Schiffbau trifft Digitalisierung: Zwei Jahre im Forschungsprojekt SEUS

Zwei intensive Jahre im europäischen Forschungsprojekt SEUS liegen hinter mir. Unser gemeinsames Ziel: die Digitalisierung des Schiffbaus in Europa maßgeblich voranzutreiben. Und die Notwendigkeit dafür ist nach wie vor immens. Die EU schreibt kontinuierlich Forschungs- und Entwicklungsprojekte im Schiffbausektor aus, um Europas Position im globalen Wettbewerb zu stärken.

Angesichts von Niedriglohnländern und weitreichenden Subventionen auf dem außereuropäischen Markt ist das überlebenswichtig. Obwohl europäische Qualität in der maritimen Industrie hochgeschätzt wird, zwingt der Kostendruck auch diese traditionsreiche Branche zu massiven Effizienzsteigerungen und optimierten Prozessen.

Genau hier haben wir als CONTACT angesetzt: Als fester Bestandteil der Forschung und treibende Kraft der Transformation, den entscheidenden Daten-Backbone für eine erfolgreiche Digitalisierung bereitzustellen.

Eine schwimmende Stadt – und was sie mit PLM zu tun hat

Zunächst galt es, tief in die komplexen Anforderungen und Prozesse des Schiffbaus einzutauchen und sie zu verstehen. Durch intensive Gespräche mit Werften, fundierte Analysen und der Auseinandersetzung mit dem aktuellen Stand der Wissenschaft, konnten wir ein umfassendes Wissen aufbauen. Was uns dabei wirklich beeindruckt hat, ist die akribische Sorgfalt, mit der die Werften in diesem Projekt die gigantischen Informationsmengen verarbeiten, sicher gewerkeübergreifend kollaborieren und dabei souverän den strengen „Schiff-TÜV“, die sogenannte Klassifikation, meistern. Das umfasst Zehntausende Seiten an Prüfberichten, Berechnungen, Handbüchern und technischen Spezifikationen.

Was hier entsteht, ist nichts weniger als eine kleine, autark über die Ozeane schwimmende Stadt, dessen Bau jedes Mal auf Neue fasziniert. Das gilt für klassische Fracht- und Containerschiffe genauso, wie für hochspezialisierte Kabelverlegeschiffe, komplexe Forschungsschiffe oder Einheiten für den militärischen Einsatz.

Der Daten-Backbone: Die Verbindung der maritimen Welt

Die größte Herausforderung liegt in der effizienten Verwaltung und transparenten Kontrolle der unterschiedlichsten Informationen, die über alle Gewerke sowie Entwicklungs- und Bauphasen hinweg entstehen. Wir haben dafür ein Datenmodell entwickelt, was speziell auf den Schiffsbau zugeschnitten ist und sämtliche Informationsarten, wie zum Beispiel Projektpläne, CAD-Modelle, Simulationsergebnisse, Konstruktionspläne und Lieferantenverträge, miteinander verknüpft.

Das Schiff als „physisch großes und komplexes System“ zu betrachten, ist dabei entscheidend. Das bedeutet, dass nicht einige wenige den Überblick über das Gesamtschiff behalten, sondern eine Vielzahl an Ingenieur*innen sich auf kleinere Verantwortungsbereiche aufteilt.

Dabei nehmen sie je nach Entwicklungsaufgabe und -phase unterschiedliche Perspektiven auf das Schiff ein: Während bei der Auslegung der Antriebseinheit eher der Aufbau des entsprechenden Systems von Interesse ist, steht bei der Auslegung des Schiffsrumpfs die räumliche Aufteilung im Zentrum. Eine klassische Produktstruktur, die Bauteile und -gruppen entsprechend ihrer Zusammensetzung hierarchisch organisiert, wird diesen Anforderungen nicht gerecht. Es gibt nicht „die eine“ Produktstruktur, sondern verschiedene Blickwinkel: systemisch, räumlich, produktionszentriert und modulorientiert.

