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:

KI im Engineering einsetzen

Künstliche Intelligenz (KI) ist im Engineering nicht mehr wegzudenken. Anwendungen wie ChatGPT oder GitHub Copilot erhöhen die Effizienz schon heute in vielen Bereichen der Produktentwicklung. Während Ihr Unternehmen diese Werkzeuge einfach und schnell einsetzen kann, ist die Implementierung industrieller AI-Lösungen aufgrund der spezifischen Fragen und komplexen Prozesse deutlich anspruchsvoller. Zumal es häufig an der benötigten Datenqualität, -menge und -infrastruktur mangelt. Hier kommen Systeme für Product Lifecycle Management (PLM) ins Spiel.

PLM-Lösungen bieten nicht nur eine Plattform zur Verwaltung von Produktdaten. Sie liefern auch eine wichtige Schnittstelle, mit der sich KI-gestützte Technologien in verschiedenen Phasen des Engineerings implementieren lassen.

Industrielle KI implementieren

Wenn Sie AI nutzbringend in industrielle Prozesse integrieren wollen, stehen Sie vor mehreren Herausforderungen. Eine der größten ist, geeignete KI-Modelle zu trainieren und Daten in ausreichender Qualität bereitzustellen.

Fertige Anwendungen wie ChatGPT oder Dall-E sind für generische Anwendungszwecke wie Textarbeit oder Bilderstellung sofort nutzbar. Solche Anwendungen und Modelle fehlen für komplexe industrielle Fragestellungen. Öffentlich zugängliche Datensätze sind selten auf industrielle Anforderungen zugeschnitten. Daher müssen Unternehmen KI-Modelle gezielt anpassen und firmenspezifische Datensätze und Modelle erstellen.

Darüber hinaus müssen Sie komplexe Anforderungen an das Deployment von KI-Modellen berücksichtigen. Dies betrifft insbesondere

  • die Integration in bestehende Systeme,
  • die Zugriffssicherheit und Autorisierung im Umgang mit den dahinterliegenden Daten und
  • die Sicherstellung von Zuverlässigkeit und Performance.

Wie hilft PLM-Software hier weiter?

PLM-Systeme bieten die nötige Infrastruktur, um Daten zu sammeln, zu strukturieren und aufzubereiten. Sie ermöglichen es, KI-Modelle in bestehende Prozesse zu integrieren, und bieten eine zentrale Plattform, um KI-Lösungen über den gesamten Produktlebenszyklus zu managen. Dies umfasst die Sicherstellung der Datenqualität, die Versionierung und die Verwaltung der generierten Ergebnisse.

Mit der Verbindung von KI-Tools und PLM-Systemen stellen Sie eine konsistent strukturierte Nutzung Ihrer Daten sicher. So entsteht die Grundlage für erfolgreiche KI-Anwendungen.

Eine zweite große Herausforderung ist die Komplexität der KI-Implementierung. Das reicht von der Auswahl geeigneter Modelle und Algorithmen bis hin zur Anpassung dieser Modelle an Ihre spezifischen Anforderungen.

Um AI erfolgreich zu integrieren, sind die Expertise der Ingenieur*innen und Datenwissenschaftler*innen sowie die Zusammenarbeit zwischen Abteilungen wie IT, Engineering und Datenwissenschaft entscheidend. PLM-Systeme unterstützen den Prozess als Plattform für nahtlose Zusammenarbeit und Kommunikation zwischen Ihren Teams.

PLM-Systeme als Wegbereiter für KI

PLM-Software mit tiefer Integrationsfähigkeit erzeugt die Voraussetzungen, um KI in bestehenden Engineering-Prozessen einzusetzen. Als zentrale Datendrehscheiben ermöglichen sie es, auf Daten aus verschiedenen Quellen im Produktlebenszyklus zuzugreifen.

Die konsolidierte Datenbasis des PLM-Systems ebnet den Weg für generative KI-Technologien (GenAI). Dabei handelt es sich um KI-Lösungen, die selbstständig neue, kreative Inhalte wie Texte oder Bilder erschaffen. Dadurch eröffnen sich Unternehmen völlig neue Möglichkeiten, zum Beispiel im Design und in der Produktentwicklung.

