AI-first für Industrieunternehmen

Wo KI hilft

Arbeit	Was gezeigt oder berichtet wurde	Woher es stammt
Die Ursache von Ausschuss finden	In einem Chipwerk von Hitachi Energy zeigte ein KI-Modell auf zwei Prozessschritte, die Chips verdarben. Ein kontrollierter Test senkte den Ausbeuteverlust um 21,7 %. Bei einem zweiten Produkt sank er um 51,3 %.	Fall Hitachi Energy. Eine fachlich begutachtete Feldstudie.
Sichtprüfung	In einem Elektronikwerk von Siemens fanden Prüferinnen und Prüfer, die sahen, wo die KI ein Problem entdeckt hatte, 93 % der fehlerhaften Platinen. Wer nur den Wert der KI sah, fand 82 %, weniger als die KI allein.	Fall Siemens. Ein fachlich begutachtetes Experiment mit 48 Beschäftigten aus der Fertigung.
Angebote und Kalkulation	Beim Stahlbauer Herges lagen die Schätzungen eines KI-Modells für die Fertigungszeit fünfmal näher am tatsächlichen Wert als die erfahrener Beschäftigter. EIST, ein Metallbaubetrieb mit sechs Personen, erstellt nach eigenen Angaben Angebote in rund 10 Minuten, die früher bis zu zwei Stunden dauerten.	Fall Herges, gemessen von einem öffentlichen Kompetenzzentrum. Fall EIST, die eigene Schätzung des Inhabers.
Produktentwicklung	Bei Procter & Gamble entwickelte eine Person mit KI Produktideen, die so gut waren wie die eines Zweierteams ohne KI, in rund 16 % weniger Zeit.	Fall Procter & Gamble. Ein Experiment, noch nicht fachlich begutachtet.
Vertrieb, Marketing und Verwaltung	Hersteller in der EU, die KI nutzen, setzen sie am häufigsten in Marketing und Vertrieb (30 %) und in der Verwaltung (27 %) ein.	Eurostat, amtliche Statistik
Engineering-Software	Siemens hat seinen Engineering-Assistenten 2025 um KI-Agenten erweitert. Ein Kunde, thyssenkrupp Automation Engineering, berichtet von besserer Codequalität und schnellerer Entwicklung. Zahlen wurden nicht genannt.	Ankündigung des Unternehmens
Wartung	Rolls-Royce gibt an, digitale Modelle seiner Flugzeugtriebwerke hätten die Zeit zwischen Wartungen bei einigen Triebwerken um bis zu 50 % verlängert.	Die Darstellung des Unternehmens, in einem Pressebericht von 2021
Die Produktion in einer Krise am Laufen halten	Unter 237 deutschen Herstellern kamen diejenigen, die besser für KI gerüstet waren, besser durch die Covid-19-Lockdowns. Der Effekt zeigte sich erst ab einem gewissen Grad der Bereitschaft.	Fachlich begutachtete Umfragestudie (Lerch und andere, 2022)

Noch kein kontrollierter Test für Beschäftigte in Instandhaltung und Produktion. Keine veröffentlichte kontrollierte Studie aus 2025 oder 2026 hat generative KI mit Beschäftigten aus Instandhaltung oder Produktion getestet. Die Zahlen in der Tabelle zu Wartung und Technik sind die der Unternehmen selbst.

Die eigene Fähigkeit von Prüfern kann nachlassen. In einer Studie an vier Endoskopiezentren in Polen fanden Ärztinnen und Ärzte vor der Einführung von KI bei 28,4 % der Darmspiegelungen ohne KI Krebsvorstufen. Drei Monate nach der Einführung lag die Rate ohne KI bei 22,4 %. Beschäftigte, die jeden Tag zusammen mit KI prüfen, können die Fähigkeit verlieren, die sie brauchen, wenn die KI ausfällt. Testen Sie Prüferinnen und Prüfer ab und zu ohne die KI. Siehe den Fall Siemens.

