Künstliche Intelligenz wird häufig als Schlüsseltechnologie für die industrielle Zukunft beschrieben. Doch wie präsent ist sie bereits in der Praxis? Und welche konkreten Anforderungen ergeben sich für Unternehmen, die sich mit einer Einführung befassen?

Um ein realitätsnahes Stimmungsbild zu erhalten, hat roeren Expertinnen und Experten aus unterschiedlichen Industrien und Unternehmensgrößen befragt. Ziel war es, aus der Perspektive operativ Verantwortlicher Einschätzungen über Nutzung, Potenziale, Hindernisse und Voraussetzungen für den Einsatz von KI im Produktionsumfeld zu gewinnen.

Anwendungen: erste Erfahrungen, aber begrenzte Reichweite

Die Befragung zeigt: Der überwiegende Teil der Unternehmen setzt KI bislang nur in begrenztem Umfang ein. Genannt wurden hauptsächlich Pilotprojekte und Nischenlösungen – etwa in der Qualitätskontrolle, der Dokumentation oder bei der Unterstützung durch KI-Assistenten wie Microsoft Copilot. Besonders auffällig ist, dass viele Anwendungen eher im Umfeld als direkt in der Fertigung selbst genutzt werden.

Wo Unternehmen Potenzial sehen

Trotz der zurückhaltenden Nutzung sehen Fachleute substanzielle Potenziale – vor allem in folgenden Bereichen:

• Prozessautomatisierung, z.B.  durch autonome Transportsysteme
• Produktionsplanung und -steuerung, u.  zur besseren Prognose und schnelleren Reaktion auf Störungen
• Qualitätskontrolle durch Bildverarbeitung und datenbasierte Fehlererkennung
• Instandhaltung, etwa über Predictive Maintenance
• Prozessoptimierung durch Echtzeit-Datenanalyse

Die Umfrage macht deutlich, dass sich die Einsatzfelder über die gesamte Produktionskette erstrecken und dass der Bedarf an Lösungen zur Effizienzsteigerung, Flexibilität und Fehlervermeidung groß ist.

Warum die Umsetzung dennoch stockt

Trotz der identifizierten Potenziale hemmen mehrere Faktoren die Umsetzung. Am häufigsten genannt wurden:

• fehlende interne Kompetenzen,
• mangelnde personelle Ressourcen,
• unklare Herangehensweisen und fehlende Strategien,
• Bedenken hinsichtlich Datenschutz, Datenqualität und Systemverlässlichkeit.

Datenverfügbarkeit als zentrale Voraussetzung

Ein weiteres zentrales Ergebnis: Die Qualität und Verfügbarkeit digitaler Daten bleibt eine Schwachstelle. Die Befragten bewerteten ihre eigene Datenlage im Mittel mit 5,1 von 10 Punkten. Ohne strukturierte, zugängliche und qualitativ hochwertige Daten bleiben viele KI-Vorhaben rein hypothetisch oder lassen sich nicht skalieren.

Verantwortung und Struktur: Wer treibt KI intern?

Die organisatorische Verankerung von KI ist noch uneinheitlich. In den meisten Fällen liegt sie in der IT. Nur selten gibt es eigenständige KI-Abteilungen oder eine Integration in produktionsnahe Bereiche wie LEAN oder Operational Excellence. Die Ergebnisse deuten darauf hin, dass fehlende Zuständigkeiten den Transfer in den operativen Alltag erschweren.

Was Unternehmen wirklich brauchen

Gefragt nach Unterstützungsbedarfen zeigt sich ein Wunsch nach pragmatischen Einstiegen: Weiterbildungen, Standardisierung, modulare Lösungen und strategische Datenkonzepte wurden besonders häufig genannt. Auch externe Unterstützung zur Potenzialanalyse und Strategieentwicklung wird als sinnvoll erachtet.

Fazit

Die Ergebnisse verdeutlichen: Es mangelt nicht am Willen, sondern an den Voraussetzungen. KI wird in der Produktion bisher punktuell eingesetzt. Ein flächendeckender Nutzen erfordert jedoch deutlich mehr Struktur, Kompetenz und Integration. Unternehmen, die gezielt in diese Voraussetzungen investieren, können das Potenzial von KI deutlich besser ausschöpfen und für eine nachhaltige Wertschöpfung entlang der gesamten Produktionskette sorgen.