„Eine der wichtigsten Voraussetzungen ist Offenheit“

neue verpackung: Herr Dr. Eckertz, KI ist derzeit in aller Munde – aber wie konkret verändert sie bereits heute die Arbeit von Entwicklungsingenieuren im Maschinenbau? Können Sie uns ein Beispiel geben?

Dr. Daniel Eckertz: KI verändert die Arbeit von Entwicklungsingenieuren bislang weniger durch einen grundsätzlichen Umbruch, sondern durch viele kleine, sehr konkrete Entlastungen im Alltag. KI-Lösungen sind bislang meist gezielte Assistenzsysteme für einzelne Aufgaben. Die größten Effekte ergeben sich vor allem dort, wo viel Wissen verteilt, unstrukturiert oder historisch gewachsen ist.

Ein typisches Beispiel ist der Umgang mit technischen Dokumentationen, Lastenheften etc., auch aus früheren Projekten. KI kann Entwicklern heute gezielt Informationen aus großen Datenbeständen bereitstellen oder Vorschläge für Lösungen machen, statt dass man lange sucht oder bei null anfängt. Im Maschinenbau geht es oft um Varianten, Anpassungen und Wiederverwendung von bestehenden Lösungen. Genau hier hilft KI, schneller zu guten technischen Entscheidungen zu kommen, basierend auf Erfahrungen, die schonmal gemacht wurden und die man als Mensch aber vielleicht nicht direkt wiederfinden würde oder zumindest nur mit hohem Zeitaufwand.

neue verpackung: In welchen Phasen des Engineering-Prozesses – von der Konzeption über die Konstruktion bis zur Inbetriebnahme – erwarten Sie die größten Veränderungen durch KI?

Eckertz: Die größten Veränderungen erwarte ich zunächst weiterhin in den frühen Phasen, also bei Konzeption, Auslegung und Variantenfindung. Dort entstehen die zentralen Entwicklungsartefakte wie Anforderungen, Konzepte, Stücklisten – und das meist textbasiert, wo vor allem LLMs ihr große Stärke ausspielen. Heute werden diese Artefakte aber meist noch nicht durchgängig oder nur begrenzt für die späteren Phasen genutzt.

Hier kann KI helfen, die Informationen durchgängiger weiterzuverwenden und an verschiedenen Stellen gezielt Tätigkeiten zu automatisieren, zum Beispiel bei der Vorbereitung der Produktion auf Basis von Stücklisten oder bei der Planung von Tests auf Basis von Anforderungen etc.

Gleichzeitig erhoffen sich viele Unternehmen Unterstützung durch KI im CAD-Bereich, weil dort ein großer Teil der Entwicklungsarbeit stattfindet. Hier gibt es bereits erste Ansätze, die Realisierung ist aber deutlich anspruchsvoller, da es um komplexe 3D-Geometrien und technische Zusammenhänge geht. Ich glaube aber, dass wir hier in den kommenden Jahren deutliche Fortschritte sehen werden und dass diese dann das Engineering sehr viel stärker verändern können als viele der heutigen Assistenzlösungen.

In späteren Phasen wie Inbetriebnahme und Service wird KI ebenfalls an Bedeutung gewinnen, etwa bei der Analyse von Störungen, der Ableitung von Optimierungen oder der Unterstützung von Servicetechnikern. Der entscheidende Punkt ist aus meiner Sicht, dass die im Engineering erzeugten Informationen über den gesamten Lebenszyklus der Maschine nutzbar bleiben.

„KI ist Change Management – in Lichtgeschwindigkeit“

Künstliche Intelligenz ist im industriellen Umfeld längst mehr als ein Modewort. Auf der Automation NEXT Conference 2025 zeigte Dr. Axel Zein, CEO der WSCAD GmbH, aus Herstellerperspektive, wie sich Engineering-Prozesse durch KI nicht nur optimieren, sondern grundlegend verändern lassen.

neue verpackung: Sie forschen am Fraunhofer IEM zu Innovation Engineering. Welche KI-Anwendungen sind aus Ihrer Sicht bereits marktreif, welche befinden sich noch im Entwicklungsstadium?

Eckertz: Innovation Engineering bedeutet für uns, neue technologische Ansätze schnell in die Anwendung zu bringen und frühzeitig praktisch zu erproben. Da geht es bewusst auch um Anwendungen, die noch nicht marktreif sind, um ihr Potenzial, aber auch ihre Grenzen zu verstehen. Ziel ist es, technische Innovationen so vorzubereiten, dass sie zielgerichtet in industrielle Prozesse überführt werden können. Aber es gibt natürlich schon einige KI-Anwendungen, die marktreif sind.

