Veranstaltungsort des PTC China Eliteforums der Ausrüstungsbranche in Changsha
Derzeitig entwickelt sich die Technologie der künstlichen Intelligenz von allgemeinem Frage-Antwort und Inhaltsgenerierung hin zu einer neuen Phase, in der sie tief in die Kerngeschäftsprozesse von Unternehmen eingebettet wird. Für Branchen wie den Maschinen- und Anlagenbau, die Energiewirtschaft, die Hightech-Ausrüstung und die New-Energy-Branche liegt der Wert von KI nicht mehr in „sichtbaren Demonstrationseffekten", sondern darin, ob sie in Schlüsselprozesse wie Produktentwicklung, Anforderungstechnik, PLM-Datenmanagement, Software-Lebenszyklusmanagement, Lieferketten-Kollaboration und Servicebetrieb eintreten kann, um echte Probleme zu lösen: lange Entwicklungszyklen, komplexe Ingenieursdaten, hohe Kosten der teamübergreifenden Zusammenarbeit, schwer nachvollziehbare Auswirkungen von Anforderungsänderungen und hoher Prüf- und Validierungsdruck.
Am 17. Juni 2026 fand das PTC China Eliteforum der Ausrüstungsbranche in Changsha erfolgreich statt. Unter dem Thema „KI-gesteuerte digitale Innovation entlang der gesamten Wertschöpfungskette im Maschinen- und Anlagenbau sowie in der Energiewirtschaft" versammelte die Veranstaltung Führungskräfte von PTC weltweit, lokale Technologieexperten, Ökosystempartner des Branchenumfelds sowie Digitalisierungsverantwortliche aus Bereichen wie Baumaschinen, Windenergie und Hightech-Ausrüstung, um gemeinsam über Wege zur großflächigen Umsetzung industrieller KI im Maschinen- und Anlagenbau und in der Energiewirtschaft zu diskutieren.
Als Vertreter der PTC-Ökosystempartner mit kontinuierlichem Fokus auf die praktische KI-Umsetzung nahm SOIN AI auf Einladung an dieser Veranstaltung teil und präsentierte systematisch seine Produkterfolge in Bereichen wie Agentic AI, branchenspezifischen Domänenmodellen, Verarbeitung von Ingenieurswissen, Anforderungs-Governance, Testgenerierung, intelligenter Interaktion mit Produktdaten und lokaler KI-Bereitstellung – entlang zentraler Fertigungsszenarien wie „KI-gestützte Produktanforderungstechnik", „Windchill + AI" und „Codebeamer + AI".
Nach dem PTC China Eliteforum für digitale Transformation in Xiamen, dem PTC China Brancheneliteforum in Wuhan und dem PTC China Eliteforum der Automobilbranche in Qingdao zeigte SOIN AI damit erneut auf der Austauschplattform des PTC-Ökosystems KI-Anwendungsfähigkeiten für reale Geschäftsszenarien der Fertigungsindustrie. Bereits zuvor hatte SOIN AI bei PTC-Veranstaltungen mehrfach betont, dass die KI-Umsetzung in der Fertigungsindustrie von geschäftlichen Schmerzpunkten ausgehen und Unternehmensdaten, Prozesse und Fähigkeiten vertikaler Modelle einbeziehen muss, um schrittweise Agenten hervorzubringen, die sich im Hauptgeschäftsprozess selbstständig zuweisen und anwenden lassen – statt auf der Ebene isolierter Werkzeuge oder Einzeldemonstrationen stehen zu bleiben.
PTCs Strategie für den intelligenten Produktlebenszyklus: KI hält Einzug in den digitalen Faden der Fertigungsindustrie
Herr Brad Ferguson, Senior Vice President Global Solutions Consulting bei PTC
Vor Ort präsentierte PTC sein System für den intelligenten Produktlebenszyklus, seine KI-Strategie und seine Produkt-Roadmap. PTC stellte fest: Für eine Fertigungsindustrie, in der Intelligenz, Softwareorientierung und Serviceorientierung ständig zunehmen, müssen Unternehmen auf vertrauenswürdigen Produktdaten aufbauend KI in die Werkzeuge und Workflows einbetten, die Ingenieure täglich nutzen, um über den gesamten Produktlebenszyklus mehr Wert freizusetzen. Auch PTCs offizielle KI-Strategie betont ausdrücklich, dass die Unternehmens-KI auf vertrauenswürdigen Produktdaten aufbaut und in die täglichen Werkzeuge und Workflows der Kunden eingebettet ist, um effizientere Produktinnovation, Entscheidungsfindung und Kollaboration zu unterstützen.