Viele Werften und Entwicklungsbüros nutzen eine zentrale Systemstruktur, da ein Großteil der Arbeit die Auslegung, Konstruktion und Integration von Systemen aller Art betrifft. In Europa hat sich hierfür das „SFI Group System“ als Quasi-Standard durchgesetzt. Dieser Standardkatalog mit drei Ebenen umfasst 4080 Einträge für Systeme und Subsysteme, die in Schiffen jeglicher Art auftreten können.

Schematische Darstellung zum Schiffbau
Das Datenmodell von CONTACT erweitert den Standardkatalog um weitere Perspektiven.

Unsere IT-Architekt*innen haben gemeinsam ein Datenmodell entwickelt, das die weiteren Perspektiven um diesen Standard herum systematisch abbildet (siehe dazu unser Paper auf Zenodo). In der frühen Schiffentwicklung werden die Systeme zunächst mithilfe von Platzhaltern grob dimensioniert. Man legt zum Beispiel fest, dass ein Motor benötigt wird, nicht jedoch welcher. Diese Platzhalter, nachfolgend Positionen (engl. „Item“) genannt, werden nach den Katalogen des SFI Group Systems organisiert.

Im weiteren Entwicklungsverlauf verknüpfen wir diese mit weiteren Strukturen, die die Grundlage anderer Perspektiven bilden. Am vorherigen Beispiel des Antriebs kann das zum Beispiel bedeuten, dass für diese Position ein konkreter Motor ausgewählt wird. Neben entsprechenden Dokumenten, Anforderungen, Spezifikationen und Projektaufgaben kann darüber hinaus auch ein CAD-Modell angebunden werden, was unser Partner Cadmatic mit einer tiefgreifenden Integration der CAD-Werkzeuge ermöglicht.

Das Projekt ist noch nicht final abgeschlossen, doch ein schiffbauspezifischer PLM-Backbone, die flexible, modulare CONTACT Elements Plattform und die Tiefenintegration mit Schiffs-CAD bilden bereits ein solides Fundament, um auf der Anwendungsebene weiterzuentwickeln. Die Dimensionen machen deutlich, warum das so wichtig ist: Wenn von den bis zu 4.000 möglichen Subsystemen zu jedem auch nur zehn Dokumente an Spezifikationen, CAD-Dokumenten, Analysen, Handbüchern und Prüfungsdokumentationen gehören, sprechen wir von gewaltigen Datenmengen, die ohne strukturiertes Management unkontrollierbar werden.

Hinzu kommt, dass jedes dieser Dokumente eigene Zyklen, Prüfungen und Freigaben durchläuft, die sowohl innerhalb des Unternehmens als auch extern abgestimmt werden müssen. Ein lückenloses, nachverfolgbares Dokumentenmanagement über Unternehmensgrenzen hinweg ist daher absolut unerlässlich und dank einer Erweiterung in CONTACT Elements für den Schiffbau auch realisierbar.

Mehr zum Hintergrund und zu den Beteiligten erfahren Sie im SEUS-Jahresbericht 2025.

Vom Hype zur Realität: Warum KI-Systemintegration entscheidend ist

Der Hype um künstliche Intelligenz im Engineering ist riesig. Fast jeder Software-Anbieter bietet smarte AI-Funktionen an. Richtig eingesetzt, entfalten KI-gestützte Lösungen genau dort eine enorme Hebelwirkung, wo Ingenieur*innen und Konstrukteur*innen täglich wertvolle Zeit verlieren. Das können lästige Routineaufgaben oder wiederkehrende To-Dos im Hintergrund sein: das automatisierte Erstellen von Testfällen, das Erfassen komplexer Dokumente oder die schnelle Bewertung kleinerer Änderungen.

Doch schaut man hinter die Kulissen der Industrie, folgt die Ernüchterung. Laut einer CIMdata-Studie haben zwar rund 80 % der Software-Hersteller bereits KI-Features im Portfolio – die tatsächliche Aktivierungsrate bei den Industriekunden liegt jedoch nur bei 8 bis 33 %! Fast 9 von 10 Industrieunternehmen nutzen KI bisher in weniger als einem Viertel ihrer Projekte. Die meiste Zeit verharren die Projekte in der Pilotphase. Doch woran liegt es, dass der Motor nicht anspringt?

