Zuletzt aktualisiert: 21. November 2026 · Vom TEEPTRAK-Team für Werkleiter, Produktionsleiter und Verantwortliche für kontinuierliche Verbesserung geschrieben.
KI in der Produktion wird heute für sechs Aufgaben eingesetzt, die sich rechnen: Ausfälle vorhersagen, Teile per Kamera prüfen, Stillstandsursachen finden, Aufträge einplanen, Prozessparameter einstellen und die Berichte und Dokumente rund um die Fertigung schreiben. Je nachdem, was als KI zählt, beziffern Umfragen die Verbreitung auf 14 % bis 94 % der Industrieunternehmen. In einem Punkt sind sie sich einig: Die meisten Projekte bleiben zwischen Pilot und Rollout stecken, und der übliche Grund sind die Daten, nicht das Modell.
Wie wird KI in der Fertigung eingesetzt?
Lässt man das Vokabular der Anbieter weg, fällt fast jede KI im Werk unter eine von zehn Aufgaben. Was sie unterscheidet, ist nicht der Algorithmus, sondern welche Daten jede braucht und wie schnell ein Fehler auffällt.
| Anwendungsfall | Art der KI | Benötigte Daten | Wo es sich lohnt |
|---|---|---|---|
| Vorausschauende Instandhaltung | Prädiktiv (Zeitreihen) | Schwingungen, Temperatur, Stromaufnahme, Ausfallhistorie | Kritische Anlagen, deren Ausfall die Linie stoppt |
| Optische Prüfung | Computer Vision | Gelabelte Bilder von Gut- und Schlechtteilen | Großserienteile, optische oder maßliche Fehler |
| Ursachenanalyse von Stillständen | Mustererkennung, LLM auf Berichten | Jeder Stillstand mit Dauer, Grund, Produkt und Schicht | Linien, auf denen sich Kurzstillstände zu Stunden summieren |
| Produktionsplanung | Optimierung | Arbeitspläne, Taktzeiten, tatsächliche Verfügbarkeit | Werke mit hoher Variantenvielfalt und häufigem Rüsten |
| Einstellung von Prozessparametern | Prädiktiv, Optimierung | Einstellwerte, Sensormesswerte, Qualitätsergebnisse je Charge | Extrusion, Spritzguss, Chemie, Lebensmittel |
| Energieoptimierung | Prädiktiv | Energie je Maschine und je Maschinenzustand | Werke, in denen stehende Maschinen weiterlaufen |
| Angebote, Abweichungsberichte (NCR), 8D-Reports, Schichtberichte | Generativ (LLM) | ERP-Daten, frühere Dokumente, Produktionsexporte | Konstruktion und Qualitätsteams, die in Papierarbeit versinken |
| SPS- und Automatisierungscode | Generativ (Engineering-Copilot) | Projektdateien, Programmierstandards | Steuerungstechnik |
| Bedarfs- und Beschaffungsplanung | Prädiktiv | Aufträge, Lieferzeiten, Lieferantenhistorie | Schwankende Nachfrage, lange Lieferketten |
| Mehrstufige Workflows | Agentische KI | Zugriff auf mehrere Systeme plus Regeln, was sie ändern darf | Wiederkehrende, systemübergreifende Aufgaben mit Freigabe durch einen Menschen |
Die letzten drei Zeilen liefern die meisten Schlagzeilen des Jahres 2026. Anthropic hat Claude for Manufacturing am 12. November 2026 für Angebotserstellung, Qualitätsuntersuchungen, Störungsdiagnose und Produktionsberichte vorgestellt. Siemens ergänzt seine Industrial-Copilot-Reihe seit Mai 2025 um KI-Agenten. Beide arbeiten mit Datensätzen und Exporten. Keiner von beiden erfasst, was eine Maschine tut.
Wie viele Industrieunternehmen nutzen KI tatsächlich?
Das hängt davon ab, wen man fragt und was gezählt wird. Die Zahlen für 2026 reichen von einem von sieben bis zu fast allen:
- 13,9 % der US-Industrieunternehmen gaben im Februar 2026 an, KI in einem Unternehmensbereich zu nutzen, gegenüber 1,8 % im September 2023 (Business Trends and Outlook Survey des US Census Bureau, ausgewertet von Digit Software).
- 57 % der britischen Industrieunternehmen hatten KI eingeführt, weitere 23 % testeten sie, so eine Umfrage aus Juni und Juli 2026 (berichtet von diginomica).
- 72 % von 1.200 Führungskräften aus der Industrie gaben an, KI in irgendeiner Form zu nutzen, gegenüber 53 % im Jahr 2024 (Parsec, 2026 State of Manufacturing).
- 94 % nutzten nach eigenen Angaben irgendeine Form von KI (Rootstock Software, 2026 State of Manufacturing Technology Survey).
