Interview mit Dr. Martin Liebig „Niemand von uns ist ein ChatGPT-Native"

Anbieter zum Thema

Altair Engineering GmbH

Schneider Electric GmbH

becos gmbH

Dr. Martin Liebig, Senior Director Data Solutions bei Altair,  gibt in diesem Interview spannende Einblicke, wie Unternehmen mithilfe von KI und Datenanalyse ihre Produkte optimieren können.

DM: Herr Liebig, Sie haben auf der Altair Technology Conference Nordics in Göteborg einen Vortrag mit dem Titel „Beer, Fridges and Swimming Pools – How Data Science is used to make better products“ gehalten. Können Sie uns verraten, wie künstliche Intelligenz dabei hilft, ein besseres Bier zu brauen?

Dr. Martin Liebig: Bier wird hauptsächlich aus Hopfen und Malz gebraut – zwei natürliche Zutaten, deren Eigenschaften je nach Sonneneinstrahlung, Bodenbeschaffenheit und weiteren Umweltfaktoren variieren. Für Brauereien stellt sich daher die Herausforderung, trotz dieser natürlichen Schwankungen stets einen gleichbleibenden Biergeschmack zu gewährleisten. Eine mögliche Lösung bietet künstliche Intelligenz: Sie ermöglicht es, die Parameter des Brauprozesses dynamisch anzupassen, abhängig von der jeweiligen Beschaffenheit des gelieferten Hopfens und Malzes.

DM: Grundlage jeder KI-Anwendung sind Daten. Welche typischen Herausforderungen gibt es bei der Datengewinnung in der Industrie, und wie lassen sie sich bewältigen?

Dr. Liebig: Die Herausforderungen lassen sich grob in zwei Bereiche unterteilen. Zum einen ist die Datenerhebung nicht immer einfach: Während moderne Anlagen oft  bereits über Schnittstellen zur Datenübertragung verfügen, fehlen älteren Maschinen oft USB-Ports oder Cloud-­Anbindungen. Hier sind individuelle, maßgeschneiderte Lösungen gefragt.Zum anderen spielt die ganzheitliche Kontextualisierung der Daten eine entscheidende Rolle. Daten entfalten ihren wahren Wert oft erst im richtigen Zusammenhang. Daher müssen sie so gespeichert werden, dass sie in Relation zueinander stehen und gemeinsam genutzt werden können. Zudem ist es essenziell, Informationen aus verschiedenen Unternehmensbereichen sinnvoll zu verknüpfen, um ein umfassendes Gesamtbild zu erhalten. Genau hier bieten moderne Graph-Datenbanken* eine leistungsstarke Lösung.

Nur weil man einen  guten Hammer hat,  ist nicht alles ein Nagel.

Dr. Martin Liebig

DM: Welche Empfehlungen geben Sie kleinen und mittleren Unternehmen, die mit KI-Modellen arbeiten wollen? Wie können sie den Einstieg strategisch angehen und sicherstellen, dass sich Investitionen langfristig lohnen?

Dr. Liebig: Verschaffen Sie sich einen klaren Überblick über die Möglichkeiten, die künstliche Intelligenz für die Herausforderungen in Ihrem Unternehmen bietet. Lassen Sie sich dabei weder von überzogenen Erwartungen à la „KI ist die magische Lösung für jedes Problem“ noch von der Annahme, dass KI nur ein vorübergehender Trend ist, beirren. Ich empfehle meinen Kunden, zunächst eine strukturierte Übersicht der potenziellen Anwendungsfälle zu erstellen und diese nach Machbarkeit sowie Nutzen zu priorisieren. Auf dieser Basis kann dann entschieden werden, welche Projekte zuerst umgesetzt werden.Bei der Umsetzung haben Sie drei Optionen: Sie können auf externe Dienstleister setzen, eine spezialisierte Softwarelösung für das jeweilige Problem nutzen oder die Expertise im eigenen Unternehmen aufbauen. Ich rate meinen Kunden, insbesondere den internen Kompetenzaufbau als zentrale Strategie zu verfolgen, um langfristig unabhängig und wettbewerbsfähig zu bleiben.

Im Bereich der Konstruk­tion dürfte  geometrisches Deep Learning  einen großen Aufschwung  erleben.

