Der umfassende Leitfaden zum Produktlebenszyklusmanagement

Es gibt in jeder großen technologischen Veränderung einen Moment, in dem die frühen Anzeichen aufhören, bloße Anzeichen zu sein und zur Realität werden. Ich glaube, diese Schwelle haben wir mit Künstlicher Intelligenz überschritten, insbesondere mit dem, was jetzt als Agentic AI bezeichnet wird.

Die meiste Zeit des letzten Jahrzehnts war KI etwas, das wir als Werkzeug nutzten. Wir gaben ihr Prompts. Wir stellten ihr Fragen. Wir staunten, was sie produzieren konnte, wenn wir die richtige Frage stellten. Aber diese Sichtweise, KI als hochentwickelter Assistent, veraltet mit bemerkenswerter Geschwindigkeit.

Agentic AI wartet nicht darauf, gefragt zu werden. Sie verfolgt Ziele, führt Pläne aus, koordiniert Werkzeuge und passt sich an veränderte Bedingungen an, alles mit begrenzter menschlicher Intervention. Die Verschiebung von reaktiver zu proaktiver KI ist im Konzept subtil, aber in ihren Konsequenzen enorm.

‍

Was „Agentic“ tatsächlich bedeutet

Ich möchte hier präzise sein, denn dieser Begriff wird oft zu locker verwendet. Ein agentisches KI-System zeichnet sich durch fünf Merkmale aus:

• ‍Zielorientierung: es arbeitet auf ein Ziel hin, nicht nur auf eine einzelne Antwort.‍
• Mehrstufiges Denken: es plant Handlungsabfolgen, nicht nur das nächste Wort.
• Werkzeugeinsatz: es ruft APIs auf, fragt Datenbanken ab, löst Workflows aus.
• Gedächtnis und Kontext: es behält den Zustand über Interaktionen hinweg bei.
• Anpassungsfähigkeit: es reagiert auf sich ändernde Bedingungen, ohne neu aufgefordert zu werden.

Der praktische Unterschied ist eklatant. Anstatt eine KI zu bitten, eine Marktanalyse zu entwerfen, beauftragen Sie einen Agenten, einen Markt kontinuierlich zu überwachen, Trends zu synthetisieren und Sie zu alarmieren, wenn Handlungsbedarf besteht. Anstatt die Beschaffung manuell zu koordinieren, setzen Sie einen Agenten ein, der den Lagerbestand verfolgt, Lieferanten identifiziert, Preise validiert und innerhalb definierter Grenzen automatisch Bestellungen ausführt.

KI hat früher unsere Fragen beantwortet. Jetzt beginnt sie, unsere Arbeit zu erledigen.

‍

Warum jetzt? Der Zeitpunkt der Konvergenz

Mehrere Faktoren laufen 2026 zusammen, um Agentic AI erstmals im Unternehmensmaßstab praktikabel zu machen. Große Sprachmodelle verfügen nun über zuverlässige mehrstufige Argumentation. Orchestrierungs-Frameworks zur Koordination mehrerer Agenten sind ausgereift. Low-Code-Plattformen wie Mendix haben die Hürde für den Aufbau agentischer Systeme drastisch gesenkt. Und der Business Case wird unübersehbar.

‍

Das Risiko des Abwartens und das Risiko des Übereilens

Ich möchte beide Seiten dieses Bildes ehrlich beleuchten, denn die Datenlage ist differenziert. Ja, die Einführung beschleunigt sich dramatisch. Doch Gartner warnt auch, dass mehr als 40 % der agentischen KI-Projekte bis 2027 Gefahr laufen, eingestellt zu werden, aufgrund steigender Kosten, unklarem Geschäftswert und unzureichender Governance.

Dies ist kein Grund zum Zögern. Es ist ein Grund, überlegt zu handeln. Die Unternehmen, die erfolgreich sein werden, sind nicht diejenigen, die als Erste handeln. Es sind diejenigen, die Geschwindigkeit mit Struktur verbinden. Diejenigen, die verstehen, was sie bauen, warum und wie sie es steuern können.