Kompetenzen zählen mehr als Größe. In Deutschland nutzten in den Jahren 2022–2024 insgesamt 20 % der kleinen und mittleren Unternehmen KI, von 19 % der Unternehmen mit weniger als fünf Beschäftigten bis 36 % der Unternehmen mit 50 oder mehr. Als die staatliche Förderbank KfW berücksichtigte, wie viele Hochschulabsolventen beschäftigt waren, ob Innovation und Forschung betrieben wurden und ob es eine Digitalstrategie gab, spielten Größe und Branche kaum noch eine Rolle.

Ein Plan ist kein Ergebnis. 2025 kündigte Volkswagen an, bis 2030 bis zu 1 Milliarde € in KI zu investieren, und erwartete bis 2035 Einsparungen von bis zu 4 Milliarden €. Siehe was nicht als Evidenz zählt.

Reifegradwerte sind hier verbreitet. Forschende haben KI-Reifegradmodelle für die vernetzte Fertigung und für die Prozessindustrie veröffentlicht. Ein kommerzieller Index für die Industrie, AIMRI, wird von einem bezahlten, zertifizierten Prüfer durchgeführt und ist keine Selbsteinschätzung. Ein Wert beschreibt, wo Sie stehen. Dass er Ergebnisse vorhersagt, ist nicht belegt. Siehe einen Reifegradwert nicht als Prognose behandeln.

Risiken und Regeln

• KI, die eine Maschine sicher hält. In der EU stuft die KI-Verordnung (AI Act) ein KI-System als Hochrisikosystem ein, wenn es ein Sicherheitsbauteil eines Produkts ist, das unter aufgeführte EU-Produktsicherheitsgesetze fällt, und dieses Produkt vor dem Verkauf von einer externen Stelle geprüft werden muss. Ein Sicherheitsbauteil ist ein Teil, dessen Aufgabe es ist, das Produkt sicher zu halten. Diese Einstufung gilt ab dem 2. August 2028.
• Maschinen fallen unter ihr eigenes Gesetz. Eine Änderung von 2026 hat die Maschinenverordnung in einen eigenen Teil dieser Liste verschoben. Für Produkte in diesem Teil gelten die meisten Anforderungen der KI-Verordnung nicht direkt. Die Anforderungen kommen stattdessen über das Produktrecht. Fragen Sie Ihren Maschinenlieferanten, welche Regeln für Ihre Anlagen gelten.
• KI, die nur die Leistung verbessert. Nach der geänderten Verordnung ist KI, die nur etwa zur Leistungsoptimierung, Automatisierung oder Qualitätskontrolle dient, kein Sicherheitsbauteil. Es gibt eine Ausnahme: Wenn ihr Ausfall Gesundheit und Sicherheit gefährden würde, gilt sie als Sicherheitsbauteil.
• KI, die Beschäftigte steuert. In der EU steht KI, die Aufgaben nach dem Verhalten oder den Eigenschaften einer Person zuteilt oder die Leistung von Beschäftigten überwacht und bewertet, auf der Hochrisikoliste. Ebenso KI bei der Personalauswahl. Diese Regeln gelten ab dem 2. Dezember 2027. Die Verordnung lässt einige Ausnahmen zu, etwa für eng umrissene Verfahrensaufgaben. In einer EU-weiten Umfrage der Gemeinsamen Forschungsstelle (Joint Research Centre) der Europäischen Kommission wurden bei 24 % der Beschäftigten die Arbeitspläne von einem Algorithmus festgelegt. Wo ein solches System das Arbeitstempo vorgab, berichteten Beschäftigte von mehr Stress.
• Die körperliche Arbeit machen weiter Menschen. KI erreicht zuerst Büro- und Technikaufgaben. Erfassen Sie die Aufgaben, bevor Sie Ziele setzen. Siehe Aufgaben erfassen, bevor Sie entscheiden, was automatisiert wird und das durchgerechnete Beispiel unten.

