Der Einfluss von Generativer KI im Innovationsprozess: Eine qualitative Untersuchung bei Entwicklungsingenieuren im Maschinenbau

Thema und Relevanz

Diese Masterarbeit untersucht, wie Generative KI (z. B. ChatGPT) von Entwicklungsingenieuren im Maschinenbau genutzt wird, um kreative Prozesse im Innovationsprozess zu unterstützen. Anhand qualitativer Interviews wird analysiert, in welchen Phasen von der Ideenfindung bis zur Markteinführung, die Technologie den grössten Mehrwert bietet und welche organisatorischen sowie individuellen Faktoren die Nutzung beeinflussen. Die Integration von Generative KI in technische Innovationsprozesse ist ein hochaktuelles Thema, das Produktivität und Kreativität neu definiert. Für Unternehmen im Maschinenbau eröffnet die gezielte Nutzung von KI Potenziale für Effizienz, Ideenvielfalt und Wettbewerbsfähigkeit. Vorausgesetzt, kulturelle, technologische und kompetenzbezogene Rahmenbedingungen werden berücksichtigt.

Ergebnisse

Die Ergebnisse der Studie zeigen deutlich, dass Generative KI phasenübergreifend Potenziale bietet, wobei der grösste Nutzen in der Ideengenerierung und Konzeptentwicklung liegt. In der Ideengenerierung unterstützt Generative KI vor allem durch Brainstorming-Hilfen, Ideenkombinationen und das Erschliessen neuer Perspektiven. Auch in der Konzeptentwicklung trägt Generative KI zur schnellen Variantenbildung und zur effizienten Recherche von Fachwissen bei. Für die späteren Phasen, wie Prototyping, Testing und Markteinführung, sind die Potenziale aktuell noch begrenzt, zeigen aber in spezialisierten Anwendungsfällen zunehmende Bedeutung. Die Interviews machten deutlich, dass verschiedene unterstützende und hindernde Faktoren die erfolgreiche Nutzung von Generativer KI beeinflussen. Technologische Reife, Datenqualität und eine offene Organisationskultur erwiesen sich als Schlüsselfaktoren für den erfolgreichen Einsatz von Generativer KI. Gleichzeitig stellten fehlendes Vertrauen in KI-generierte Ergebnisse sowie ethische und rechtliche Bedenken bedeutende Hemmnisse dar.

Implikation für Praktiker:innen

• Systematische Schulung von Entwicklungsingenieur:innen im Umgang mit generativer KI.
• Identifikation geeigneter Einsatzbereiche innerhalb des Innovationsprozesses.
• Schaffung von geeigneter organisatorischen Rahmenbedingungen.
• Förderung einer innovationsfreundlichen Unternehmenskultur, die Mensch und Maschine integriert.

Methoden

Die Masterarbeit basiert auf einem qualitativ-interpretativen Forschungsdesign mit explorativem Charakter. Elf leitfadengestützte Experteninterviews mit Entwicklungsingenieur:innen aus dem Maschinenbau wurden durchgeführt. Die Auswertung erfolgte mithilfe der Gioia-Methode, welche es erlaubt, aus den Aussagen der Befragten systematisch First-Order Codes, Second-Order Themes und Aggregate Dimensions abzuleiten. Die Analyse strukturierte die Erkenntnisse entlang der Phasen des Innovationsprozesses von der Ideenfindung bis zur Markteinführung und identifizierte zentrale Einflussfaktoren wie Akzeptanz, Kompetenzentwicklung, organisationale Rahmenbedingungen und Nutzungsmuster. Der Ansatz ermöglicht theoriegeleitete, zugleich praxisrelevante Schlussfolgerungen.