KI kann Zustandsdaten auswerten, die Qualitätsprüfung unterstützen, Varianten untersuchen und technisches Wissen erschließen. Dass sie in der Fertigung Nutzen stiftet, zeigt etwa die Studie „AI in Manufacturing 2026“ von Deloitte: 84 Prozent der mehr als 140 befragten Unternehmen berichten von messbarem Nutzen, konsequent skaliert ist aber nur rund jeder fünfte Anwendungsfall. Damit aus einer Möglichkeit ein dauerhafter Bestandteil der Produktion wird, braucht es mehr als ein geeignetes Modell: Daten, Prozesse, IT-Architektur und Organisation müssen zur Aufgabe passen.
Wie sich dieser Übergang strukturieren lässt, zeigen zwei Ansätze. Das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA beschreibt im Whitepaper „Erfolgreiche Einführung von Digitalisierungs- und KI-Use-Cases in der Produktion – das Kochrezept“, wie sich lohnende Vorhaben finden lassen. Die Technologie-Initiative SmartFactory-KL e.V., ein herstellerunabhängiges Forschungs- und Industrie-4.0-Netzwerk, liefert mit einer offenen Architektur den Rahmen, um sie in die Fabrik zu integrieren.
Mit dem Produktionsproblem beginnen
Das Fraunhofer IPA benennt in seinem aktuellen Whitepaper zwei typische Hindernisse: fehlende Daten und einen fehlenden Plan. Nach Erfahrung des Instituts schaffen Unternehmen mitunter zunächst eine Digitalisierungslösung an und suchen erst anschließend nach einer passenden Anwendung. Andere verfolgen so viele Ideen gleichzeitig, dass sie sich verzetteln.
Das Whitepaper setzt deshalb bei einer konkreten Zielsetzung an. Danach folgen die Auswahl geeigneter Anwendungsfälle, die schrittweise Umsetzung, Tests im Pilotbetrieb und die Überführung in den Regelbetrieb. Im Mittelpunkt steht nach Darstellung des Instituts nicht die Technologie, sondern das Problem in der Produktion, das gelöst werden soll.
Das verschiebt die erste Projektfrage. Statt „Wo können wir KI einsetzen?“ lautet sie beispielsweise: „Welche wiederkehrende Aufgabe verursacht Aufwand, und woran erkennen wir eine Verbesserung?“ Eine kürzere Informationssuche, weniger manuelle Prüfarbeit oder besser vorbereitete Wartungsentscheidungen sind mögliche Zielrichtungen.
Zielbild und Werkhalle zusammenbringen
Das Whitepaper verbindet ein übergeordnetes Zielbild mit der Identifikation von Anwendungsfällen aus dem Betrieb. Der Top-down-Ansatz gibt die Richtung vor; die Bottom-up-Perspektive bringt konkrete Aufgaben und Erfahrungen aus der Produktion ein. Auf dieser Grundlage werden wirtschaftlich sinnvolle Vorhaben ausgewählt und priorisiert.
Der als „Kochrezept“ bezeichnete Leitfaden umfasst sieben aufeinander aufbauende Schritte von der Zieldefinition bis zum Rollout. Die Publikation nennt außerdem Anforderungen an IT-Architektur, Datenbasis und Organisation sowie Umsetzung, Validierung und Skalierung. Damit reicht das Vorgehen deutlich über die Entwicklung eines funktionsfähigen KI-Modells hinaus.
Für die betriebliche Auswahl lässt sich daraus ein klarer Maßstab ableiten: Ein attraktiver Anwendungsfall braucht nicht nur einen möglichen Nutzen, sondern auch Voraussetzungen, unter denen er umsetzbar ist. Welche Informationen sind vorhanden? Wie gelangen sie in die Anwendung? Wer bewertet das Ergebnis? Diese Fragen gehören zur Projektentscheidung, nicht erst zur späteren technischen Feinplanung.
