ChatGPT Siemens NX: Die Kurzfassung
ChatGPT beantwortet Fragen zu Siemens NX aus veralteten öffentlichen Daten: Es erfindet NXOpen-Methoden, vermischt NX-Versionen und kennt Ihre Konstruktionsrichtlinien nicht. inteliScience baut geerdete, versionsbewusste NX-Copilots auf Ihrer lizenzierten Dokumentation und Ihren Standards — DSGVO-konform, nearshore aus Rumänien geliefert. Ingenieure erhalten Antworten mit Quellenangaben statt plausibler Vermutungen.
Das Problem: Antworten, die richtig klingen und falsch laufen
Fragen Sie ChatGPT, wie man ein Feature über eine Teilefamilie hinweg in Siemens NX unterdrückt, und Sie erhalten in Sekunden eine selbstsichere, gut strukturierte Antwort. Genau das ist das Problem. Die Antwort kommt schneller als eine Suche in der NX-Dokumentation, liest sich, als hätte sie ein Siemens-Applikationsingenieur geschrieben — und in einem erheblichen Teil der Fälle beschreibt sie Menüs, die vor zwei Releases verschoben wurden, oder API-Aufrufe, die nie existiert haben.
Ingenieure stellen ChatGPT trotzdem Fragen zu Siemens NX, weil die Alternative schlechter ist. Die Dokumentation der Plattform, die Siemens inzwischen Designcenter nennt, umfasst Tausende Seiten, die Community-Foren antworten mit Tagen Verzögerung, und der Kollege, der es weiß, sitzt gerade im Design-Review. Also wird der Chatbot zur ersten Anlaufstelle — still, über private Konten.
Wir sehen dieses Muster bei fast jeder Engineering-Organisation, mit der wir sprechen, und unsere Empfehlung lautet nicht, es zu verbieten. Das Verbot eines Werkzeugs, das in fünf Sekunden antwortet, überlebt keinen Kontakt mit einer Deadline. Die produktive Frage ist eine andere: Welche NX-Fragen kann ein Allzweckmodell sicher beantworten, und wo brauchen Sie einen Assistenten, der tatsächlich in Ihrer NX-Version und Ihren Daten geerdet ist?
Drei Fehlermodi, die Sie heute reproduzieren können
Die Fehler sind nicht zufällig. Sie fallen in drei reproduzierbare Kategorien, und jede hat eine strukturelle Ursache, die kein Prompt-Trick behebt.
1. Erfundene NXOpen-Aufrufe
NX-Automatisierungscode ist ein schmaler Ausschnitt des öffentlichen Internets. Verglichen mit React oder pandas ist das Volumen an NXOpen-Code auf GitHub vernachlässigbar — eine API-Oberfläche von mehreren Tausend Klassen ist durch eine Handvoll kleiner Tutorial-Repositories vertreten. Ein Modell, das auf diesem Signal trainiert wurde, füllt die Lücken per Mustererkennung, und das Ergebnis ist Code, der aussieht wie NXOpen:
# Suggested by a general-purpose chatbot — reads right, does not exist
hole = work_part.Features.CreateHoleBuilder(None) # AttributeError
# What actually ships in NX 2506 (June 2025 release)
hole = work_part.Features.CreateHolePackageBuilder(NXOpen.Features.Feature.Null)Richtige Imports, richtiges Session-Muster, plausibler Builder-Name — falsch um eine einzige erfundene Klasse. Das Ausmaß davon ist messbar: Eine arXiv-Studie von 2026, die Paket-Halluzinationen über fünf Frontier-Modelle hinweg neu bewertet (einschließlich GPT-5.4-mini und Claude Sonnet 4.6), ermittelte Raten erfundener Namen von 4,62 %–6,10 % über 199.845 Code-Prompts — und 127 gefälschte Paketnamen, die alle fünf Modelle erfinden, und zwar identisch. Das gilt für Mainstream-Ökosysteme. NXOpen, mit einem Bruchteil der Trainingsdaten, schneidet in jedem Test, den wir durchführen, schlechter ab. Was funktioniert und was nicht, haben wir in KI-gestützten NX-Open-Code-Generierung separat gemessen.
2. Versionsdrift
Siemens liefert zwei Continuous-Releases von NX pro Jahr aus, und das Release vom Juni 2026 hat nicht nur Funktionen ergänzt — es hat die Produktlinie in Designcenter umbenannt. Menüs wandern, Dialoge werden zusammengelegt, APIs werden im Sechs-Monats-Takt abgekündigt. Ein Modell mit Trainings-Stichtag antwortet aus einer Mischung von NX 12, NX 1980 und den Forenbeiträgen, die es aufgenommen hat — ohne Ihnen sagen zu können, zu welchem Release seine Antwort gehört.
Das Symptom kennt jeder CAD-Admin: “Die Option ist nicht da, wo sie sein soll.” Die Kosten sind nicht der falsche Klick — es sind die zwanzig Minuten, in denen ein Ingenieur an sich selbst zweifelt, bevor er am Werkzeug zweifelt.
