Warum schnelleres Produktdesign zu einem messbaren Produktivitätshebel wird

Wie generatives Design und verwandte KI-Tools die Produktentwicklungszyklen verkürzen – und was das für institutionelle Anleger bedeutet, die Produktivität als Anlagethema verfolgen.

Prof. Dr. Leo Brecht

Mitglied des Vorstands, Partner

Prof. Dr. Leo Brecht

Prof. Dr. Leo Brecht

Mitglied des Vorstands, Partner

Prof. Dr. Leo Brecht ist Mathematiker und Wirtschaftswissenschaftler mit einem Doktortitel in mathematischer Statistik und einer Professur für Innovations- und Technologiemanagement an der Universität Liechtenstein. Mit über 20 Jahren Erfahrung in Unternehmensberatung und angewandter Forschung sowie mehr als 10 Jahren im Investmentmanagement ist er ein führender Experte in den Bereichen Innovation, Technologie und Produktmanagement. Leo Brecht hat mehr als 100 Projekte für KMU und multinationale Unternehmen in verschiedenen Branchen unterstützt, von strategischer Beratung bis hin zu Technologiebewertungen. Er ist auch der Gründer von ALPORA, wo er und sein Team innovative Anlageprodukte entwickelt haben, die zu einem verwalteten Vermögen von über 700 Millionen Euro geführt haben. In den letzten zehn Jahren hat er mehr als 1.000 Investorenvorträge gehalten. Er war Partner bei Andersen und Arthur D. Little, Autor mehrerer Bücher und Konferenzredner. Als aktiver Investor und Serienunternehmer ist er insbesondere in den Sektoren FINTECH, SUSTTECH und EDUTECH tätig. In seiner Freizeit ist Leo Brecht ein leidenschaftlicher Regattasegler und Skifahrer und verbringt gerne Zeit mit seiner Familie.

Dieser Artikel ist Teil einer zwölfteiligen Serie, die untersucht, wo Unternehmen Produktivitätsgewinne erzielen können. Diese Ausgabe, Hebel 11 von 12, befasst sich mit der Produktentwicklung und der Markteinführungszeit. Die vollständige Serie finden Sie hier.

‍

Eine neue automatisierte Beleuchtungseinheit, deren Entwicklung früher sechzehn Wochen in Anspruch nahm, kann heute in zwei Wochen entwickelt werden. Diese Zahl – eine Reduzierung der Designzeit um 87 Prozent, über die Eaton Corporation in einer offiziellen Fallstudie der Fertigungsanalyse-Plattform aPriori berichtete – ist eine der beeindruckendsten Produktivitätsaussagen eines einzelnen Unternehmens, die in dieser zwölfteiligen Serie dokumentiert wurden. Sie ist zudem ein nützlicher Einstiegspunkt für eine umfassendere Frage, die für jeden wichtig ist, der untersucht, wie Unternehmen Technologie in messbare operative Leistung umsetzen: Was passiert, wenn die Produktentwicklung aufhört, ein sequenzieller, zeitlich begrenzter Prozess zu sein, und stattdessen zu einem parallelen Prozess wird?

‍

Ein Hebel mit Doppeleffekt

‍

Die meisten Produktivitätshebel in dieser Serie erzielen ihren Wert über einen primären Kanal – niedrigere Kosten, höherer Durchsatz oder geringeres Risiko. Die Produktentwicklung ist einer der wenigen Bereiche, in denen zwei Effekte gleichzeitig auftreten. Der erste ist die Kostensenkung: Generative Design-Software erforscht weitaus mehr des möglichen Designraums, als ein menschliches Ingenieurteam innerhalb eines normalen Projektzeitrahmens von Hand entwerfen könnte, was die Anzahl gescheiterter Iterationen und verschwendeter Simulationszyklen reduziert. Der zweite ist die Umsatzbeschleunigung: Ein kürzerer Designzyklus bedeutet eine frühere Markteinführung, was den ersten Effekt nicht nur ergänzt, sondern verstärkt.

