Künstliche Intelligenz (KI) wird als Schlüsseltechnologie für die industrielle Produktion der Zukunft angesehen – von der intelligenten Fehlererkennung bis zur vorausschauenden Instandhaltung. Doch insbesondere kleine und mittlere Unternehmen kämpfen damit, verwertbare Erkenntnisse aus ihren Daten zu gewinnen. Ein häufiger Grund: Es fehlt an Kompetenzen und Strukturen für den KI-Einsatz und an skalierbaren Einstiegsanwendungen.

Zwischen Anspruch und Wirklichkeit: Wie weit ist KI in deutschen Unternehmen?

Der Hype ist ungebrochen, die Umsetzung in den Bereichen hinkt jedoch vielfach hinterher. Laut einer Bitkom-Studie aus 2024 beschäftigen sich 57 Prozent der Unternehmen aktiv mit KI, doch nur 20 Prozent setzen entsprechende Technologien tatsächlich ein. Für ca. 41 Prozent der Unternehmen spielt KI aktuell keine Rolle. Besonders auffällig ist der Rückstand bei kleinen und mittleren Unternehmen (KMU):

KI-Nutzung nach Unternehmensgröße (Umfrage Destatis 2024)
Unternehmensgröße KI-Nutzung (%)
Große Unternehmen (>250 Mitarbeitende) 48 %
Mittlere Unternehmen (50–249 Mitarbeitende) 28 %
Kleine Unternehmen (10–49 Mitarbeitende) 17 %

Quelle: Umfrage des Statistischen Bundesamts (Destatis), 2024

Die Gründe für diese schleppende Umsetzung sind bekannt: Fehlendes technisches Know-how (47 Prozent), personelle Engpässe (42 Prozent), unzureichende Ergebnisqualität (33 Prozent) sowie finanzielle Hürden (21 Prozent) zählen laut Bitkom zu den häufigsten Stolpersteinen. Hinzu kommen zum Beispiel fehlende Strukturen bei großen Datenmengen. So zeigt die Studie »Digitalisierung 2024«, dass 61 Prozent der befragten Unternehmen Schwierigkeiten haben, aus ihrer Vielzahl an Datenquellen tatsächlich verwertbare Erkenntnisse zu gewinnen.

Praxischeck KI: Erkenntnisse aus der produzierenden Industrie

Ein ähnliches Bild ergibt sich aus einer Umfrage, die wir im Rahmen einer Fachveranstaltung mit 17 produzierenden Unternehmen aus verschiedenen Branchen durchgeführt haben. Alle Unternehmen gaben an, sich aktiv mit dem Thema auseinanderzusetzen und sich bereits über KI informiert zu haben. Sieben Unternehmen haben bereits KI-Lösungen im Einsatz. Hinsichtlich Daten-Reifegrad nach Hewlett-Packard Enterprise gibt es jedoch noch Nachholbedarf. Sieben Unternehmen befinden sich noch auf der ersten Stufe und haben eher eine Daten-Anarchie mit Daten-Inseln ohne systematische Auswertungen. Nur ein Großunternehmen erreichte den höchsten Reifegrad mit einer Daten-Ökonomie. Alle anderen Unternehmen befanden sich auf Stufe 2 und 3. Spannend fielen die Antworten auf die Frage nach der Datenqualität und -quantität im Unternehmen aus: Etwa die Hälfte der Befragten gab an, eher zu wenige Daten für sinnvolle KI und Machine Learning (ML) -Anwendungen zu haben. Fast genauso viele Befragte gaben an, große Datenlandschaften zu haben, die schwer überschaubar waren. Sinnvolle Einstiegsszenarien sind also abhängig vor der Datenlage im Betrieb.

Welche Themen sind für die Unternehmen im KI-Kontext wichtig? Die Mehrheit will die richtigen Anwendungsfälle im Wertstrom identifizieren oder Anwendungen im Bereich Produktionsplanung und Steuerung, Fertigung, Montage oder Qualität kennenlernen. Aber auch Themen rund um Return on Investment (ROI), Werkzeuge und Tools sowie konkrete KI-Technologien wie Wissensrepräsentation und oder multidimensionale Mustererkennung beispielsweise für die Prozessüberwachung oder die Qualitätskontrolle stehen auf der Agenda.

Mit etablierten Werkzeugen zur KI-Anwendung

Ein Ansatz für ein unkompliziertes KI-Einstiegsszenario ist die Integration von menschlichem Fachwissen in automatisierte Fertigungssysteme durch etablierte Werkzeuge wie die Fehlermöglichkeits- und Einflussanalyse (FMEA) und Qualitätsregelkarten (QRK). Besonders in Deutschland wurde über Jahrzehnte eine weltweit anerkannte Maschinenbauindustrie hohen Qualitätsstandards und ausgeprägter Fachexpertise aufgebaut: Während Menschen über kritische Denkfähigkeiten und Problemlösungskompetenzen verfügen, um neuartige Herausforderungen kreativ zu bewältigen, sind automatisierte Systeme in der Lage, bekannte Muster zu erkennen. Für das Verständnis komplexer Überwachungssysteme, die Validierung und Interpretation der Ergebnisse sowie für fundierte Entscheidungen auf der Grundlage der gewonnenen Erkenntnisse ist der Mensch weiterhin unerlässlich. Als zentraler Anlaufpunkt für Informationsflüsse werden hierfür Werkzeuge benötigt, die eine systematische Bewertung potenzieller Fehler ermöglichen und deren Auswirkungen sowie eine kontinuierliche Überwachung der Produktionsqualität ermöglichen. Die FMEA hilft, Risiken zu identifizieren und robuste Kontrollpläne zu entwickeln, während QRK zur Rückkopplung und Überwachung von Prozessdaten dienen. Diese Instrumente sind in der Regel etabliert, datengetrieben und überschaubar. Entscheidend ist aber der unmittelbare Nutzwert für das Unternehmen. Durch die Kombination dieser Methoden mit maschinellem Lernen wird ein geschlossener Informationskreislauf geschaffen, der die Effizienz und Zuverlässigkeit der Fertigungsprozesse steigert und die menschliche Entscheidungsfindung unterstützt.

Vom Problem zur Lösung: Forum und Seminar »KI und Qualität in der Produktion«

Die gute Nachricht: Unternehmen müssen diesen Weg nicht allein gehen. Das im Herbst stattfindende Forum und Seminar »KI und Qualität in der Produktion« des Fraunhofer IAO adressiert gezielt die identifizierten Herausforderungen – mit fundiertem Wissen, realen Anwendungsbeispielen und dem direkten Austausch mit Fachleuten aus Industrie und Forschung.

Wie lassen sich Künstliche Intelligenz und Qualitätssicherung in der Produktion sinnvoll verbinden? Diese Frage steht im Mittelpunkt der Veranstaltung, die am 24. und 25. September 2025 am Fraunhofer IAO in Stuttgart stattfinden wird.

Die Veranstaltung gliedert sich in zwei Formate: ein offenes Forum und ein vertiefendes Seminar – beide mit einem klaren Fokus auf die praktische Anwendung von KI in der industriellen Qualitätssicherung.

  • Forum: Einblicke in aktuelle Entwicklungen, Best Practices und neue Ansätze zum Einsatz von KI in der industriellen Qualitätssicherung.
  • Seminar: Praktische Anwendung von KI in der Produktion, von der Datenerhebung über Analyse bis zum eigenen Use Case.

Jetzt anmelden und gemeinsam mit uns die Zukunft der Produktion mitgestalten!

Leselinks:

Tim Hornung

Autorenprofil - Website



Kategorien: Künstliche Intelligenz
Tags: , , ,