KI-Assistenten für die Konstruktion vergleichen
Vier Kategorien von Werkzeugen stehen zur Auswahl, und sie lösen verschiedene Probleme. Welche Kriterien im Engineering wirklich entscheiden.
Generische Chat-Assistenten, die Suche im Microsoft-Umfeld, die Suche in DMS und PLM und selbst gebaute RAG-Systeme lösen jeweils ein anderes Problem. Im Engineering entscheidet selten das Sprachmodell, sondern ob eine Antwort auf Datei, Ausgabestand und Seite zurückführt, ob die Dokumente im eigenen Rechtsrahmen bleiben und ob das System auch Zeichnungen liest.
Wer im Maschinenbau ein KI-Werkzeug für den eigenen Dokumentenbestand sucht, vergleicht selten Produkt gegen Produkt. Meistens stehen vier sehr verschiedene Kategorien nebeneinander, die auf den ersten Blick dasselbe versprechen und im Alltag völlig Unterschiedliches leisten. Dieser Beitrag ordnet die Kategorien ein, benennt die Kriterien, an denen sich die Entscheidung tatsächlich festmacht, und beschreibt einen Testablauf, mit dem Sie das in etwa zwei Wochen selbst prüfen können. Die direkten Gegenüberstellungen mit einzelnen Produkten stehen auf der Seite KoAssist im Vergleich.
Womit wird ein KI-Assistent für die Konstruktion üblicherweise verglichen?
Generische Chat-Assistenten. Sie antworten aus ihrem Trainingswissen und aus dem, was im Gespräch hochgeladen wird. Stark bei Formulierung, Übersetzung und Erklärung allgemeiner Sachverhalte. Der Bruch kommt, sobald die Antwort aus Ihrem Bestand stammen soll: Was nicht im Chat liegt, kennt das System nicht, und eine Aussage über eine interne Richtlinie lässt sich nicht belegen.
Suche im Microsoft-Umfeld. Tief in die Office-Welt integriert und dort, wo Inhalte tatsächlich in SharePoint und Teams liegen, nah am Arbeitsplatz. Für Konstruktionsbestände ist der Zuschnitt ein anderer: Ein großer Teil des relevanten Wissens liegt in PDFs, Zeichnungen und gewachsenen Laufwerken, nicht in Office-Dateien, und die Genauigkeit des Belegs unterscheidet sich je nach Werkzeug erheblich.
Suche in DMS und PLM. Das bestehende System kennt Metadaten, Freigabestände und Strukturen und ist darin kaum zu schlagen. Die Frage „welche Stückliste gehört zu welcher Baugruppe“ gehört dorthin. Die Frage „was fordert unsere Konstruktionsrichtlinie an dieser Schweißnaht“ selten, weil die Volltextsuche über Dokumentgrenzen hinweg meist nicht mehr liefert als eine Trefferliste.
Selbst gebaute RAG-Systeme. Mit vorhandenen Bausteinen lässt sich schnell ein Prototyp zeigen. Der Aufwand verschiebt sich vom Bauen zum Betreiben: Dokumentvorverarbeitung, Rechtekonzept, Umgang mit Zeichnungen, Aktualisierung von Modellen und Abhängigkeiten. Wer ein Team dafür hat und einen sehr speziellen Anwendungsfall, fährt damit gut. Wer es nebenbei betreibt, hat nach einem Jahr ein Wartungsthema.
Welche Kriterien entscheiden im Engineering?
