Aus Co-Piloten werden KI-Agenten: Agentic AI könnte Entwicklungsprozesse in der Automobilindustrie neu ordnen. Entscheidend ist, ob Unternehmen ihre Daten, Tools und Expertise sinnvoll verknüpfen.
Christof HornChristofHorn
Vom klassischen Engineering zum AI-first-Workflow: Dr. Christof Horn von Accenture sieht in Agentic AI große Chancen für die Automobilindustrie – vorausgesetzt, KI wird mit fundierter Automotive-Expertise verbunden.Christof Horn / Accenture
Anzeige
KI ist hungrig nach Daten und sucht nach Wertschöpfung. Währenddessen
macht die Automobil-Industrie leise ihre Hausaufgaben: Software wird nach
modernen Methoden entwickelt, IT-Infrastruktur wird automatisiert, alle
Unterlagen sind längst digital, und Brücken verbinden die Tool- und
Daten-Inseln untereinander. Ein idealer Nährboden also für die Algorithmen der Künstlichen
Intelligenz, die längst „Agentic AI“ heißt. Und die immer mehr kann.
In den meisten Einzeldisziplinen – Texte lesen, Objekte
erkennen, Daten analysieren – schlägt KI inzwischen das menschliche Vermögen. Das
von Menschen erzeugte Wissen wurde längst von Algorithmen einverleibt, man
könnte auch sagen: ohne Zustimmung enteignet. Nur die physische 3D-Welt bleibt
noch herausfordernd, denn von ihr gibt es noch keinen digitalen Zwilling, der
einfach einzulesen wäre.
Anzeige
Aus Engineering…
Alle weiteren Fortschritte beruhen aber nicht auf noch mehr
Daten, die sowieso zunehmend von KI-generiertem Müll verseucht sind. Nun geht
es darum, die Modelle effizienter zu machen, Modelle mit faktischen
Datenquellen zu vernetzen, und die Modelle miteinander kommunizieren zu lassen.
Die Open-Source-Plattform OpenClaw zeigt, was dann passiert: Aus dem Chatbot
wird ein Netzwerk von Software-Agenten, die menschenähnlich mit unseren Dateien
und Tools, Mails und Nachrichten hantieren.
Anzeige
Ein Vorgehen, das alle elektrisiert hat und eine Route zu
echter Wertschöpfung und Steigerung der Produktivität jenseits der KI
Co-Piloten aufzeigt. Und die drei Hauptsorgen – Datenschutz, IT-Sicherheit und Prozess-Steuerung
– sind adressiert, wie die schnelle Adaption im NVIDIA-Universum als „NemoClaw“
zeigt.
… wird Promt Engineering
Damit ändert sich für den automobilen Ingenieur alles. Wir
stehen an der Schwelle vom Mensch-zentrierten, von der KI unterstützten
Entwicklungsprozess zu einem „AI first“ Paradigma: Der Mensch beauftragt,
leitet und assistiert KI-Algorithmen, das Vorgehen aber wird von der KI her
gedacht. Und KI geht anders vor. Der Mensch startet ein Tool und bearbeitet das
Werkstück im Tool und exportiert die CAD-Daten. Die Maschine analysiert die
Anforderungen, programmiert sich ein Computer-Skript oder steuert das Tool fern
und generiert die CAD-Daten direkt.
Anzeige
Dennoch braucht es den Menschen in diesem automatisierten
Workflow, und zwar bis auf weiteres. Denn bislang verstehen Algorithmen nicht
besonders viel von dem, was sie tun. Der Begriff des „AI Slop“ macht die Runde:
Die so schnell erzeugten Artefakte strotzen vor Fehlern, unnötigen
Komplexitäten, oder bilden eben die wahrscheinlichste Option ab – aber eben
nicht die richtige.
Neue Rollen
Wie so häufig bilden unsere heutigen Rollen die Vergangenheit
ab. Es gibt Product Owner, Projektmanager, Testingenieure und
Qualitätsverantwortliche, weil Arbeitsteilung und Spezialisierung zwingend
erforderlich waren – niemand konnte alles gleich gut. Das ändert sich nun im
großen Stil, und es ist auch keine Neuigkeit. Wer Word oder Photoshop nutzt,
macht eigenständig die Arbeit von einem ganzen Team damaliger Spezialisten.
Save the Date: AUTOMOBIL-ELEKTRONIK Kongress 2027
Am 22. und 23. Juni 2027 findet zum 31. Mal der Internationale AUTOMOBIL-ELEKTRONIK Kongress (AEK) statt. Dieser Netzwerkkongress ist bereits seit vielen Jahren der Treffpunkt für die Top-Entscheider der Elektro-/Elektronik-Branche.
Wie sehen diese neuen Rollen aus? Das werden wir wohl noch
herausfinden müssen. Denn es gibt eine klare Vorgehensweise: zuvorderst stehen
Kundenwert und Herausforderung, dann die Lösung, dann der Prozess, dann
Organisation und Rollen. Der Fokus auf den Kunden – das Warum – ist daher so
wichtig. Und es bleibt dabei: Ein schlechter Prozess, der mit KI automatisiert
wird, der bleibt ein schlechter Prozess.
Anzeige
Bei der Implementierung von KI hilft daher die Orientierung
an den Wertströmen: Was genau wollen wir eigentlich am Ende erzeugen? Und wie
kommen wir dort am einfachsten hin, wenn wir alle Daten von Anfang an zur Hand
haben?
Der neue automobile
Imperativ: KI birgt größte Chancen– wenn wir sie mit unserer
Automotive-Expertise zusammenbringen.