Die Herausforderung: Die unsichtbare Datenmauer

Das größte Hindernis ist nicht der Algorithmus selbst, sondern das, was danach kommt: die KI-Integration. Für Industriekunden ist die nahtlose Anbindung an bestehende Systeme ein wichtiges Auswahlkriterium. Doch Software- und Service-Provider unterschätzen diese Hürde systematisch. In der Praxis stoßen Service-Provider 2,4-mal häufiger auf unerwartete Probleme mit Altsystemen, als Kunden das im Vorfeld überhaupt auf dem Schirm haben. Wenn neue KI-Tools einfach nur isoliert an bestehende Systeme „angeschraubt“ werden, scheitern sie an der Realität komplexer Engineering-Prozesse. Unser Chief Product Officer Frank Patz-Brockmann bringt es auf den Punkt: „Der Schmerz liegt nicht in der Anschaffung, sondern in der Aktivierung.“

Integration statt API-Bastelei

CONTACT Software geht dieses Problem mit Fourier AI proaktiv an. Wir müssen KI-Systemintegration als fundamentale Architekturentscheidung begreifen, nicht als nachträgliches Bastelprojekt: Anstatt eine externe KI-Insel über Standard-Schnittstellen anzubinden, ist Fourier AI als vollintegrierte Intelligenzschicht tief in der bewährten Plattform CONTACT Elements verankert.

Manchmal hören wir in Kundengesprächen den Drang, gewachsene Datenstrukturen komplett über Bord zu werfen und durch eine Art „Data Lake“ oder gar „Data Swamp“ zu ersetzen, in der Hoffnung, die KI würde sich die Informationen dort schon selbst zusammensuchen. Das ist jedoch der völlig verkehrte Ansatz, da KI strukturierte Daten benötigt.

Mit Fourier AI setzen wir daher auf einen klaren, schichtweisen Aufbau von unten nach oben:

  1. Single Source of Truth (PLM) als Basis: Ganz unten steht nach wie vor das PLM-System mit seinen hochgradig strukturierten Daten. Dieses Fundament ist zwingend notwendig und bildet die verlässliche Ausgangsbasis für jegliche Intelligenz.
  2. Die Kontext-Konstruktion: Daten einfach nur irgendwo abzuspeichern, reicht nicht aus. Für die KI muss ein präziser Kontext konstruiert werden. Wenn ein Nutzer beispielsweise eine Anfrage stellt wie „Gib mir mal alle Daten zum Engineering Change“, muss diese Kontext-Schicht genau wissen, welche Daten dazugehören, wer sie erstellt hat und wie sie zusammenhängen.
  3. Der Modell-Layer: Darüber liegt die Modellschicht. Neben führenden externen Modellen bieten wir auch eigene Spezialmodelle an, wie beispielsweise für die 3D-Ähnlichkeitssuche. Das System wählt für bestimmte Aufgaben in der Plattform automatisch das passende Modell aus, lässt Unternehmen für eigene Use Cases aber auch die freie Auswahl, auf welche Modelle sie zugreifen möchten.
  4. AI Orchestration & Governance: Um Antworten zu bewerten und kontinuierlich zu verbessern, werden die erzeugten Traces festgehalten und geloggt. Das System filtert die Daten so, dass das Modell nur Antworten liefert, die der jeweilige Nutzer über das integrierte Rechtesystem tatsächlich sehen darf.
  5. Die User Interaction (Der PLM-Chatbot): Ganz oben steht schließlich der Anwender, der beispielsweise im PLM-Chatbot seine Frage eingibt.

Fazit: Erst die Basis, dann der Mehrwert

Dieser tiefgreifende architektonische Ansatz erfordert im ersten Schritt mehr Sorgfalt bei der Datenstrukturierung und Systemvorbereitung. Doch genau das ist der entscheidende Hebel: Weil das Fundament von vornherein sauber gebaut ist, lernt die KI-Schicht automatisch mit, sobald ein Kunde sein Datenmodell in CONTACT Elements erweitert – ganz ohne zusätzlichen Code schreiben zu müssen. So schließen wir die Lücke zwischen bloßer Technologiespielerei und echtem, produktivem Mehrwert im Engineering-Alltag.

