Was ist ein KI-Assistent?
Ein KI-Assistent ist eine angepasste Version eines vortrainierten Sprachmodells, das spezifische Aufgaben durch Konfiguration statt durch Training löst.
Nutzer können durch einfache Anpassungen wie das Hinzufügen von Kontextinformationen, Anweisungen oder Prozessbeschreibungen vielseitige Anwendungen umsetzen.
Ziel unseres Hackathons
Ziel des Hackathons war die Vermittlung des Industry Core Standards, indem die Teilnehmer ein Frontend mit Hilfe von Gen-AI entwickeln sollten, dass mit zwei REST-Schnittstellen des Item-Relationship-Services interagiert.
Die Teilnehmer konnten dabei zwischen drei Ansätzen wählen:
- Selbstständige Umsetzung ohne Hilfestellung durch KI
- Nutzung einer beliebigen KI
- Nutzung des von uns bereitgestellten KI-Assistenten
Die Umsetzung im Überblick
Der Hackathon war in drei Phasen strukturiert, die aufeinander aufbauten und jeweils von einem KI-Assistenten begleitet wurden. Teilnehmer konnten den Assistenten bei Bedarf hinzuziehen oder auf andere Methoden setzen. Diese Flexibilität eröffnete die Möglichkeit, den Assistenten zu testen oder eigenständig Lösungen zu entwickeln.
Phase 1: Setup des Frontends und Anbindung an die Schnittstellen des Item-Relationship-Services
In der ersten Phase ging es um das Setup des Frontends und die Anbindung an die REST-Schnittstellen des Item-Relationship-Services. Hier unterstützte der KI-Assistent, indem er gezielte Code-Snippets und Erklärungen zur Verfügung stellte, um den Einstieg in die Schnittstellenanbindung zu erleichtern.
Phase 2: Visualisierung einer Tier-3-Datenkette
In Phase zwei wurde eine Tier-3-Datenkette mittels digitaler Zwillinge abgebildet. Diese Zwillinge und ihre Beziehungen über eine Stückliste sollten als Graph, Baum oder in ähnlicher Form dargestellt werden. Der KI-Assistent lieferte Vorschläge für mögliche Visualisierungsmethoden und half dabei, die vorhandenen Daten zu interpretieren.
Phase 3: Anreicherung von semantischen Modellen
In der abschließenden Phase wurde das Modell durch semantische Daten angereichert, die mit den digitalen Zwillingen verknüpft sind. Der KI-Assistent machte Vorschläge, wie diese zusätzlichen Informationen integriert und die Visualisierung weiter verfeinert werden konnten.
Fazit
Besonders hervorzuheben ist die gesteigerte Effizienz, da zeitaufwändige Recherchen reduziert wurden und der Fokus auf die Vermittlung des Industry Core Standards mit digitalen Zwillingen und der Stückliste gelegt werden konnte. Dies ermöglichte es, das komplexe Thema in angemessener Zeit zu vermitteln, was ohne KI vermutlich nicht machbar gewesen wäre. Die Teilnehmer waren begeistert von der modernen Technologie und der schnellen Prototypenentwicklung, die durch die direkte Bereitstellung von Vorschlägen und Code ermöglicht wurde. Zudem bot der Hackathon eine Plattform, um neue Einsatzmöglichkeiten für den KI-Assistenten zu entdecken und innovative Arbeitsweisen im Automotive-Bereich auszuprobieren.
Dennoch gab es auch Herausforderungen. Die von der KI generierten Lösungen waren oft ähnlich und boten wenig Spielraum für kreative Ansätze, da die Benutzer durch die fertigen Vorschläge stark in eine Richtung gelenkt wurden. Ein weiterer kritischer Punkt war die Testbarkeit des KI-Assistenten selbst. Die Validierung seiner Ergebnisse erwies sich als zeitaufwändig, und die Automatisierung solcher Tests war schwierig umzusetzen, was langfristig zu einem erhöhten Aufwand führen kann.
Ein Hackathon mit KI-Assistenten hat gezeigt, wie viel Potenzial in dieser Technologie steckt. Ich würde diese Herangehensweise erneut wählen, da die KI-Assistenten effizient arbeiteten und deutlich machten, wie stark sie die Softwareentwicklung verändern können. Es liegt an uns, dieses Potenzial zu nutzen und KI als Werkzeug für effizientere Prozesse einzusetzen.
