Anbieter zum Thema

CADFEM Germany GmbH

Synapticon GmbH

Siemens Digital Industries Software GmbH Digital Factory Division

Delta Electronics GmbH

WITTENSTEIN SE

mehr weniger

ACE Stoßdämpfer GmbH

Lenze SE

Heidrive GmbH

CAD+T Solutions GmbH

weniger

Jens Neuner, Leiter Produktmanagement Drives bei Siemens Digital Industries

Welche aktuellen technologischen, regulatorischen und wirtschaftlichen Herausforderungen beeinflussen die Produktentwicklung in der Antriebstechnik besonders?

Technologisch prägen vor allem zwei Entwicklungen die Antriebstechnik: KI gewinnt an Bedeutung, da Kunden datenbasierte Funktionen wie Zustandsüberwachung und vorausschauende Wartung erwarten, die industrietauglich und echtzeitfähig sein müssen. Fortschritte in der Leistungselektronik durch SiC und GaN ermöglichen höhere Effizienz und kompaktere Bauformen.

Regulatorisch steht der EU Cyber Resilience Act im Fokus, der Cybersicherheit über den gesamten Produktlebenszyklus verschärft. Wir entwickeln Security "by design" und richten unsere Prozesse an IEC 62443 aus. Unsere neue Sinamics-Generation erreicht Security Level Capability 2 nach IEC 62443-4-2.

Wirtschaftlich bestimmen striktes Kostenbewusstsein bei konsequentem Kundenfokus den Erfolg. Entwicklungsentscheidungen priorisieren wir nach messbarem Kundennutzen unter Betrachtung der Gesamtkosten über den Lebenszyklus.

Automatisierte Workflows und modellbasierte Methoden revolutionieren die interdisziplinäre Zusammenarbeit durch ein zentrales Architekturmodell als "Single Source of Truth", das alle Disziplinen einheitlich informiert.

Welche Bedeutung haben simulationsbasierte Entwicklungsprozesse und digitale Zwillinge für die virtuelle Absicherung, Funktionsvalidierung und Verkürzung der Entwicklungszyklen?

Simulationsbasierte Prozesse und digitale Zwillinge sind zentrale Hebel für frühzeitige virtuelle Absicherung und Risikoreduktion. Wir prüfen Systemverhalten bereits in frühen Phasen realitätsnah, vergleichen Varianten schneller und identifizieren Schwachstellen vor Hardwareprototypen.

Das verkürzt Iterationsschleifen, vermeidet späte Designänderungen und beschleunigt die Entwicklung robuster Produkte. Digitale Zwillinge erfüllen hohe Qualitätsansprüche durch reproduzierbare, skalierbare Tests über viele Betriebsfälle.

Gemeinsam mit UL-Solutions nutzen wir digitale Engineering-Daten und virtuelle Validierungen für Zertifizierungsprozesse, um Freigabeverfahren zu modernisieren und beschleunigen – ohne Abstriche bei Sicherheit und Qualität.

Wie verändern automatisierte Engineering-Workflows und modellbasierte Entwicklungsmethoden die interdisziplinäre Zusammenarbeit zwischen Mechanik, Elektronik und Software in der Entwicklung intelligenter Antriebssysteme?

Automatisierte Workflows und modellbasierte Methoden revolutionieren die interdisziplinäre Zusammenarbeit durch ein zentrales Architekturmodell als "Single Source of Truth", das alle Disziplinen einheitlich informiert.

Informationsflüsse werden vereinfacht, da Schnittstellen und Anforderungen in einer gemeinsamen Datenbasis statt getrennten Tool-Silos gepflegt werden. Das reduziert Missverständnisse und macht Änderungen transparent und konsistent.
Der Modellansatz sichert durchgängige Nachvollziehbarkeit von Anforderung bis Umsetzung und ermöglicht saubere Rückverfolgung von Entscheidungen, wodurch die disziplinübergreifende Zusammenarbeit effizienter und robuster wird.

Wie kann der Einsatz von künstlicher Intelligenz die Performance und Effizienz neuer Antriebssysteme verbessern?

KI bietet großes Potenzial zur Performance- und Effizienzsteigerung in Entwicklung und Betrieb. In der Auslegung bewertet KI-Design-Varianten schneller und optimiert gezielt Effizienz, Dynamik und thermische Robustheit, was Entwicklungszeiten verkürzt und bessere Zielkonfliktlösungen ermöglicht. Im Betrieb passen datenbasierte Ansätze Regelungsstrategien adaptiv an Lastprofile und Umgebungsbedingungen an, erhöhen den Wirkungsgrad und verbessern Zustandsüberwachung sowie vorausschauende Wartung. Voraussetzung ist eine belastbare Datenbasis aus Entwicklung, Tests und Feldbetrieb in geeigneter Qualität und Menge, damit KI ihre Optimierungspotenziale zuverlässig heben kann.