Munich PLM etabliert sich als fester Treffpunkt der PLM-Branche

Wie AI und PLM einander helfen können
In den Keynotes des Munich PLM Symposiums vermisste man einen direkten Bezug zum Leitthema der diesjährigen Veranstaltung. Eigentlich schade, denn AI ist einer der Technologie-Trends, der in der Industrie sehr hohe Erwartungen weckt, wie Dr. Jan Gudat von Ernst & Young in seinem Vortrag erläuterte. Einer jüngsten Studie der Marktforscher zufolge betrachten 57 Prozent der befragten Unternehmen diesen Trend als wichtig oder sehr wichtig für ihr Geschäftsmodell. Die Verfügbarkeit riesiger Datenmengen, die zunehmende Rechenleistung und die Entwicklung ausgefeilter Algorithmen hätten der AI zum Durchbruch verholfen, führte Gudat weiter aus, der zahlreiche Beispiele für bereits genutzte AI -Anwendungen aus allen Phasen in der Wertschöpfungskette anführte.

Gudat verschwieg aber auch die Herausforderungen nicht: Die AI-Technologie entwickele sich schneller als die Gesetzgebung, mit der Breite der Anwendung nähmen die Risiken zu, die zunehmende Interaktion mit anderen Technologien könne zu unvorhersehbaren und nicht nachvollziehbaren Ergebnissen führen und die Nutzung von AI als SaaS-Anwendung verschleiere Einflüsse von außen auf das Unternehmen. Außerdem könne AI erhebliche soziale und rechtliche Folgen für die Verteilung des Wohlstands, den Schutz der Privatsphäre, die Datensicherheit und die Haftung für maschinelle Entscheidungen ohne menschliche Interaktion haben.

Kognitive Systeme würden ungeahnte Fähigkeiten entwickeln dadurch dass sie unstrukturierte Daten verstehen, daraus Schlüsse ziehen und lernen und mit Menschen in einer natürlichen Weise interagieren, sagte Hans Windpassinger von IBM, der in seinem Vortrag auf die Wechselwirkung zwischen AI und PLM einging. Er nannte drei Beziehungsebene. Zum einen sei AI zwischen Bestandteil viele Produkte, so dass sich die Frage stelle, ob und wie PLM die riesigen Mengen an unstrukturierten Daten verwalten könne. Zweitens stelle sich die Frage, wie AI die PLM-Technologie unterstützen könne, z.B. durch die semantische Auswertung von unstrukturierten Texten wie Kundenanforderungen oder Reklamationen. Und auf der dritten Ebene gehe es um die Frage, wie PLM AI-basierte Systeme durch die Bereitstellung von Produktinformationen für den jeweiligen Anwendungsfall unterstützen könne. PLM müsse mehr tun, um bereit für die AI zu werden, und die AI müsse anfangen, PLM als Wissensdomäne ernst zu nehmen, meinte Windpassinger mit Hinweis auf eine IBM-Studie, der zufolge die Automobilindustrie bereit für den Einsatz kognitiver Technologien ist.

Die anschließenden Vorträge von Vertretern der PLM-Hersteller Aras, PTC und Dassault Systèmes machten deutlich, dass sich die PLM-Anbieter schon intensiv mit der Frage auseinandersetzen, wie sie mit Hilfe von AI bzw. AI-basierten Expertensystemen mehr aus ihren Daten machen können. Ralf Laudenbach von Aras unterstrich zugleich die Bedeutung von PLM für AI: Ohne den geeigneten Kontext sind auch die besten Machine Learning-Algorithmen nicht in der Lage, Daten in Wissen zu verwandeln. Diese Kontext-Informationen verbergen sich heute in getrennten Engineering- und Manufacturing-Silos, was ihre kombinierte Nutzung erschwert.

Daten vernetzten statt Systeme integrieren
Wie Automobilhersteller Daimler dieses Dilemma durch die Vernetzung der IT-Systeme über einen Daten Layer zu lösen versucht, erläuterte Sebastian Dörr von CONWEAVER den Teilnehmern. Die Lösung ist nach einer knapp einjährigen Pilotphase im Mai dieses Jahres für acht Datensysteme und einen überschaubaren Nutzerkreis von 300 Anwendern freigeschaltet worden. Die Idee ist, nur die Daten in das Informationsnetz zu ziehen, die für die jeweiligen Anwendungsfälle benötigt werden, wie Dörr weiter sagte. Im nächsten Schritt sollen noch mehr Cockpits für die unterschiedlichen Anwendergruppen und mehr individuelle Konfigurationsmöglichkeiten geschaffen werden.

Viele Vorträge auf dem Munich PLM Symposium machten deutlich, dass sich die Rolle von PLM unter dem Einfluss der digitalen Transformation verändert – vom Product zum modellbasierten Systems Lifecycle Management. Die Gewichtung verschiebt sich von der konsistenten Verwaltung der Produktdaten zur anwendergerechten Bereitstellung bestimmter Teilumfänge digitaler Mastermodelle, die als digitale Zwillinge den weiteren Lebenszyklus begleiten. Ob wir in dieser modellbasierten Welt die Stückliste noch brauchen, war einer der Diskussionspunkte im Anschluss an den Vortrag von Dr. Timo Wekerle von PROSTEP über modellbasiertes PLM-Architektur-Management, der auf der nächsten Munich PLM vertieft zu werden verdient. Wann sie stattfindet steht noch nicht fest. Termin und Thema wird der Beirat festlegen, dem seit kurzen auch die PLM-Hersteller Aras und Dassault Systèmes angehören.