Mit dem zunehmenden Digitalisierungsgrad und dem Einsatz künstlicher Intelligenz können viele Aufgaben im Industriebereich effizienter, präziser und zuverlässiger ausgeführt werden. Damit entwickelt sich KI auch in der Produktion zu einem Eckpfeiler für mehr Wettbewerbsfähigkeit, Innovation und bessere Entscheidungsfindung durch schnellere, tiefgreifende Datenanalysen.
Im deutschen verarbeitenden Gewerbe sind KI-Lösungen bereits angekommen, aktuell jedoch noch in moderatem Umfang. Laut der Fraunhofer-Studie „Künstliche Intelligenz in der Produktion“ (Dezember 2024) setzen bei Großunternehmen mit mindestens 500 Beschäftigten etwa 30 Prozent der Betriebe KI-Lösungen ein. In mittelgroßen Unternehmen ab 100 Beschäftigten liegt die Zahl derzeit bei circa 16 Prozent. Anwendungsbereiche sind dabei Steuerung von Produktionsprozessen, Qualitätskontrolle, interne Logistik, Instandhaltung und Wartung sowie die Optimierung von Produktionsprozessen und den dafür notwendigen Innovationen. Eine vertiefende Analyse zeigt, dass Unternehmen, die KI bereits einsetzen, auch weitere Anwendungen planen. Sind die notwendigen Rahmenbedingungen erst einmal geschaffen, sinken die Einstiegshürden für weitere Anwendungsfälle deutlich.
Welche bereits ausgereiften KI-Anwendungen in der Industrie möglich sind und wie Unternehmen ihre ersten Schritte zur Integration von KI in die eigenen Prozesse erfolgreich gestalten können, wird im Folgenden näher beleuchtet.
I. KI-Anwendungsfälle im Industriebereich
1. Vorausschauende Instandhaltung
Bei der vorausschauenden Instandhaltung (Predictive Maintenance) können mit Hilfe von KI mittels Analyse von Sensordaten und anderen relevanten Informationen frühzeitig der Wartungsbedarf von Maschinen ermittelt und somit proaktiv Wartungsarbeiten eingeplant werden. Wichtig für aussagekräftige Prognosen ist dabei eine hohe Datenqualität. Ist diese Grundlage gegeben, wird rechtzeitig vorhergesagt, wann ein bestimmtes Bauteil verschlissen ist und ausgetauscht werden sollte. Fachkräfte können so bereits vor dem Auftreten einer Störung die nötigen Ersatzteile bestellen, die Wartung planen und durchführen. Stillstände und hohe Ausfallkosten werden vermieden und die Lebensdauer der Maschinen erhöht.
2. Qualitätskontrolle
Ein weiteres Einsatzfeld von KI in der Industrie sind intelligente Bildverarbeitungssysteme, die mit Computer Vision und Software-Lösungen wie SAP Digital Manufacturing umgesetzt werden können. Diese KI-basierte Bildanalyse unterstützt die Qualitätskontrolle durch visuelle Prüfung in Fertigungsprozessen, um Fehler, zum Beispiel an Lötstellen von Produkten, automatisch in Echtzeit zu erkennen. Darüber hinaus ermöglichen KI-Assistenten wie SAP Joule eine Fehlererkennung in Echtzeit, indem sie Anomalien in Produktionsdaten entdecken und vor fehlerhaften Chargen warnen.
3. Materialbedarfsplanung
Durch KI-Einsatz ist auch eine vorausschauende Materialbedarfsplanung umsetzbar. Dabei prognostiziert KI Bedarfe, basierend auf historischen Verbrauchsdaten und saisonalen Mustern. So werden saisonale Schwankungen berücksichtigt und Probleme frühzeitig erkannt, um Lieferengpässe zu vermeiden. Zugleich können Unternehmen unnötige Bestände reduzieren und sind agiler gegenüber ihren Kunden und dynamischen Märkten.
4. Logistik
Im Logistikbereich kann KI Unternehmen bei der Transportplanung unterstützen, indem sie optimale Transportwege unter Berücksichtigung von Echtzeitdaten berechnet. Zudem ist auch eine Wareneingangsautomatisierung möglich, bei der KI selbstständig Frachtpapiere verarbeitet, wodurch manuelle Eingaben reduziert werden. Auch kann KI für die Lagerplatzoptimierung eingesetzt werden, indem die Technologie in Verbindung mit Lagerverwaltungssoftware wie SAP Extended Warehouse Management (EWM) eine dynamische Lagerplatzvergabe unterstützt sowie Pick- und Pack-Prozesse verbessert.