In PTCs Produktportfolio bettet Windchill AI generative und agentische KI in PLM-Prozesse ein, um Unternehmen bei der Automatisierung von Workflows, der Gewinnung von Einblicken aus Produktdaten und der Steigerung der Produktivität zu helfen; Codebeamer AI unterstützt durch die Einbettung generativer KI in ALM die Anforderungsverarbeitung, die Qualitätsverbesserung und die Beschleunigung der Produktentwicklung. Diese Richtung deckt sich weitgehend mit SOIN AIs langjährig vertretenem Produktprinzip, wonach KI in den Hauptprozess eintreten muss – statt isolierte Assistenten zu ergänzen.
Die Komplexität des Maschinen- und Anlagenbaus und der Energiewirtschaft bestimmt: Soll KI langfristigen Wert schaffen, muss sie technische Semantik, Prozessbeziehungen, Berechtigungsgrenzen und Datenkontexte verstehen. Zwischen Objekten wie Anforderungen, BOM, Änderungen, Tests, Qualität, Lieferkette und Instandhaltung bestehen zahlreiche Kettenglied-Beziehungen; jede Missverständlichkeit in einem Glied kann sich zu kostspieliger Nacharbeit in späteren Phasen von Konstruktion, Validierung, Auslieferung und Audit ausweiten. Daher sollte KI für die Fertigungsindustrie nicht nur „Fragen beantworten können", sondern in der Lage sein, Aufgaben rund um konkrete Ingenieursobjekte auszuführen, Kontexte zu organisieren, strukturierte Ergebnisse auszugeben und nach menschlicher Bestätigung in den digitalen Faden des Unternehmens zurückzuschreiben.
KI-gestützte Produktanforderungstechnik: von der „KI, die Fragen beantwortet" zur „Agentic AI, die in den Entwicklungsprozess eintritt"
Vortrag von Herrn Wang Xienan, Experte für generative KI-Anwendungen bei SOIN Tech
In der Fachpräsentation zur „KI-gestützten Produktanforderungstechnik" tauschten sich Herr Liu Hongxun, Pre-Sales-Technikberater bei PTC China, und Herr Wang Xienan, Experte für generative KI-Anwendungen bei SOIN Tech, über die Transformation der Anforderungstechnik im Zeitalter softwaredefinierter Produkte aus. Angesichts der in komplexen Ausrüstungsunternehmen weit verbreiteten Probleme – lange Anforderungsketten, parameterdichte Dokumente, komplexe teamübergreifende Zusammenarbeit, schwer nachvollziehbare Anforderungsänderungen – zeigten beide auf, wie sich KI mit Anforderungsmanagementplattformen wie Codebeamer verbinden lässt, um eine durchgängige, intelligent erweiterte Leistungskette von der Anforderungsübernahme über Qualitätsprüfung und Konsistenzkontrolle bis zur intelligenten Zerlegung und Testfallgenerierung zu bilden.
SOIN AI stellte vor Ort dar, dass die Anforderungstechnik im Bereich komplexer Ausrüstung nicht nur Textverständnis erfordert, sondern eine stabile Beurteilung von Terminologie, Parametern, Regeln und Beziehungen. Allgemeine Modelle können Verständnis, Zusammenfassung und Generierung auf natürlichsprachlicher Ebene lösen; in komplexen Szenarien wie Hydraulik, elektronischer Steuerung, Regelungsstrategien, Speichersicherheit, Grenzen technischer Parameter, Unternehmensregeln und Kettenglied-Beziehungen benötigen Unternehmen branchenspezifische Domänenmodelle, gemeinsam getragen von Context Engineering, damit KI vom „Lesen von Text" zum „Verstehen technischer Randbedingungen" gelangt. Diese Einschätzung zeigt sich auch im Präsentationsmaterial von SOIN AI: Der Schlüssel des Anforderungstechnik-Agentens liegt in besserem Context Engineering; nur wenn Anforderungsquellen, Beziehungen, Regeln, Historie, Tests und Berechtigungsgrenzen einbezogen werden, sind KI-Ergebnisse ingenieurtechnisch brauchbar.