Mehr zum Thema erfahren Sie im Live-Talk:

User Experience (UX) im KI-Zeitalter

Ich bin von Haus aus UX-Designerin. Mein Herz schlägt für intuitive Oberflächen, konsistente Nutzungserlebnisse und die Frage: Wie kommt ein User möglichst einfach von A nach B? Jahrelang war die Antwort in Business Software immer recht eindeutig: klare Menüs, erlernbare Muster, effiziente Wege durch das System. Doch ist die Frage mit Blick auf den Einfluss von KI auf die UX überhaupt noch aktuell?

Künstliche Intelligenz verändert nicht nur, was Software kann. Sie verändert, wie wir mit Software arbeiten. Und das hat Auswirkungen auf das, was wir unter „guter User Experience“ verstehen.

Das Ende der klassischen Bedienoberfläche?

Schauen wir auf ein Beispiel aus dem Engineering-Alltag: Sie erhalten eine E-Mail. Ihr Zulieferer teilt mit, dass Bauteil #4711 ab März nicht mehr lieferbar ist. Bisher würden Sie sich durch die Stückliste klicken, manuell nach Verwendungen suchen, Alternativen in einem anderen System recherchieren, einen Änderungsantrag anlegen und Kolleg*innen per Mail informieren. Das alles dauert Stunden, verteilt über mehrere Tools.

Demnächst sprechen Sie nur noch ein: „Bauteil #4711 fällt weg – was ist betroffen und was sind Alternativen?” Das System prüft selbständig alle Baugruppen, schlägt qualifizierte Ersatzteile vor und bereitet den Änderungsantrag zur Freigabe vor.

Noch ein Schritt weiter in die Zukunft und Sie müssen die Frage gar nicht mehr stellen. Das System erkennt die Auswirkung selbst, schlägt die Änderung proaktiv vor und wartet nur noch auf Ihre Freigabe.

Neue Anforderungen an die UX

Das Beispiel beschreibt den Paradigmenwechsel, den KI-Funktionen und -Agenten in Engineering-Umgebungen gerade einleiten. Dieser Wandel stellt vieles auf den Kopf, was wir über UX gelernt haben.

Die UX von morgen wird nicht mehr daran gemessen, wie intuitiv eine Oberfläche zu bedienen ist. Sie wird daran gemessen:

  • …wie gut das System die Absicht des Nutzers versteht
  • …wie relevant die proaktiven Vorschläge sind
  • …wie intelligent die Automatisierung im Hintergrund arbeitet

Anders formuliert: Die beste UX wird wahrscheinlich die sein, bei der man am wenigsten mit einer Oberfläche interagieren muss, um sein Ziel zu erreichen.

Fünf Prinzipien, die UX neu definieren

Was bedeutet das konkret? Ich sehe fünf Verschiebungen, die sich abzeichnen – besonders im Engineering-Umfeld.

1. Konversation statt Klick

Sprache und Text werden zur primären Schnittstelle. Nicht weil Klicken schlecht ist, sondern weil natürliche Sprache näher an unserer eigentlichen Absicht liegt als jede Menüstruktur. Ein gut trainiertes System versteht, was gemeint ist – auch dann, wenn die Formulierung nicht exakt passt.

Das erfordert ein radikales Umdenken: Es geht nicht mehr darum, dass User*innen den Umgang mit der Oberfläche einüben. Das System muss lernen, den Menschen zu verstehen.

2. Proaktiv statt reaktiv

Heutige Software wartet auf Eingaben. Zukünftige Systeme handeln von sich aus: Sie erkennen Risiken, bevor sie entstehen, schlagen Aktionen vor, bevor Nutzer*innen danach suchen, und weisen auf Inkonsistenzen hin, bevor sie zu Problemen werden.

Ein Qualitäts-Agent, der Datenströme überwacht und automatisch Korrekturmaßnahmen einleitet – das ist nicht Zukunftsmusik. Das ist eine konkrete Architekturentscheidung, die heute getroffen werden kann.

3. Adaptiver Arbeitsbereich – just in time

Die Oberfläche konfiguriert sich nach Rolle, Aufgabe und Datenkontext. Eine Konstrukteurin benötigt ein anderes Interface als eine Projektleiterin oder ein Qualitätsverantwortlicher. Und was man um 9 Uhr morgens braucht, kann sich von den Anforderungen um 15 Uhr unterscheiden.