Die Umfragen messen Verschiedenes. Die Census-Zahl stammt aus einer staatlichen Erhebung bei einer breiten Stichprobe von Unternehmen; die Branchenumfragen fragen Führungskräfte, ob sie KI „in irgendeiner Form“ nutzen, und dazu zählt auch der Ingenieur, der einen Chatbot eine E-Mail umformulieren lässt. Aussagekräftiger sind die Zahlen zur Skalierung. Laut der Deloitte-Studie 2026 mit mehr als 140 Industrieunternehmen ziehen 84 % bereits messbaren Nutzen aus KI, aber nur 20 % der Anwendungsfälle sind skaliert. Grant Thornton stellte fest, dass 62 % der Industrieunternehmen KI auf den Betrieb ausrichten, während nur 7 % einen getesteten Notfallplan für KI-Vorfälle haben, der niedrigste Wert aller untersuchten Branchen.
Warum bleiben die meisten KI-Projekte zwischen Pilot und Rollout stecken?
Ein Pilot läuft auf einem Datensatz, den jemand von Hand bereinigt hat. Der Rollout läuft auf dem, was das Werk jeden Tag erfasst. In vielen Werken ist das noch ein Papierbogen oder eine Tabelle, die am Schichtende ausgefüllt wird: Anthropic zitiert in der eigenen Ankündigung von Claude for Manufacturing eine Umfrage des Manufacturing Leadership Council aus dem Jahr 2025, nach der 79 % der Industrieunternehmen Daten noch manuell eingeben.
Von Hand erfasste Stillstände haben einen vorhersehbaren Fehler. Lange Stillstände werden notiert, solche von zwei oder drei Minuten selten, und als Grund steht oft das, was sich am schnellsten hinschreiben lässt. Ein KI-Modell, das auf diesen Aufzeichnungen trainiert oder mit ihnen gefüttert wird, lernt den falschen Pareto. Es empfiehlt dann mit großer Sicherheit, das Rüsten anzugehen, obwohl der eigentliche Verlust in vierzig kleinen Staus steckt, die niemand eingetragen hat.
Drei Prüffragen zeigen, ob ein Anwendungsfall reif für die Skalierung ist:
- Werden die Daten automatisch erfasst? Wenn jemand sie eintippen muss, rechnen Sie mit Lücken in den arbeitsreichsten Schichten, also genau in denen, auf die es ankommt.
- Werden sie in der richtigen Granularität erfasst? Eine Zeile pro Schicht reicht für einen Bericht, nicht für eine Ursachenanalyse. Dafür braucht es jeden Stillstand mit Startzeit, Dauer und Grund.
- Lässt sich die Antwort der KI in weniger als fünf Minuten prüfen? Wenn nicht, wird ihr in der Nachtschicht niemand vertrauen.
Generative, prädiktive oder agentische KI: Was ist der Unterschied?
| Prädiktive KI | Generative KI (LLMs) | Agentische KI | |
|---|---|---|---|
| Was sie tut | Sagt einen Wert voraus oder meldet eine Anomalie | Liest und schreibt Text, Code und Dokumente | Plant eine Abfolge von Schritten über mehrere Systeme und führt sie aus |
| Typischer Einsatz im Werk | Ausfallprognose, Qualitätsprognose | Berichte, Angebote, Abweichungsberichte, Fragen von Werkern | Einen Stillstand einordnen, den Arbeitsauftrag entwerfen, die richtige Person benachrichtigen |
| Hauptrisiko | Drift, wenn sich der Prozess ändert | Eine flüssige Antwort auf Basis falscher Daten | Eine Aktion auf Basis einer falschen Annahme |
| Wirksame Kontrolle | Nachtrainieren und Überwachen | Quelldaten, die der Leser prüfen kann | Standardmäßig nur Lesezugriff, Freigabe durch einen Menschen bei jeder Änderung |
Weiterlesen: KI-Agenten in der Produktion, KI-Tools für OEE (Gesamtanlageneffektivität) und Stillstände und wie Sie Claude for Manufacturing mit echten Maschinendaten versorgen.
Wo sollte ein Werk mit KI in der Produktion anfangen?
Beim Verlust, der am meisten kostet, und bei den Daten, die es schon gibt, in dieser Reihenfolge. Ein Ablauf, der in den meisten Werken der Stückgutfertigung funktioniert:
- Woche 1 bis 2: messen. Erfassen Sie die Maschinenzustände an der Engpasslinie automatisch, und lassen Sie die Werker die Stillstandsgründe im Moment des Stillstands eingeben. Starten Sie noch kein Modell.
- Woche 3 bis 6: Ausgangsbasis festlegen. Berechnen Sie aus diesen Daten die OEE und erstellen Sie den Verlust-Pareto. Allein das verändert oft die Prioritätenliste, weil nie erfasste Kurzstillstände sichtbar werden.
- Woche 6 bis 10: ein KI-Anwendungsfall für einen Verlust. Zum Beispiel ein Assistent, der den Bericht der Frühschicht aus dem Export schreibt, oder ein Modell, das die Schichten meldet, in denen Kurzstillstände zunehmen.
- Danach: den Anwendungsfall skalieren, nicht die Zahl der Piloten. Gleiches Datenmodell, mehr Linien.
Welche Vorteile und Grenzen hat KI in der Produktion?
