideen unterstützen.

KI ermöglicht datengetriebenes Engineering

Die Automobilindustrie generiert enorme Mengen an Daten durch vernetzte Fahrzeuge und intelligente Fabriken. Datengetriebenes Engineering untersucht, wie sich diese Daten in der Produktentwicklung effektiv einsetzen lassen. Bei NTT DATA haben wir ein umfangreiches Modell mit über 25 KI-Use Cases für die Produktentwicklung erarbeitet, das entlang des V-Modells des Systems Engineerings und der Phasen des Produktlebenszyklus strukturiert ist. Jeden Use Case haben wir dabei hinsichtlich seiner fachlichen Funktionalität, der erforderlichen Daten und des technologischen Ansatzes – einschließlich GenAI, maschinellem Lernen und natürlicher Sprachverarbeitung – beschrieben.

6 Beispiele für GenAI-Anwendungen im V-Modell

• Requirements Engineering: Analysieren, Vergleichen und Zusammenfassen von Dokumenten, Ableiten und Priorisieren von Anforderungen
• Spezifikation und Modellerstellung: Erstellung von Systemarchitekturen; Umwandlung von Text zu Modell und Modell zu Text; Visualisierung von Abhängigkeiten
• Qualitätsanalyse: Konsistenz- und Genauigkeitsprüfung; Standardisierung; Abhängigkeitsanalyse; Fehlerquellenprognose; Bewertung von Designalternativen
• Konfigurationsmanagement: Identifizieren von Konfigurationselementen; Erstellung von CM-Plänen; Unterstützung des Baseline-Managements
• Patentmanagement: Patentrecherche; Klassifizierung; Zusammenfassung
• Innovationsmanagement: Identifikation von Trends; Start-up-Scouting; Bewertung und Konsolidierung von Ideen

Um alle von unserem Team identifizierten Use Cases kennen zu lernen, lade ich Sie ein, mit uns in Kontakt zu treten.

Ein anschauliches Beispiel ist der Use Case Patentmanagement: GenAI kann in diesem Bereich verschiedene Prozesse unterstützen, darunter Patentsuche, Klassifizierung, Analyse des Patentumfelds, Erstellung von Zusammenfassungen, Entwurfsassistenz und Übersetzungen. Der Zugang zu internen und externen Patentinformationen ist hierfür unerlässlich. Durch den Einsatz großer Sprachmodelle (Large Language Models, LLMs) und Methoden der natürlichen Sprachverarbeitung wie Konzept-Mapping und semantische Suche kann die Effizienz erheblich gesteigert werden.

Echter Mehrwert durch kluges Use Case Assessment

Angesichts begrenzter Ressourcen und Zeit ist es für Unternehmen entscheidend, die Use Cases zu identifizieren, die für Ihre Organisation den größten Wert bieten. Unser Bewertungsmodell fokussiert sich auf drei zentrale Kriterien:

• Effizienzpotenzial: Wie beeinflusst der Use Case den Produktentwicklungsprozess? Wichtige Faktoren sind Zeitersparnis, Kostenreduktion und Produktivitätssteigerung.
• Machbarkeit: Ist der Use Case realistisch umsetzbar? Hierbei spielen Datenverfügbarkeit, Technologie-Readiness und regulatorische Rahmenbedingungen eine wesentliche Rolle.
• Aufwand: Wie hoch ist der Ressourcenaufwand für die Implementierung des Use Cases, einschließlich Zeit und Fachwissen?

Diese strukturierte Bewertung ermöglicht es, sich auf die vielversprechendsten Use Cases zu konzentrieren, die sowohl hohe Machbarkeit als auch signifikante Effizienzpotenziale bieten. Beispiele hierfür sind die GenAI-gestützte Unterstützung bei der Anforderungsbewertung sowie verwandte Testpläne und Testfälle.

Fazit

Die digitale Transformation der Automobilindustrie ist im vollen Gange, und KI spielt eine zentrale Rolle in diesem Prozess. Bei NTT DATA arbeiten wir mit unseren Kunden auf diesem Weg zusammen und unterstützen sie bei der Nutzung der Chancen, die KI in der Produktentwicklung bietet.

Wir laden Sie ein, unser Proof-of-Value-Angebot in Betracht zu ziehen. Dieses Angebot ermöglicht Ihnen, praktische Erfahrungen mit Ihren priorisierten Use Cases in einer vorkonfigurierten Cloud-Umgebung zu sammeln.

Wie könnte Ihr Unternehmen von generativer KI profitieren? Zögern Sie nicht, uns für weitere Informationen über unsere KI-Lösungen für die Produktentwicklung zu kontaktieren.