Als Leiter des KI-Bereichs haben Sie mit Microsoft Foundry, Amazon Bedrock oder einem ähnlichen KI-Orchestrator für Unternehmen eine kluge Entscheidung getroffen. Die Einführung eines solchen Orchestrators ist für das Unternehmen der richtige Schritt. Er ist schnell, wird zentral verwaltet und deckt eine breite Palette von Anwendungsfällen ab.
Wenn die Engineering-Abteilung plant, Agenten zu entwickeln, die echte Engineering-Aufgaben wie Datenaufbereitung, Einrichtung, Extraktion, Dokumentation und Übergabe übernehmen sollen, treten die Schwachstellen zutage.
In diesem Artikel erfahren KI-Verantwortliche in Fertigungsunternehmen, was sie über ihren KI-Stack für die Forschungs- und Entwicklungsabteilung wissen müssen.
KI-Plattformen kaufen
Im Gartner® Build-Buy-Blend-Entscheidungsframework zur Auswahl von KI-Lösungen stellt die Einführung eines Unternehmens-KI-Orchestrators, den Sie mit geringem Konfigurationsaufwand einrichten können, eine „Buy“-Entscheidung dar, da er in erster Linie für Anwendungsfälle gedacht ist, die Gartner als „Defend“ bezeichnet.
Der Gartner-Bericht definiert „Defend“ als den Ansatz, bei dem KI „die individuelle Produktivität steigert, um die Wettbewerbsfähigkeit aufrechtzuerhalten“. Dies ist auch die richtige Entscheidung für allgemeine „Extend“-Maßnahmen in verschiedenen Funktionsbereichen wie Support, Marketing und Betrieb. Der Gartner-Bericht beschreibt „Buy“ als „den Erwerb von Standard-Kernsystemen wie ERP, CRM, HR und branchenspezifischen Plattformen wie Kernbankensystemen oder elektronischen Patientenakten“.
Das Problem ist, dass Forschung und Entwicklung im Bereich physischer Produkte kein allgemeiner geschäftlicher Anwendungsfall ist. Ihre Simulationsumgebung, Ihre Konstruktionsmethoden und die Art und Weise, wie Ihr Team Anforderungen in validierte Bauteile umsetzt, gehören zu den wichtigsten Wettbewerbsvorteilen, über die Hersteller verfügen. Insbesondere in stark regulierten Branchen wie der Automobilindustrie, der Luftfahrt und der Verteidigungsindustrie muss jede KI, die zur Unterstützung der Konstruktionsarbeit eingesetzt wird, strenge Branchenvorschriften erfüllen.
Damit fällt das Ingenieurwesen unter den Anwendungsfall „Extend“, den der Gartner-Bericht als KI definiert, die „bestehende Prozesse oder Teams transformiert, um Wettbewerbsvorteile zu erzielen“. Genau bei „Extend“ stößt der Kauf einer Einheitslösung an ihre Grenzen.
KI, die bei Engineering-Aufgaben berät, im Gegensatz zu KI, die Engineering-Arbeiten ausführt.
Am deutlichsten lässt sich die Lücke erkennen, wenn man unterscheidet, was KI-Systeme leisten können: beraten oder ausführen.
Ein KI-Orchestrator für Unternehmen ist darauf ausgelegt, Texte und Geschäftsdaten zu analysieren. Fragt man ihn nach einem 3D-Entwurf, fasst er Dokumente zusammen, entwirft eine Erklärung und schlägt einen Ansatz vor. Das ist Beratung, und sie ist wirklich nützlich.
Um jedoch den Durchsatz im Ingenieurwesen spürbar zu steigern, muss KI die Arbeit leisten, die ein Ingenieur leisten würde. Das bedeutet, CAD-Software zu bedienen, Simulationen durchzuführen, Geometrien unter Berücksichtigung von Randbedingungen zu optimieren und ein validiertes Ergebnis zu liefern, das jemand abnehmen kann. Eine Plattform, die darauf ausgelegt ist, Dokumente zu analysieren, wurde nicht dafür entwickelt, eine CAx-Toolchain zu betreiben oder eine mathematische ingenieurwissenschaftliche Methode anzuwenden. Unternehmens-KI kann einem Ingenieur sagen, was sie tun würde. Sie tut es jedoch nicht.
