Wie werden aus Demonstratoren Produktfunktionen und wie fließen sie in die Produkte und Entwicklungsprozesse ein, mit denen Unternehmen heute arbeiten? Das ist die Frage, die dieser letzte Teil der ganzen Serie beantwortet. Dazu führt er die drei Kapitel zusammen. Wichtig zu betonen ist, dass aus den Demonstratoren keine isolierten KI-Features werden, sondern zusätzliche Funktionen dort, wo PROSTEP ohnehin stark ist: Bei der Nachverfolgbarkeit über Systemgrenzen hinweg und der Integration komplexer PLM-Landschaften. Die beiden ersten Kapitel zeichnen die Linien vor, entlang derer diese Fähigkeiten in die Produkte einfließen werden.
Von der Traceability zu OpenCLM
Der in Kapitel 3, Teil 2 vorgestellte Traceability-Assistent ist nur eine Vorstufe. Er findet und belegt Zusammenhänge dort, wo die Daten gepflegt oder inhaltlich erschließbar sind. Der nächste Schritt geht darüber hinaus: Mit APL lassen sich fehlende Referenzen zwischen Daten, die heute in getrennten Silos liegen, systematisch rekonstruieren, kennzeichnen und als prüfbare Vorschläge bereitstellen. Dazu nutzen wir eine kombinierte Suche über die verschiedenen Speicher, in denen diese Daten stecken: Klassische Datenbanken, Graph-Datenbanken, Volltext- und Vektorindizes.
###Bild5###
Erst das macht den Ansatz der Daten-Verlinkung, wie er in OpenCLM vorgedacht ist, umsetzbar: Beziehungen über Systemgrenzen hinweg werden nicht mehr vorausgesetzt, als wären sie längst sauber gepflegt, sondern KI-gestützt erschlossen. Aus einer Vision durchgängiger Nachverfolgbarkeit wird damit ein realistischer Weg, sofern die Datenquellen angeschlossen, die Suchräume vorbereitet und die Vorschläge überprüfbar gemacht werden.
Agentengestützte OpenPDM-Konnektoren
Die zweite Linie betrifft die Integration von PLM-Systemen selbst. PLM-Integrationen scheitern selten daran, dass ein einzelnes Feld nicht gelesen werden kann. Die Schwierigkeit liegt in der fachlichen Abbildung: Welche Objekte gehören zusammen? Welche Struktur muss vom Quell- ins Zielsystem überführt werden? Und welche Regeln gelten dazwischen?
###Bild3###
Genau dort setzt die geplante Erweiterung der OpenPDM-Konnektoren um KI-Agenten an: Komplexe Abbildungsprozesse wie das Mapping zwischen Systemen lassen sich damit schrittweise mit KI entwickeln. Technische Grundlage ist die BIBO-Schnittstelle (Basic In Basic Out, ein generisches Import- und Export-Format, auf dem PROSTEPs PLM-Konnektoren beruhen). Auf Basis dieser Schnittstelle nutzt oder erzeugt ein Agent fachliche Integrationsoperationen, etwa einen Objektbaum durchlaufen oder ein strukturiertes Informationselement aus vielen Einzelobjekten zusammensetzen. Solche Bausteine entstehen bei Bedarf zur Laufzeit oder stammen aus einer Bibliothek bewährter Operationen.
Der Reiz liegt darin, dass der Agent auf der Ebene fachlicher Operationen arbeitet, statt mit vielen maschinennahen Einzelschnittstellen zu kämpfen, die ihn bei tief strukturierten Datenmodellen überfordern würden. Damit das tragfähig ist, sind solche Skripte keine unkontrollierten Einmal-Aktionen: Sie müssen sichtbar, prüfbar und versionierbar sein und je nach Einsatzfall freigegeben werden. Das ist genau der Gedanke der Kontrollierbarkeit, die die ganze Serie durchzieht.
Dieselbe Methodik für Produkte und Dienstleistungen
Die Produkte und Dienstleistungen von PROSTEP basieren auf AIND: Zum einen entwickeln wir unsere Produkte selbst mit AIND. Die in Kapitel 1 beschriebene Methodik treibt die Weiterentwicklung von OpenCLM, OpenPDM und unseren Konnektoren voran. Zum anderen setzen wir AIND ein, um die PLM-Integrationen unserer Kunden zu realisieren: Dieselbe methodische Disziplin und derselbe agentengestützte Werkzeugkasten, mit denen wir bauen, stehen unseren Kunden als Dienstleistung zur Verfügung.
###Bild4###
Der Kreis der Serie schließt sich
Hier schließt sich der Kreis der ganzen Serie. Dieselbe Methodik (AIND wie in Kapitel 1 beschrieben) und dieselbe Sprache und derselbe Agent (APL wie in Kapitel 2 beschrieben) werden zu Anwendungen (Kapitel 3) mit Produktfunktionen, die ihre Stärken dort haben, wo PROSTEP stark ist. Die KI verschiebt die Grenze des Möglichen im PLM, weil PLM zu großen Teilen in Software gegossene Entwicklungsmethodik ist.
Sprechen Sie mit uns darüber, welche Nachverfolgbarkeits- und Integrationsaufgaben in Ihrer Systemlandschaft zuerst von KI-nativen Produktfähigkeiten profitieren können.
