Projekt AutoOPP 2.0: Effizienzsteigerung beim Einkauf und der Fertigung von Bauteilen
Automatische Erkennung des Arbeitsplanes anhand von Konstruktionsdaten (AutoOPP 2.0)
Bedeutende Industriezweige wie der Maschinen-, Automobil- und Fahrzeugbau bilden das produzierende Gewerbe, eine der größten Industriesparten Deutschlands. Die hier tätigen Unternehmen stellen technische Bauteile selbst her oder lassen diese anhand von Konstruktionsdaten durch Zulieferer fertigen. Die jeweils günstigste Herstellung hängt dabei maßgeblich von der konstruktiven Gestaltung, möglichen Fertigungsverfahren sowie von der Stückzahl ab. Das Marktwissen der Akteure, welcher Betrieb welches Bauteil mit welchen Verfahren zu welchem Preis fertigen kann, ist in der Regel unvollständig. Zu ermitteln, wie und damit auch von welchem Betrieb ein Bauteil am Markt am kostengünstigsten hergestellt werden kann, ist bisher noch sehr aufwendig.
Ziele und Vorgehen
Ziel des Verbundvorhabens AutoOPP 2.0 ist, eine KI-Methodik zu entwickeln, mit der sich aus 2D- und 3D-Konstruktionsdaten von Bauteilen die jeweils infrage kommenden Fertigungsverfahren sowie der kostenoptimale Arbeitsplan automatisiert ableiten lassen. Dabei sollen die einzelnen Fertigungsschritte, die Einordnung und das Zusammenwirken von Fertigungsteilen in Baugruppen sowie weitere Faktoren wie die jeweiligen Stückzahlen berücksichtigt werden. Um die Modellqualität zu verbessern, werden Methoden des Active Learnings einbezogen.
Innovationen und Perspektiven
AutoOPP 2.0 zielt darauf ab, wissensintensive Prozesse durch KI-Methoden in wichtigen Industriezweigen zu automatisieren und Grundlagen für intelligente Lösungen zu schaffen, die Fertigungstechnologen und den technischen Einkauf unterstützen. Die Projektergebnisse sollen in eine B2B-Plattform integriert sowie durch eine breite wissenschaftliche Dissemination begleitet werden. So kann z. B. der Aufwand des Einkaufs bei Make-or-Buy-Entscheidungen deutlich gemindert und für Fertigungsbetriebe die Passfähigkeit eingehender Auftragsanfragen erhöht werden. In wichtigen, aber kleinteiligen Industriezweigen leisten die Ergebnisse einen Beitrag zu mehr Markttransparenz, was sich gesamtwirtschaftlich hinsichtlich einer höheren Effizienz positiv auswirkt.
Förderhinweis: Das Projekt AutoOPP 2.0 mit Laufzeit 03/2023-04/2025 wird vom Bundesministerium für Bildung und Forschung gefördert.
Projektkoordination: PartSpace (Easy2Parts GmbH)
Projektpartner: Technische Hochschule Deggendorf
Digitalisieren Sie Ihre Fertigungspfade mit PartSpace
Digitalisieren Sie Ihre Fertigungspfade mit PartSpace
Verwandte Artikel
Agentic AI: Warum ein Großteil der KI-Agenten im technischen Einkauf scheitern wird
Agentische KI verspricht, die technische Beschaffung zu revolutionieren – doch die meisten Implementierungen sind zum Scheitern verurteilt. Das Problem liegt nicht in der Leistungsfähigkeit von KI-Modellen wie ChatGPT, sondern im Fehlen strukturierter, integrierter Industriedaten. Ohne eine solide Datenbasis, die CAD-, ERP- und PLM-Systeme sowie Lieferanteninformationen miteinander verknüpft, bleiben KI-Agenten bloße beeindruckende Demos und keine zuverlässigen Werkzeuge. Dieser Artikel untersucht, warum Daten – und nicht Algorithmen – der eigentliche Engpass sind und was Unternehmen ändern müssen, um echten Mehrwert zu erschließen.
Die Wertanalyse im Wandel und was uns auf der VDI-Tagung 2026 erwartet
Auf der VDI-Wertanalyse-Konferenz 2026 wird eines deutlich: Kostenoptimierung entwickelt sich von Verhandlung hin zu datenbasierten Entscheidungen. Unternehmen wie Siemens zeigen, wie sich durch skalierbare Kostentransparenz messbare Einsparungen realisieren lassen. Dieser Beitrag zeigt, wie führende Industrieunternehmen ihre Kostenstrategien neu definieren – und warum skalierbare Kostenintelligenz zum entscheidenden Wettbewerbsvorteil wird.
Wie KI die Welt des Cost Engineerings disruptiert
Künstliche Intelligenz verändert das Cost Engineering grundlegend. Durch die Analyse von CAD-Daten, Fertigungsinformationen und Lieferantendaten entstehen frühzeitig belastbare Kostenindikationen. Dadurch entwickelt sich Cost Engineering von einer reaktiven Kalkulation zu einem strategischen Steuerungsinstrument für Engineering, Einkauf und Supply Chain.