Indem PLM-Systeme die Integration von KI-gestützten Design-Tools erleichtern, sorgen sie für eine effiziente Verwaltung und Versionierung von KI-generierten Designs. Sie können beispielsweise Varianten von CAD-Modellen automatisiert erstellen. Bewährt haben sich auch Designoptimierungen, die auf Basis von Simulationsergebnissen generiert werden.

Wesentlich ist außerdem, KI-Lösungen mit bestehenden Datenstrukturen zu verknüpfen. Durch die Integration von KI in PLM-Systeme verbinden Sie KI-gesteuerte Designwerkzeuge direkt mit Ihren Produktdaten. Dies beschleunigt nicht nur den gesamten Entwicklungsprozess. Ihr Unternehmen gestaltet die Wiederverwendung von Komponenten effizienter, verbessert die Zusammenarbeit zwischen Teams und optimiert die Produktentwicklung kontinuierlich.

Ein weiterer Vorteil: PLM-Systeme speichern KI-generierte Erkenntnisse und Optimierungen zentral. Das macht sie für zukünftige Projekte nutzbar. Dadurch können Sie Ihre Innovationsfähigkeit erheblich steigern.

PLM-Systeme sind weit mehr als nur Datenverwaltungssysteme. Es sind zentrale Plattformen für den Einsatz KI-gestützter Assistenz-Systeme.

Solche Systeme helfen zum Beispiel bei Designentscheidungen. Sie analysieren Daten aus ähnlichen Projekten und liefern konkrete Verbesserungsvorschläge. Darüber hinaus führen sie Simulationen durch und stellen die Ergebnisse in einer Form dar, die für Ingenieur*innen verständlich ist. Das Ergebnis: bessere Entscheidungen, kürzere Entwicklungszeiten.

AI-Anwendungen im Engineering

Durch das Zusammenspiel von GenAI und PLM-System integrieren Sie KI-basierte Designprozesse nahtlos in bestehende Workflows. Daraus ergeben sich vielseitige Use Cases:

Automatisierte Designvarianten

Künstliche Intelligenz erstellt neue Designvarianten auf Basis bestehender CAD-Daten und optimiert diese automatisch auf Parameter wie Kosten, Materialeinsatz oder Produktionsmöglichkeiten. Ingenieur*innen gewinnen mehr Zeit für kreative Designaufgaben.

Simulationsgestützte Optimierungen

Mit Simulationstools, die GenAI-Algorithmen nutzen, verbessern Sie Designvorschläge kontinuierlich und passen sie auf Basis von Simulationsergebnissen iterativ an. So treffen Sie die besten Designentscheidungen auf Basis umfassender Datenanalysen. Dies reduziert die Anzahl physischer Prototypen und spart Zeit und Kosten.

Optimierung der Produktentwicklung

KI passt Designs dynamisch an neue Anforderungen an – während der laufenden Entwicklung. In Verbindung mit dem PLM-System können Sie schneller auf Änderungen reagieren und die Produktentwicklung ohne Verzögerungen anpassen. Dies bietet insbesondere dem Maschinen- und Anlagenbau große Vorteile.

Zeitreihenvorhersagen

GenAI analysiert Zeitreihendaten und sagt zukünftige Entwicklungen voraus. Auf Grundlage historischer Daten und anderer betrieblicher Informationen helfen PLM-Systeme in Kombination mit KI, Trends frühzeitig zu erkennen und fundierte Entscheidungen zu treffen.

Datenmanagement und Deployment

Die Integration von KI in die Produktentwicklung ist nicht nur technisch, sondern auch organisatorisch komplex. Damit KI seine Wirkung erzielt, braucht es ein geeignetes Datenmanagement. Auch hier sind PLM-Systeme eine große Hilfe.

Mit einer PLM-Lösung verwalten Sie Daten konsistent und strukturiert – von der Erfassung über die Speicherung bis zur Bereitstellung für KI-Modelle. Dabei müssen Unternehmen Datenschutz, -sicherheit und -verfügbarkeit gewährleisten.

Neben der Datenverarbeitung ist auch das Deployment – die Bereitstellung in der produktiven Umgebung – entscheidend. Um KI-Lösungen in bestehende IT-Infrastrukturen zu integrieren, müssen Ihre IT- und Engineering-Teams eng zusammenarbeiten. PLM-Systeme ermöglichen es, KI-Anwendungen sicher und leistungsstark zu integrieren und sie für die Anwender*innen im Tagesgeschäft einfach zugänglich zu machen.

