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

Im vergangenen Dezember nahm ich an einer Sitzung des Arbeitsfeldbeirats Industriedesign in Groningen teil. Wir diskutierten die aktuellen Entwicklungen in unserem Fachgebiet – mit einem klaren Hauptthema: Künstliche Intelligenz (KI). Nicht als abstraktes Zukunftsszenario, sondern als konkrete Frage: Was bedeutet KI wirklich für Produktentwicklung?

Im Jahr 2025 ist generative KI endgültig in den Arbeitsalltag vieler Berufsgruppen vorgedrungen. Chatbots, Bilderzeugung und Code‑Assistenz haben sich in kurzer Zeit von Kuriositäten zu täglichen Werkzeugen entwickelt. In Bereichen wie Bildung, Softwareentwicklung, Marketing und Beratung ist die Wirkung unübersehbar. Als die Frage jedoch aufkam, was das für die physische Produktentwicklung bedeutet, konnte niemand sofort eine konkrete Antwort geben.

Auch bei PEZY beschäftigten wir uns zu diesem Zeitpunkt mit denselben Fragen. Welche KI‑Tools bringen wirklich einen Mehrwert für unsere Arbeit? Wie sichern wir die Qualität und Vertraulichkeit von Informationen? Und vielleicht die wichtigste Frage: Wo bleibt die menschliche Hand unabdingbar?

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

Diese Frage wurde für mich besonders konkret, als einer meiner Gesprächspartner einen LinkedIn‑Post von Guido Stompff, Lektor für Design Thinking an der Hogeschool Inholland, zitierte. Er beschrieb, wie seine jährliche „Kaffeefilter‑Challenge“ dieses Jahr erstmals scheiterte. Wo Studierende jahrelang mit großer Vielfalt an Ideen auftraten, endete nun nahezu jede Gruppe mit derselben Idee. Die Ursache? Chatbots. Was einst eine kreative Übung mit fünfzehn Minuten lebhafter Interaktion war, wurde zu einer dreiminütigen Übung zwischen Studierenden und ihrem Telefon. Schweigend.

Das ist ein prägnantes Beispiel für die Paradoxie der KI: mehr Tempo, aber weniger Vielfalt, weniger Erlebnis und manchmal auch weniger echte Innovation.

Produktivität, mit Vorbehalten

Aktuelle Untersuchungen zeichnen ein ähnliches Bild. KI kann Produktivitätsgewinne bringen, besonders in der Softwareentwicklung. Wo frühere Studien noch Verzögerungen durch KI‑Tools feststellten, sehen wir inzwischen auch deutliche Beschleunigungen. Tools wie GitHub Copilot, Claude Code und Codex sind für viele Entwickler nicht mehr wegzudenken.

Doch dieser Gewinn wirft Fragen auf. Qualität, Wartbarkeit, Skalierbarkeit und Sicherheit sind Bereiche, mit denen KI noch ringt. Auf organisatorischer Ebene ist das Bild uneinheitlich: Viele KI‑Initiativen erzeugen noch keine messbaren Effekte, während die Kosten steigen.

Auch im Marketing und Design ist KI inzwischen etabliert. Große Marken experimentieren intensiv mit KI‑generierten Kampagnen. Zugleich formiert sich Gegenwind. Diskussionen über Urheberrecht, Authentizität und Intentionalität sind relevanter denn je. Vor allem in künstlerischen Bereichen ist der Widerstand groß.

Warum Produktentwicklung anders ist

Man könnte erwarten, dass Produktentwicklung eine ähnliche Entwicklung durchläuft. Wir stehen schließlich am Schnittpunkt von Technik, Design und Wirtschaft. Dennoch besteht ein entscheidender Unterschied.

KI ist nur so gut wie die Daten, auf denen sie trainiert wurde. Darin liegt für die Produktentwicklung der springende Punkt.

Während Softwarecode und Bildmaterial im Überfluss vorhanden sind, trifft das nicht auf physische Produkte zu. Unternehmen schützen ihre Entwürfe sorgfältig. CAD‑Daten sind selten öffentlich zugänglich. Und selbst wenn solche Daten vorhanden wären, ist fraglich, wie gut sie sich nutzen lassen.

Produkte sind komplex. Sie vereinen mehrere Funktionen, integrierte Lösungen und zahllose Abwägungen zwischen Kosten, Fertigbarkeit, Nutzererlebnis, Zuverlässigkeit und Ästhetik. Gerade echte Erfindung lässt sich schwer trainieren, weil per Definition kein Datensatz existiert von Lösungen, die noch nicht entwickelt wurden.