Nicht das Sprachmodell. Die Modelle sind über die Anbieter hinweg ähnlich gut, und sie werden es weiter. Der Unterschied entsteht darum herum:
| Kriterium | Die Frage, die es beantwortet |
|---|---|
| Belegbarkeit | Nennt die Antwort Datei, Ausgabestand und Seite, und komme ich mit einem Klick an die Stelle? |
| Umgang mit Nichtwissen | Sagt das System „nicht gefunden“, oder formuliert es etwas Plausibles? |
| Bildverständnis | Werden Zeichnungen, Berechnungsblätter und Scans gelesen oder übersprungen? |
| Rechtsrahmen | Wo liegen die Dokumente, wer ist Subprozessor, ist Training auf Ihren Daten vertraglich ausgeschlossen? |
| Rechtekonzept | Sieht der Assistent genau das, was die fragende Person auch im Dateisystem sehen darf? |
| Aufwand bis zur ersten Antwort | Wochen oder Monate, und wer trägt ihn? |
| Betriebsverantwortung | Wer pflegt Index, Modelle und Abhängigkeiten, wenn das Projekt in den Alltag übergeht? |
Die ersten beiden Zeilen sind im Engineering keine Komfortfragen. Eine Aussage zu einer Norm ohne Datei- und Seitenangabe ist nicht unbequem, sondern unbrauchbar, weil sie sich nicht prüfen lässt. Warum das so ist, steht ausführlich im Beitrag zur Quellenangabe bei der Normensuche. Das dritte Kriterium wird regelmäßig unterschätzt: In der Konstruktion steckt ein erheblicher Teil des Wissens in Bildern, und ein System, das sie überspringt, beantwortet die halbe Frage. Dazu der Beitrag zu multimodaler KI in der Konstruktion.
Wann ist eine andere Kategorie die bessere Wahl?
Diese Fälle gibt es, und sie zu benennen ist ehrlicher, als sie wegzulassen:
- Die Frage hängt nicht an Ihren Dokumenten. Für Recherche, Formulierung und Übersetzung ist ein generischer Assistent das schnellere Werkzeug, und ein spezialisiertes System bringt dafür keinen Vorteil.
- Ihr Wissen liegt vollständig in Microsoft 365 und besteht überwiegend aus Office-Dokumenten. Dann ist die Integration in die vorhandene Umgebung ein Argument, das schwerer wiegt als der Domänenfokus.
- Sie suchen Struktur, nicht Inhalt. Freigabestände, Artikelnummern, Stücklisten: Das beantwortet Ihr PLM besser, und daran ändert kein Assistent etwas.
- Sie haben ein Entwicklungsteam und einen engen Anwendungsfall. Dann kann Eigenbau günstiger sein, sofern der Betrieb mit eingeplant ist.
Und die Grenze in die andere Richtung: KoAssist erzeugt keine Normen, bewertet keine Konformität und übernimmt keine Verantwortung für die Beurteilung. Es verkürzt den Weg zur Fundstelle. Die fachliche Entscheidung bleibt bei der Ingenieurin und dem Ingenieur, und das ist die richtige Arbeitsteilung.
Wie prüft man das in zwei Wochen?
Ein Vergleich aus Datenblättern führt selten zu einer belastbaren Entscheidung. Der folgende Ablauf kostet wenige Personentage und liefert vergleichbare Ergebnisse:
- Zwanzig echte Fragen sammeln. Aus dem Alltag, nicht konstruiert. Fünf davon sollten Fragen sein, deren Antwort im Bestand nachweislich nicht steht.
- Einen abgegrenzten Testbestand bereitstellen. Häufig gebrauchte Normen und Richtlinien, dazu ein abgeschlossenes Projekt mit Zeichnungen und Korrespondenz. Die typische Unordnung gehört dazu, nicht ein aufgeräumter Sonderfall.
- Jede Antwort auf drei Achsen bewerten: Stimmt sie fachlich, führt der Beleg auf die richtige Seite, und wie lange hätte die manuelle Suche gedauert.
- Die fünf Fangfragen gesondert auswerten. Hier zeigt sich, ob ein System schweigt oder erfindet. Dieser Punkt trennt die Kandidaten stärker als alle Featurelisten.
- Die Betriebsfragen schriftlich stellen: Hosting, Subprozessoren, Rechtekonzept, Ausschluss vom Training. Eine Prüfliste dafür steht unter DSGVO-konforme KI, die technische Umsetzung bei KoAssist unter Sicherheit und EU-Hosting.
Wer zwischen Betriebsmodellen schwankt, findet die Abwägung im Beitrag zu On-Premise oder EU-Cloud. Wie sich die Frage beim meistgenutzten generischen Werkzeug stellt, klärt der DSGVO-Check zu ChatGPT für interne Dokumente.
Fazit: Der Vergleich entscheidet sich an der Belegkette
Die vier Kategorien lösen verschiedene Probleme, und keine ist für alles die richtige. Für Fragen, deren Antwort in Normen, Spezifikationen und Projektdokumenten steht und die nachprüfbar sein muss, verengt sich das Feld schnell: Es bleibt, was jede Aussage auf Datei und Seite zurückführt, was Zeichnungen liest, was Nichtwissen zugibt, und was die Dokumente in einem Rechtsrahmen hält, den Sie gegenüber Ihrem Datenschutzbeauftragten vertreten können. Genau darauf ist KoAssist gebaut.
