Die Entwicklung neuer Produkte wird zunehmend komplexer. Die digitale Produktentwicklung und die digitale Simulation der Modellierung und deren Monitoring sind für den Erfolg und die Risikominimierung heute in vielen Branchen unabdingbar. Wir haben langjährige Erfahrung in der Leitungssatzentwicklung im Automotive-Umfeld und haben das erste Anwenderprogramm für den Standard SSP geschaffen.
Simulationen & digitale produktentwicklung
Mit orchideo | easySSP haben wir die erste Web-Anwendung im Modelica-Standard SSP bereitgestellt. So können verteilte Teams komplexe Systemarchitekturen entwickeln und simulieren. Vom konsistenten Entwurf der Architektur, über die effiziente Kollaboration aller Beteiligten und Integration der Komponenten, bis hin zur Simulation des Gesamtmodells in der Zielsimulationsumgebung. Einfach, nachvollziehbar, schnell und in hoher Qualität.
Technologiedaten für Simulationen
Komplexe Güter werden vermehrt mit virtuellen Prototypen in Simulationen getestet, sei es in der Automobilbranche, im Maschinenbau oder in der
Leitungssatzentwicklung
Fahrzeuge sind heute rollende Computer. Umso weiter die Digitalisierung voranschreitet, umso komplexer die Aufgaben des Kabelbaumes. Wir haben langjährige Erfahrung in der Leitungssatzeentwicklung im Automotive-Bereich. Die Entwicklung von Leitungssätzen erfolgt unter Berücksichtigung von Montagefreundlichkeit, Gesetzesvorschriften, Funktionen, Betriebssicherheit, Wirtschaftlichkeit, länderspezifischen Vorschriften und DIN-Normen.
Stammdatenverwaltung von Kabelbaum-Komponenten
Unser Kunde aus der Automobilbranche steht vor der Herausforderung, die Stammdatenverwaltung von Kabelbaum-Komponenten seiner Fahrzeuge zu modernisieren und zukunftsfähig zu
Kernprozesse in der Leitungssatzentwicklung
Eine Aufgabe am Brennpunkt der Automobiltechnik. Die Leitungssatzentwicklung erfolgt unter Berücksichtigung von Montagefreundlichkeit, Gesetzesvorschriften, Funktionen, Betriebssicherheit, Wirtschaftlichkeit, länderspezifischen Vorschriften und
DIGITALE PRODUKTENTWICKLUNG
Die digitale Produktentwicklung ersetzt mehr und mehr die klassische Entwicklung anhand haptischer Modelle. Sie umfasst heute die ersten Entwürfe eines Produktes oder eines Teilproduktes, dessen Konstruktion und Simulation. Sie plant dessen Fertigung, Produktion und Service auf der Basis von Softwarelösungen, die diesen Prozess ganzheitlich abbilden.
Die Vorteile liegen klar auf der Hand: Transparenz im komplexen Entwicklungsprozess, Rechtesteuerung für verschiedenste Nutzergruppen, Qualitätssicherung und gesteigerte Effizienz.
Digitale Produktentwicklung - Updates aus unseren News
Lohnt sich das überhaupt? Warum 16 Prozent Kostenersparnis durch KI die Ausnahme sind
Im letzten Beitrag ging es um Zuordnung: Wer verbraucht welche KI-Kosten, und welchem Budget fallen sie zu? Das war wichtig, beantwortet aber nur die halbe Frage. Kostentransparenz sagt, was etwas kostet. Nicht, ob es sich lohnt. Und genau das ist die Frage, die davor gehört.
eXXplore AI: AI-driven Development in der Praxis
Mit unserem eXXplore AI Special holen wir künstliche Intelligenz aus der Theorie in die tägliche Praxis. Ein Tag, an dem Teams von eXXcellent solutions ihre alltäglichen Aufgaben mit KI-Werkzeugen bearbeiten, Workflows neu denken und Prototypen bauen, mit dem Ziel, AI-driven Development im Unternehmen weiter zu professionalisieren und nah an aktuellen Entwicklungen zu bleiben.
Tokens zählen reicht nicht: Wie Unternehmen KI-Kosten wirklich steuern
Wer die Kosten von KI im Unternehmen verstehen will, landet schnell beim Thema Tokenverbrauch. Das ist naheliegend: Tokens sind bei vielen Sprachmodellen die technische Grundlage der Abrechnung. Dazu haben wir vor einiger Zeit einen Grundlagenartikel veröffentlicht. Sie helfen dabei zu verstehen, wie Eingaben, Ausgaben und Kontexte in Nutzung übersetzt werden.
Für die wirtschaftliche Steuerung von KI reicht dieser Blick jedoch nicht aus. Unternehmen bezahlen nicht für Tokens als Selbstzweck, sondern für konkrete Nutzung im betrieblichen Alltag: für Chats, Analysen, Workflows, Automatisierungen und zunehmend auch für agentische Prozesse. Entscheidend ist deshalb nicht nur, wie viele Tokens ein einzelner Request verbraucht, sondern wer KI nutzt, für welchen Anwendungsfall, mit welchem Modell, in welchem Umfang und mit welcher Steuerungslogik.