 |
#digdeep - Neues aus der digitalen WeltAlles zur Digitalisierung aus Wissenschaft und Wirtschaft. Author: Prof. Frauke Kreuter und Dr. Christof Horn Language: de Genres: News, Tech News, Technology Contact email: Get it Feed URL: Get it iTunes ID: Get it |
Listen Now...
Wie bringt man KI ins Engineering, Philipp Noll von Spread.AI?
Episode 134
Wednesday, 2 April, 2025
Daten spielen die zentrale Rolle in der modernen Industrie - nicht nur im Engineering des Produktes selber, sondern auch in Vernetzung der gesamten Prozesskette von R&D, Produktion, Sales und After Sales. Doch noch immer werden Daten als Nebenprodukt der Prozesse betrachtet, und nicht als zentraler Ausgangspunkt. Und so ergeht es ihnen dann auch: Daten sind oft verstreut, unvollständig, inkonsistent oder ohne Kontext. Und sie leben in einer heterogenen Tool-Landschaft - meistens in mehreren hundert IT-Programmen und Datenbanken, die meist nicht durchgängig vernetzt sind. Das Scale-Up Spread.AI hat Lösungen entwickelt, um das zu ändern. An der Stelle von IT Großprojekten setzen sie auf eine intelligente Vernetzung der Daten durch Wissensgraphen und Konnektoren zwischen den verschiedenen IT-Inseln. Wir haben Co-Founder Philipp Noll bei uns im Studio und möchten von ihm wissen, warum Daten das neue Gold für's Engineering sind und welche Chancen sich für Firmen aus der Vernetzung ihrer Datenwelten ergeben. Die Richtung ist klar: Mit der durchgängigen Datenverfügbarkeit öffnet sich die Tür zum breiten Einsatz von AI-Agenten im Engineering. Spread.AI hat dazu eine Plattform entwickelt, mit der sich Aufgaben entlang des Entwicklungsprozesses automatisieren lassen - wir finden: eine spannende Sache! In a nutshell: Unternehmen kämpfen mit der Verfügbarkeit und Integration von Daten. Software-definierte Produkte erfordern durchgängiges Wissen. Datenqualität beeinflusst die Effizienz und Fehlerquote. AI kann helfen, Prozesse zu automatisieren und zu optimieren. Die Transformation in Unternehmen erfordert eine Anpassung der Prozesse. Kontextualisierung von Daten ist entscheidend für deren Wert. Lernprozesse aus der Automobilindustrie sind auf andere Branchen übertragbar. Die Zukunft der Produktentwicklung liegt in der Nutzung von AI und Datenintegration.