Klein anfangen, die Architektur mitdenken
Die Technologie-Initiative SmartFactory-KL beschreibt den Weg zur Smart Factory ebenfalls als schrittweisen Prozess. Nach Darstellung der Initiative sollten Unternehmen etwa damit beginnen, ihre Daten vorzubereiten, Maschinen zu vernetzen oder einzelne Komponenten zu integrieren. Die Fabrik muss dafür nicht in einem einzigen Schritt umgebaut werden.
Die Open SmartFactory Architecture der Initiative soll dabei die Richtung für die weitere Entwicklung vorgeben. Offene und modulare Softwarekomponenten sollen helfen, Lösungen aus der Forschung in reale Produktionsumgebungen zu übertragen. Der einzelne Einstieg und die spätere Erweiterung werden damit zusammen betrachtet.
Dieser Blick ergänzt die Auswahl eines geeigneten KI-Anwendungsfalls. Ein zunächst begrenztes Projekt kann sinnvoll sein; seine Schnittstellen und Abhängigkeiten sollten aber nicht erst dann betrachtet werden, wenn eine zweite Maschine oder ein weiterer Standort hinzukommt. Daraus folgt: Der Pilot darf klein sein, sollte jedoch nicht ohne Vorstellung vom späteren Betrieb entworfen werden.
Offene Schnittstellen statt neuer Insellösungen
Auf der SPS 2026 steht diese Architektur im Mittelpunkt. Sie verbindet unterschiedliche Systeme, Maschinen und Softwarelösungen über offene Schnittstellen. Produktionsfunktionen lassen sich auf dieser Grundlage modular aufbauen und flexibler einsetzen.
Die Technologie-Initiative ordnet dies dem Konzept der Software Defined Industry zu. Gemeint ist damit nicht allein mehr Software an vorhandenen Maschinen, sondern die Verbindung von Informationstechnik und operativer Produktionstechnik zu einem durchgängigen System. Wie das bereits heute funktionieren kann, zeigt SmartFactory-KL in der Software Defined Industry Area: Mitglieder und Partner präsentieren dort ihre Lösungen. Im Mittelpunkt steht die Modellfabrik, deren Komponenten gemeinsam mit Industriepartnern erprobt wurden. Die Themen reichen von der OT-Integration über skillbasierte Produktionsmodule und digitale Zwillinge bis zu KI-Agenten.
In solchen Umgebungen lassen sich Hardware- und Softwarelösungen testen und in Produktionsszenarien integrieren.
Die Open SmartFactory Architecture verbindet Maschinen, Datenraum und Unternehmenssysteme über offene Schnittstellen wie OPC UA und die Verwaltungsschale (AAS). Produktionsfunktionen lassen sich so modular einbinden und durch Software-Agenten orchestrieren. Bild: SmartFactory-KL
Vom Einzelerfolg zur wiederholbaren Lösung
Wie die eingangs genannten Zahlen zeigen, liegt der Engpass industrieller KI weniger im Nachweis, dass sie funktioniert, als in ihrer Industrialisierung. Genau dort setzen ein strukturiertes Auswahlverfahren und eine offene Architektur an. Wer mit einem klar umrissenen Produktionsproblem beginnt, kann den Erfolg an messbaren Kriterien festmachen und Vorhaben gezielt priorisieren. In einer Interoperabilitätsstudie des VDMA sehen mehr als vier von fünf befragten Unternehmen des Maschinen- und Anlagenbaus konkreten Bedarf an interoperablen Schnittstellen und nennen als Nutzen unter anderem einen geringeren Integrationsaufwand. Deloitte empfiehlt für die Skalierung zudem gemeinsame Bausteine wie Architekturen, Vorlagen und Validierungsansätze.
Der eigentliche Wert liegt in der Wiederholbarkeit. Ein Pilot, der auf einer klaren Zielsetzung und standardisierten Schnittstellen aufbaut, liefert nicht nur ein Ergebnis für eine Anlage, sondern eine Vorlage für die nächste. Gerade für mittelständische Fertiger, die nicht beliebig viele Projekte gleichzeitig stemmen können, entscheidet das darüber, ob KI ein einmaliges Experiment bleibt oder zu einer Fähigkeit wird, die mit der Produktion wächst. [hjs]