Dr. Martin Liebig

DM: Wer ChatGPT & Co. nutzt, dürfte folgende Erfahrung gemacht haben: Wenn man die KI nicht präzise genug füttert – oder „promptet“ –, liefert sie oft fragwürdige Ergebnisse. Wie wichtig ist eine präzise Prompt-Formulierung, wenn man entsprechende KI-Tools in der Produktentwicklung verwendet?

Dr. Liebig: Da sprechen Sie einen äußerst wichtigen Punkt an. Das richtige „Prompting“ spielt eine entscheidende Rolle und sollte allen Entwicklern von KI-Lösungen bewusst sein. Dabei lohnt es sich, das Thema aus zwei Perspektiven zu betrachten. Zum einen sollte hinterfragt werden, ob ein Chatbot-ähnliches Large-Language-Model wirklich immer die beste Lösung für ein bestimmtes Problem ist. In manchen Fällen könnten konventionelle neuronale Netze oder ein vordefinierter, lediglich parametrisierter Prompt die effizientere Wahl sein. Wie so oft gilt: Nur weil man einen guten Hammer hat, ist nicht alles ein Nagel. Zum anderen erfordert der Umgang mit solchen Technologien auch ein gewisses digitales Verständnis seitens der Nutzer. Niemand von uns ist ein „ChatGPT-Native“ – wir alle müssen lernen, wie wir diese Tools sinnvoll und verantwortungsvoll einsetzen.

KI in der Fertigungsindustrie

Expertenumfrage: Wie KI die Produktion revolutioniert

DM: Was ist Ihre Erfahrung: Lernen angehende Konstrukteure heute bereits im Studium den Umgang mit KI oder hängen die Lehrpläne in diesem Bereich noch hinterher?

Dr. Liebig: Ich denke, dass sich angehende Konstrukteure oft besonders intensiv mit modernen Methoden auseinandersetzen – möglicherweise sogar mehr als erfahrene Fachkräfte. Gerade Lernende sind häufig diejenigen, die unvoreingenommen neue Technologien erkunden und schneller in innovative Bereiche vordringen.Zwar werden die Lehrpläne sicherlich angepasst, doch die Innovationsgeschwindigkeit übertrifft oft das Tempo, mit dem Vorlesungen aktualisiert werden können. Was im Sommer noch als state-of-the-art galt, kann bis zum Ende des Semesters bereits überholt sein. Dennoch bin ich zuversichtlich, dass wir bald eine stabilere Phase erreichen werden, in der konzeptionelle Ansätze klar definiert und langfristig anwendbar sind.

DM: Werfen wir einen Blick in die Zukunft: Wie wird sich der Einsatz von KI in der Konstruktion und Produktentwicklung in den nächsten fünf bis zehn Jahren entwickeln? Welche technologischen Trends sollten Konstrukteure im Blick behalten?

Dr. Liebig: Ich glaube, dass die aktive Beteiligung von Fachexperten sowohl im Analyseprozess als auch bei der Nutzung der Analysen eine der spannendsten Entwicklungen sein wird. Wie bereits erwähnt, bin ich überzeugt, dass Daten erst durch Kontextualisierung ihren vollen Wert entfalten. KI wird es ermöglichen, dass Domänenexperten weniger Zeit mit routinemäßigen Aufgaben verbringen müssen. Diese gewonnene Zeit kann wiederum genutzt werden, um die KI weiterzuentwickeln und mit wertvollem Fachwissen anzureichern.Gerade im Bereich der Konstruktion dürfte geometrisches Deep Learning einen großen Aufschwung erleben. Im Gegensatz zu klassischen Deep-Learning-Modellen, die mit Tabellen, Bildern oder Texten arbeiten, basiert es auf geometrischen Daten – in der Regel CAD-Modelle. Diese Art von Daten bringt besondere Herausforderungen mit sich, bietet aber enormes Potenzial: KI-gestützte geometrische Modelle werden den Konstruktionsprozess erheblich beschleunigen. Gleichzeitig wird die KI durch generatives Design immer besser darin, eigene, innovative Entwürfe zu erstellen.

DM: Herr Dr. Liebig, vielen Dank für das Gespräch.