AI in engineering: waarom algemene AI niet genoeg is

AI kan engineers helpen om sneller kennis te vinden, ontwerpbeslissingen te ondersteunen en repetitief werk te verminderen. Maar daarvoor moet AI wel de context en regels van engineering begrijpen. In mijn vorige blog vertelde ik, Fred de Graaf van Dassault Systèmes, over de rol van 3DEXPERIENCE CATIA bij complexe engineeringvraagstukken. Dit keer kijk ik naar de volgende ontwikkeling: wat betekent AI voor engineering? 

AI is niet meer weg te denken. We gebruiken ChatGPT en andere AI-tools om teksten te schrijven, informatie op te zoeken, ideeën uit te werken of complexe vragen te beantwoorden. De mogelijkheden lijken onbeperkt.

Maar zodra AI onderdeel wordt van het engineeringproces, verandert de situatie. Dan gaat het niet alleen om snelheid of gemak, maar vooral om betrouwbaarheid.

Waarom algemene AI niet genoeg is voor engineering

Wie met generatieve AI werkt, heeft waarschijnlijk al eens meegemaakt dat een AI-systeem een overtuigend antwoord geeft dat achteraf niet helemaal - of zelfs helemaal niet - blijkt te kloppen. Dat noemen ze ook wel een AI-hallucinatie.

Bij een brainstorm of een eerste opzet is dat meestal geen groot probleem. Maar een engineer kan zich niet veroorloven dat een AI-systeem een niet-bestaande norm gebruikt, een verkeerde materiaalparameter voorstelt of een ontwerpregel verkeerd interpreteert. Wat op het scherm logisch lijkt, kan uiteindelijk leiden tot een fout ontwerp, een verkeerd geproduceerd onderdeel of zelfs een veiligheidsrisico.

Daarom vraagt engineering om een andere vorm van AI. Niet alleen een systeem dat taal begrijpt, maar ook de context waarin een engineer werkt.

Van generatieve AI naar Industrial AI

Dit is het verschil tussen algemene AI en wat Dassault Systèmes Industrial AI noemt. Algemene AI is getraind om taal en informatie te begrijpen. Industrial AI gaat een stap verder en kan redeneren binnen de context van een specifieke industrie. 

Dat betekent dat AI niet alleen begrijpt wat een engineer vraagt, maar ook waarom die vraag wordt gesteld en welke ontwerpregels, relaties en randvoorwaarden daarbij horen.

Stel dat een engineer vraagt om een bestaand ontwerp aan te passen. Een algemene AI kan helpen bij het bedenken van een oplossing. Een engineeringgerichte AI kijkt verder. Die houdt ook rekening met de productstructuur, de ontwerpintentie, bestaande engineeringregels en de beschikbare kennis binnen de organisatie. Deze context maakt het verschil.

AI ondersteunt de engineer, niet andersom

Industrial AI is ontwikkeld om de kennis en ervaring van engineers te versterken. AI kan repetitieve werkzaamheden automatiseren, bestaande engineeringkennis sneller terugvinden en helpen bij het analyseren van complexe productstructuren.

Denk bijvoorbeeld aan het terugvinden van een vergelijkbaar ontwerp, het hergebruiken van bestaande kennis of het sneller inzicht krijgen in de gevolgen van een ontwerpwijziging.

Daardoor blijft er meer tijd over voor het werk waarin menselijke expertise het verschil maakt: ontwerpen, beoordelen, afwegingen maken en innoveren. De toekomst van engineering is daarom wat mij betreft een samenwerking tussen AI én de engineer.

Engineeringkennis is waardevol intellectueel eigendom

Engineering draait niet alleen om ontwerpen. Ontwerpen, productstructuren, materiaalkeuzes, berekeningen en ontwerpregels vertegenwoordigen vaak jaren aan opgebouwde kennis. Samen vormen zij het intellectueel eigendom van een organisatie. Daarom is het belangrijk om zorgvuldig om te gaan met deze informatie.

