Systems Engineering Trends

Donnerstags in 5 Minuten für Ingenieure und Entscheider: Systems Engineering ohne Hype, dafür mit Tiefgang

AnalyseKünstliche Intelligenz

Reality-Check: Wie hilfreich ist KI in der Produktentwicklung wirklich?

Seit ChatGPT auf der Bildoberfläche erschienen ist, erleben wir einen enormen Hype um das Thema KI. Das KI schon seit Jahrzehnten in allen Bereichen unseres Lebens im Einsatz ist, ist dabei unerheblich. Im Systems Engineering bekommen wir die Auswirkungen bereits zu spüren, zum Beispiel in der Programmierung. Doch wie hilfreich ist KI in der Produktentwicklung nun wirklich? Ein Tipp: Kurzfristig weniger, langfristig mehr, als Ihr denkt.

In eigener Sache: 4-Wochen MVP für Deinen Anwendungsfall aus dem Systems Engineering

Ich arbeite zur Zeit an einem Konzept, KI-gestützte Experimente im Monatsrhythmus umzusetzen: Anwendungsfall definieren, KPIs festlegen, MVP bauen, Experiment durchführen, Ergebnisse auswerten. Hast Du in Deinem Unternehmen einen Anwendungsfall aus der Produktentwicklung mit KI, für den das in Frage kommen würde? Dann lass‘ uns ein Gespräch vereinbaren >>

gitHub Copilot

Eines der ersten auf ChatGPT-basierender Produkte für die Entwicklung war wohl der gitHub Copilot. Dieses kurze Video zeigt in beeindruckender Weise, wie Copilot Programmierer unterstützen kann. Ich habe Copilot natürlich selbst einmal ausprobiert, war aber doch etwas enttäuscht: Viele Vorschläge waren nicht ganz richtig oder bestanden mehr oder weniger aus Code, den ich selbst schon woanders geschrieben hatte. Das könnte bei unerfahrenen Entwicklern zu Copy-und-Paste-Code führen, statt zu richtiger Wiederverwendung.

Doch das hält viele Entwickler nicht davon ab, gitHub Copilot zu nutzen. Microsoft hat inzwischen 1.3 Millionen Abonnenten (Stand Februar 2024). Doch die Produktivitätsgewinne scheinen sich im einstelligen Prozentbereich zu bewegen, behauptet zumindest Chirantan Desai, COO von ServiceNow. Doch die Nutzer sind begeistert: Eine Umfrage von Microsoft ergab, dass wenige freiwillig aufhören, Copilot zu benutzen.

Der Produktivitätsgewinn von gitHub Copilot scheint sich im einstelligen Prozentbereich zu bewegen

Chirantan Desai, COO von ServiceNow

Es ist noch zu früh

Auch wenn enorm viel von generativer KI gesprochen wird, so hält sich der Einsatz von Unternehmen noch in Grenzen. Zum Beispiel sind nur 20% des Zuwachses an Umsatz von Microsoft Azure auf KI zurückzuführen (geschweige denn der Basisumsatz, Zahlen von Februar 2024). Unternehmen experimentieren mit KI, wenige setzen es jedoch auf breiter Front ein.

Es gibt kaum Zweifel, dass wir uns dicht am Höhepunkt des Gartner Hype-Zyklus befinden. Die Frage ist, ob generative KI in den nächsten Monaten in die Tiefe gerissen wird, oder dermaßen erfolgreich ist, dass trotz Enttäuschungen der Einsatz weiter wächst.

Die Boston Consulting Group (BCG) hat eine Umfrage dazu durchgeführt. Dabei gab die Mehrheit der Führungskräfte an, dass es mindestens zwei Jahre dauern wird, bis der Hype um KI vorüber ist.

Laut einer BCG-Umfrage wird der KI-Hype noch mindestens zwei Jahre weitergehen.

Economist

Schon heute ist es beeindruckend, wie schnell sich KI weiterentwickelt, wie im Beispiel hier zu sehen ist. Insofern könnte ich mir gut vorstellen, dass das „Tal der Enttäuschungen“ vergleichsweise milde ausfallen wird. Denn in zwei Jahre wird generative KI noch einmal um Klassen besser sein.

