Anbieter zum Thema

INFORM GmbH

Schneider Electric GmbH

Elisa Industriq Germany GmbH HQ

Infor (Deutschland) GmbH

Siemens Digital Industries Software GmbH

mehr weniger

TRUMPF Werkzeugmaschinen TRUMPF Resale Center

it´s OWL Clustermanagement GmbH

PTC Marketing Parametric Technology GmbH

VDMA e.V.

Deutsche Telekom MMS GmbH

Fraunhofer-Institut für Produktionstechnologie IPT

ABB Automation GmbH, UB Robotics

KUKA Deutschland GmbH

Robert Bosch GmbH

PHOENIX CONTACT Deutschland GmbH

Testfirma Products And Contents

PSI Software SE | Business Unit Discrete Manufacturing

becos gmbH

weniger

Dr. Matthias Loskyll, Katrin Fischer, Sarah Engel und Guido Reimann

Dr. Matthias Loskyll, Siemens Digital Industries

1. Industrielle KI verbessert den gesamten Lebenszyklus von Produkten und Anlagen. Großen Mehrwert sehen wir bei der Echtzeit-Datenanalyse, etwa mit Senseye Predictive Maintenance: KI prognostiziert den Wartungsbedarf von Maschinen, noch bevor ein Defekt auftritt. Aber auch bei der Qualitätskontrolle, beispielsweise mit unseren KI-gesteuerten Systemen für Sichtprüfungen Inspekto. Unser kürzlich vorgestellter „Eigen Engineering Agent“ übernimmt Engineering-Aufgaben zunehmend selbstständig. Das entlastet Automatisierungsingenieure bei repetitiven Tätigkeiten und steigert ihre Produktivität erheblich.

2. Der Erfolg von industrieller KI steht und fällt mit der Verfügbarkeit von Unternehmensdaten. Das Problem: Oft sind sie in Silos gefangen oder werden nicht ausreichend genutzt, weil sie zu komplex oder unstrukturiert sind. Der entscheidende Schritt ist daher, Daten aus der Fertigung durchgängig zu verbinden und kontextualisieren – in einer unternehmensweiten semantischen Ebene, die Daten einheitlich zusammenführt. Erst durch diese strukturierte Basis kann Industrial AI Informationen sinnvoll interpretieren und in fundierte Handlungsentscheidungen verwandeln.

3. Es ist schon viel möglich, KI-Anwendungen in der Industrie nehmen gerade massiv zu. Eine Hürde ist aber oft noch, diese dann auch skalieren. Dafür braucht es eine industrielle KI, die die strengen Anforderungen und Standards der anspruchsvollsten industriellen Umgebungen erfüllt. Sie entscheidet sich grundlegend von KI im alltäglichen oder kommerziellen Einsatz und muss die Sprache des Engineerings sprechen: präzise, komplex und zutiefst technisch. Unsere industriellen KI-Lösungen sind für diese reale Welt entwickelt. Sie sind für jeden zu nutzen, auch ohne KI-Expertise. Und sie ermöglichen es, eigene Industrie-KI-Modelle und Anwendungsfälle einzuführen und zu skalieren. Mit unserer Industrial AI Suite unterstützen wir zum Beispiel Audi bei der Skalierung von industrieller KI und der robusten, maschinennahen Ausführung von KI-Modellen.

Industrielle KI verbessert den gesamten Lebenszyklus von Produkten und Anlagen. Großen Mehrwert sehen wir bei der Echtzeit-Datenanalyse, etwa mit Senseye Predictive Maintenance.

Dr. Matthias Loskyll

Katrin Fischer, Telekom MMS

1. Der größte Mehrwert liegt dort, wo KI Entscheidungen verbessert. In der Produktion analysiert sie Daten in Echtzeit, erkennt Muster früher und unterstützt Mitarbeitende dabei, Qualität zu sichern, Ausfälle zu vermeiden oder Prozesse kontinuierlich zu optimieren. Mit KI-Agenten geht die Entwicklung noch einen Schritt weiter: Sie liefern nicht nur Erkenntnisse, sondern koordinieren künftig auch Abläufe und bereiten Entscheidungen eigenständig vor.

2. Erfolgreiche KI-Projekte beginnen nicht mit der Auswahl eines Modells, sondern mit einem konkreten Geschäftsproblem. Entscheidend sind belastbare Daten, klar definierte, dokumentierte Prozesse und Verantwortlichkeiten sowie die Bereitschaft, Arbeitsweisen zu hinterfragen und implizite Praktiken sichtbar zu machen. Wer KI lediglich auf bestehende Abläufe setzt, schöpft ihr Potenzial nicht aus. Produktivität entsteht dort, wo Unternehmen Technologie und Organisation gemeinsam weiterentwickeln.