Met de opkomst van AI wordt dat nog relevanter. Het is verleidelijk om een generieke AI-tool toegang te geven tot engineeringdata om snel een antwoord of oplossing te krijgen. Tegelijkertijd is het verstandig om stil te staan bij vragen als: waar wordt deze informatie verwerkt, wie heeft toegang tot de data en hoe blijft het intellectueel eigendom beschermd?

Voor AI in engineering zijn functionaliteit en snelheid belangrijk, maar veiligheid, toegangsbeheer en bescherming van bedrijfsinformatie zijn minstens zo essentieel. Bij de keuze voor een AI-oplossing is het daarom verstandig om niet alleen naar de mogelijkheden te kijken, maar ook naar de omgeving waarin de AI wordt ingezet.

Maak kennis met LEO en AURA

Binnen CATIA krijgt deze ontwikkeling steeds concreter vorm met de zogenoemde Virtual Companions.

• LEO is een AI-companion die zich richt op mechanical engineering. Hij helpt engineers bij het begrijpen van bestaande ontwerpen, het analyseren van complexe productstructuren en het toegankelijk maken van bestaande engineeringkennis.

• AURA richt zich op het vastleggen, terugvinden en hergebruiken van kennis en knowhow binnen organisaties.

Het verschil met een algemene AI-assistent zit opnieuw in de context. Deze Virtual Companions zijn ontwikkeld rondom industriële kennis en engineeringprocessen. Daardoor kunnen zij de intentie van een engineer interpreteren binnen de context van het product, de beschikbare kennis en de geldende engineeringregels. Dat maakt AI relevanter voor de dagelijkse engineeringpraktijk.

AI en de Virtual Twin versterken elkaar

Een hele interessante ontwikkeling is dat AI binnen 3DEXPERIENCE CATIA niet op zichzelf staat. De technologie wordt gecombineerd met de Virtual Twin van een product.

Een Virtual Twin bevat veel meer dan alleen de geometrie. Ook de productstructuur, systemen, simulaties en andere engineeringinformatie maken er onderdeel van uit. Daardoor beschikt AI over de context die nodig is om engineeringvraagstukken beter te begrijpen.

Je kunt het vergelijken met het verschil tussen iemand die een vraag beantwoordt op basis van algemene kennis en een ervaren engineer die het volledige productdossier voor zich heeft. Hoe meer relevante context beschikbaar is, hoe waardevoller de ondersteuning wordt.

Van AI-assistent naar AI-collega

Ik verwacht dat we nog maar aan het begin staan van wat AI voor engineering kan betekenen. De eerste generatie AI-tools helpt vooral bij het zoeken van informatie of het genereren van content.

De volgende stap is dat AI steeds meer onderdeel wordt van het engineeringproces. Niet als een autonome "robot-engineer", maar als een digitale collega die engineers ondersteunt in hun dagelijkse werk.

Waarom dit belangrijk is

Engineers behoren tot de belangrijkste kennisdragers binnen een maakbedrijf. Zij ontwikkelen het intellectueel eigendom waarmee organisaties zich onderscheiden. Tegelijkertijd nemen de uitdagingen toe. Producten worden complexer, disciplines groeien naar elkaar toe, regelgeving verandert en de hoeveelheid beschikbare informatie blijft toenemen.

AI kan helpen om die groeiende hoeveelheid kennis toegankelijk te maken en engineers te ondersteunen bij hun dagelijkse werkzaamheden. Maar alleen als AI begrijpt hoe engineering werkt én zorgvuldig omgaat met de kennis waarop organisaties bouwen.

Een AI die rekening houdt met engineeringkennis, ontwerpregels en de bescherming van intellectueel eigendom, voegt echt waarde toe. Dat is de richting waarin Industrial AI binnen CATIA en het 3DEXPERIENCE-platform zich ontwikkelt. Ik verwacht dat we de komende jaren steeds vaker gaan zien hoe deze technologie engineers ondersteunt bij het ontwikkelen van betere producten.

Veelgestelde vragen