Neuer Ansatz Edag stellt souveräne KI für das Engineering vor

Die Edag Group entwickelt einen anpassbaren Engineering Harness, der Unternehmen die Kontrolle über ihre KI sichert: über Daten, Architektur und Kosten. Edag.ai verbindet KI-Expertise mit der Engineering-Erfahrung von Edag.

Fast alle Unternehmen investieren in KI, doch laut dem MIT-Projekt Nanda erzielen nur fünf Prozent der KI-Pilotprojekte einen messbaren Geschäftswert. Hohe Kosten, fehlende Kontrolle über Daten und Systeme sowie unklarer wirtschaftlicher Nutzen stehen dem produktiven Einsatz im Weg.

Mit Edag.ai stellt die Edag Group nun einen neuen Ansatz vor, der künstliche Intelligenz von den Anforderungen der Produktentwicklung her denkt und Unternehmen dabei unterstützt, KI souverän und wirtschaftlich in ihren Entwicklungsprozessen zu verankern. Edag.ai sei weder ein weiteres KI-Modell noch ein standardisiertes Softwareprodukt. Große Sprachmodelle laufen zentral beim Anbieter. Per API lassen sie sich an die Daten eines Unternehmens anbinden, aber nicht tief in seine Prozesse integrieren. So stehe im Mittelpunkt von Edag.ai KI-Systeme aus wiederverwendbaren Bausteinen, die an die Prozesse, Daten und Anforderungen des jeweiligen Unternehmens adaptiert werden.

Smart Data aus 7.000 Entwicklungsprojekten

Die besondere Stärke von Edag.ai liege in der Verbindung von KI-Expertise und jahrzehntelanger Engineering-Erfahrung. Als einer der führenden unabhängigen Engineering-Dienstleister bringt die Edag Group das Wissen aus über 7.000 globalen Entwicklungsprojekten ein, von der E/E-Funktion über die Plattform bis zum Gesamtfahrzeug.

Anders als Consumer-AI braucht Enterprise-AI keine Big sondern Smart Data: verdichtetes Wissen, optimiert für seinen Anwendungsfall. Edag hat solche Smart Data aus seinen Projekten abgeleitet und in Engineering-Ontologien, Referenzmodellen wie einem eigenen Produktentstehungsprozess und Wissensbasen strukturiert. Verknüpft mit diesen Smart Data gewinnen die proprietären Daten des Kunden wirtschaftlichen Wert, während die Datenhoheit beim Kunden bleibt. Fachliche Standards und deterministische Regeln ergänzen die Modelle überall dort, wo Prozessdaten verarbeitet und Ergebnisse nachvollzogen werden müssen.

Der Wert des Modells liegt nicht in der Technologie

Laut Edag beginnen erfolgreiche Enterprise-AI-Vorhaben beim Anwendungsfall, nicht bei der Technologie. Dieses Wissen hat das Unternehmen in den 5Cs der souveränen KI systematisiert. Mit dem Framework können Unternehmen anhand von Cost, Control, Compliance, Customization und Compounding prüfen, ob alle Voraussetzungen für eine wertschöpfende, maßgeschneiderte KI erfüllt sind, bevor sie investieren.

„Der Markt fragt immer, welches Modell das Beste ist. Für Unternehmen ist das die falsche Frage. Der Wert eines Modells entsteht erst in einem sogenannten Harness, einer Infrastruktur, die das Modell mit Werkzeugen, Gedächtnis und Daten versorgt und seine Arbeit steuert. Benchmarks zeigen: Ein und dasselbe Spitzenmodell löst in einem spezialisierten Harness drei Viertel der Aufgaben, in einem generischen nur knapp mehr als die Hälfte“, erklärt Gabriel Seiberth, Executive Vice President Electrics/Electronics bei der Edag Group. „Erfolgreiche Enterprise-AI entsteht deshalb nicht durch das Abonnieren der APIs von Frontier Labs, sondern durch souveräne, aufgabenoptimierte Harnesses. Nur dort kann sich Wissen akkumulieren. Und: Ein Modell neu zu trainieren kostet Millionen, ein System zu erweitern einen Bruchteil davon. Daher entwickeln wir einen spezifischen Engineering Harness: Er verknüpft Domänenwissen, Daten, Prozesse und Modelle und macht sie auf Unternehmensebene verfügbar.“

Ein Harness, optimiert für Engineering

Lange lag der Fokus auf AGI, einer generellen KI für alle Anwendungen. Technologisch galt: „Scale is all you need“, mehr Daten, mehr Rechenleistung. Mit dem Begriff Harness, den Anthropic Ende 2025 für KI-Agenten prägte, beginnt sich die Gegenthese durchzusetzen: KI ist ein gestaltetes System aus Modell und umgebender Struktur, und die Bedeutung der Struktur wächst rasant.

Harnesses sind aufgabenspezifisch: Coding, Cybersecurity und Theorem Proving zum Beispiel brauchen jeweils einen eigenen. Folglich auch Product Engineering. Autos sind die komplexesten Konsumgüter der Welt, cyber-physische Systeme mit der Rechenleistung eines kleinen Rechenzentrums. Zudem ist ihre Entwicklung stark reguliert: Jedes Ergebnis muss gegen Normen prüfbar und über alle Domänen hinweg von der Anforderung bis zur Freigabe nachvollziehbar sein. Der Engineering Harness von Edag ist der erste, der für diesen Anwendungsfall optimiert wird. Er ist bewusst nie fertig: Neue Modelle und Methoden nimmt er auf, sobald sie verfügbar sind. Und mit jeder Integration und Nutzung sammelt sich in ihm Wissen an, das dem Unternehmen gehört. „Nur wer die Struktur um das Modell beherrscht, hat die Hebel für Enterprise-Value in der Hand“, so Seiberth.

Souveränität statt API

Der Engineering Harness basiert auf einer offenen, modularen Plattform, deren Komponenten sich erweitern oder ersetzen lassen. Bei der Nutzung über eine API entscheidet der Anbieter, welches Modell eine Aufgabe übernimmt, welche Werkzeuge es nutzt, was es kostet und wann es sich ändert. Bei Edag.ai entscheidet das Unternehmen, und in einer Technologielandschaft, die sich so schnell wandelt, bindet es sich an keinen isolierten Ansatz. Plattform und Ontologien laufen überall und können vollständig an den Kunden übergeben werden. Für Branchen mit hohen Anforderungen an Datenschutz, Nachvollziehbarkeit und geistiges Eigentum wie die Automobil- und Defenceindustrie sei das die Voraussetzung für einen regulatorisch absicherbaren KI-Einsatz.

Neben diesen Bausteinen bietet Edag einsatzfertige KI-Anwendungen, etwa für Coding, Cybersecurity und Requirements Engineering sowie für zahlreiche weitere Aufgaben entlang des Produktentwicklungsprozesses. Sie lassen sich sofort einsetzen oder an kundenspezifische Daten, Prozesse und Anforderungen anpassen.

(ID:51008294)