5. Optimierung repetitiver Aufgaben in Vertrieb und Rechnungswesen
Da generative KI beeindruckende Fähigkeiten besitzt, menschliche Sprache zu verarbeiten, können KI-Assistenten Sales-Fachkräfte auch bei der Erstellung von Angeboten und Bestellungen unterstützen, um repetitive Aufgaben zu beschleunigen und Fehlerquellen zu reduzieren. So kann KI Daten aus Dokumenten extrahieren und automatisch Aufträge im Verwaltungssystem erstellen. Ebenso kann sie Stammdatenanalysen durchführen und zur Verbesserung der Datenqualität Dubletten und fehlerhafte Stammdaten identifizieren. Auch eine automatisierte Rechnungsprüfung mithilfe von Natural Language Processing (NLP)-Modellen ist möglich, um den manuellen Prüfaufwand zu reduzieren.
6. Nachhaltigkeitsmanagement
Da Nachhaltigkeit für die Außenwirkung von Unternehmen und hinsichtlich Berichtspflichten aufgrund rechtlicher Rahmenbedingungen wie der Corporate Sustainability Reporting Directive (CSRD) einen immer größeren Stellenwert einnimmt, können Industrieunternehmen auch hier mithilfe von KI Vorgänge effizienter gestalten. So lässt sich, in Kombination mit Softwarelösungen zum Nachhaltigkeitsmanagement wie SAP ESG Cockpit und Sustainability Control Tower, eine automatisierte Emissionszuordnung umsetzen. Die ESG-Berichterstattung lässt sich darüber hinaus mithilfe automatisierter Textgenerierung durch KI-Assistenten deutlich vereinfachen.
II. Best Practices für die ersten Schritte beim Einsatz von KI
1. Ziele der KI-Implementierung formulieren
Wichtig ist zunächst, die eigenen Geschäftsprozesse zu analysieren und konkrete Ziele und Wertschöpfungspotenziale zu formulieren, die mit der KI-Einführung erreicht werden sollen. Dabei ist es besonders wichtig, dass die Geschäftsführung die eigenen Mitarbeiter eng in diesen Prozess miteinbezieht, um die größten Herausforderungen und Aufwandstreiber im Arbeitsalltag zu eruieren und im nächsten Schritt zu klären, ob KI die Belegschaft hierbei sinnvoll unterstützen kann. So lassen sich realitätsnah echte Mehrwerte als Geschäftsziele definieren, die auf das jeweilige Unternehmen zugeschnitten sind.
2. Pilotprojekt setzen
Nach Definition der Ziele und Herausforderungen, sollten Unternehmen ein Pilotprojekt setzen, das relativ einfach realisierbar und ausbaufähig ist. Hierfür bieten sich zum Beispiel Themen an, die der Belegschaft effektive Arbeitserleichterungen bei repetitiven, mühsamen und fehleranfälligen Prozessen ermöglicht. Dies sorgt zugleich dafür, dass die Mitarbeiter aktiv in die KI-Implementierung eingebunden sind und die Vorteile in ihrem Arbeitsalltag spüren.
3. Professionelle Unterstützung
Für die KI-Einführung sollten Unternehmen bei der Wahl ihres Dienstleisters darauf achten, dass er nicht nur fundiertes technisches Know-how mitbringt, sondern sich auch mit ihren speziellen Branchenanforderungen im Industriebereich sehr gut auskennt. Ein professioneller Dienstleister begleitet das Unternehmen über den gesamten Transformationsprozess, unterstützt hinsichtlich rechtlicher Rahmenbedingungen, der organisatorischen Vorbereitung und entwickelt und implementiert in enger Zusammenarbeit mit dem Unternehmen individuell zugeschnittene Lösungen.
4. Rechtliche Rahmenbedingungen
Zu den zentralen Anforderungen an eine KI-Lösung gehören Sicherheit, Compliance und Datenschutz. Unternehmen müssen daher prüfen, wie ihr KI-System nach dem EU AI Act kategorisiert und reguliert ist und entsprechende Maßnahmen treffen, um die rechtlichen Rahmenbedingungen einzuhalten. Der EU AI Act sieht dabei umfangreiche Dokumentations-, Monitoring- und Risikobewertungspflichten vor. Zudem muss Unternehmen bewusst sein, dass sie für KI-Entscheidungen haften.