Zum einen sind das allgemeine Chatbots wie ChatGPT. Aber auch die verschiedenen Bild-, Audio- und Video- Generierungslösungen sind mittlerweile unfassbar gut geworden. Sogar die Nachahmung von Personen, Objekten und Strukturen etc. funktioniert in vielen mittlerweile enorm gut. Die Nutzung erfordert zwar oft mehrere Iterationen, weil die Kontrolle über die Ergebnisse nicht vollständig gegeben ist. Aber man kann die KI-generierten Ergebnisse quasi nicht von klassisch erstellten unterscheiden. Ebenfalls sehr weit entwickelt sind KI-gestützte Software-Entwickler-Tools wie Google AI Studio oder Lovable. Diese Werkzeuge verändern bereits heute ganz konkret, wie Software- Lösungen entstehen und bringen enorme Möglichkeiten, auch für Leute, die eigentlich gar nicht programmieren können.

Noch nicht so weit sind unter anderem spezialisierte Lösungen im Engineering-Bereich, wie beispielsweise die bereits angesprochenen CAD-Automatisierungslösungen. Hier geht es nicht rein um Text oder um kreative Content-Generierung, was KI schon super kann. Also bei spezialisierten Aufgaben mit präzisen Anforderungen, die über Text hinaus gehen, besteht definitiv Entwicklungsbedarf.

neue verpackung: Die vielleicht wichtigste Frage, die sich Unternehmen in Sachen KI stellen beziehungsweise stellen sollten: Wo fangen wir an? Was empfehlen Sie Maschinenbauern als ersten Schritt auf dem Weg zu KI-gestütztem Engineering?

Eckertz: Der erste Schritt sollte aus meiner Sicht immer eine konkrete Potenzialanalyse im eigenen Unternehmen sein. Es bringt wenig, mit einer bestimmten KI-Technologie zu starten, ohne genau zu wissen, wo heute eigentlich die größten Herausforderungen liegen. Unternehmen sollten sich daher zunächst anschauen, wie ihre aktuelle Ausgangslage ist: Wo entstehen heute hohe Aufwände, Medienbrüche oder lange Durchlaufzeiten? Wo wird viel Wissen manuell gesucht, abgestimmt oder immer wieder neu aufgebaut? Auf dieser Basis lassen sich gezielt Use Cases identifizieren, bei denen KI tatsächlich einen Mehrwert liefern kann.

Wichtig ist dann, Nutzen und Aufwand realistisch gegeneinander abzuwägen. Neben dem erwarteten Mehrwert spielen auch Themen wie Datenverfügbarkeit, Datenqualität und der technische Implementierungsaufwand eine zentrale Rolle. Daraus ergibt sich eine klare Priorisierung, welche Anwendungsfälle sinnvollerweise zuerst angegangen werden sollten und welche vielleicht später folgen.

neue verpackung: Welche Voraussetzungen – technologisch, organisatorisch oder kulturell – müssen Unternehmen schaffen, um KI erfolgreich im Engineering einzusetzen?

Eckertz: Eine der wichtigsten Voraussetzungen ist aus meiner Sicht Offenheit. Unternehmen müssen bereit sein, neue Technologien auszuprobieren und ihnen eine echte Chance zu geben, auch wenn es anfangs Akzeptanzschwierigkeiten gibt oder nicht alles sofort perfekt funktioniert. KI lässt sich nicht rein theoretisch bewerten, sondern muss im konkreten Arbeitskontext erprobt werden.

Gleichzeitig braucht es klare Rahmenbedingungen. Es muss definiert sein, welche KI-Lösungen eingesetzt werden dürfen, welche Daten verwendet werden können und wo Grenzen liegen, abhängig von Anbietern, Sicherheitsanforderungen und regulatorischen Vorgaben. Diese Klarheit schafft Vertrauen und erleichtert die Nutzung im Alltag. Der entscheidende Faktor bleibt jedoch die Datenbasis. Ohne gut strukturierte, verfügbare und gepflegte Daten kann KI keinen Mehrwert liefern. Der Aufbau und die kontinuierliche Pflege dieser Datengrundlage ist keine einmalige Aufgabe, sondern muss dauerhaft im Engineering verankert werden. Das betrifft Prozesse, Verantwortlichkeiten und letztlich auch die Kultur im Unternehmen.