Bei CLEVR setzen wir agentische KI in der Produktion in den Bereichen Fertigung, Finanzdienstleistungen, Gesundheitswesen, Versorgungsunternehmen und Einzelhandel ein. Und die konstanteste Erkenntnis bei jeder Implementierung ist diese: Die Technologie ist selten der Engpass. Der Workflow, die Governance und die Menschen sind es meistens.

Die Frage ist nicht mehr, ob man Agentic AI einführen soll. Es ist vielmehr, wie man dies mit der Struktur und Sorgfalt tut, die einen Technologietrend in eine nachhaltige Geschäftsfähigkeit verwandelt.

‍

Was diese Serie behandelt

In den nächsten vier Wochen werde ich die Bausteine einer unternehmensreifen agentischen KI-Strategie untersuchen. Die Rolle von Workflows, wie sich Mendix zu einer Agenten-Orchestrierungsplattform entwickelt hat, was agentische KI speziell für PLM-, ERP- und CRM-Umgebungen bedeutet und die Change-Management-Disziplinen, die eine nachhaltige Einführung ermöglichen.

Diese Serie richtet sich gleichermaßen an Technologie- und Geschäftsleiter, denn der agentische Übergang ist kein Technologieprogramm. Es ist eine geschäftliche Transformation.

Fünf Wochen. Fünf Beiträge. Ein praktischer Leitfaden zum Aufbau des KI-gestützten Unternehmens, ohne das Bewährte zu zerstören.

Bleiben Sie dran und teilen Sie sie mit einem Kollegen, der diesen Übergang meistert.

‍

Artikel ursprünglich veröffentlicht hier.

Die Unterschiede zwischen CAM-Systemen liegen nicht mehr darin, was sie können, sondern darin, wie effizient, vorhersehbar und automatisiert die Produktion mit ihnen abläuft.

Bei der Suche nach einer CAM-Lösung konzentriert sich die Diskussion oft stark auf technische Details. Unterstützt die Software Fräs-, Dreh- oder Multitasking-Maschinen? Sind Postprozessoren verfügbar? Ist die Benutzeroberfläche leicht zu erlernen?

Das sind immer noch relevante Fragen, aber ehrlich gesagt, differenzieren sie Lösungen nicht mehr. Fast alle modernen CAM-Systeme können die gleichen grundlegenden Aufgaben bewältigen. Die eigentliche Frage ist nicht mehr, was die Software kann, sondern wie effizient und vorhersehbar die Produktion mit ihr funktioniert.

In vielen Werkstätten ist die CAM-Programmierung immer noch weitgehend eine individuelle Leistung. Dies ist tatsächlich eine ziemlich universelle Herausforderung in vielen Branchen. Ein erfahrener Programmierer kann Aufgaben schnell erledigen, aber gleichzeitig steigt die Abhängigkeit von dieser Person. Wissen bleibt in den Köpfen der Menschen und skaliert nicht. Dies wird sichtbar, wenn die Arbeitslast steigt oder neue Mitarbeiter hinzukommen. In einem modernen Umfeld sollte dies kein akzeptabler Ausgangspunkt mehr sein.

‍

Geführte Prozesse

CAM-Software sollte die Programmierung zu einem geführten und wiederholbaren Prozess machen, nicht zu manueller Arbeit. Wenn Geometrien automatisch erkannt und Bearbeitungsstrategien auf der Grundlage von Regeln und „Best Practices des Unternehmens“ ausgewählt werden, verlagert sich die Programmierung von einer individuellen Aufgabe zu einer organisatorischen Fähigkeit. An diesem Punkt sprechen wir von Produktivität, nicht nur von einem Werkzeug.

In der Praxis erkennt die Software typische Merkmale im Modell, wie Bohrungen und Taschen, und weist automatisch Werkzeuge und Schnittparameter auf der Grundlage vordefinierter Praktiken zu. PMI-Daten, wie Toleranzen und Oberflächengüte, leiten die Auswahl der richtigen Bearbeitungsstrategie. Zum Beispiel können Bohrungen mit engeren Toleranzen durch Reiben fertigbearbeitet werden, um den erforderlichen Toleranzbereich zu erreichen. Dies reduziert manuelle Arbeit und verlagert den Fokus des Programmierers auf Bereiche, in denen die Automatisierung noch nicht anwendbar oder nicht ausreichend ist.