Auf dieses Ziel hin hat SOIN AI die ALA-Fähigkeit in den Hauptprozess des Codebeamer-Anforderungsmanagements eingebettet und damit einen geschlossenen Kreislauf gebildet: „Anforderungen und Beziehungskette anhand der Anforderungs-ID lesen – KI-gestützte Verarbeitung – Ausgabe strukturierter Ergebnisse – menschliche Bestätigung – Rückführung in den Codebeamer-Hauptfaden". Dieser Weg betont, dass KI nicht das letzte Urteil der Ingenieure ersetzt, sondern bei hochfrequenten Handlungen wie Lesen, Prüfen, Suchen, Zerlegen und Validieren eine bestätigbare, nachvollziehbare und zurückschreibbare ingenieurtechnische Unterstützung bietet.
SOIN AI ALA: KI-Produkterfolge für das Software-Lebenszyklusmanagement der fortschrittlichen Fertigungsindustrie
Präsentation der in Codebeamer eingebetteten ALA-Fähigkeiten von SOIN AI
Die von SOIN AI bei dieser Veranstaltung im Mittelpunkt präsentierte ALA (Autonomous Lifecycle Assistant, autonomer Lebenszyklus-Intelligenzassistent) ist eine auf Branchenniveau konzipierte ALM-Intelligenzanwendung, die auf SOIN AIs selbstentwickeltem Agentic Workflow Engine (AWE) und der Agentic Documents Suite (ADS) aufbaut. Sie richtet sich an hochwertige Abschnitte in Fertigungsunternehmen wie Anforderungsreviews, Testmanagement und Bauteileauswahl, und verwandelt Wissen, das in PDFs, technischen Spezifikationen, Anforderungsdokumenten, Testassets, historischen Projekten und Expertenerfahrungen verstreut ist, in orchestrierbare, aufrufbare und von Agenten automatisch ausführbare Wissensassets. Nach den Produktmaterialien richtet sich ALA an ALM-Szenarien der Fertigungsindustrie, konzentriert sich auf Schlüsselabschnitte wie Anforderungsreview, Testmanagement und Bauteileauswahl und unterstützt compliance- und rückverfolgbarkeitsorientierte Anforderungen wie INCOSE, ISO 26262 und ASPICE.
Für das Szenario Codebeamer + AI hat SOIN AI bereits acht zentrale durchgängige KI-Fähigkeiten für Anforderungen aufgebaut:
PDF-Import und Parsing von Anforderungsdokumenten. Bei unstrukturierten Dokumenten wie PDF-Spezifikationen, Vereinbarungen und Änderungsmitteilungen von OEMs kann ALA diese automatisch in klar strukturierte, normgerecht formatierte, editierbare und wiederverwendbare Anforderungsdokumente umwandeln, manuelle Eingabe- und Formatierungsarbeit reduzieren und die Effizienz der Anforderungsverarbeitung bereits in der Projektstartphase steigern. Übersetzung von Anforderungseinträgen und sprachübergreifende Kollaboration. Für Szenarien wie standortübergreifende Entwicklung, Kollaboration mit ausländischen Kunden und das Verständnis fremdsprachiger technischer Standards unterstützt ALA präzise Fachübersetzung; in Kombination mit Terminologiedatenbanken, kontextueller Semantik und branchenüblichen Ausdrucksweisen liefert sie terminologisch konsistente, logisch stimmige, interaktive Übersetzungen und verringert so Abweichungen nicht muttersprachlicher Teams beim Verstehen technischer Details.
Prüfung der Anforderungsqualität. Die Anforderungsqualität ist die Quelle des digitalen Entwicklungsgewebes. ALA kann auf Basis von Anforderungsqualitätsstandards wie INCOSE Klarheit, Vollständigkeit, Überprüfbarkeit und Konsistenz von Anforderungseinträgen intelligent prüfen und Unternehmen helfen, potenzielle Mehrdeutigkeiten, Lücken und unsachgemäße Formulierungen zu erkennen, bevor Anforderungen in nachgelagerte Phasen von Konstruktion, Entwicklung und Validierung eintreten – und so das Nacharbeitsrisiko durch nach hinten verschobene Defekte verringern.
Ähnlichkeitsprüfung von Anforderungen und Wissenswiederverwendung. In komplexen Entwicklungsumgebungen mit mehreren Teams und parallel laufenden Projekten sind Anforderungswiederholungen, inkonsistente Formulierungen und unzureichende Wiederverwendung historischer Assets häufige Probleme. Durch semantische Suche und Ähnlichkeitsbewertung identifiziert ALA ähnliche Anforderungen, doppelte Anforderungen und potenzielle Widersprüche, unterstützt projektübergreifende Wiederverwendung, Anforderungsrückverfolgung und Änderungsauswirkungsanalysen und verbessert so Qualität und Review-Effizienz der Anforderungsbibliothek.