Die produktgenauen Gegenüberstellungen stehen auf der Seite KoAssist im Vergleich. Wenn Sie den Testablauf oben mit Ihren eigenen Unterlagen durchgehen möchten, buchen Sie eine Demo.
Eine Einordnung aller Anwendungsfälle gibt unser Themen-Hub KI in der Konstruktion.
Die Funktion, um die es dabei geht, ist der Wissensassistent.
Häufige Fragen
Was unterscheidet einen KI-Assistenten von der Volltextsuche im DMS?
Die Volltextsuche liefert Dokumente, der Assistent beantwortet die Frage. Praktisch ist der Unterschied der Weg dazwischen: Bei der Volltextsuche müssen Sie den richtigen Begriff kennen und die Treffer selbst lesen. Ein Assistent nimmt die Frage in Ihrer Formulierung entgegen, sucht über mehrere Dokumente hinweg und gibt die Stelle aus. Der Preis dafür ist, dass Sie die Antwort überprüfen müssen, und genau dafür braucht es die Quellenangabe.
Reicht ein generischer Assistent nicht, wenn die Daten dort nicht zum Training genutzt werden?
Der Ausschluss vom Training ist eine wichtige Zusage, aber er beantwortet nur eine von mehreren Fragen. Offen bleiben: Wo werden die Dokumente verarbeitet und gespeichert, welche Subprozessoren sind beteiligt, und greift der Assistent auf Ihren tatsächlichen Dokumentenbestand zu oder nur auf das, was jemand im Chat hochlädt. Für eine belastbare Antwort aus Normen und Projektakten reicht ein Upload pro Frage nicht.
Wie viele Dokumente braucht ein aussagekräftiger Test?
Weniger, als die meisten annehmen. Ein abgegrenzter Bestand aus einigen hundert Dokumenten, der den Alltag abbildet, ist aussagekräftiger als ein Komplettimport: Normen und Richtlinien, die häufig gebraucht werden, dazu ein abgeschlossenes Projekt mit Zeichnungen und Korrespondenz. Entscheidend ist nicht die Menge, sondern dass die typischen Formate und die typische Unordnung vorkommen.
Woran erkennt man, dass ein Anbieter die Belegkette nur behauptet?
An drei Proben. Erstens: Führt der Beleg auf die konkrete Seite oder nur auf das Dokument. Zweitens: Stimmt die genannte Stelle, wenn Sie sie öffnen, oder steht dort etwas anderes. Drittens: Was passiert bei einer Frage, deren Antwort im Bestand nicht steht. Ein System, das darauf etwas Plausibles formuliert statt „nicht gefunden“ zu sagen, ist im Engineering nicht brauchbar.
Was kostet so ein Vergleich an interner Zeit?
Für den beschriebenen Ablauf sollten Sie mit etwa zwei Wochen Laufzeit und wenigen Personentagen rechnen: ein halber Tag für die Fragenliste, ein Tag für die Bereitstellung des Testbestands, danach verteiltes Prüfen im Team. Der größte Posten ist nicht die Technik, sondern sich auf die zwanzig Fragen zu einigen, an denen gemessen wird.
Normensuche im Maschinenbau: Der Praxis-Guide 2026
Konstrukteure verlieren Stunden mit der Suche nach Normeninhalten. Wo heute gesucht wird, was das wirklich kostet und wie KI die Normensuche beschleunigt.
On-Prem oder EU-Cloud für KI auf Konstruktionsdaten
On-Premise gilt als die sichere Variante. Tatsächlich verlagert der Betrieb im eigenen Haus vor allem die Verantwortung. Woran die Entscheidung wirklich hängt und welche Anforderung On-Prem tatsächlich erzwingt.
Normen mit KI durchsuchen: warum die Quellenangabe über die Brauchbarkeit entscheidet
Eine KI-Antwort zu einer Norm ohne Datei- und Seitenangabe ist im Engineering nicht unbequem, sondern unbrauchbar. Warum das so ist und woran man ein taugliches System erkennt.
