Skip to main content Skip to footer

BERICHT

Die Zusammenarbeit von Mensch und KI im Engineering neu gestalten

5 Minuten Lesezeit

20 Mai 2026

In Kürze

  • Engineering unter Druck: Softwaredefinierte Produkte, strengere Vorschriften und ständiger Kostendruck definieren neu, was Engineering leisten muss.

  • KI bringt neue Möglichkeiten, aber sie schafft es nicht alleine: Ohne einen Cloud-basierten digitalen Kern und eine zentrale Zugriffsquelle bleibt die Wirkung von KI-Lösungen eingeschränkt.

  • Fünf praktische Maßnahmen zeigen auf, wie Unternehmen mit Geschwindigkeit, Wirtschaftlichkeit und Lebenszyklus-Performance ihre Engineering-Abteilung in einen Wachstumsmotor verwandeln können.

Engineering am Wendepunkt

Softwaredefinierte Produkte, strengere Vorschriften und ständiger Kostendruck verändern, was Engineering leisten muss.

Bis zum Jahr 2030 werden Anpassungsfähigkeit und Geschwindigkeit die entscheidenden Erfolgsfaktoren sein. Führende Unternehmen erkennen, dass die komplexen Herausforderungen dieses Jahrzehnts nicht mit schrittweisen Prozessverbesserungen oder weiteren Tools in bestehenden Systemen gelöst werden können. Stattdessen überarbeiten sie Prozesse, Daten, Tools und die Art und Weise, wie die Arbeit entlang der gesamten Wertschöpfungskette ausgeführt wird, um wichtige Ergebnisse wie Zykluszeiten, Zuverlässigkeit der Markteinführung und Geschwindigkeit von Aktualisierungen erheblich zu verbessern.

In unseren Interviews mit 100 Fachleuten und 36 Führungskräften im Engineering zeigte sich, dass veraltete Systeme an ihre Grenzen stoßen. Produkte werden immer komplexer, während die Entwicklungszyklen immer kürzer werden. Gleichzeitig berichten Ingenieurinnen und Ingenieure, dass sie etwa die Hälfte ihres Arbeitstages mit Dokumentation, Berichterstellung, Informationsrecherche und Meetings verbringen, statt sich auf ihre eigentliche technische Arbeit zu konzentrieren. Die Konsequenzen sind unvermeidbar: Diese zusammenwirkenden Herausforderungen lassen wenig Raum für schrittweise Optimierungen. Führungskräfte, die Innovationen in Softwaregeschwindigkeit anstreben, ohne Sicherheit, Qualität, Compliance oder Kostendisziplin machen zu gefährden, müssen Engineering als ein System neu gestalten, das Prozesse, Tools, Rollen, Entscheidungsbefugnisse und funktionsübergreifende Schnittstellen umfasst.

Die zentralen Hebel

Aufbau eines Cloud-basierten digitalen Kerns und einer zentralen Datenbasis

Um den Wechsel vom Kostenfaktor zum Wachstumsmotor zu vollziehen, benötigen Unternehmen einen cloudbasierten digitalen Kern und einen einheitlichen Zugang zu ihren Daten. Dieser Kern standardisiert Daten, Governance und Integration. Dadurch entsteht ein kontinuierliche, rückverfolgbare Datensatz, den wir als „Digital Thread“ bezeichnen. Er verknüpft Anforderungen, Designs, Änderungen, Tests, Freigaben, Qualitätsdaten und Feldsignale über den gesamten Produktlebenszyklus hinweg. Statt bestehende Systeme zu ersetzen, verbindet ein zentraler Datenzugang diese miteinander. Durch Integration und gemeinsame Verwaltung werden Daten verknüpft, sodass wichtige Informationen konsistent, aktuell und nachvollziehbar bleiben.

Fünf Maßnahmen, um Engineering-Prozesse neu auszurichten und Wachstum zu fördern

Mit dieser Grundlage werden die folgenden Transformationsschritte praktikabel: Nachweise können kontinuierlich gesammelt werden, Modelle bleiben mit den Anforderungen verknüpft, Teams integrieren Compliance in ihre Prozesse und Partner arbeiten auf einer gemeinsamen, klar geregelten Datengrundlage. In einem neu konzipierten Engineering-System sorgt KI dafür, dass Governance und Umsetzung kontinuierlich geschieht, und zwar mit der Geschwindigkeit und Skalierbarkeit, die modernes Engineering erfordert.

01

V-Modell als kontinuierliches Evidenzsystem etablieren

Definieren Sie für jede Phase, was „gut“ bedeutet: die erforderlichen Inputs und Outputs, klare Verantwortlichkeiten, Entscheidungsgates und gezielt gesetzter Freeze-Punkte. Etablieren Sie einen ersten tragfähigen Digital Thread über eine Produktlinie und entlang des kritischen Pfads im V-Modell. Praxistauglichkeit vor Perfektion.

Systemische Veränderungen:

  • Teams erfassen kontinuierlich Nachweise
  • Entscheidungsverantwortung ist klar definiert
  • Rückverfolgbarkeit unterstützt die Entscheidungsfindung
  • Feldsignale unterstützen den nächsten Zyklus
02

Wechsel zu modellbasierter, simulationsorientierter Entwicklung

Die modellbasierte Entwicklung wird besonders robust und effektiv, wenn Modelle direkt mit Anforderungen und Architekturen verknüpft sind und Teams validierte Ergebnisse wiederverwenden, statt immer wieder neu anzufangen.