Der Grund dafür liegt in der Architektur. Ein KI-Orchestrator für Unternehmen liest Texte, Dokumente und Datenbanken. Er hat keinen nativen Zugriff auf 3D-Geometrie. Eine speziell für den Ingenieurbereich entwickelte agentenbasierte KI-Lösung wie Synera bindet produktionsreife CAx-Kerne ein, auf die die Agenten direkt zugreifen können. So öffnen sie das CAD-Modell, bereiten es vor und führen die Analyse durch, anstatt nur zu beschreiben, was sie tun würden. Dieser native Zugriff auf 3D-Geometrie lässt sich nicht einfach durch ein paar Anpassungen an eine Plattform hinzufügen.
Einfach ausgedrückt: KI-Orchestrierungsplattformen für Unternehmen beraten. Synera führt aus.
Eine Möglichkeit, diese beiden Bereiche voneinander abzugrenzen: Ein Enterprise-AI-Orchestrator ist das Nervensystem des Unternehmens, das Informationen im gesamten Unternehmen erfasst und weiterleitet. Das Engieering benötigt zudem „Hände“ und ein „Gehirn“ für die eigentliche Arbeit – also etwas, das die Methode tatsächlich ausführt, anhand der Anforderungen validiert und das Bauteil herstellt. Ein CAD-Kern muss von Grund auf integriert sein, damit Agenten nativ mit 3D-Geometrie, Netzmodellen und Ergebnissen arbeiten können – so vermeidet man, dass eine Unternehmens-KI-Lösung an Daten angehängt wird, die sie nicht lesen kann. Die Ausführung ist das schwierigere Problem als das Abrufen von Daten, und es ist dasjenige, das die meisten Entscheidungsträger im Bereich Unternehmens-KI im Ingenieurwesen übersehen.
Wie Entscheidungen zum KI-Tech-Stack im Engineering in der Praxis aussehen
Das haben wir kürzlich bei einem Tier-1-Zulieferer der Automobilindustrie beobachtet. Neben einem frühzeitig entwickelten, speziell für diesen Zweck konzipierten technischen Proof-of-Concept führte das Team parallel dazu die Entwicklung eines Engineering-Agent-Systems auf einer Unternehmens-KI-Plattform durch, wobei das Delivery-Team des Anbieters die Orchestrierungsschicht bereitstellte. Die Plattform wurde als schnell konfigurierbar angepriesen. Die eigene Schlussfolgerung des Teams am Ende: Das war sie nicht. Hinter dem meisten, was auf dem Papier wie eine einfache Konfiguration aussah, verbarg sich echte technische Komplexität – jene Art von Komplexität, die aus jahrzehntelanger technischer Erfahrung in den Grauzonen resultiert, die sich einfachen „Wenn-dann“-Regeln entziehen.
Vier Dinge, die wir beobachtet haben:
- Dem Entwicklungsteam fehlte von Anfang an Fachwissen im Bereich Engineering. KI-Orchestrierungsplattformen für Unternehmen bieten zwar leistungsstarke KI- und Automatisierungsfunktionen, jedoch kein Fachwissen im Bereich Engineering. Das Kernteam, das die Agenten entwickelte, verstand die zugrunde liegenden technischen Prozesse nicht, und diese Lücke wurde nie geschlossen. Das Team des Kunden musste schließlich immer wieder dieselben grundlegenden technischen Konzepte erklären, anstatt auf einer gemeinsamen technischen Grundlage aufzubauen.
- Was als schnell konfigurierbar vermarktet wird, sind in der Praxis vorgefertigte Komponenten und voreingestellte Module, die für geschäftliche Arbeitsabläufe konzipiert wurden. Technische Prozesse funktionieren so nicht. Sie variieren je nach Fachgebiet, Bauteilfamilie und Anforderungen, und die Logik hinter selbst einer bescheidenen Anpassung wird schnell komplex. KI-Orchestrierungsplattformen für Unternehmen sind auf eine ganz andere Art von Geschäftsprozessen ausgelegt, die nicht von Haus aus für Simulationen oder 3D-Geometrien konzipiert sind.
