品种多样性、频繁的设计变更、不断上升的软件占比以及不稳定的供应链，这些都增加了机械设备制造商面临的压力。决策必须更快做出，变更的影响必须更早被识别，数据必须更一致地被使用。人工智能可以在这些方面提供宝贵的支持，尤其是以智能体AI的形式。

与传统的自动化解决方案不同，它不仅支持单个任务，还能为决策做准备，可以独立执行任务，并沿着流程链全程发挥作用。

图1 数据无处不在，但大多数情况下无法被持续使用。这一缺陷在AI项目中如同置于放大镜下般清晰可见

AI智能体：超越自动化

尽管AI应用迄今为止主要依赖于模式识别或基于规则的自动化，但AI智能体远不止于此：它们将数据和任务置于其上下文中，推导出行动步骤，并且取决于成熟度，可以提出建议、支持流程或独立执行已定义的任务。

根据IBM商业价值研究院的一项研究，70%的受访者认为基于智能体的AI系统对其公司的未来至关重要，1/4的受访企业已经在奉行“AI优先”策略。同时，大约一半的受访者却对数据质量表示担忧。Gartner预测，到2027年底，超过40%的基于智能体AI的项目将因成本上升、商业收益不明确或风险控制不足而被中止。

这些数字表明：潜力是巨大的，但只有当基于智能体的AI能够访问一致、可靠且具有上下文关联的数据时，这一潜力才能被释放。

产品数据作为基础

在机械设备制造中，产品数据构成了几乎所有价值创造活动的基础——从需求、设计、制造到服务。需求、CAD模型、物料清单、配置规则或服务信息不仅描述产品，更构成了商业模式的核心。

但在实践中，这些数据往往分布在不同的系统、文档和格式中。历史形成的IT架构、介质中断和集成不足阻碍了其持续使用。这一缺陷在AI项目中如同置于放大镜下般清晰可见。

汇聚来自专业系统的数据

PTC对此提出了智能产品生命周期方法，该方法尤其也考虑了复杂、多品种工业产品的要求。它描述了一个集成的、数据驱动的产品生命周期，连接了从早期定义到开发、制造和服务的所有阶段，包括从服务或制造反馈回开发环节。它基于一致的产品数据，并辅以嵌入的智能。

然而，这并不意味着所有数据都集中在一个系统中。更重要的是，沿着一个共同的语义理解，集成CAD、PLM、ALM（应用生命周期管理）、ERP、MES或SLM（服务生命周期管理）等专业系统。由此产生一个可靠的单一事实来源，而无需放弃现有IT架构的灵活性。

AI智能体可以访问其上下文中的结构化和非结构化产品数据，并根据定义的规则和权限进行操作。这样，它们可以作为产品生命周期的一个组成部分，充分发挥其优势。

图2 制造企业的数据分布在众多专业系统中，如CAD、ERP、MES或SLM。其中的关键核心是PLM系统

AI智能体的技术组件

其中的关键核心是PLM系统，因为在这里管理着在产品生命周期中产生的技术产品数据。扩展基于智能体的AI现在可以帮助机械设备制造商应对日益增长的品种多样性和复杂性、缩短的开发周期以及不稳定的供应链和地缘政治不确定性。AI智能体可以作为产品生命周期的一个组成部分，充分发挥其优势。

实施AI智能体需要三个技术组件：

● 向量数据库使得可以整合非结构化内容，如自由文本需求、测试报告或服务记录，从而获取来自迄今为止难以分析来源的知识。例如，PTC云原生CAD/PDM平台Onshape的用户可以就故障排除提问，而无需翻阅文档即可获得答案。

● 语义层将自然语言转换为结构化查询。例如，用户可以在PLM软件Windchill中询问：“哪些未处理的变更请求涉及零件X？”然后语义层识别关键词“变更请求”和“零件X”，将它们分配给系统中相应的数据对象，并生成一个提供精确结果的查询。此外，语义层还改善了软件集成，使AI智能体能够无缝地在不同系统的数据中导航。

● API作为企业软件中成熟的工具，为基于智能体的工作流提供了可扩展且安全的基础。它们使AI智能体能够调用专业工具、触发行动并进行跨系统协调。

沿产品生命周期的应用实例

在此基础上，整个产品生命周期中可以实现众多应用场景。

● 在开发中，AI智能体支持需求工程、变更管理或现有组件和模块的复用——尤其是在高品种和高定制程度下，这是提高效率的关键杠杆。它们可以自动识别对需求或设计数据的变更，进行评估，并在实施之前预测其影响。对于软件密集型产品，ALM和PLM数据的关联有助于一致地协调硬件和软件变更。这减少了后续流程中的问题并加快了审批速度。

● 在制造中，增值主要来自于系统的集成，这些系统在许多机械制造企业中历史上是分开发展的。例如，PLM管理产品质量和工艺计划数据，ERP提供生产订单和库存数据，MES提供有关绩效和工作指令执行的数据。这样，AI智能体可以将生产质量与公差要求进行比较，分析材料库存，或基于工艺计划自动生成或调整工作指令。

● 最后，在服务领域，基于智能体的方法可以优化备件管理、部署计划以及知识利用——这对于具有全球装机基础的长寿命投资品来说尤其有利。例如，在服务管理解决方案Servicemax中，服务历史智能体基于工单数据回答自然语言问题，日程安排智能体可以检查服务技术人员的日历，并根据工单和客户上下文安排事件。

将AI确立为人类的辅助工具

AI智能体正在改变角色和流程，并需要新的能力。这些变化可能在员工中引发不安和恐惧，导致他们不支持AI项目。因此，除了技术条件外，组织框架条件对于AI项目的成功也至关重要。那些能够成功将AI确立为辅助工具的企业——使员工能够摆脱耗时的日常工作、更快地找到信息并做出基于数据的、有根据的决策——可以从其AI项目中获得全部价值。明确的规则和定义好的流程可确保AI的负责任使用。