DALL-E 2, generiert November 2022
DALL-E 3, generiert im März 2024

Auf den Anwendungsfall kommt es an

Kaum ein Unternehmen setzt im Moment generative KI systematisch ein, es wird viel experimentiert. Doch einige weiterdenkende Unternehmen bereiten sich jetzt schon darauf vor, mit KI Kundenprobleme lösen zu können. Ein paar Beispiele (ebenfalls vom Economist):

  • JPMorgan Chase hat bereits über 300 KI-Anwendungsfälle, die produktiv eingesetzt werden.
  • Capgemini arbeitet an einer Bibliothek mit über 500 industriellen Anwendungsfällen.
  • Bayer hat eine Sammlung von über 700 Anwendungsfällen von generativer KI, wobei unklar ist, ob diese schon eingesetzt werden.

Auch Investoren blicken genau auf den Anwendungsfall. John Lange erklärt im Business Insider, worauf es Investoren bei KI-Startups ankommt. Als ersten Punkt fordert er KI im Kern der Wertschöpfung. Das bedeutet entweder die Entwicklung von KI-Infrastruktur-Komponenten oder die Lösung konkreter Probleme, also Anwendungfälle.

Anwendungsfälle können in drei Kategorien unterteilt werden: Schönfärberei, Werkzeuge für weniger erfahrene Mitarbeiter und Werkzeuge für die wertvollsten Mitarbeiter. Aktuell ist Schönfärberei natürlich das am weitesten verbreitete. Dabei werden bestehende Anwendungsfälle mit KI „dekoriert“, ohne dass dabei ein echter Mehrwert entsteht.

„Schönfärberei“ mit KI kann auch nach hinten losgehen. Zum Beispiel hatte Instacart KI-generierte Bilder verwendet, die teilweise von Kunden als unappetitlich abgelehnt wurden.

Business Insider

Anwendungsfälle für wenig erfahrene Mitarbeiter können jedoch sehr effektiv sein. Dazu gehören einfache Dinge wie das Extrahieren von Daten aus Excel (Bayer).

Für „wertvolle Mitarbeiter“ gibt es noch nicht so viele Anwendungsfälle, es wird aber mehr. Zielgruppe hier sind zum Beispiel Juristen oder Analysten. Ein Beispiel wäre ein KI-System, dass über Nacht aus großen Mengen finanzieller Daten den Entwurf von einem Bericht erstellt, den der Banker dann noch überarbeiten muss. Mit einem KI-generierten Entwurf zu starten kann mehrere Stunden Arbeitszeit einsparen.

Kein Verlust von Arbeitsplätzen in Sicht

Zumindest im Moment sieht es nicht so aus, als würde KI Arbeitsplätze vernichten. KI kann Mitarbeiter produktiver machen, aber selten überflüssig. Noch schlimmer: Generative KI heißt „generativ“, weil sie generiert. Doch die generierten Inhalte müssen in der Regel auch von Menschen geprüft und verarbeitet werden. Mit anderen Worten, wir brauchen Menschen, die uns beim Verarbeiten der KI-generierten Daten helfen. Schöne neue Welt!

KI in der Produktentwicklung

Die hier beschriebenen Trends sind für das Systems Engineering genauso relevant wie für viele andere Anwendungsbereiche in Unternehmen. Wir sehen auch schon die ersten Anwendungsfälle aus dem Boden sprießen. Das gitHub Copilot-Beispiel zeigt, wie man KI punktuell einsetzen kann. Auch im CAD werden kleine Use Cases effektiv abgedeckt. Wie zu erwarten war, sehen wir immer mehr Anwendungsfälle aus den drei oben genannten Kategorien.

Nicht nur Microsoft versucht hier, den Markt neu aufzurollen. Siemens verfolgt mit Simcenter Studio den Ansatz des „generativen Engineering“ mit dem Ziel, damit Silos aufzubrechen. In einem „Computational Notebook“, das an Jupyter Notebook erinnert, können die Stakeholder KI-gestützt, übergreifend zusammenarbeiten. Das ist im Video auf der Simcenter Studio-Seite zu sehen, wo auch gezeigt wird, wie die Generierung von Architekturen abläuft.

Fazit

Es wird noch Jahre dauern, bis wir den Effekt von den neuen KI-Technologien wirklich zu spüren bekommen werden—aber dann wird der richtige Sturm ausbrechen. KI wird nicht nur in der Produktentwicklung, sondern auch vielen anderen Bereichen die Art und Weise, wie wir arbeiten, umkrempeln.

Ich glaube nicht, dass das große Arbeitsplatzsterben stattfinden wird. Allerdings glaube ich, dass wir nicht früh genug damit anfangen können, umzudenken.

Bildquelle: FreePik

Michael Jastram

Creator and Author of SE-Trends