Es gibt mittlerweile beeindruckende Tools, die 3D‑Modelle erzeugen können. Doch die Kluft zwischen einem visuell überzeugenden Modell und einer fertigungstauglichen, zuverlässigen Baugruppe ist groß.

Auch in CAD‑Software sehen wir KI‑gestützte Funktionen wie generatives Design aufkommen. Diese können wertvoll sein, richten sich bislang aber vor allem auf die Erstellung einzelner Bauteile – nicht auf das Entwerfen kompletter, integrierter Produkte, die in der Praxis funktionieren müssen.

Wo KI hingegen funktioniert

Bedeutet das, dass KI in der Produktentwicklung keine Rolle spielt? Keineswegs. Ich selbst nutze sie inzwischen nahezu täglich.

Aber vor allem für die sogenannten „low‑hanging fruits“. Übersetzungen, Textbearbeitung, Zusammenfassungen. Und vielleicht am wertvollsten: Recherche. Mit Chatbots lässt sich zielgerichteter suchen als mit traditionellen Suchmaschinen. Sie helfen etwa bei der Lieferantenrecherche, der Quellenrecherche zu physikalischen Prinzipien oder Analysemethoden, oder beim Erfassen konkurrierender Produkte.

Der Gewinn liegt hier in der Geschwindigkeit, ohne dass man zwangsläufig an Qualität einbüßt – vorausgesetzt, man bleibt kritisch, hinterfragt Ergebnisse und prüft Quellen.

Darüber hinaus sehen wir Anwendungen im Bereich Formgebung. Nicht indem man der KI die Arbeit vollständig überlässt, sondern als Unterstützung in der Vorarbeit: für Moodboards, Referenzmaterial, erste Ansätze zur Materialisierung, Farbe und Oberflächen und für Visualisierungen. Die Rolle der Designer verschiebt sich dadurch teilweise vom Ausführenden zum Regisseur.

Vielleicht die interessanteste Anwendung liegt in der Erkundung von Produktpropositionen. KI kann große Mengen an Reviews analysieren und Muster erkennen. Womit sind Nutzer zufrieden? Wo liegen Frustrationen? Welche Erwartungen tauchen wiederholt auf? Das kann bei der Formulierung von USPs gegenüber dem Markt helfen, bei der Strukturierung von Ideen und bei der Visualisierung von Konzepten auf einem Niveau, das geeignet ist, potenzielle Kunden oder Stakeholder zu begeistern.

Im vergangenen Jahr haben drei Kunden zu uns gefunden, die mithilfe von KI‑Tools ihre Produktidee verfeinert und dokumentiert haben. Nicht als Endpunkt, wohl aber als Sprungbrett. Es gab ihnen genug Vertrauen, den nächsten Schritt zu gehen.

Doch genau hierin liegt auch ein Risiko: KI kann die Illusion erzeugen, weiter zu sein, als man tatsächlich ist.

Die unentbehrliche menschliche Komponente

Denn zwischen einer guten Idee und einem erfolgreichen Produkt liegen noch zahllose Arbeitsschritte.

Die Übersetzung eines Konzepts in ein funktionales, fertigungsfähiges, zuverlässiges und attraktives Produkt erfordert mehr als Daten und Algorithmen. Es verlangt Abwägungen. Kontext. Gespräche mit Stakeholdern. Das Lösen widersprüchlicher Anforderungen. Erfahrung mit Materialien, Fertigungsprozessen, Toleranzen, Nutzungssituationen und Verhalten im praktischen Einsatz.

Und schließlich erfordert es Tests in der realen Welt. Funktioniert das Produkt wirklich? Ist es benutzerfreundlich? Fühlt es sich gut an? Hält es stand? Diese Fragen beantwortet man nicht mit einem Prompt, sondern mit physischen Prototypen, Nutzerfeedback und Iteration.

Die menschliche Hand bleibt dabei unerlässlich.

Fazit

KI verändert unser Fachgebiet, aber vorläufig weniger radikal als die Veränderungen in der Software‑ oder Grafikgestaltung. Sie nimmt uns die Arbeit nicht ab, sorgt jedoch für Verschiebungen – ähnlich wie CAD‑Software, Photoshop und 3D‑Drucker zuvor.

Wir beobachten eine teilweise Verschiebung vom Erschaffen hin zum Kuratieren und vom Machen hin zum Bewerten. Der gegenwärtige Mehrwert liegt vor allem in unterstützenden Aufgaben: schneller Erkenntnisse gewinnen, Möglichkeiten erkunden, Quellenrecherche betreiben, Propositions schärfen und die Kommunikation verbessern.

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