Künstliche Intelligenz in der Produktentwicklung: Hype, Hilfsmittel oder Hebel?

Im vergangenen Dezember nahm ich an einer Sitzung des Praxisbeirats für Industriedesign in Groningen teil. Wir diskutierten die aktuellen Entwicklungen in unserem Fachgebiet, wobei ein Thema klar im Vordergrund stand: Künstliche Intelligenz (KI). Nicht als abstrakte Zukunftsvision, sondern als konkrete Frage: Was bedeutet KI nun wirklich für die Produktentwicklung?

Im Jahr 2025 hat sich generative KI endgültig im Arbeitsalltag vieler Fachleute etabliert. Chatbots, Bildgenerierung und Code-Assistenz haben sich innerhalb kurzer Zeit von einer Kuriosität zu alltäglichen Werkzeugen gewandelt. In Branchen wie dem Bildungswesen, der Softwareentwicklung, dem Marketing und der Beratung sind die Auswirkungen unübersehbar. Als jedoch die Frage aufkam, was dies für die physische Produktentwicklung bedeutet, hatte niemand sofort eine konkrete Antwort parat.

Auch bei PEZY beschäftigten wir uns zu dieser Zeit mit denselben Fragen. Welche KI-Tools bringen unserer Arbeit wirklich einen Mehrwert? Wie gewährleisten wir die Qualität und Vertraulichkeit von Informationen? Und vielleicht die wichtigste Frage: Wo bleibt der menschliche Faktor unverzichtbar?

Ich verfolge die Entwicklung der KI schon seit Jahren und habe in verschiedenen Phasen selbst damit experimentiert. Von frühen Tools wie DeepArt und Artbreeder bis hin zu Stable Diffusion auf meinem eigenen Laptop. Gleichzeitig bin ich immer kritisch geblieben. Wo schafft KI wirklich einen Mehrwert? Wo handelt es sich vor allem um Hype? Und wo besteht gerade die Gefahr, dass Geschwindigkeit mit Qualität verwechselt wird?

Die vraag werd voor mij extra concreet toen een van mijn gesprekspartners een LinkedIn-post aanhaalde van Guido Stompff, lector Design Thinking bij Hogeschool Inholland. Hij beschreef hoe zijn jaarlijkse “coffeefilter challenge” dit jaar voor het eerst mislukte. Waar studenten jarenlang met een grote variatie aan ideeën kwamen, eindigde nu vrijwel elk groepje met hetzelfde idee. De reden? Chatbots. Wat ooit een creatieve oefening was met vijftien minuten uitbundige interactie, werd een exercitie van drie minuten tussen studenten en hun telefoon. In stilte.

Het is een treffend voorbeeld van de paradox van AI: meer snelheid, maar minder variatie, minder beleving en soms ook minder echte vernieuwing.

Productiviteit, met kanttekeningen

Recent onderzoek laat een vergelijkbaar beeld zien. AI kan productiviteitswinst opleveren, zeker in softwareontwikkeling. Waar eerdere studies nog wezen op vertraging door A.I.-tools, zien we inmiddels ook duidelijke versnellingen. Tools als GitHub Copilot, Claude Code en Codex zijn voor veel ontwikkelaars al niet meer weg te denken.

Doch dieser Gewinn ist nicht unumstritten. Qualität, Wartbarkeit, Skalierbarkeit und Sicherheit sind allesamt Aspekte, mit denen die KI noch zu kämpfen hat. Auch auf Organisationsebene ist das Bild uneinheitlich: Viele KI-Initiativen zeigen noch keine messbaren Auswirkungen, während die Kosten steigen.

Auch in den Bereichen Marketing und Design hat sich KI mittlerweile etabliert. Große Marken experimentieren intensiv mit KI-generierten Kampagnen. Gleichzeitig wächst die Kritik. Diskussionen über Urheberrecht, Authentizität und Intentionalität sind aktueller denn je. Vor allem in eher künstlerischen Bereichen ist der Widerstand groß.

Warum die Produktentwicklung anders ist

Man könnte erwarten, dass die Produktentwicklung einen ähnlichen Wandel durchläuft. Schließlich befinden wir uns an der Schnittstelle zwischen Technik, Design und Wirtschaft. Dennoch gibt es einen wesentlichen Unterschied.

AI is zo goed als de data waarop het getraind is. Daar zit in productontwikkeling precies de crux.

Während Software-Code und Bildmaterial in Hülle und Fülle verfügbar sind, gilt dies nicht für physische Produkte. Unternehmen schützen ihre Entwürfe sorgfältig. CAD-Daten sind selten öffentlich zugänglich. Und selbst wenn man über diese Daten verfügen würde, ist es fraglich, ob sie überhaupt brauchbar sind.