Ein weiteres oft unterschätztes Thema ist die Beziehung zwischen CAD und CAM. In vielen Unternehmen arbeiten diese immer noch getrennt, obwohl sie es nicht sollten. Wenn Modelle zwischen Systemen übertragen werden, entstehen Lücken, und Datenübersetzungen können das Modell beeinträchtigen. Änderungen werden nicht aktualisiert, Fehler treten auf und Zeit wird verschwendet. Wenn CAM in derselben Umgebung wie die Konstruktion arbeitet, ändert sich die Situation erheblich. Die Programmierung kann beginnen, bevor die Konstruktion abgeschlossen ist, und Änderungen werden automatisch aktualisiert. Dies ist nicht nur eine Annehmlichkeit, sondern wirkt sich direkt auf Lieferzeiten und Fehlerquoten aus. In der Praxis geht es darum, die Dinge einmal richtig zu machen, anstatt sie mehrfach zu korrigieren.

‍

Die Bedeutung der Simulation

Die Simulation ist ein weiteres Thema, das oft erwähnt wird, dessen Bedeutung aber nicht immer vollständig verstanden wird. Das bloße Visualisieren einer Werkzeugbahn zeigt nicht, was die Maschine tatsächlich tun wird. Wenn die Simulation nicht auf NC-Code und realer Maschinenkinematik basiert, bleibt Unsicherheit bestehen. Eine moderne CAM-Lösung sollte es ermöglichen, das Programm digital auszuführen, bevor es an die Maschine gesendet wird. Wenn die Simulation auf postprozessiertem NC-Code basiert und bis zur Steuerungsebene reichen kann, beginnen die digitale und die physische Welt übereinzustimmen. Kollisionen, Fehler und sogar Zykluszeiten können im Voraus bewertet werden. In der Praxis bedeutet dies, dass nicht mehr an der Maschine getestet wird, sondern die Produktion wie geplant beginnen kann.

Postprozessoren waren traditionell eines der größten Anliegen, doch gleichzeitig wird ihre Bedeutung oft unterschätzt. Die Diskussion konzentriert sich leicht auf CAM-Softwarefunktionen und darauf, was programmiert werden kann. In Wirklichkeit ist CAM nur so gut wie seine Postprozessoren. Die Programmierung kann reibungslos sein und die Benutzeroberfläche einfach zu bedienen, aber wenn der postprozessierte NC-Code die Maschine nicht korrekt steuert, hat das Programm selbst keinen wirklichen Wert.

Im schlimmsten Fall führt ein schlechter oder falscher Postprozessor zu falschen Maschinenbewegungen, geringerer Qualität oder sogar zu Werkzeug- und Maschinenschäden. Aus diesem Grund sollte der Postprozessor nicht als einzelne technische Komponente, sondern als kritischer Bestandteil des gesamten Fertigungsprozesses betrachtet werden. Entscheidend ist nicht nur, dass Postprozessoren verfügbar sind, sondern wie sie als Teil der Gesamtlösung verwaltet, entwickelt und validiert werden.

Hier wird die NC-Simulation besonders wichtig. Wenn der postprozessierte Code digital mit Maschinenkinematik und sogar Steuerungsebene validiert werden kann, ist es möglich, sicherzustellen, dass das Programm korrekt funktioniert, bevor es die Maschine erreicht. Das bedeutet, nicht nur die Werkzeugbahn, sondern den gesamten Bearbeitungsprozess zu validieren. Im besten Fall beschleunigt dies die Inbetriebnahme neuer Maschinen und reduziert die Produktionsrisiken erheblich.