Und grundsätzlich ist natürlich wichtig, die Mitarbeitenden früh einzubeziehen und KI als Unterstützung zu positionieren, nicht als Ersatz. Dort, wo Fachwissen und KI sinnvoll zusammenspielen, entsteht am Ende der größte Nutzen.

„KI wird alles verändern“

Ralf Schubert zeigte auf der Packaging Machinery Conference 2025 am Beispiel seines Unternehmens, wie Künstliche Intelligenz im Verpackungsmaschinenbau konkret zum Einsatz kommen kann – etwa bei Robotik, Bewegungsplanung und Dokumentensuche. Ein praxisnaher Einblick in die Möglichkeiten einer Technologie, die die Welt in bisher einzigartiger Geschwindigkeit verändert.

neue verpackung: Wenn wir einmal den berühmten Blick in die Zukunft wagen: Wie wird in fünf Jahren ein typischer Arbeitstag eines Konstrukteurs oder Entwicklungsingenieurs aussehen?

Eckertz: Der Arbeitsalltag eines Ingenieurs wird in fünf Jahren stärker dialogorientiert sein, also im Dialog mit KI. Typisch wird sein, dass KI auf Basis vorhandener Daten mehrere Lösungsvarianten, Auslegungen oder Szenarien vorbereitet. Die eigentliche ingenieurmäßige Arbeit besteht dann darin, diese Vorschläge zu bewerten, einzuordnen und fundierte Entscheidungen zu treffen. Der Mensch arbeitet dann mit KI zusammen. Gleichzeitig wird die Zusammenarbeit über verschiedene Phasen hinweg enger: Anforderungen, Konstruktion, Inbetriebnahme und Service greifen stärker ineinander, weil Informationen durchgängiger verfügbar sind. KI unterstützt dabei, Zusammenhänge sichtbar zu machen und Auswirkungen von Entscheidungen frühzeitig aufzuzeigen.

Insgesamt wird der Arbeitsalltag weniger von Routine geprägt sein, weil sie besser unterstützt wird. KI wird zu einem ständigen Sparringspartner im Engineering-Alltag, die Verantwortung, das technische Verständnis und die finale Entscheidung bleiben aber beim Menschen.

neue verpackung: Welche Auswirkungen hat diese Entwicklung auf die Ausbildung kommender Generationen von Maschinenbauingenieuren?

Eckertz: Ich glaube, dass sich das Verständnis von Ausbildung im Engineering deutlich verändern wird. Das klassische lineare Modell, bei dem man Wissen vermittelt bekommt und es möglichst lange anwendet passt immer weniger zu einer Welt, in der sich Technologien und Werkzeuge sehr schnell weiterentwickeln. Zukünftig wird es stärker darum gehen, grundlegende Fähigkeiten zu vermitteln: technisches Systemverständnis, analytisches Denken, Problemlösekompetenz und die Fähigkeit, sich schnell in neue Themen einzuarbeiten. Konkrete Fachkenntnisse in einzelnen Bereichen bleiben wichtig, verlieren aber schneller an Halbwertszeit. Kontinuierliches Lernen wird dann viel wichtiger.

Ingenieurinnen und Ingenieure müssen lernen, ihr Wissen laufend zu aktualisieren und neue Werkzeuge, speziell auch KI, gezielt in ihre Arbeit zu integrieren. Der Umgang mit KI bedeutet dabei vor allem, Ergebnisse kritisch zu hinterfragen, Annahmen zu prüfen und fundierte Entscheidungen zu treffen.

Insgesamt verschiebt sich der Fokus der Ausbildung weg von reiner Wissensvermittlung, hin zur Entwicklung von Skills. Genau diese Fähigkeit, sich in einer dynamischen technologischen Umgebung sicher zu bewegen, wird in Zukunft entscheidend sein.

KI auf der Packaging Machinery Conference

Unser Interviewpartner Dr. Daniel Eckertz ist auch Speaker auf der Packaging Machinery Conference 2026, die am 16. und 17. Juni in Nürnberg stattfindet. Hier greift er die Fragestellung, wie KI das Engineering im Maschinenbau verändert, noch einmal vertieft auf.

Das vollständige Programm und viele weitere Informationen zur Veranstaltung finden Sie unter https://www.packaging-machinery-conference.de/.