‍

Ein zugrunde liegender Mechanismus ist eine Verschiebung in der Funktionsweise des Designprozesses selbst. Ein traditioneller Arbeitsablauf testet eine Geometrie nach der anderen. Jede physikalische Simulation – bei der geprüft wird, ob ein Teil die Anforderungen an Gewicht, Festigkeit oder Kosten erfüllt – kann auf einem Rechencluster Tage dauern. Deshalb kann ein reales Produkt vor einer Frist, die eine Entscheidung erzwingt, normalerweise nur eine Handvoll Designvarianten untersuchen. Generatives Design kehrt diese Einschränkung um. Anstatt eine Geometrie zu entwerfen und zu testen, schlägt die Software gleichzeitig Tausende von fertigungsreifen Kandidaten vor, die verschiedene Anforderungen erfüllen, simuliert diese parallel und präsentiert den Ingenieuren nur die wenigen Entwürfe, die bereits alle Anforderungen erfüllen. Der Prozess beschleunigt nicht nur den Entwurf eines bekannten Designs – er durchsucht einen Designraum, für den ein menschliches Team ohnehin nie Zeit gehabt hätte.

‍

‍

Die Technologie einfach erklärt

‍

Die visuell beeindruckenden, organisch wirkenden Teile, die von generativer Design-Software produziert werden, erhalten meist die meiste öffentliche Aufmerksamkeit, aber der Produktivitätsgewinn in diesem Bereich wird durch ein breiteres Toolkit erzielt, das mehrere verschiedene Techniken umfasst:

‍

  • Generatives Design und Topologieoptimierung – Software, die gleichzeitig Tausende von fertigungsreifen Designkandidaten unter Berücksichtigung von Gewichts-, Festigkeits- und Kostenvorgaben generiert und diese dann so einstuft, dass Ingenieure nur die wenigen prüfen müssen, die eine Betrachtung wert sind.
  • KI-gestützte Produktmanagement-Tools – Systeme, die die damit verbundenen Aufgaben wie das Schreiben von Spezifikationen, die Priorisierung von Roadmaps und die Kommunikation mit Stakeholdern beschleunigen, die letztlich bestimmen, was überhaupt entwickelt wird.
  • KI-gestützte Rezeptur- und Formulierungsgenerierung – dieselbe generative Logik angewandt auf Lebensmittelwissenschaft und Konsumgüter, wodurch Formulierungszyklen verkürzt werden, die traditionell auf manuellem Ausprobieren basierten.
  • Algorithmisches Design für die additive Fertigung – KI-native Tools, die speziell für 3D-druckbare Geometrien entwickelt wurden, wie abgestufte Gitterstrukturen, die herkömmliche CAD-Software nicht darstellen kann, da sie auf subtraktive und formgebende Fertigung statt auf schichtweisen Druck ausgelegt ist.

‍

Drei Unternehmen, die es bereits nutzen

Die dokumentierten Ergebnisse erstrecken sich über sehr unterschiedliche Branchen, was an sich schon bemerkenswert ist: Der Mechanismus scheint sich verallgemeinern zu lassen, anstatt auf einen einzigen Sektor beschränkt zu sein.

Eaton Corporation: Eaton, ein Unternehmen für intelligentes Energiemanagement mit einem Umsatz von 23,2 Milliarden US-Dollar und Hauptsitz in Dublin, hat generative KI in seinen Produktdesignprozess integriert. Dabei werden Daten von Priori genutzt, um Entwürfe hinsichtlich Kosten, Fertigbarkeit und Nachhaltigkeit zu modellieren. Neben einer Reduzierung der Designzeit für Beleuchtungskörper um 87 Prozent konnte das gleiche Programm das Gewicht eines Flüssigkeits-Luft-Wärmetauschers um 80 Prozent senken und die Entwicklungszeit für ein Hochgeschwindigkeitsgetriebe um 65 Prozent verkürzen. Eaton hat erklärt, dass das Unternehmen infolgedessen eine Verdoppelung des Outputs seiner Investitionen in die Entwicklung neuer Produkte anstrebt.

‍

‍

‍

Mondelez wandte einen vergleichbaren generativen Ansatz auf die Lebensmittelwissenschaft anstatt auf den Maschinenbau an. Laut einem Bericht des Wall Street Journal beschleunigte ein KI-gestütztes Tool zur Rezeptentwicklung die Entwicklung neuer Produkte um das Vier- bis Fünffache. Dies trug zur Einführung von 70 neuen Snackprodukten bei – darunter der glutenfreie Golden Oreo – und führte zu einem berichteten Umsatzanstieg von 5,4 Prozent. Dieses Beispiel ist von Bedeutung, da es beweist, dass der Mechanismus des generativen Designs, der bei Industrieherstellern beobachtet wird, ebenso gut auf Konsumgüter anwendbar ist.