‍

Die Anzahl der Achsen

Bei der Diskussion technischer Fähigkeiten dreht sich das Gespräch immer noch oft um die Anzahl der Achsen. Es ist festzuhalten, dass moderne CAM-Lösungen verschiedene Maschinentypen und Bearbeitungsmethoden recht breit abdecken, vom einfachen Fräsen und Drehen bis hin zu fortschrittlichen Mehrachs- und Multitasking-Maschinen. Dies ist jedoch nicht mehr die erste Diskussion, die geführt werden sollte.

Ob die Software 5-Achsen-Bearbeitung unterstützt, wie viele Kanäle gleichzeitig laufen können und so weiter, sind berechtigte Fragen, aber sie definieren nicht die alltägliche Effizienz. Die meisten Bearbeitungen sind immer noch 3-Achsen- oder 3+2-Achsen-Bearbeitungen, und die kontinuierliche 5-Achsen-Bearbeitung wird dort eingesetzt, wo sie wirklich einen Mehrwert bietet. Wichtig ist nicht, was möglich ist, sondern wie einfach und zuverlässig die gängigsten Aufgaben erledigt werden können. Wenn die Programmierung viel manuelle Arbeit und Anpassungen erfordert, nehmen die Fehler zu. Wenn das System den Benutzer unterstützt und führt, wird das Ergebnis konsistenter und vorhersehbarer.

‍

KI kommt

Künstliche Intelligenz ist die neueste Ergänzung in CAM-Diskussionen, und es ist nicht mehr nur Marketing-Gerede. Ihr Wert liegt nicht darin, alles für Sie zu erledigen, sondern den Benutzer in den richtigen Momenten zu unterstützen. Wenn das System aus dem Benutzerverhalten lernt und nächste Schritte oder Parameter vorschlägt, wird die Arbeit schneller, ohne die Kontrolle zu verlieren. Gleichzeitig werden die Arbeitsweisen standardisierter. Je mehr das System genutzt wird, desto besser wird es. Dies ist eine der effektivsten Möglichkeiten, die Abhängigkeit von individuellem Fachwissen zu reduzieren.

Eine der bedeutendsten Veränderungen der letzten Jahre ist, dass CAM kein eigenständiges Werkzeug mehr ist. Es ist Teil eines größeren Ökosystems, das Produktdatenmanagement, Produktionssteuerung und die gesamte Fertigungsprozessplanung umfasst. Wenn dieselben Daten durch die gesamte Kette von der Konstruktion bis zur Produktion und zurück fließen, entsteht Transparenz. Wenn dies mit Produktionsdaten und Analysen kombiniert wird, geht es über die reine Sichtbarkeit hinaus. Engpässe können identifiziert, Prozesse optimiert und Entscheidungen auf der Grundlage von Daten statt Annahmen getroffen werden. Im besten Fall kann das System Erkenntnisse liefern, die Einzelpersonen oder Organisationen sonst nicht sehen würden.

Dies ist nicht nur für große Unternehmen relevant. Immer mehr kleinere Unternehmen profitieren von einem kontrollierten Prozess anstelle einer Sammlung separater Werkzeuge. Die Maschinen selbst haben sich nicht in gleicher Weise verändert – Dreh- und Fräsmaschinen tun immer noch das, wofür sie ursprünglich konzipiert wurden. Ihr Wert ergibt sich aus ihren technischen Fähigkeiten und ihrer Steuerung, aber die Entwicklung vollzieht sich schneller in Software und digitalen Werkzeugen.

Die Digitalisierung ist keine Wahl mehr, sondern eine Notwendigkeit, um wettbewerbsfähig zu bleiben. Unabhängig von der Unternehmensgröße gilt die gleiche Regel: Wer Daten nutzen und seine Prozesse verbinden kann, wird diejenigen übertreffen, die dies nicht können.

‍

Mehr als eine Software-Entscheidung

Die Wahl eines CAM-Systems ist nicht mehr nur eine Software-Entscheidung. Es ist eine Entscheidung darüber, wie weit Sie Ihre Produktion voranbringen möchten. Nicht jede Lösung ist für jeden geeignet, und das muss sie auch nicht sein. Für eine einfachere Produktion kann eine leichtere Lösung ausreichen. Doch wenn Teile, Maschinen und Prozesse anspruchsvoller werden, gewinnt die Gesamtlösung an Bedeutung. Dort zeigen sich die wahren Unterschiede zwischen den Systemen.