Damit müssen PLM-Systeme sowohl die Entwicklung und Integration von KI-Modellen unterstützen als auch deren Betrieb und Wartung im laufenden Geschäft sicherstellen.

Ein weiterer wichtiger Aspekt ist die kontinuierliche Verbesserung von KI-Modellen. Hier unterstützen PLM-Systeme als Plattform für das Monitoring und die Aktualisierung. Auf Basis von gesammelten Betriebsdaten lassen sich KI-Modelle kontinuierlich verbessern und an Veränderungen anpassen. Dies stellt ihren Nutzen langfristig sicher.

Welche Trends zeichnen sich ab?

PLM-Systeme dienen künftig zunehmend als zentrale Plattformen für die Verwaltung und Integration von KI-Lösungen. Eine immer größere Bedeutung gewinnt die KI-gestützte Automatisierung, denn die Fähigkeiten, aus Daten zu lernen und komplexe Zusammenhänge zu erkennen, wird stetig verbessert.

Ein weiterer Trend ist die immer stärkere Integration von KI in die Zusammenarbeit zwischen Abteilungen und Unternehmen. PLM-Systeme entwickeln sich dabei zu Plattformen, die sowohl interne Prozesse unterstützen als auch eine vernetzte Zusammenarbeit über Unternehmensgrenzen hinweg ermöglichen. Das Ergebnis sind effizientere Lieferketten und beschleunigte Innovationen.

Auch erklärbare und transparente AI-Modelle gewinnen zunehmend an Bedeutung. Sie stärken das Vertrauen in KI-Lösungen und erhöhen deren Akzeptanz in sicherheitskritischen Bereichen des Engineerings.

Erfolgsfaktoren für KI im Engineering

Datenverfügbarkeit und -qualität

Die Grundlage für den Erfolg von KI-Anwendungen bilden hochwertige Daten (und deren Verfügbarkeit). PLM-Systeme stellen durch eine konsistente Datenerfassung und -verwaltung sicher, dass die benötigten Daten in der erforderlichen Qualität zur Verfügung stehen. So können Modelle auf einer soliden Datenbasis trainieren und präzise, verlässliche Ergebnisse liefern.

Nahtlose Prozessintegration

Um den vollen Mehrwert von KI-Technologien auszuschöpfen, müssen Unternehmen diese in bestehende Workflows einbinden. PLM-Systeme integrieren KI-gestützte Anwendungen in bestehende Prozesse und vereinfachen deren Nutzung. Dadurch lassen sich KI-Lösungen ohne große Anpassungen in bestehende Systeme einführen und schneller in Betrieb nehmen.

Schulungen und Change Management

Unternehmen müssen ihre Mitarbeiter*innen gezielt auf die Nutzung von KI-Tools vorbereiten. Dafür sind technische Schulungen notwendig, in denen auch ein Verständnis für den Einsatz im jeweiligen Arbeitskontext vermittelt wird. Durchdachtes Change Management fördert die Akzeptanz und involviert alle Mitarbeiter*innen aktiv in den Veränderungsprozess.

Unterstützung durch das Management

Die erfolgreiche Einführung von KI im Engineering gelingt nur, wenn das Management entsprechende Initiativen unterstützt. Die Kommunikation klarer Ziele und Strategien für die Transformation ist ebenso wichtig wie die Bereitstellung nötiger Ressourcen. Zugleich muss das Management eine Kultur des Wandels fördern.

Zusammenfassung

Die Integration von KI revolutioniert das Engineering. PLM-Systeme nehmen dabei als zentraler Dreh- und Angelpunkt der Daten eine Schlüsselrolle ein. Sie schaffen die notwendige Infrastruktur, um KI-Anwendungen in bestehende Prozesse zu integrieren und effizient zu nutzen.

Kritische Erfolgsfaktoren sind die sinnvolle Nutzung von Daten, die Integration von KI-Modellen in die bestehende IT-Landschaft sowie die Einbindung der Mitarbeiter*innen. Nur wer diese Herausforderungen gezielt angeht, gestaltet die KI-Transformation im Engineering nachhaltig.

Ratsam ist ein strategisches Vorgehen. Ihr Unternehmen sollte Technologie und Menschen gleichermaßen in den Fokus rücken. So schöpfen Sie das volle Potenzial von KI im Engineering nachhaltig aus.