Die beiden Welten
KI in der Produktion zerfällt in zwei sehr unterschiedliche Bereiche. Der eine ist datenintensiv und projektaufwendig, der andere liefert schnell. Für mittelständische Fertiger ist der zweite Bereich fast immer der bessere Einstieg — er braucht keine Sensordaten über Jahre und liefert innerhalb weniger Wochen Ergebnisse.
- Fertigungsnah: Bildbasierte Qualitätsprüfung, Anomalieerkennung an Maschinendaten, vorausschauende Wartung. Hoher Nutzen, aber datenintensiv und projektaufwendig.
- Produktionsnah: Arbeitsanweisungen erzeugen, Prüfprotokolle auswerten, Schichtberichte zusammenfassen, Lieferantendokumente prüfen. Geringerer Glanz, deutlich schnellerer Effekt.
Voraussetzungen für fertigungsnahe Projekte
Bevor ein Modell an Maschinendaten oder Bildern lernen kann, müssen einige Grundlagen stimmen. Wo diese Voraussetzungen fehlen, ist das erste sinnvolle Projekt die Datenerfassung — nicht die KI. Das klingt ernüchternd, spart aber teure Fehlläufe.
- Daten müssen über einen längeren Zeitraum vorliegen — Momentaufnahmen reichen nicht.
- Fehlerfälle müssen dokumentiert sein, sonst kann kein Modell lernen, was ein Fehler ist.
- Es braucht jemanden aus der Fertigung, der die Ergebnisse beurteilen kann.
- Die Datenqualität muss stabil sein — wechselnde Kamerawinkel oder Beleuchtung machen Bildmodelle unbrauchbar.
Anwendungsfälle nach Aufwand und Nutzen
Die folgende Übersicht ordnet typische Vorhaben nach Ersteinführungskosten und der Zeit bis zum sichtbaren Effekt. Die Kostenspannen entsprechen unseren üblichen Projektgrößen: Eine Potenzialanalyse liegt im niedrigen vierstelligen Bereich, der erste umgesetzte Anwendungsfall je nach Systemanbindung zwischen 5.000 und 20.000 Euro. Kundenindividuelle Effektwerte sind als solche markiert.
| Anwendungsfall | Aufwand Ersteinführung | Zeit bis Nutzen | Typischer Effekt |
|---|---|---|---|
| Schichtberichte zusammenfassen | 5.000–9.000 € | 2–4 Wochen | merklich verkürzte Übergabezeit pro Schicht |
| Prüfprotokolle auswerten | 6.000–12.000 € | 3–6 Wochen | Auswertung in Minuten statt Stunden |
| Arbeitsanweisungen erzeugen | 5.000–10.000 € | 2–5 Wochen | Erstentwurf in Minuten, Prüfung bleibt |
| Bildbasierte Qualitätsprüfung | 15.000–40.000 € | 3–6 Monate | deutlich geringere Nacharbeitsquote |
| Vorausschauende Wartung | ab 20.000 € | 6–12 Monate | weniger ungeplante Stillstände pro Jahr |
Ein realistisches Szenario
Ein Zulieferer mit dreischichtigem Betrieb lässt Schichtübergaben handschriftlich und in Chatnachrichten festhalten. Wichtige Hinweise gehen zwischen den Schichten verloren. Im ersten Schritt wird ein Assistent eingerichtet, der aus den Notizen strukturierte Übergabeberichte erzeugt und offene Punkte markiert. Umgesetzt in rund drei Wochen, Kosten im unteren Bereich der obigen Tabelle. Erst als dieser Nutzen sichtbar ist, folgt Phase zwei: die Anomalieerkennung an einer kritischen Anlage, für die ohnehin Steuerungsdaten anfallen. Die Reihenfolge ist bewusst gewählt — der schnelle Erfolg schafft Akzeptanz für das teurere Projekt.
