Startseite
Podcasts
#digdeep - Neues aus der digitalen Welt Podcast
Wie bringt man KI ins Engineering, Philipp Noll von Spread.AI?

Wie bringt man KI ins Engineering, Philipp Noll von Spread.AI?

#digdeep - Neues aus der digitalen Welt vor 1 Jahr

#digdeep - Neues aus der Digitalen Welt

0:00

44:41

Podcast

#digdeep - Neues aus der digitalen Welt

163 Episoden

Alles zur Digitalisierung aus Wissenschaft und Wirtschaft.

Technologie Wirtschaft Nachrichten

Podcast aneignen

Daten spielen die zentrale Rolle in der modernen Industrie - nicht
nur im Engineering des Produktes selber, sondern auch in Vernetzung
der gesamten Prozesskette von R&D, Produktion, Sales und After
Sales. Doch noch immer werden Daten als Nebenprodukt der Prozesse
betrachtet, und nicht als zentraler Ausgangspunkt. Und so ergeht es
ihnen dann auch: Daten sind oft verstreut, unvollständig,
inkonsistent oder ohne Kontext. Und sie leben in einer heterogenen
Tool-Landschaft - meistens in mehreren hundert IT-Programmen und
Datenbanken, die meist nicht durchgängig vernetzt sind. Das
Scale-Up Spread.AI hat Lösungen entwickelt, um das zu ändern. An
der Stelle von IT Großprojekten setzen sie auf eine intelligente
Vernetzung der Daten durch Wissensgraphen und Konnektoren zwischen
den verschiedenen IT-Inseln. Wir haben Co-Founder Philipp Noll bei
uns im Studio und möchten von ihm wissen, warum Daten das neue Gold
für's Engineering sind und welche Chancen sich für Firmen aus der
Vernetzung ihrer Datenwelten ergeben. Die Richtung ist klar: Mit
der durchgängigen Datenverfügbarkeit öffnet sich die Tür zum
breiten Einsatz von AI-Agenten im Engineering. Spread.AI hat dazu
eine Plattform entwickelt, mit der sich Aufgaben entlang des
Entwicklungsprozesses automatisieren lassen - wir finden: eine
spannende Sache! In a nutshell: Unternehmen kämpfen mit der
Verfügbarkeit und Integration von Daten. Software-definierte
Produkte erfordern durchgängiges Wissen. Datenqualität beeinflusst
die Effizienz und Fehlerquote. AI kann helfen, Prozesse zu
automatisieren und zu optimieren. Die Transformation in Unternehmen
erfordert eine Anpassung der Prozesse. Kontextualisierung von Daten
ist entscheidend für deren Wert. Lernprozesse aus der
Automobilindustrie sind auf andere Branchen übertragbar. Die
Zukunft der Produktentwicklung liegt in der Nutzung von AI und
Datenintegration.