Konsistenzprüfung von Anforderungen. Im Maschinen- und Anlagenbau sowie in der New-Energy- und Hightech-Ausrüstungsbranche bestehen zwischen Schlüsselparametern in Anforderungseinträgen häufig Abhängigkeiten entlang der Zerlegungskette. Sobald sich numerische Grenzwerte bei der Weitergabe verzerren, können nachgelagerte Schnittstellen, Systemintegrationen und Testvalidierungen abweichen. ALA kann die Konsistenz wichtiger numerischer Kennwerte in hierarchischen Anforderungen automatisch prüfen, Konflikte identifizieren und Sprünge zu verknüpften Anforderungen unterstützen, damit Unternehmen sicherstellen können, dass Parameter korrekt, sinnvoll und nachvollziehbar weitergegeben werden.
Automatische Generierung von Testfällen. Angesichts zeitintensiver manueller Testfallerstellung, erfahrungsabhängiger Abdeckung und schwer vereinheitlichbarer Formulierungen von Schritten und erwarteten Ergebnissen kann ALA auf Basis der Anforderungsinhalte einen Testfallgenerierungsprozess ausführen, Testtitel, Vorbedingungen, Ausführungsschritte und erwartete Ergebnisse ausgeben und Ingenieuren an jeder beliebigen Stelle manuelle Korrektur und Bestätigung ermöglichen – wodurch Anforderungsvalidierungs-Assets in den ALM-Hauptfaden zurückgeführt werden.
KI-gestützte Zerlegung von Anforderungen. Bei der Umwandlung von Produktanforderungen in Softwareanforderungen und von Systemanforderungen in Subsystemanforderungen kann ALA unter Einbezug des Ziel-Geschäftskontexts und der Randbedingungen die Anforderungen strukturiert zerlegen und reviewbare, rückverfolgbare Software- oder nachgelagerte Anforderungen mit konsistenterer Granularität ausgeben, wodurch Auslassungen und Mehrdeutigkeiten durch manuelles Verständnis verringert werden.
Intelligente Anforderungssuche. Angesichts ineffizienter Stichwortsuche in riesigen Anforderungsbibliotheken und mangelnder Abdeckung technischer Semantik und Parameter-Randbedingungen unterstützt ALA Abfragen in natürlicher Sprache und Anforderungszuordnung, gibt nach Ähnlichkeit und Relevanz sortierte Listen einschlägiger Anforderungen zurück und hilft Ingenieuren, historische Assets rasch zu lokalisieren – zur Unterstützung projektübergreifender Wiederverwendung, Auswirkungsanalysen und Entwicklungsentcheidungen. Auch der offizielle Codebeamer AI von PTC stärkt Fähigkeiten wie das Verfassen von Anforderungen, die Testgenerierung, die Pflege von Tracing-Beziehungen und Einblicke in Compliance-Risiken. Nach PTC-Angaben kann Codebeamer AI beim Generieren, Optimieren und Klären von Anforderungen helfen, auf Basis von Anforderungen Testfälle vorschlagen und präzise Beziehungen zwischen Artefakten pflegen und zugleich Lücken, Inkonsistenzen und Compliance-Risiken im Lebenszyklus frühzeitig erkennen. Die lokalisierte ALA-Fähigkeit von SOIN AI bietet darüber hinaus, abgestimmt auf reale Geschäftspraktiken chinesischer Fertigungsunternehmen, Anforderungen an private Bereitstellungen, branchenspezifische Terminologiesysteme und bestehende Plattform-Integrationsumgebungen, verstärkte Lösungen, die näher an lokalen Szenarien liegen.