Datenschutz und Rechtsrahmen
Reine Prozessoptimierung ist regulatorisch unkritisch — sie fällt meist in die Klasse mit minimalem Risiko. Zwei Punkte sollten Sie trotzdem klären. Erstens: Sobald KI Sicherheitsfunktionen an Maschinen übernimmt, greift die Produktsicherheitsregulierung nach Anhang I des EU AI Act, deren Pflichten ab dem 2. August 2027 gelten. Zweitens: Schicht-, Prüf- und Servicedaten enthalten oft Personenbezug (wer hat wann welche Charge gefahren). Damit ist die DSGVO im Spiel.
Als mittelständischer Fertiger sind Sie in aller Regel Betreiber (deployer) eines KI-Systems, nicht Anbieter. Das begrenzt Ihre Pflichten, hebt sie aber nicht auf: Seit dem 2. Februar 2025 gilt die KI-Kompetenzpflicht nach Artikel 4 — Beschäftigte, die mit KI arbeiten, müssen geschult sein. Mehr dazu unter KI-Schulungspflicht. Für vertrauliche Konstruktions- oder Fertigungsdaten ist ein lokal oder in der EU betriebenes Modell oft der saubere Weg, siehe DSGVO-konforme KI.
Häufige Fragen
Brauchen wir dafür neue Sensorik?
Für produktionsnahe Anwendungen nein. Für Anomalieerkennung an Maschinen hängt es davon ab, was Ihre Steuerungen bereits ausgeben — oft mehr, als bekannt ist. Wir prüfen das in der Bestandsaufnahme, bevor Sie in Hardware investieren.
Wie lange dauert ein Qualitätsprüfungsprojekt?
Realistisch drei bis sechs Monate bis zum Produktiveinsatz, weil Bildmaterial gesammelt und Fehlerklassen definiert werden müssen. Produktionsnahe Textprojekte sind dagegen in zwei bis sechs Wochen nutzbar.
Was ist mit Hochrisiko-Einstufung?
Reine Prozessoptimierung ist unkritisch. Sobald KI Sicherheitsfunktionen an Maschinen übernimmt, greift die Produktsicherheitsregulierung nach Anhang I des EU AI Act — diese Pflichten gelten ab dem 2. August 2027.
Was kostet der Einstieg?
Eine Potenzialanalyse liegt im niedrigen vierstelligen Bereich. Der erste umgesetzte Anwendungsfall bewegt sich je nach Systemanbindung zwischen 5.000 und 20.000 Euro. Schulungen sind über das Qualifizierungschancengesetz unter Umständen bis zu 100 % förderfähig. Details unter KI-Kosten.
Sind unsere Fertigungsdaten bei einem Cloud-Modell sicher?
Das hängt vom gewählten Betriebsmodell ab. Für vertrauliche Konstruktions- und Fertigungsdaten empfehlen wir ein lokal oder in der EU gehostetes Modell. Mehr dazu unter DSGVO-konforme KI.
Müssen wir unsere Mitarbeiter schulen?
Ja. Seit dem 2. Februar 2025 verlangt Artikel 4 des EU AI Act eine ausreichende KI-Kompetenz bei allen, die mit den Systemen arbeiten. Für die Fertigung heißt das vor allem: verstehen, wann ein KI-Ergebnis geprüft werden muss. Siehe KI-Schulungspflicht.
Ersetzt KI unsere Qualitätsprüfer?
Nein. In der bildbasierten Prüfung übernimmt das System die Vorsortierung und markiert Auffälligkeiten, die finale Beurteilung bleibt beim Menschen. Ohne jemanden aus der Fertigung, der die Ergebnisse einordnet, funktioniert kein solches Projekt.
Womit sollten wir anfangen?
Mit dem Anwendungsfall, der viel manuellen Textaufwand bündelt und keine jahrelange Datenhistorie braucht — meist Schichtberichte, Prüfprotokolle oder Arbeitsanweisungen. Der schnelle Erfolg schafft die Basis für datenintensive Vorhaben. Der Weg dahin steht unter Kontakt offen.