Ebenfalls muss auf die Handhabung der gesammelten Daten als Grundlage für KI-Analysen geachtet werden, damit diese DSGVO-konform gespeichert und verwenden werden. Dies schließt die Einwilligung möglicher betroffener Personen sowie Anforderungen an die Zweckbindung und Datenminimierung mit ein. Darüber hinaus müssen Unternehmen sicherstellen, dass die genutzten Daten nicht gegen das Urheberrecht verstoßen.
5. Organisatorische Voraussetzungen
Zur Vorbereitung des geplanten KI-Projekts müssen Unternehmen entsprechende organisatorische Vorbereitungen treffen. Hierzu zählen die Definition einer KI-Strategie und Governance mit klaren Richtlinien und Verantwortlichkeiten für das Projekt. Da KI Abläufe und Rollen verändert, bedarf es der Anpassung der entsprechenden Prozesse. Darüber hinaus ist es entscheidend, eine qualitativ hochwertige Datengrundlage zu schaffen, die aus strukturierten, aktuellen und vollständigen Daten besteht. Denn KI-Analysen und darauf basierende Automatisierungsprozesse sind nur so gut wie die Daten, die ihnen zugrunde liegen.
6. Den Wandel mit den Mitarbeitenden gestalten
Da die Mitarbeitenden diejenigen sind, die die neuen KI-Anwendungen im Arbeitsalltag nutzen, sind sie eine der tragenden Säulen, damit das Projekt gelingt. Deshalb ist es enorm wichtig, dass Ängste vor Veränderungen genommen werden und die Belegschaft so frühzeitig wie möglich in das Projekt miteingebunden wird. Darüber hinaus benötigt es Schulungen zum Aufbau von KI-Kompetenz sowie einen Kulturwandel, der Lern- und Innovationsbereitschaft fördert und somit den Einsatz und die umfangreiche Nutzung von KI durch die Anwender erst ermöglicht. Dabei sollten interne Strukturen geschaffen werden, in denen Fachkräfte neue Ideen einbringen und offen Feedback und Kritik äußern können, um KI-Projekte effektiv zu verbessern. Zugleich gilt es, Ressentiments abzubauen und Überzeugungsarbeit zu leisten.
Wettbewerbsvorteil durch frühzeitiges Handeln
Der Vorsprung von Industrieunternehmen, die KI effektiv in ihren Prozessen nutzen, vor denen, die dies nicht tun, wird sich in Zukunft weiter vergrößern. Angesichts Herausforderungen wie Fachkräftemangel, steigendem Kosten-, Innovations- und Geschwindigkeitsdruck, wird KI zu einem wesentlichen Tool für mehr Optimierung, Automatisierung und Schnelligkeit werden. Unternehmen, die bereits jetzt eine zukunftsfähige Datengrundlage aufbauen und erste Pilotprojekte starten, können sich damit einen deutlichen Wettbewerbsvorteil verschaffen.
Kurzprofil – Heiko Schmidt, Member of the Executive Board
Als Member of the Executive Board bei Convista verantwortet Heiko Schmidt das Industriegeschäft in der Rolle des Business Unit Manager Industry. Sein Schwerpunkt liegt auf der Chemie- und Pharmaindustrie, wo er seit vielen Jahren komplexe SAP-Transformationsprogramme begleitet. Seine Expertise umfasst die Einführung von S/4HANA, Quality Assurance und Steering Committees sowie den Aufbau von Prozessen und Organisationen für Großprojekte. Bei Convista unterstützt er führende Unternehmen der Life-Science-Branche dabei, ihre digitale Transformation erfolgreich zu gestalten und zukunftsfähige Strukturen zu etablieren.
Über Convista
Convista gehört zu den führenden Beratungshäusern für Transformation. Mit 25 Jahren Erfahrung unterstützt sie ihre Kunden bei der Konzeption und Umsetzung neuer Geschäftsprozesse und entwickelt maßgeschneiderte End-to-End-Lösungen für SAP- und IT-Projekte. In Zusammenarbeit mit Kunden aus den Bereichen Versicherung, Industrie, Gesundheitswesen und Energiewirtschaft meistert Convista komplexe Herausforderungen. Durch die Bündelung von Fachwissen und langjähriger Branchen- sowie Technologieerfahrung trägt Convista zur erfolgreichen Digitalisierung bei. Convista hat seinen Unternehmenssitz in Walldorf und beschäftigt weltweit rund 1.200 Mitarbeitende. Weitere Information unter: www.convista.com