Systemische Veränderungen:

  • Lernprozesse verlagern sich in frühe Phasen

  • Modelle bleiben mit Anforderungen und Architekturen verknüpft

  • Produktteams rationalisieren Plattformen und Varianten

  • Ingenieurinnen und Ingenieure verwenden validierte Modelle wieder und korrelieren diese routinemäßig

  • Entwicklungsprogramme reservieren physische Prototypen für Nachweise, die virtuelle Modelle nicht bereitstellen können
03

Verifizierung und Compliance skalierbar automatisieren

Führungskräfte können hektische Aufholaktionen in späten Entwicklungsphasen verhindern, indem sie Verifizierung und Compliance als kontinuierlichen Prozess und nicht als Aufgabe der Abschlussphase betrachten. Statt die Dokumentation erst am Schluss zusammenzustellen, sollten die Teams ein stets aktuelles Dokumentationspaket pflegen, das den relevanten Standards, Richtlinien und Kontrollen entspricht.

Systemische Veränderungen:

  • Ingenieurinnen und Ingenieure formulieren Anforderungen, die von Anfang an prüfbar sind

  • Test- und Konfigurationskontrolle sind im Entwicklungsprozess verankert

  • Multi-Domain-Nachweise bleiben mit dem verknüpft, was sie beweisen

  • Kontinuierliche Workflows generieren Nachweise für Compliance und Cybersicherheit in Echtzeit
04

Rollen und Kompetenzen für KI-gestütztes Engineering neu definieren

Der echte Mehrwert KI-gestützten Engineerings liegt in der Zusammenarbeit von Mensch und KI. Während Routineaufgaben zunehmend automatisiert werden, können sich Ingenieurinnen und Ingenieure mehr auf Bewertungen, Kreativität und Problemlösungen konzentrieren.

Systemische Veränderungen:

  • Domänenübergreifende Verantwortlichkeit ist eindeutig definiert
  • Hybride Rollen übertragen Kontext in alle Bereiche
  • KI übernimmt repetitive, geringwertige Aufgaben
  • Menschliche Beurteilung als letzte Instanz im Entscheidungsprozess
05

Zusammenarbeit mit Partnern strukturiert gestalten

Klare Grundlinien, transparente Zugriffsrechte und eine gemeinsame Definition genehmigter Artefakte reduzieren die Bedenken hinsichtlich geistigen Eigentums und verringern Versionskonflikte. Diese Form der Governance funktioniert nur, wenn Partner in kontrollierten digitalen Umgebungen zusammenarbeiten, die mit einer zentralen Datenbasis verbunden sind.

Systemische Veränderungen:

  • Führungskräfte definieren frühzeitig die Kernbereiche und Grenzen der Partner

  • Partner arbeiten in kontrollierten digitalen Umgebungen, die mit derselben Produkt-Historie verknüpft sind

  • Onboarding von Lieferanten wird strukturiert und standardisiert

  • Co-Entwicklung und Co-Validierung auf Basis gemeinsamer Ausgangswerte

Diese fünf beschriebenen Schritte zur Neugestaltung beschleunigen die technischen Prozesse innerhalb der Unternehmen. Die Zykluszeit wird jedoch weiterhin ausgebremst, sobald Prozesse entlang der Wertschöpfungskette auf Antworten, Freigaben, Komponenten oder Fehlerbehebungen warten müssen. Das Engineering muss Entscheidungen und Nachweise im gesamten Netzwerk koordinieren und nicht nur den eigenen Bereich optimieren.

Engineering als Wachstumsmotor

Bis 2030 werden die besten Engineering-Unternehmen in Geschwindigkeit und Wirtschaftlichkeit Fahrt aufnehmen, je nachdem, wie schnell und kostengünstig sie neue Produkte einführen und sie kontinuierlich verbessern, ohne Kompromisse bei Sicherheit, Qualität, Kostendisziplin oder Compliance einzugehen. Für den Einstieg, sollten CEOs und die technische Leitung eine Produktlinie auswählen, bei der Verzögerungen die größten Auswirkungen haben und sich der Mehrwert schnell nachweisen lässt. Erstellen Sie den Cloud-basierten digitalen Kern, verwenden Sie KI, um wichtige Daten zu finden, Datengrundlagen zu standardisieren und fehlerhafte Verknüpfungen aufzudecken, bevor sie zu unerwarteten Problemen führen. Überführen Sie die Transformationsinitiativen in die tägliche Praxis, indem Sie klare Entscheidungsgates, eindeutige Verantwortlichkeiten und Kennzahlen zur Steuerung von Durchlaufzeiten sowie der Performance über den gesamten Produktlebenszyklus etablieren.

Erfolgreich umgesetzt, leistet dieser Ansatz weit mehr als nur die Effizienz im Engineering – er macht sie zu einer zentralen Wachstumsquelle.

VON

Roland Mayr

Senior Managing Director – Industry and Enterprise, Industrials, Global Lead

Jean Cabanes

Senior Managing Director – Industry and Enterprise, Industrials, EMEA Lead

Götz Erhardt

Senior Managing Director, Supply Chain and Engineering, EMEA

Tobias Geissinger

Managing Director – Supply Chain and Engineering, Industrials, EMEA

Jeff Brehm

Managing Director – Supply Chain and Engineering, Industrials, Americas

Andreas Egetenmeyer

Manager – Accenture Research, Industrials, EMEA