Die Vorteile, die Bestand haben, sind eng umrissen und messbar: weniger ungeplante Ausfälle an überwachten Anlagen, weniger Fehlerdurchschlupf bei geprüften Teilen, Stunden an Berichtsarbeit, die Ingenieure zurückbekommen, schnellere Antworten auf die Frage „Warum hat Linie 3 heute Nacht das Ziel verfehlt?“. Die Grenzen sind ebenso konkret. KI ersetzt keine fehlende Messung, sie sieht keinen Stillstand, den niemand erfasst hat, und ein LLM formuliert aus einer unvollständigen Datei einen plausiblen Absatz. Die 7 % von Grant Thornton sind die Warnung: Wenn KI einen Arbeitsauftrag entwirft oder einen Plan ändert, legen Sie vorher fest, wer ihn prüft und wie eine falsche Aktion rückgängig gemacht wird.
Was leistet TEEPTRAK für KI in der Produktion?
TEEPTRAK ist die Messebene, auf die KI-Projekte angewiesen sind. Es ist kein KI-Modell.
- Jede Maschine, jedes Baujahr. Angebunden über ein SPS-Signal, einen nicht-invasiven Klemmsensor oder OPC UA, ohne Eingriff in die SPS, in weniger als einer Stunde pro Maschine.
- Jeder Stillstand ab 2 Minuten, mit Grund. Die Werker erfassen die Ursache am Arbeitsplatz-Tablet, während der Stillstand läuft.
- Daten, die Ihre KI-Tools lesen können. Excel-Exporte und Standard-APIs zu SAP, Oracle oder Power BI, damit ein Assistent oder ein Modell mit Maschinendaten arbeitet statt mit einem Papierprotokoll.
TEEPTRAK läuft in mehr als 700 Werken in über 30 Ländern. Bei Hutchinson stieg die OEE an automatisierten Linien von 47 % auf 72 %. Mehr zu PerfTrak, der OEE-Erfassung in Echtzeit.
Häufige Fragen
Wofür wird KI in der Produktion am häufigsten eingesetzt?
Prädiktive KI für Instandhaltung, Qualität und Planung. In der Rootstock-Umfrage 2026 legte prädiktive KI am stärksten zu, um 12 Punkte auf 48 % der Befragten, vor Prozessoptimierung (36 %) und Supply-Chain-Planung (35 %).
Ist KI in der Fertigung nur etwas für Großunternehmen?
Nein. Der Datenschritt zählt mehr als die Unternehmensgröße. Ein mittelgroßes Werk, das Maschinenstillstände automatisch erfasst, kann einen allgemeinen KI-Assistenten auf seine Exporte anwenden, ohne Data-Science-Team.
Welche Daten braucht man, bevor man ein KI-Projekt im Werk startet?
Für Produktionsanwendungen: Maschinenzustände, jeden Stillstand mit Dauer und Grund, Stückzahlen und Taktzeiten, automatisch erfasst und mit Zeitstempel. Für die Instandhaltung: Sensorhistorie und Ausfallaufzeichnungen. Für die Qualität: Prüfergebnisse mit Bezug zur Charge.
Ersetzt KI das Personal in Produktion oder Instandhaltung?
Die 2026 vorgestellten Tools sind darauf ausgelegt, Entwürfe zu erstellen, Auffälligkeiten zu melden und Empfehlungen zu geben, die ein Mensch freigibt. Anthropic erklärt, dass Claude for Manufacturing keine Anlagen bedient, und Siemens sagt, dass die Nutzer selbst bestimmen, welche Aufgaben sie an seine Agenten delegieren.
Wie misst man den Nutzen eines KI-Projekts in der Fertigung?
Gegen eine Ausgangsbasis, die vor dem Projekt gemessen wurde: OEE und ihre drei Faktoren, Stunden ungeplanter Stillstand, Ausschussquote oder Zeitaufwand für einen Bericht. Ohne diese Ausgangsbasis ist jeder Gewinn eine Schätzung.
Kostenloses Kit: Sind Ihre Maschinendaten bereit für KI?
Excel-Datei mit einer Vorlage für das Stillstandsprotokoll, einer Berechnung von OEE und Stillstandskosten, 10 Prompts für KI-Assistenten und einem Datenreife-Check mit 12 Fragen.
Sie möchten jeden Stillstand automatisch erfassen? TEEPTRAK-Demo anfordern.
Quellen
- Automation.com: KI-Nutzung in der US-Industrie hat sich vervierfacht (Census-BTOS-Daten, Mai 2026)
- diginomica: Ein KI-Boom in der britischen Industrie? (Oktober 2026)
- Parsec: Der Weg zur KI, wo die Industrie steht (2026)
- SDCExec: Rootstock 2026 State of Manufacturing Technology Survey
- Deloitte: Studie AI in Manufacturing 2026
- Grant Thornton: Manufacturing insights, 2026 AI Impact Survey
- Anthropic: Vorstellung von Claude for Manufacturing (12.11.2026)
- Siemens: Siemens führt KI-Agenten für die industrielle Automatisierung ein (Mai 2025)
0 Kommentare