‍

Ursprünglich veröffentlicht hier.

Hersteller komplexer Produkte stehen zunehmend unter dem Druck, Nachhaltigkeit und Rentabilität in Einklang zu bringen. Inmitten globaler, kohlenstoffintensiver Lieferketten, die immer noch stark von fossilen Energien und ressourcenintensiven Produktionsprozessen abhängig sind, müssen sie die CO2-Emissionen reduzieren und die sich schnell entwickelnden Nachhaltigkeitsvorschriften einhalten. Und das alles unter Wahrung der Margen.

Bei komplexen Produkten mit Tausenden von Komponenten haben Konstruktionsentscheidungen erhebliche Auswirkungen auf die Kosten und den CO2-Fußabdruck. Doch genau hier fehlt es den meisten Fertigungsunternehmen an den notwendigen Erkenntnissen, um selbstbewusst handeln zu können.

Die meisten wichtigen Entscheidungen werden zu früh und zu blind getroffen

Trotz erheblicher Investitionen in PLM, CAD und MOMSystems Kosten- und Nachhaltigkeitsinformationen sind nach wie vor unzusammenhängend aus alltäglichen technischen Entscheidungen. In der Praxis wird die Kostenrechnung immer noch über fragmentierte Excel-Modelle mit begrenzter Rückverfolgbarkeit verwaltet, während Nachhaltigkeit oft als nachgelagerte Berichterstattung behandelt wird und nicht als Input, der aktiv die Konstruktionsentscheidungen beeinflusst.

Das hat zur Folge, dass Teams zu kostspieligen Neugestaltungszyklen gezwungen sind, die Entscheidungsfindung durch manuelle Übergaben zwischen Technik, Finanzen und Betrieb verlangsamt wird, und kritisches Wissen bleibt fragmentiert. Bei CLEVR sehen wir das ständig. Sowohl die Störung des täglichen Betriebs, die all dies für die Hersteller mit sich bringt, als auch die deutliche Veränderung auf dem Markt.

Kunden suchen zunehmend nach Transparenz in Bezug auf Kostenstrukturen und Umweltauswirkungen und entfernen sich allmählich davon, PLM-, MOM- und CAD-Systeme als eigenständige Endziele zu betrachten. Es besteht eine wachsende Erwartung, dass digitale Plattformen sollten echte Geschäftsentscheidungen aktiv unterstützen, und genau dafür sind wir jetzt besser aufgestellt.

Von Aufzeichnungssystemen zu Entscheidungssystemen

In der Praxis arbeiten die meisten Organisationen immer noch im Berichtsmodus. Kostenberechnungen basieren in der Regel auf Schätzungen der Material-, Arbeits-, Werkzeug- und Lieferantenpreise, während Nachhaltigkeitskennzahlen häufig auf Benchmark- oder Referenzdaten beruhen. Zum Zeitpunkt der Erstellung dieser Zahlen stehen wichtige Konstruktionsentscheidungen bereits fest, sodass die Hersteller gezwungen sind, entweder niedrigere Margen in Kauf zu nehmen oder zur Konstruktionsphase zurückzukehren und das Produkt zu überarbeiten.

Mit der Hinzufügung von ET Advisory können diese Erkenntnisse nun eingebettet werden direkt in den Produktlebenszyklus, und definieren neu, wie Entscheidungen getroffen werden. Indem Sie eine Verbindung herstellen Kosten- und CO2-Daten Wir orientieren uns direkt an der sich ändernden Stückliste und stimmen technische Entscheidungen mit den Produktionsrealitäten und den Angaben unserer Lieferanten ab.

Gleichzeitig erweitern wir dies um ein tieferes Verständnis dafür, wie Produkteigenschaften, Leistung und Marktdynamik das Preis- und Margenpotenzial beeinflussen. Auf diese Weise können Unternehmen nicht nur verstehen, was ein Produkt kosten sollte, sondern auch, wie es auf dem Markt positioniert werden sollte.