Windchill + AI: Produktdaten von „verwaltbar" zu „verstehbar, wiederverwendbar, entscheidungsreif"
Herr Lü Zhenyuan, Senior Technical Manager für industrielle Ausrüstung bei PTC, teilt Windchill-Lokalisierungs-KI-Strategie und Praxisfälle
Auch PTC stellte bei dieser Veranstaltung seine Windchill-Lokalisierungs-KI-Strategie und Praxisfälle vor und zeigte den Anwendungswert von KI in Bereichen wie der Interaktion mit Produktdaten, der Effizienzsteigerung bei der Geschäftsausführung und der intelligenten Prozesskoordination. Offiziellen PTC-Angaben zufolge bettet Windchill AI KI direkt in PLM-Workflows ein und hilft Anwendern, komplexe Produktdaten schneller zu finden, zu verstehen und zu verarbeiten; es unterstützt Abfragen in natürlicher Sprache, Zusammenfassungen komplexer Dokumente und die Rückverfolgung vertrauenswürdiger Produktdaten und steigert die PLM-Nutzungseffizienz unter strikten Zugriffs- und Governance-Mechanismen.
Für das Szenario Windchill + AI hat SOIN AI in seinem Produktservice-System für die Fertigungsindustrie bereits vielfältige umsetzbare Fähigkeiten aufgebaut, konzentriert auf Richtungen wie intelligente Produktdateninteraktion, Parsing technischer Bauteildokumente, Materialabfrage und -auswahl, BOM-Daten-Governance, Änderungsauswirkungsanalyse und Knowledge-Graph-Verstärkung.
In PLM-integrierten Lieferketten- und Bauteilemanagement-Szenarien zählen zu den häufigsten Herausforderungen ineffiziente Dateneingabe, mühsame Datenabfrage und verkrustete Analyseprozesse. Manuelle Eingabe von Materialparametern ist nicht nur ineffizient und wenig normiert, sondern beeinträchtigt auch Auswahl- und BOM-Genauigkeit; die Umwandlung vager Anforderungen in technische Parameter durch Ingenieure ist zeitaufwändig und fehleranfällig, und auch semantische Zuordnung und Datenintegration in mehrsprachigen Dokumenten sind schwierig; traditionelle Analyseprozesse verlassen sich vorwiegend auf festgelegte Regeln und können flexible, mehrdimensionale, datenquellenübergreifende Entscheidungsunterstützung kaum leisten. Das Material von SOIN AI ordnet diese Probleme drei Maßnahmenkategorien zu: intelligente Dateneingabe, intelligente Abfrage und intelligente Analyse – einschließlich automatischer Materialklassifizierung und Attributextraktion, Datasheet-Datenerkennung und Aufbau einer Bauteilwissensbasis, Material-Deduplizierung und Ersatzempfehlungen, projektübergreifende Parameterwiederverwendung, mehrquellige Vergleichsanalysen und Generierung erster technischer Lösungsentwürfe. Beim Parsing technischer Bauteildokumente unterstützt SOIN AI das Parsing und die Extraktion mehrerer Dokumentformate, mehrsprachige Erkennung und Konvertierung, intelligente Bauteilklassifizierung, Extraktion von Klassifizierungsattributen und die automatische Erstellung klassifizierter Materialien – so werden die ursprünglich in PDFs, Datasheets und Lieferantenspezifikationen verstreuten unstrukturierten Informationen in strukturierte Datenassets umgewandelt und die Materialdatenqualität von der Quelle an verbessert.
In Bezug auf intelligente Interaktion und Entscheidungsunterstützung bietet SOIN AI Abfragen in natürlicher Sprache, integrierte Analysen mehrerer Datenquellen, umfassende Vergleiche von Bauteilen und Materialien, intelligente Empfehlungen alternativer Materialien und Vorschläge zur Designoptimierung – Ingenieure verbringen weniger Zeit mit Suchen, Vergleichen und Ordnen von Unterlagen im System und können ihre Energie stärker auf Konstruktionsurteile und technische Entscheidungen richten. In komplexeren PLM-Geschäftsprozessen kann SOIN AI in Kombination mit Knowledge Graph, RAG (Retrieval-Augmented Generation) und Agentic-Workflow-Fähigkeiten Szenarien wie KI-gestützte Materialabfrage und -auswahl, KI-gestützte Analyse der Auswirkungen von Konstruktionsänderungen, unterstützte Generierung von Prüfplänen und intelligenten BOM-Aufbau abdecken. Ziel ist nicht, PLM-Hauptsysteme wie Windchill zu umgehen, sondern auf der bestehenden Produktdatenbasis und Prozessarchitektur aufzubauen und KI unter vertrauenswürdigen Daten, Berechtigungs-Governance und Mechanismen menschlicher Bestätigung Informationsextraktion, Beziehungsverständnis, Risikohinweise und strukturierte Ausgaben erledigen zu lassen.