- Der übliche Plan sieht eine schrittweise Übergabe vor: Der Anbieter erstellt die erste Version, dann übernimmt das eigene Team des Kunden die Wartung und Erweiterung. Dieses Modell funktioniert, wenn das, was übergeben wird, einfach genug ist, dass ein Entwicklungsteam die Verantwortung dafür übernehmen kann. Als die Ingenieure des Kunden die tatsächliche Komplexität hinter der Entwicklung erkannten, kamen sie zu dem vernünftigen Schluss, dass sie nicht in der Lage waren, diese Entwicklung selbst voranzutreiben.
- Etwa ein halbes Jahr nach Beginn des Projekts lag ein solides Konzept für genau einen Anwendungsfall vor, das auf einem einzigen Agenten lief. Das Entwicklerteam legte die Entwicklung beiseite und wechselte stattdessen zu Synera. Bezeichnenderweise behielten sie die anderen Unternehmensprodukte des Anbieters bei und sind nach wie vor zufrieden damit. Sie werden lediglich nicht für den Einsatz agentenbasierter KI im Entwicklungsbereich genutzt. Die technische Komplexität verschwindet nicht, nur weil eine Plattform als schnell konfigurierbar vermarktet wird; sie verlagert sich lediglich weiter nach unten zu demjenigen, der am Ende den Workflow bewältigen muss.
4 Fragen, die Sie sich stellen sollten, bevor Sie mit Unternehmens-KI agentenbasierte Entwicklung umsetzen
Bevor Sie zu dem Schluss kommen, dass Ihre vorhandene Enterprise-KI-Plattform auch das Engineering abdeckt, prüfen Sie die Entscheidung anhand von vier Fragen. Sie entsprechen den Entscheidungsfaktoren im Gartner-Report.
- Versteht das Team, das dies entwickelt, tatsächlich unseren Engineering-Bereich oder nur die Orchestrierungstechnologie?
- Wenn jemand dies als schnell zu konfigurieren oder als „Low-Code“ bezeichnet, welche Logik verbirgt sich dann tatsächlich hinter den „vorgefertigten“ Komponenten?
- Wer ist in einem Jahr für dieses System verantwortlich, und ist diese Person realistisch gesehen in der Lage, es zu erweitern?
- Welcher Anwendungsfall belegt, dass dies skalierbar ist, und wie lange wird das ehrlich gesagt dauern?
KI im Engineering ist eine Blend-Entscheidung, kein Komplettaustausch
Das bedeutet keineswegs, dass der Enterprise-KI-Orchestrator ein Fehler war. Es bedeutet vielmehr, dass es sich bei der Entwicklung um eine andere Beschaffungsfrage mit einer anderen Antwort handelt. Hier geht es um Koexistenz, nicht um Verdrängung.
Der Gartner-Bericht definiert „Blend“ als „die Entwicklung maßgeschneiderter Features und Funktionen, die in Standardlösungen nicht verfügbar sind und es Unternehmen ermöglichen, ihre Systeme an spezifische Geschäftsanforderungen anzupassen“. Der Gartner-Bericht verweist auf „Blend“ als Mittel zur Differenzierung der Arbeitsabläufe: Behalten Sie den Enterprise-KI-Orchestrator für das Geschäft bei und fügen Sie eine speziell entwickelte Engineering-Ebene hinzu, die Sie selbst konfigurieren und verwalten.
Genau das ist Synera: spezialisierte, agentenbasierte KI für den Ingenieurbereich, die handelt, anstatt nur zu beraten. Sie läuft in einer isolierten Umgebung vor Ort, steuert CAD- und CAE-Tools an, verfügt über mehr als 85 sofort einsatzbereite Add-Ins und Integrationen für Ingenieursysteme und hilft Ingenieurunternehmen dabei, deterministische, wiederholbare Arbeitsabläufe zu entwickeln, hinter denen Ingenieure stehen können. Lokale Agenten bewahren proprietäre Engineering-Daten in Ihrer Umgebung auf, wodurch Sicherheitsanforderungen erfüllt werden, die Unternehmens-Cloud-KI in der Regel nicht erfüllen kann.