3. Die größte Hürde ist heute selten die Technologie. Viel häufiger liegen Daten noch in unterschiedlichen Systemen und Silos, es fehlen einheitliche Standards, klare Governance oder organisatorische Voraussetzungen. Hinzu kommt ein unübersichtlicher Markt mit immer neuen KI-Angeboten. Unternehmen brauchen deshalb weniger Hype und mehr Orientierung: Welche Lösungen schaffen echten Mehrwert? Mit dem Einsatz autonomer KI-Agenten gewinnen außerdem Themen wie Verantwortung, Datensouveränität, Sicherheit und Vertrauen weiter an Bedeutung. Gerade in industriellen Kontexten wird entscheidend sein, KI-Systeme so zu gestalten, dass sie nachvollziehbar, kontrollierbar und im Einklang mit europäischen Sicherheits- und Datenschutzstandards betrieben werden können. Sie werden damit zu zentralen Erfolgsfaktoren für den produktiven und nachhaltigen KI-Einsatz.

Wer KI lediglich auf bestehende Abläufe setzt, schöpft ihr Potenzial nicht aus. Produktivität entsteht dort, wo Unternehmen Technologie und Organisation gemeinsam weiterentwickeln.

Katrin Fischer

Sarah Engel, Trumpf

1. Der größte Mehrwert von KI liegt dort, wo sie das Personal in der Fertigung bei komplexen Entscheidungen unterstützt und Routineaufgaben automatisiert. Im Produktionsumfeld hilft KI beispielsweise dabei, Qualitätsabweichungen frühzeitig zu erkennen, Fertigungsprozesse zu planen und zu optimieren oder Maschinenparameter automatisch anzupassen. Das spart Zeit, reduziert Ausschuss und erhöht die Produktivität. Besonders wertvoll ist KI zudem, wenn Fachkräfte knapp sind. Sie macht es möglich, komplexe Prozesse einfacher zu beherrschen und Produktionswissen digital verfügbar zu machen.

2. Erfolgreiche KI-Projekte starten nicht mit der Frage nach der Technologie, sondern nach dem konkreten Problem. Unternehmen sollten dort ansetzen, wo KI einen messbaren Nutzen schafft. Wichtig sind zudem eine gute Datenbasis und die enge Zusammenarbeit von Produktionsexperten, Softwareentwicklern und KI-Spezialisten. Viele Unternehmen erzielen die besten Ergebnisse, wenn sie mit überschaubaren Anwendungsfällen beginnen und erfolgreiche Lösungen anschließend schrittweise ausbauen.

3. Eine der größten Herausforderungen sind Daten. Oft liegen sie in unterschiedlichen Systemen vor oder sind nicht in der benötigten Qualität verfügbar. Hinzu kommt der kulturelle Wandel: KI-Projekte erfordern kurze Entwicklungszyklen, die Bereitschaft zum Experimentieren und neue Kompetenzen bei der Belegschaft. Auch Fragen zu Datensicherheit, Regulierung und der Integration in bestehende IT-Landschaften beschäftigen viele Unternehmen.

KI-Projekte erfordern kurze Entwicklungszyklen, die Bereitschaft zum Experimentieren und neue Kompetenzen bei der Belegschaft.

Sarah Engel

Guido Reimann, VDMA

1. Der größte Mehrwert von KI zeigt sich in der spürbaren Steigerung der Effizienz und Prozesssicherheit entlang der gesamten Wertschöpfungskette. Beispielsweise reduziert KI die Kosten bei der Erstellung der technischen Dokumentation, optimiert den Einkauf durch Erhöhung der Gleichteilquote oder senkt ungeplante Stillstände an Maschinen. In den Unternehmen des Maschinenbaus werden insbesondere die Softwareentwicklung, Konstruktion, Unternehmensführung sowie Vertrieb und produktbegleitende digitale Dienstleistungen durch KI-Lösungen bereits produktiv unterstützt.

2. Die strategische Entscheidung und Umsetzung einer breitflächigen und nachhaltigen Digitalisierung im Unternehmen mit einem klaren Blick auf die Bedeutung von Daten sowie deren Qualität ist Grundvoraussetzung für eine breite Anwendung von KI-Technologien und anderen Digitaltechnologien. Auch ein konsequentes Changemanagement ist dafür elementarer. Dabei ist es unter anderem wichtig, alle Mitarbeitenden frühzeitig einzubinden und auch Gelerntes aus Pilotprojekten kritisch zu bewerten, um Ressourcen gezielt einsetzen zu können.

3. Die größten Hürden sind häufig nicht technischer, sondern eher organisatorischer Natur: Entscheidungsstrukturen im Unternehmen, fehlendes Wissen über Anwendungsmöglichkeiten einerseits aber auch technologische Grenzen andererseits, unzureichende Einbindung der Mitarbeitenden sowie Personalengpässe. Zudem fehlt es in manchen Unternehmensbereichen noch an einer umfassenden Digitalisierung der Prozesse wie beispielsweise in den Bereichen Finanzen & Controlling, Logistik oder Recht & Compliance, die eine stärkere KI-Nutzung bisher nicht ermöglicht. Hier steckt folglich noch Potenzial drin.

Beispielsweise reduziert KI die Kosten bei der Erstellung der technischen Dokumentation, optimiert den Einkauf durch Erhöhung der Gleichteilquote oder senkt ungeplante Stillstände an Maschinen.

Guido Reimann