Erkenntnisse aus der Werkshalle: Ein Blick auf die Engineering - Krise in der Automobilindustrie
Wir bei Gottlieb haben vor kurzem eine umfassende Reihe von Interviews mit Engineering - Führungskräften aus der gesamten Automobilindustrie abgeschlossen, darunter Experten von Giganten wie Mercedes - Benz, BMW, Bosch und Volkswagen.Unser Ziel war einfach: weg von allgemeinem "Digitalisierungsgerede" und hin zur Identifizierung der präzisen, systemischen Fehler, die eine spezialisierte KI einzigartig lösen kann.
Der Konsens war eindeutig: Der bedeutendste Wert einer KI - Lösung liegt nicht in einer einfachen Produktivitätssteigerung, sondern in der Minderung katastrophaler Risiken und der Integration der fragmentierten, proprietären Daten der Branche.
Hier sind die drei Kernprobleme, die von den Engineering - Leitern identifiziert wurden und eine fokussierte KI - Lösung erfordern:
Die Krise der Wissensbewahrung
Das Wissen erfahrener Experten – das "Tribal Knowledge", das für Nischenbereiche wie Gießerei und Formguss unerlässlich ist – ist selten, altert und wird nicht systematisch dokumentiert.Wenn diese Experten in den Ruhestand gehen oder das Unternehmen verlassen, verschwindet kritisches Know - how.Ein Risiko, das ein Senior - Experte als eine der größten Bedrohungen für das Engineering heute identifiziert hat.Das Problem ist das Fehlen eines zuverlässigen Prozesses, um diktierte Audioaufnahmen ihrer Diagnose - Workflows und Entscheidungsrahmen in eine strukturierte, wiederverwendbare Wissensbasis zu verwandeln.
Der Albtraum von Datenfragmentierung und Konsistenz
Ingenieure werden durch das Fehlen einer "Single Source of Truth" gelähmt.Entscheidende Informationen – CAD - Modelle, Anforderungen, Testberichte und Beschaffungsdaten – befinden sich in separaten, voneinander getrennten Unternehmenssystemen(PLM, Doors, SharePoint, SAP).
Das Ergebnis ist ein direkter Weg zum Scheitern: Die Sicherstellung, dass kritische Metadaten(wie Materialgüte, Teilenummer oder Sicherheitsklasse) ist konsistent über alle zugehörigen Systeme hinweg, wird zu einer risikoreichen, manuellen Aufgabe, an der interne IT - Teams in der Vergangenheit regelmäßig gescheitert sind.
Die Kosten von Unsicherheit und späten Änderungen
Über alle Rollen hinweg betonten die Ingenieure, dass eine KI, die 100 % Konformität mit komplexen globalen Vorschriften(z.B.Kopfaufprallkriterien, Entflammbarkeit, GD & T) garantiert, wertvoller ist als eine, die eine einfache 20 % ige Reduzierung der F & E - Zeit bietet.
Warum ? Fehler bei risikoreichen Aufgaben wie der finalen Freigabe oder dem Werkzeugdesign können zu katastrophalen Bandstillständen, Produktrückrufen und millionenschweren Bußgeldern führen.Da die Kosten für eine Konstruktionsänderung zudem exponentiell steigen, je später sie erfolgt, wird der höchste Wert dadurch erzielt, dass potenzielle Probleme bereits in den ersten 10 % der Designphase aufgezeigt werden – bekannt als **Upfront R & D Concept Framing **.
Das Gottlieb MVP: Die härtesten Probleme der Branche lösen
Um diese Schmerzpunkte anzugehen – an denen bestehende PLM -, CAD - und ERP - Systeme konsequent gescheitert sind – konzentrieren wir unser Minimum Viable Product(MVP) auf drei strategische Bereiche.Diese Fokusthemen orientieren sich an den wichtigsten Werttreibern(Risikominderung) und nutzen unsere Kernkompetenz: systemübergreifende Datenintegrität und die Erfassung von Expertenwissen.
1. Upfront Regulatory & Compliance Co - Pilot
Begründung: Dies adressiert direkt den Bedarf an 100 % Gewissheit und Risikominderung.Das Tool führt eine obligatorische, automatisierte Prüfung eines Entwurfs gegen eine spezifische, komplexe Vorschrift(z.B.Kopfaufprallkriterien) vor dem Design - Freeze durch und eliminiert so risikoreiche, millionenschwere Fehler.
2. "Digitaler Chefingenieur" – der Datenintegrator
Begründung: Dies zielt auf die größte Datenherausforderung ab: Fragmentierung.Es verknüpft und validiert zuverlässig die Konsistenz einer einzelnen Teilenummer über 3 - 4 kritische, unterschiedliche Systeme hinweg(z.B.CAD, PLM, Anforderungen, ERP).Der Kernwert liegt in der Fähigkeit, die Integrität dieser systemübergreifenden Daten zu verarbeiten und sicherzustellen.
3. Audio - zu - Strukturierte - Prozess - Pipeline
Begründung: Dies löst die Krise der Wissensbewahrung und schafft einen proprietären Datenvorteil.Es konvertiert kurze, diktierte Audioaufnahmen von Senior - Experten über komplexe Fehlermodi oder Montage - Workarounds in strukturierte, durchsuchbare Prozessrahmen, die sofort indexiert und von Nachwuchsingenieuren wiederverwendet werden können.
Durch die Priorisierung der nahtlosen Integration in bestehende Kernsysteme wie CAD(CATIA) und PLM ist Gottlieb so konzipiert, dass es obligatorisch ist, nicht nur optional.
Wir bauen das KI - System, das Gewissheit garantiert, integriert unterschiedliche Daten und implizites Wissen in handfeste, maschinenlesbare Regeln transformiert – die grundlegenden Herausforderungen, die über den Erfolg eines Automobilprogramms entscheiden.