3. Das Wissen, das nie öffentlich war
Die schwierigsten Fragen im NX-Alltag drehen sich gar nicht um NX. Sie drehen sich um Ihr NX: welche Startteile zu verwenden sind, warum Wandstärken unter 2,5 mm in Ihren Gussteilen verboten sind, was das Makro des Kollegen, der 2019 gegangen ist, eigentlich tut. ChatGPT kann diese Fragen nicht beantworten — nicht weil es schwach wäre, sondern weil die Antwort nie im Internet stand. Undokumentiertes API-Verhalten, interne Konstruktionsrichtlinien und verwaister eigener Code sind für jedes öffentliche Modell unsichtbar, auch für die neueste GPT-5.6-Frontier-Familie, die OpenAI am 9. Juli 2026 vorgestellt hat.
ChatGPT vs. geerdeter NX-Copilot: Wann was funktioniert
Der ehrliche Vergleich lautet nicht “Chatbot schlecht, Copilot gut”. Es ist eine Arbeitsteilung.
| Kriterium | ChatGPT (öffentliches Modell) | Geerdeter, versionsbewusster NX-Copilot |
|---|---|---|
| CAD-Konzepte, generische Modellierungsfragen | Stark — gute Erklärungen | Gleichwertig, mit Quellenangaben |
| Antworten abgestimmt auf Ihr NX-Release | Nein — stiller Versionsmix | Ja — fixiert auf Ihre eingesetzte Version |
| NXOpen-/Journal-Code, der läuft | Glückssache, erfundene Aufrufe | Validiert gegen die tatsächliche API-Referenz |
| Firmenstandards und Konstruktionsrichtlinien | Für das Modell unsichtbar | Aus Ihren Dokumenten abgerufen, mit Quellenangabe |
| Legacy-Makros und eigene Tools | Dem Modell unbekannt | Indexiert und erklärbar |
| Quelle zu jeder Antwort angezeigt | Nein | Ja — Dokument, Seite, Version |
| Datenschutz | Prompts verlassen das Unternehmen | Läuft in Ihrem Tenant oder on-premises |
Wo ChatGPT wirklich in Ordnung ist
Ansätze brainstormen, allgemeine CAD-Konzepte erklären, ein VB-Syntaxgerüst entwerfen, das Sie Zeile für Zeile prüfen wollen. Bei Fragen, deren Antwort über Versionen hinweg stabil und öffentlich ist, ist das Standardmodell GPT-5.3 schnell und meistens richtig.
Wo Sie geerdete Antworten brauchen
Alles, wonach ein Ingenieur handelt, ohne es zu prüfen: releasespezifische Workflows, lauffähiger NXOpen-Code und jede Frage, die interne Standards berührt. Genau hier zeigt auch Siemens’ eigener Designcenter Copilot, eingeführt mit den jüngsten Releases, in die richtige Richtung — er erdet Antworten in der offiziellen Dokumentation und im aktuellen Kontext. Die Lücke, die er konstruktionsbedingt lässt, ist Ihre firmenspezifische Ebene: interne Richtlinien, undokumentiertes Verhalten, das Ihr Team auf die harte Tour gelernt hat, und die eigenen Makros, die niemand anzufassen wagt. Genau für diese Ebene bauen wir Copilots — NX plus Ihr Wissen, kein Ersatz für eines von beiden.
Ihre Ingenieure fragen bereits einen Chatbot. Die Frage ist, was er weiß. Wir bauen geerdete NX-Wissens-Copilots auf Ihrer eigenen Dokumentation, Ihren Standards und Konstruktionsdaten — als Festpreis-Pilot auf Ihren echten Fragen, nicht als Foliensatz.
So führen Sie diesen Test selbst durch
Sie müssen sich nicht auf unser Wort verlassen. Der Vergleich kostet einen Nachmittag:
- Sammeln Sie zehn echte Fragen aus Ihrem NX-Support-Kanal oder Team-Chat — keine ausgedachten.
- Stellen Sie ChatGPT alle zehn. Notieren Sie, welche Antworten eine Version nennen und welche irgendeine Quelle angeben.
- Lassen Sie einen erfahrenen NX-Anwender die Antworten bewerten: korrekt, plausibel-aber-falsch oder gefährlich.
- Zählen Sie die plausibel-aber-falschen. Das ist die teure Kategorie — falsche Antworten, die sich richtig lesen.
- Stellen Sie dieselben zehn Fragen jedem geerdeten Assistenten, den Sie evaluieren, und vergleichen Sie Quellenangaben, nicht Tonfall.
Wenn wir das mit Interessenten Seite an Seite durchführen, ist das Split-Screen-Ergebnis das, was Engineering-Leads überzeugt — weit mehr als jedes Architekturdiagramm. Die Plausibel-aber-falsch-Raten bei firmenspezifischen Fragen sind durchgängig die entscheidende Zahl.
Was ein versionsbewusster NX-Copilot anders macht
Drei Mechanismen unterscheiden einen geerdeten Copilot von einem Chat-Fenster, und keiner davon ist exotisch.