‍

Renishaw und Irish Manufacturing Research entwarfen in Zusammenarbeit mit der Plattform von nTop für implizite Modellierung und Gittergenerierung patentierte abgestufte Gitterstrukturen für Wirbelsäulenimplantate. Dabei handelt es sich um Geometrien, die mit herkömmlicher CAD-Software nicht darstellbar sind, da sie kontinuierlich variierende interne Zellstrukturen erfordern, die auf die mechanischen Eigenschaften des umliegenden Knochens abgestimmt sind. Dieser Fall unterscheidet sich grundlegend von den anderen beiden: Anstatt einen Designprozess zu beschleunigen, der bereits manuell hätte durchgeführt werden können, ermöglicht er eine Klasse von Medizintechnik-Geometrien, die zuvor überhaupt nicht konstruierbar waren.

‍

Eine engere Venture-Landschaft als die meisten anderen

‍

Für jeden, der die Technologie- und Startup-Landschaft hinter diesem Produktivitätshebel kartiert, sticht die Produktentwicklung als eines der engeren Felder in dieser Serie hervor. Die unabhängige Venture-Aktivität konzentriert sich auf zwei der fünf oben beschriebenen Technikfamilien.

‍

nTop generiert Design- und Topologieoptimierungen. Das Unternehmen hat 135 Millionen US-Dollar aufgenommen, eine Bewertung von 400 Millionen US-Dollar erreicht und seine Technologie zur impliziten Modellierung wird im Design von Luft- und Raumfahrt-, Automobil- und Medizintechnikkomponenten eingesetzt. Die Übernahme des Spezialisten für computergestützte Fluiddynamik, cloudfluid, im Februar 2025 ist ebenfalls bemerkenswert: Ein venture-finanzierter Marktführer konsolidiert angrenzende Fähigkeiten, anstatt selbst übernommen zu werden – ein weniger häufiges Muster als das Gegenteil.

‍

Hyperganic der in München ansässige Pionier für komponentenbasiertes Design auf Basis von Voxel-Engines, hat seine „Hyperganic Core“-Engine genutzt, um ein vollständig KI-entworfenes, aus einem Block gedrucktes 3D-Raketentriebwerk zu generieren. Das Unternehmen hat im Verhältnis zum Umfang dessen, was seine Technologie ermöglicht, vergleichsweise bescheidenes Kapital aufgenommen. Dies deutet darauf hin, dass algorithmisches Design für die additive Fertigung noch nicht das Investitionsvolumen angezogen hat, das im mechanischen generativen Design im weiteren Sinne zu beobachten ist.

‍

Uizard wandte die gleiche generative Logik auf das UI- und UX-Prototyping an und wandelte Produktspezifikationen und Skizzen direkt in funktionale Prototypen um. Das Unternehmen nahm 18,6 Millionen US-Dollar auf, bevor es 2024 von dem Unternehmen für kollaborative Whiteboards, Miro, übernommen wurde – ein abgeschlossener Exit, der die Fähigkeiten im generativen Produktdesign in eine weitaus grössere Kollaborationsplattform integrierte.

‍

Zwei der fünf Technikfamilien – KI-gestützte Tools für das Produktmanagement und KI-Rezeptgenerierung – weisen überhaupt keinen unabhängigen Venture-Marktführer auf. Beide Fähigkeiten werden zunehmend direkt in bestehende Produktmanagement-Suiten integriert oder von grossen Konsumgüterunternehmen intern entwickelt, anstatt eigenständige Startups zu stützen. Dies ist für jeden, der bewertet, wo sich in diesem Bereich tatsächlich verteidigbare, investierbare Technologie befindet, ein relevanter Datenpunkt.

‍

Was das für Investoren bedeutet

‍

Das Muster bei Eaton, Mondelez und der Zusammenarbeit zwischen Renishaw/Irish Manufacturing Research und nTop ist konsistent: Das Ersetzen einer langsamen Designschleife, bei der eine Geometrie nach der anderen bearbeitet wird, durch eine schnelle, KI-generierte Schleife, die Tausende von Kandidaten parallel testet, verkürzt die Zeit vom Designentwurf bis zum fertigen Bauteil erheblich. Für Kapitalgeber, die Produktivität als Anlagethema untersuchen, veranschaulicht die Produktentwicklung einen wiederkehrenden Punkt dieser Serie: Die Gewinne sind real und bei den genannten Unternehmen dokumentiert, variieren jedoch je nachdem, was gemessen wird (Designzeit, Bauteilgewicht oder allgemeine Entwicklungsgeschwindigkeit), und sollten als berichtete Ergebnisse spezifischer Implementierungen und nicht als allgemeine Branchendurchschnitte verstanden werden.

‍

‍

‍

Danke! Deine Einreichung ist eingegangen!
Hoppla! Beim Absenden des Formulars ist etwas schief gelaufen.