Von einzelnen KI-Funktionen zu prozessualen Agenten: SOIN AIs Methodik für die Umsetzung in der Fertigungsindustrie
Präsentation der branchenspezifischen Lösungsarchitektur von SOIN AI
Die Schwierigkeit der KI-Umsetzung in der Fertigungsindustrie lag nie in den Modellfähigkeiten selbst, sondern darin, wie Modelle mit den realen Prozessen, realen Daten, realen Berechtigungen und realen Verantwortungsmechanismen eines Unternehmens verbunden werden. SOIN AI ist überzeugt: Fortschrittliche Fertigungsunternehmen benötigen einen vollständigen geschlossenen Kreislauf aus „KI-Fähigkeit + Geschäftsorchestrierung + Daten-Governance + menschlicher Bestätigung + Rückschreiben ins System".
In der Produktarchitektur hat SOIN AI eine Fähigkeitsbasis mit AWE und ADS als Kern aufgebaut. AWE bietet Orchestrierungsfähigkeiten für Multi-Agenten-, Multi-Tool-Einsatz und Aufgaben; ADS bietet Parsing-, Slicing-, Verständnis-, Extraktions- und strukturierte Verarbeitungsfähigkeiten für komplexe Dokumente. Darauf aufbauend wandelt SOIN AI durch Agentic RAG, multimodales Slicing, semantisch hierarchisches Embedding, hochpräzise Extraktion von Anforderungsentitäten und logische Prüfung über Dokumente hinweg komplexe Fertigungsdokumente, Regeln, Anforderungen, Tests, Materialien und historische Projekterfahrungen in auffindbares, beurteilbares, orchestrierbares und wiederverwendbares Ingenieurwissen um. Nach einschlägigen Materialien hat ALA bereits ein ALM-Branchen-Agentensystem gebildet, einschließlich Anforderungsqualitäts-Review-Agent, Agent für Testfallgenerierung und -bewertung, Agent für Änderungsauswirkungsanalysen, Agent für die Generierung von Tracing-Matrizen und Agent für Qualitätsverbesserungsvorschläge; betont werden zudem industrietaugliche Kontrollanforderungen wie lokale Bereitstellung, privates Embedding-Modell, sichere Dokumentenisolation und nachvollziehbare Inferenzketten.
Auf dem Weg von Bereitstellung und Governance empfiehlt SOIN AI Unternehmen, mit Szenarien geringen Risikos und hoher Frequenz einzusteigen und schrittweise zu prozessualem Betrieb der Anforderungstechnik zu gelangen: In der ersten Phase stehen Dokumente und Qualität an erster Stelle – Dokumente lesbar machen, Übersetzungen konsistent halten, Anforderungsqualität nach vorn verlagern. In der zweiten Phase werden Wissenswiederverwendung und Beziehungsprüfungen verstärkt, durch Ähnlichkeitssuche, historische Wiederverwendung und Konsistenzprüfungen entlang der Kette Wiederholungen und Konflikte verringert. In der dritten Phase werden Zerlegung und Validierung verknüpft und Anforderungszerlegung, Testgenerierung und Validierungs-Assets in den Hauptprozess zurückgeführt. In der vierten Phase wird das Domänenmodell kontinuierlich optimiert, indem Expertenkorrekturen, Fehlalarme und Ergebnisse menschlicher Bestätigung als Trainings- und Bewertungssamples gesammelt werden. In der fünften Phase entsteht ein Governance- und kontinuierliches Betriebssystem, das Berechtigungen, Audits, Monitoring, Bewertung und Versionsmanagement umfasst – am Ende: weniger Nacharbeit, weniger Auslassungen, weniger Wiederholungen, alles rückverfolgbar.
Diese Methodik korrespondiert auch mit PTCs Einschätzung der Reife eingebetteter KI. PTC unterteilt die Rolle von KI-Agenten im Unternehmen in drei Reifestufen: „Empfehlen, Assistieren, Automatisieren" – von sofortigem Wissenszugriff, Inhaltszusammenfassung und Suche nach verwandten Informationen über die Unterstützung bei Workflow-Schritten bis hin zum selbstständigen Verbinden von Systemen, Überwachen von Daten und Vorantreiben von Ergebnissen mit geringem menschlichem Input. Für Fertigungsunternehmen bedeutet KI-Umsetzung nicht, bestehende Prozesse auf einen Schlag zu ersetzen, sondern auf Basis vertrauenswürdiger Daten und Prozess-Governance schrittweise von unterstützenden Empfehlungen zu prozessualer Kollaboration und schließlich bei bestimmten Aufgaben zur automatisierten Ausführung zu gelangen.