Dank der Forward Deployed Engineers sowie einer Vorlagenbibliothek für bekannte Anwendungsfälle in den Bereichen Automobilbau, Luft- und Raumfahrt, Verteidigung und Konsumgüter folgt der erste Anwendungsfall einem Weg, der sich bereits anderswo bewährt hat, und Ihr Team übernimmt anschließend die Verantwortung dafür. Der KI-Orchestrator für Unternehmen konzentriert sich weiterhin auf das, was er am besten kann. Die Synera-Agenten übernehmen den technischen Teil.
Eric Stähle, Entwicklungsingenieur bei IMS Gear, beschrieb den Einsatz von Synera wie folgt: „Wir haben einfach Synera und die Agent-Orchestrierung genutzt, um alles miteinander zu verbinden.“
Synera wurde direkt an die bestehenden Tools von IMS Gear angebunden: CAD, Produktdatenmanagement (PDM), Berechnungsblätter, Kalkulationstools. Das bedeutete, dass keine Migration auf eine neue Plattform erforderlich war und keine Datenumstellung zusätzlich zu den bestehenden technischen und geschäftlichen Herausforderungen bewältigt werden musste. Die Integrationen werden von Synera gepflegt, wenn CAx-Anbieter ihre APIs ändern. Offen und interoperabel, kompatibel mit A2A und MCP. Synera ist die technische Ausführungsebene im Rahmen Ihrer Unternehmenskoordination, keine konkurrierende Insel.
Dr. Jens Fechler, Leiter der Forschungs- und Entwicklungsabteilung bei IMS Gear, erklärt, was sich nach der Einführung von Synera geändert hat: „Anfangs brauchte ich zwei meiner Ingenieure für die Angebotserstellung, heute reicht einer aus. Wir erstellen die gleiche Anzahl an Angeboten und sind dabei sogar noch schneller.“
Das Fazit
„Wir verfügen bereits über eine KI-Plattform für Mitarbeiter“ – das ist die richtige Antwort auf eine Frage zum Geschäft. Das Engineering ist eine andere Sache. Gehen Sie das „Build, Buy or Blend“-Framework von Gartner durch, um die beste Lösung für Ihre Engineering-Organisation zu ermitteln. Oft ist „Blend“ die richtige Wahl: Behalten Sie das, was Sie gekauft haben, und ergänzen Sie es um ein System, das die Engineering-Aufgaben ausführt.
Dieser Gartner-Report ist bis zum 09.10.2026 verfügbar. Abonnieren Sie den Synera-Blog für weitere Gartner-Reports und die praxisnahe Einordnung unserer Ingenieure, was im Bereich KI für das Engineering wirklich passiert.
Gartner, How to Decide Whether to Build, Buy or Blend Your AI Projects, von Whit Andrews, Jim Hare, 09.04.2025.
GARTNER is a trademark of Gartner, Inc. and/or its affiliates.
About the Author:
Jeron Devadas
Senior Customer Success Manager
Jeron Devadas ist Customer Success Manager bei Synera, wo er wichtige Unternehmenskunden bei der Digitalisierung und der Einführung von KI-Agenten im Ingenieurwesen strategisch begleitet und unterstützt. Er hilft Ingenieurbüros dabei, ihre digitale Transformation zu beschleunigen und agentenbasierte KI für eine intelligentere und schnellere Produktentwicklung einzusetzen. Er verfügt über einen Master of Science (MSc) in Computerwissenschaften der Technischen Universität Braunschweig sowie über Erfahrung in den Bereichen Strukturmechanik und Produktentwicklung, da er zuvor bei Bertrandt und dem Deutschen Zentrum für Luft- und Raumfahrt (DLR) tätig war. Bevor er diese eher strategisch ausgerichtete Position übernahm, gehörte Jeron zu den ersten Solution Engineers bei Synera und entwickelte Automatisierungslösungen für Ingenieurbüros. Diese praktische Erfahrung im Ingenieurwesen verschafft ihm einen Einblick in die konkreten Herausforderungen, an deren Lösung seine Kunden heute arbeiten.