Retrieval vor der Generierung. Der Copilot durchsucht zuerst Ihre lizenzierte NX-Dokumentation, internen Richtlinien und Release Notes und schreibt die Antwort dann aus dem, was er gefunden hat — mit angehängter Quelle. Kein Retrieval-Treffer, keine selbstsichere Erfindung; die ehrliche Antwort lautet dann “nicht dokumentiert, hier ist der nächstliegende Treffer”.
Versions-Pinning. Ihr Deployment weiß, dass Sie NX 2506 einsetzen, und ignoriert Inhalte anderer Releases. Wenn Sie upgraden, wird auch der Index aktualisiert — das Wissen des Assistenten bewegt sich mit Ihrer Installation, statt Jahre hinter ihr zurückzubleiben.
Validierung gegen die echte API. Generierter NXOpen-Code wird gegen die tatsächlichen API-Metadaten Ihres Release geprüft, bevor ihn ein Ingenieur sieht. Ein erfundener CreateHoleBuilder stirbt in der Validierung, nicht in Ihrem Journal. Kombiniert mit visuellem Kontext aus unserer Vision4NX-Produktlinie, kann der Assistent sehen, was der Ingenieur in der Session sieht, statt es zu erraten.
Nichts davon erfordert das Fine-Tuning eines Modells auf Ihren Daten — in der Praxis ist Fine-Tuning der Schritt, von dem wir zuerst abraten, weil es das Wissen von heute in ein Modell einbackt, das Ihr nächstes NX-Upgrade sofort veralten lässt. Retrieval bleibt aktuell; feinabgestimmte Gewichte nicht. Der Engineering-Aufwand liegt darin, die Quellen sauber anzubinden, und in der unglamourösen NX-API-Programmierarbeit drumherum, und genau deshalb enttäuschen generische Chatbot-Wrapper in CAD-Umgebungen.
Häufig gestellte Fragen
Warum gibt ChatGPT falsche Antworten auf Fragen zu Siemens NX?
Drei strukturelle Gründe: NX-Automatisierungscode ist in öffentlichen Trainingsdaten kaum vertreten, also füllt das Modell Lücken mit erfundenen API-Aufrufen; sein Wissen hat einen Stichtag, während NX zwei Releases pro Jahr ausliefert; und Ihre internen Standards, Makros und Konstruktionsrichtlinien waren nie öffentlich, kein Allzweckmodell kann sie also kennen. Die Antworten klingen trotzdem selbstsicher — genau das macht sie teuer.
Kann ich ChatGPT bei der NXOpen-Code-Generierung vertrauen?
Für Syntax-Gerüste und die generelle Herangehensweise — ja, mit Review. Für Code, den Sie ausführen wollen: Aktuelle Frontier-Modelle erfinden in Messungen weiterhin 4–6 % der Paket- und API-Namen, und bei Nischen-APIs wie NXOpen liegt die Rate höher. Behandeln Sie jeden generierten Aufruf als ungeprüft, bis er gegen die API-Referenz Ihres tatsächlichen NX-Release abgeglichen ist.
Was kostet ein geerdeter NX-Wissens-Copilot?
Wir liefern ihn als NX Sprint Plus zum Festpreis von 16.900 € — aufgebaut auf Ihrer eigenen Dokumentation und evaluiert an echten Fragen aus Ihrem Team, mit einem definierten Go/No-Go am Ende. Das ist bewusst weniger als die jährlichen Kosten der Suchzeit, die er ersetzt: Ingenieure verlieren rund ein Fünftel ihrer Arbeitswoche mit der Suche nach internen Informationen.
ChatGPT vs. Siemens Designcenter Copilot — was sollten Ingenieure nutzen?
Unterschiedliche Aufgaben. Designcenter Copilot erdet seine Antworten in der offiziellen Siemens-Dokumentation und ist der bessere Standard für Fragen zur Standardfunktionalität. ChatGPT bleibt nützlich für generische Konzepte und Brainstorming. Keiner von beiden deckt Ihre firmenspezifische Ebene ab — interne Richtlinien, undokumentiertes Verhalten, eigene Makros — und genau dort ergänzt ein eigener Copilot auf Ihren Daten beide.
Schafft die Nutzung von ChatGPT für NX-Fragen ein Datenschutzproblem?
Sie kann es. Ingenieure fügen Teilenamen, Projektkontext und manchmal geometriebeschreibenden Code in öffentliche Chat-Oberflächen ein — damit liegen Konstruktionsinformationen außerhalb Ihres Tenants. Ein geerdeter Copilot in Ihrem eigenen Azure-Tenant oder on-premises hält Prompts, Dokumente und Antworten innerhalb Ihrer Compliance-Grenze — eine harte Anforderung für die meisten DACH-Engineering-Unternehmen, mit denen wir arbeiten.
Nächster Schritt
Strategiegespräch buchen: wo sich ein geerdeter NX-Copilot für Ihr Team auszahlt