Tiefer im PTC-Ökosystem verwurzelt: Fertigungs-KI vom „Proof of Concept" zum „Ingenieursergebnis"
Gespräche am Messestand zum KI-gestützten Software-Lebenszyklusmanagement
In den letzten Jahren hat SOIN AI kontinuierlich PLM-, ALM- und Digitalisierungsszenarien der Fertigungsindustrie innerhalb des PTC-Ökosystems erkundet. Im April 2026 veröffentlichte SOIN AI beim PTC China Eliteforum der Elektronik-Hightech- und Medizintechnikbranche in Wuhan die ALA-KI-Produktlösung für das Software-Lebenszyklusmanagement, präsentierte Schwerpunkte wie Parsing von Anforderungsdokumenten, sprachübergreifende Verarbeitung, Prüfung der Anforderungsqualität, Erkennung ähnlicher Anforderungen und Analyse der Anforderungskonsistenz und stellte klar: KI sollte vom „Erkennen von Inhalten" bzw. „Beantworten von Fragen" weiter zur tiefen Unterstützung von Anforderungs-Governance, Wissenswiederverwendung, kollaborativen Prozessen und Qualitätskontrolle gelangen.
Im September 2025 teilte SOIN AI beim PTC Eliteforum der Automobilbranche in Qingdao praktische Erfahrungen mit Agentic AI in der Automobilindustrie und schlug vor, durch den Aufbau multimodaler Wissensbasen, die tiefe Integration von Agentic AI mit PLM-Systemen und die Kombination von Agentic AI mit ALM die Transformationsschmerzpunkte von Unternehmen – „schlafende Daten, verkrustete Prozesse, fehlende Evolution" – zu lösen. Von Elektronik-Hightech und Medizintechnik über Automobile bis hin zu Maschinenbau und Energiewirtschaft zeigt SOIN AIs kontinuierliche Präsenz im PTC-Ökosystem einen durchgängigen Weg von branchenbezogenem Austausch über Szenariovalidierung bis zur Produktreifung.
Die Veranstaltung in Changsha bot SOIN AI eine wichtige Gelegenheit, seine KI-Produktfähigkeiten für die Fertigungsindustrie weiter zu präsentieren. Für das Szenario Codebeamer + AI hat SOIN AI bereits eine durchgängige Fähigkeitskette von der Anforderungssammlung über -analyse, -zerlegung und -umsetzung bis zur -validierung aufgebaut; für das Szenario Windchill + AI führt SOIN AI Fähigkeiten wie intelligentes Dokumenten-Parsing, Aufbau von Materialwissen, BOM-Daten-Governance, Interaktion in natürlicher Sprache, Änderungsauswirkungsanalyse und Knowledge-Graph-Verstärkung in das Produktdatenmanagement und die PLM-Geschäftskollaboration ein.
Mit Blick auf die Zukunft wird SOIN AI am Prinzip „KI-Anwendungen: Umsetzung ist König" festhalten, sich auf selbstentwickelte Agentic-AI-Fähigkeiten, Domänenmodelle der Fertigungsindustrie und Erfahrung mit Unternehmensbereitstellung stützen und gemeinsam mit PTC-Ökosystempartnern sowie weiteren Unternehmen aus Maschinenbau, Energie, Hightech-Ausrüstung und New Energy die tiefe Anwendung von KI in der Digitalisierung von Forschung und Entwicklung, im Produktlebenszyklusmanagement, im Software-Lebenszyklusmanagement und in der Lieferketten-Kollaboration erkunden.
KI ist kein „Aufsatzwerkzeug" der digitalen Transformation der Fertigungsindustrie, sondern eine endogene Fähigkeit, die in Produktdaten, technische Prozesse und Unternehmenswissenssysteme eindringt. SOIN AI hofft, durch solide Produkterfolge und umsetzbare Lösungen Fertigungsunternehmen zu helfen, verstreute Daten in wiederverwendbares Wissen, komplexe Prozesse in orchestrierbare Aufgaben und KI-Fähigkeiten tatsächlich in ingenieurtechnische Ergebnisse von höherer Qualität, höherer Effizienz und besserer Nachvollziehbarkeit zu verwandeln.