Insbesondere können Fertigungsteams:

• Definieren und kontrollieren Sie Kostenziele von den frühesten Entwurfsphasen an über Design-to-Cost- und Target-Costing-Ansätze
• Erstellen Sie genaue Bottom-up-Kostenmodelle auf der Grundlage von Produktstrukturen, Materialien und Herstellungsverfahren
• Beurteilen Sie die Rentabilität über den gesamten Produktlebenszyklus hinweg mithilfe einer szenariobasierten Analyse von Margen und Investitionen
• Stärken Sie die Beschaffung durch faktengestützte Lieferantenverhandlungen durch Einkaufspreisanalysen und Sollkostenkalkulationen
• Schaffen Sie transparente und wettbewerbsfähige Preisstrukturen, die sowohl die Kostentreiber als auch die Marktdynamik widerspiegeln
• Optimieren Sie Ihre Investitionen in Werkzeuge und Fertigung mit detaillierten Einblicken in die Werkzeugkosten

‍

Anstatt mit statischen Schätzungen zu arbeiten, können Teams Modellieren Sie Produktkosten und Emissionen auf Komponenten- und Baugruppenebene, simulieren verschiedene Konstruktions-, Material- und Herstellungsszenarien und verstehen, wie sich diese Entscheidungen sowohl auf die Kosten als auch auf die Marktpositionierung auswirken.

Ein einheitlicher digitaler Thread für Technik, Kosten und Nachhaltigkeit

Mit der Hinzufügung von ET Advisory entwickelt sich CLEVR weiter von einem Implementierungspartner zu einem echten Entscheidungsträger.

Durch das Aktivieren Einblicke in Technik, Beschaffung und Finanzen Während des gesamten Produktlebenszyklus können wir Unternehmen dabei unterstützen, mit denselben Daten zu arbeiten, Kompromisse frühzeitig zu bewerten und fundierte Entscheidungen zu treffen, um einen dynamischen und umsetzbaren Überblick über Produktkosten, Fußabdruck und Wert zu erhalten. Dies ist besonders wichtig für Branchen wie Automobil-, Industriemaschinen, Schwermaschinen und Verteidigung, wo die Produktkomplexität vollständige Prozesstransparenz und Vertrauen erfordert, um zeitnahe, datengestützte Entscheidungen zu treffen.

Aufbauend auf unserer Expertise in den Bereichen PLM, Low Code, Data Science und KI binden wir spezielle Fachkenntnisse in den Bereichen Kosten und Nachhaltigkeit direkt in unser Bereitstellungsmodell ein und stellen so sicher, dass diese Erkenntnisse nicht nur verfügbar sind, sondern auch aktiv in Engineering- und Geschäftsprozessen genutzt werden.

Für Kunden bedeutet dies eine grundlegend andere Arbeitsweise. Sie können wertorientierte Anwendungsfälle wie Designoptimierung, Lieferantenverhandlungen, Planung neuer Programme, globale Beschaffungsentscheidungen und Tool-Benchmarking sowie preisorientierte Anwendungsfälle wie erste Preisfindung, Lieferantenkonsolidierung und Portfoliobereinigung nutzen, um nur einige zu nennen.

CLEVR: Wir gestalten die vernetzte Zukunft des digitalen Engineerings

Mit der Hinzufügung von ET Advisory CLEVR ist besser positioniert, um Kunden in den Benelux-Ländern, der DACH-Region und den nordischen Regionen nicht nur dabei zu helfen, ihr digitales Rückgrat aufzubauen, sondern es auch aktiv zu nutzen, um Kosten, Nachhaltigkeit und Produktergebnisse zu steigern.

Auf diese Weise entwickeln sich bestehende Siemens-Investitionen von Aufzeichnungssystemen zu Entscheidungsmaschinen. Und CLEVR treibt diesen Wandel voran und ermöglicht es Unternehmen, von reaktiven Entscheidungen zur Entwicklung kosteneffizienter, konformer und nachhaltiger Produkte überzugehen.

‍