Produkte sind komplex. Sie vereinen mehrere Funktionen, integrierte Lösungen und unzählige Abwägungen zwischen Kosten, Machbarkeit, Benutzererfahrung, Zuverlässigkeit und Ästhetik. Gerade echte Kreativität lässt sich nur schwer trainieren, da es per Definition keinen Datensatz mit Lösungen gibt, die noch nicht erfunden wurden.

Mittlerweile gibt es beeindruckende Tools, die 3D-Modelle erstellen können. Doch die Kluft zwischen einem optisch überzeugenden Modell und einer realisierbaren, zuverlässigen Baugruppe ist groß.

Ook binnen CAD-software zien we AI-gedreven functionaliteiten opkomen, zoals generative design. Die kunnen waardevol zijn, maar zijn voorlopig vooral gericht op het creëren van losse onderdelen. Niet op het ontwerpen van complete, geïntegreerde producten die in de praktijk moeten functioneren.

Wo KI tatsächlich funktioniert

Heißt das, dass KI bei der Produktentwicklung keine Rolle spielt? Ganz und gar nicht. Ich nutze sie mittlerweile selbst fast täglich.

Maar vooral voor de “low-hanging fruit”. Vertalingen, tekstbewerking, samenvattingen. En misschien wel het meest waardevolle: zoeken. Met chatbots kun je veel gerichter zoeken dan met traditionele zoekmachines. Ze helpen bijvoorbeeld bij het vinden van leveranciers, brononderzoek naar fysische principes of methodes voor data analyse, of het in kaart brengen van concurrerende producten.

Der Vorteil liegt hier in der Schnelligkeit, ohne dass man dabei zwangsläufig Abstriche bei der Qualität machen muss. Vorausgesetzt, man bleibt kritisch, hinterfragt Dinge und überprüft Quellen.

Darüber hinaus sehen wir Anwendungsmöglichkeiten im Bereich des Designs. Nicht, indem man die Arbeit der KI überlässt, sondern als Unterstützung bei den Vorbereitungsarbeiten. Für Moodboards, Referenzmaterial, erste Ansätze für Materialauswahl, Farbe und Oberflächen sowie Visualisierungen. Die Rolle des Designers verschiebt sich damit teilweise vom Ausführenden hin zum Regisseur.

Misschien wel de meest interessante toepassing zit in het verkennen van productproposities. AI kan grote hoeveelheden reviews analyseren en patronen herkennen. Waar zijn gebruikers tevreden over? Waar liggen frustraties? Welke verwachtingen komen steeds terug? Het kan helpen bij het formuleren van USP’s ten opzichte van de bestaande markt, het structureren van ideeën en het visualiseren van concepten op een niveau dat geschikt is om potentiële klanten of stakeholders enthousiast te maken.

Im vergangenen Jahr haben sich drei Kunden an uns gewandt, die ihre Produktidee mithilfe von KI-Tools verfeinert und zu Papier gebracht haben. Nicht als Endziel, sondern als Sprungbrett. Das gab ihnen genug Selbstvertrauen, um den nächsten Schritt zu wagen.

Aber genau darin liegt auch ein Risiko: KI kann den Eindruck erwecken, man sei weiter, als man es tatsächlich ist.

Der unverzichtbare menschliche Faktor

Denn zwischen einer guten Idee und einem erfolgreichen Produkt liegt noch ein riesiger Arbeitsaufwand.

Die Umsetzung eines Konzepts in ein funktionales, realisierbares, zuverlässiges und attraktives Produkt erfordert mehr als nur Daten und Algorithmen. Sie erfordert Abwägungen. Sie erfordert Kontext. Sie erfordert Gespräche mit den Beteiligten. Sie erfordert die Lösung widersprüchlicher Anforderungen. Sie erfordert Erfahrung mit Materialien, Produktionsprozessen, Toleranzen, Anwendungssituationen und dem Verhalten in der Praxis.

En uiteindelijk vraagt het om testen in de echte wereld. Werkt het product echt? Is het gebruiksvriendelijk? Voelt het goed? Houdt het stand? Dat zijn vragen die je niet beantwoordt met een prompt, maar met fysieke prototypes, gebruikersfeedback en iteratie.

De menselijke hand blijft daarin essentieel.

Fazit

KI verändert unser Fachgebiet, wenn auch vorerst weniger radikal als in der Softwareentwicklung oder im Grafikdesign. Sie übernimmt unsere Arbeit nicht, sorgt aber für Veränderungen. Genauso wie es CAD-Software, Photoshop und 3D-Drucker zuvor getan haben.

We zien een gedeeltelijke verschuiving van creëren naar cureren, en van maken naar beoordelen. De echte waarde zit op dit moment vooral in ondersteunende taken: sneller inzicht krijgen, mogelijkheden verkennen, brononderzoek doen, proposities aanscherpen en communicatie verbeteren.

Doch der Kern der Produktentwicklung bleibt vorerst Menschenwerk: Dinge zu schaffen, die nicht nur logisch klingen oder gut aussehen, sondern in der realen Welt auch zuverlässig funktionieren.