Intelligente Systeme passen sich an den Menschen an – nicht umgekehrt.

4. Wissensgraph statt Stichwortsuche

Klassische Suche findet Dokumente, die ein Schlagwort enthalten. Eine semantische Suche auf Basis eines Wissensgraphen versteht Beziehungen: Wo wird dieses Bauteil verbaut? Welche Varianten sind betroffen? Was hat sich in der letzten Version geändert?

Dieser Unterschied klingt technisch. Er hat aber unmittelbare UX-Konsequenzen: Nutzer*innen müssen nicht mehr wissen, wonach sie suchen müssen. Das System liefert den richtigen Kontext.

5. Human-in-the-Loop – der Mensch entscheidet

So beeindruckend KI-Agenten auch sind: Die Entscheidungshoheit bleibt beim Menschen – oder sollte es in jedem Fall.

Gute UX in KI-Systemen bedeutet, den richtigen Moment zu finden, an dem das System pausiert und auf menschliche Genehmigung wartet – nicht zu früh (das wäre nervig), nicht zu spät (das wäre riskant).

Human-in-the-Loop ist kein Sicherheitsnetz. Es ist eine Designentscheidung, die Vertrauen schafft.

Eine Flotte digitaler Kolleg*innen

Ein Bild hilft mir, wenn ich über die Zukunft der Zusammenarbeit mit KI nachdenke: Stellen Sie sich vor, Sie bekommen kein neues Tool, sondern neue Kolleg*innen, die sich um Engineering und Design kümmern. Die auf Qualität und Compliance spezialisiert sind und die Lieferkette im Blick haben.

Diese digitalen Agent-Kolleg*innen arbeiten still im Hintergrund, orchestriert und aufeinander abgestimmt. Sie sind nicht omnipräsent, aber immer dann zur Stelle, wenn sie gebraucht werden.

Das verändert nicht nur die Arbeit, sondern auch das Verhältnis zur Software. Aus einem Werkzeug, das bedient werden muss, wird ein Partner, der mitdenkt.

In CONTACT Elements enthaltene KI-Assistenten helfen Ingenieur*innen bei ihren Aufgaben.

Was das für die Praxis bedeutet

Diese Veränderungen geschehen nicht über Nacht. Und sie sind keine Selbstläufer. Wer von intelligenter UX profitieren will, braucht dafür die richtige Grundlage: strukturierte Daten, klare Governance. Und ein System, das KI nicht als Add-on, sondern als integralen Bestandteil versteht.

Die Qualität der KI-Ausgaben ist direkt abhängig von der Qualität der Eingaben. Ein Agent, der auf unstrukturierte oder unvollständige Daten zugreift, liefert unzuverlässige Ergebnisse und schlechte UX, egal wie gut das Interface gestaltet ist.

Deshalb lautet mein wichtigstes Fazit aus der Arbeit der letzten Monate: Investitionen in Datenqualität und Plattformarchitektur sind Investitionen in User Experience.

Der Mensch bleibt im Mittelpunkt

KI verändert die Oberfläche, aber nicht das Ziel. Technologie soll Menschen in die Lage versetzen, ihre Arbeit gut zu erledigen. Mit weniger Reibung, mehr Kontext und besseren Entscheidungsgrundlagen.

Dass dies künftig über Konversation statt Klick, über proaktive Vorschläge statt leerer Textfelder, über semantische Zusammenhänge statt Stichwortsuche geschieht, ist keine Bedrohung für gutes UX-Design. Es ist eine Einladung, neu darüber nachzudenken, was „intuitiv“ eigentlich bedeutet.

Künstliche Intelligenz richtig einsetzen

Künstliche Intelligenz entfaltet ihre Wirkung nur, wenn Sie KI-Funktionen systematisch und wertschöpfend in Ihren Prozessen verankern. Wie das funktioniert, erfahren Sie in unseren AI Insights. Mit dem Newsletter erhalten Sie handfeste Praxisbeispiele, Best Practices und wertvolle Tipps rund um Engineering und Manufacturing Intelligence.