Pragmatisch durch Design: KI-Engineering für die reale Welt

Basierend auf Daten aus einer Umfrage unter 300 Befragten und ausführlichen Interviews mit leitenden Technologiemanagern und anderen Experten untersucht dieser Bericht, wie Produktentwicklungsteams KI skalieren, was eine breitere Akzeptanz einschränkt und welche spezifischen Fähigkeiten die Einführung heute und in Zukunft prägen, mit tatsächlichen oder potenziell messbaren Ergebnissen.

Zu den wichtigsten Forschungsergebnissen gehören:

In einem Umfeld, in dem die Ergebnisse physischer Natur sind und das Risiko hoch ist, sind Verifizierung, Governance und ausdrückliche menschliche Verantwortung zwingend erforderlich. Wenn Produktingenieure KI nutzen, um physische Designs, eingebettete Systeme und Fertigungsentscheidungen direkt zu beeinflussen, die zum Zeitpunkt der Veröffentlichung festgelegt sind, können Produktausfälle zu echten Risiken führen, die nicht rückgängig gemacht werden können. Produktingenieure übernehmen daher mehrschichtige KI-Systeme mit unterschiedlichen Vertrauensschwellen anstelle von Allzweckeinsätzen.

Prädiktive Analysen sowie KI-gestützte Simulation und Validierung sind kurzfristige Investitionsprioritäten für führende Produktentwickler. Diese Funktionen, die von der Mehrheit der Befragten ausgewählt wurden, bieten klare Feedbackschleifen, die es Unternehmen ermöglichen, ihre Leistung zu prüfen, behördliche Genehmigungen zu erhalten und den Return on Investment (ROI) nachzuweisen. Es ist zwingend erforderlich, schrittweise Vertrauen in KI-Tools aufzubauen.

Neun von zehn führenden Produktentwicklern planen, ihre Investitionen in KI in den nächsten zwei Jahren zu erhöhen, das Wachstum ist jedoch bescheiden. Der größte Teil der Befragten (45 %) plant, seine Investitionen um bis zu 25 % zu erhöhen, während fast ein Drittel eine Steigerung von 26 % auf 50 % befürwortet. Und nur 15 % erwarten eine größere Veränderung, zwischen 51 % und 100 %. Produktingenieure konzentrieren sich eher auf Optimierung als auf Innovation, wobei skalierbare Nachweispunkte und kurzfristiger ROI der vorherrschende Ansatz für die KI-Einführung sind, im Gegensatz zu einer mehrjährigen Transformation.

Nachhaltigkeit und Produktqualität sind die wichtigsten messbaren Ergebnisse von KI in der Produktentwicklung. Diese für Kunden, Aufsichtsbehörden und Investoren sichtbaren Ergebnisse haben Vorrang vor Wettbewerbskennzahlen wie Markteinführungszeit und Innovation (mittlere Bedeutung) und internen betrieblichen Gewinnen wie Kostensenkung und Mitarbeiterzufriedenheit am unteren Ende. Am wichtigsten sind reale Signale wie Fehlerraten und Emissionsprofile und nicht interne technische Dashboards.

Laden Sie den Bericht herunter.

Dieser Inhalt wurde von Insights erstellt, dem Bereich für benutzerdefinierte Inhalte von MIT Technology Review. Es wurde nicht von der Redaktion des MIT Technology Review verfasst. Es wurde von menschlichen Autoren, Redakteuren, Analysten und Illustratoren recherchiert, entworfen und geschrieben. Dazu gehört das Verfassen von Umfragen und das Sammeln von Daten für Umfragen. Die einsetzbaren KI-Tools waren auf sekundäre Produktionsprozesse beschränkt, die einer umfassenden menschlichen Überprüfung unterzogen wurden.