Praktiken für diese Branche

Alle 30 Praktiken der Sammlung gelten in dieser Branche. Keine davon ist auf eine Branche beschränkt. Bei den folgenden zeigt eine Studie, ein Firmenfall oder ein durchgerechnetes Beispiel aus dieser Branche, warum sie hier wichtig sind.

• Erfassen Sie die Aufgaben, bevor Sie entscheiden, was Sie automatisieren Das durchgerechnete Beispiel erfasst 375 Aufgabengruppen bei einem Hersteller mit 118 Beschäftigten. Etwa ein Viertel der Arbeit ist an einen Standort oder an Handarbeit gebunden.
• Planen Sie Budget für die Arbeit ein, die KI erzeugt Das durchgerechnete Beispiel eines Herstellers mit 118 Beschäftigten zählt 132 neue Aufgaben zum Prüfen und Protokollieren.
• Testen Sie für jede Art von Aufgabe, ob ein Mensch mit KI besser ist als jeder allein Bei Procter & Gamble entwickelte eine Person mit KI etwa so gute Produktideen wie ein Zweierteam ohne KI.
• Behandeln Sie einen Reifegradwert nicht als Prognose In der Industrie gibt es viele KI-Reifegradmodelle. Ein Wert beschreibt, wo Sie stehen. Dass er Ergebnisse vorhersagt, ist nicht gezeigt.
• Lassen Sie die KI zeigen, worauf ihre Antwort beruht Getestet bei der Prüfung von Leiterplatten in einem Siemens-Werk. Ein Stahlbauer zeigt neben jeder KI-Zeitschätzung die zehn ähnlichsten früheren Aufträge.
• Bringen Sie Ihre eigenen Daten in Ordnung, bevor KI daraus Vorhersagen macht Zwei Metallbaubetriebe mussten ihre Produktionsdaten bereinigen oder erst erfassen, bevor KI Zeiten und Preise für Einzelaufträge schätzen konnte.

Wählen Sie Ihre Unternehmensgröße

Die Größe ändert mehr daran, was machbar ist, als die Branche. Jeder Link öffnet die Sammlung, gefiltert nach dieser Größe.

• Kleinst- und Kleinunternehmen 1–49 Beschäftigte 22 Praktiken
• Mittlere Unternehmen 50–249 Beschäftigte 30 Praktiken
• Gehobener Mittelstand 250–999 Beschäftigte 29 Praktiken
• Großunternehmen 1.000+ Beschäftigte 27 Praktiken

Firmenfälle

Jeder Fall ist ein namentlich genanntes Unternehmen mit Zahlen und einer öffentlichen Quelle. Alle Fälle.

• Vom Unternehmen gemeldetes Ergebnis EIST: ein Metallbaubetrieb mit sechs Personen verkürzte die Angebotserstellung von zwei Stunden auf zehn Minuten Ein Metallbaubetrieb mit fünf Beschäftigten und einem Inhaber kalkuliert Sonderteile mit KI aus 3D-Dateien und den eigenen Fertigungsdaten. Ein Angebot, das bis zu zwei Stunden dauern konnte, dauert jetzt rund zehn Minuten. Den größten Teil des Projekts nahm das Bereinigen der Daten ein, und der Inhaber prüft weiterhin jedes Angebot. EIST · Hersteller von Sonderteilen aus Blech und von Industrieausrüstung · Kleinst- und Kleinunternehmen Zahlen: das unternehmen selbst
• Gemessenes Ergebnis Herges: ein KI-Modell schätzte Fertigungszeiten fünfmal genauer als die Fachleute des Betriebs Ein Stahlbau-Familienbetrieb kalkuliert Einzelaufträge nach den Schätzungen seiner Fachleute, wie lange die Arbeit dauert. Ein öffentlich gefördertes Kompetenzzentrum half ihm, echte Zeiten zu erfassen und damit ein KI-Modell zu trainieren. Die Schätzungen des Modells lagen fünfmal näher an der echten Zeit als die der Fachleute. Herges Stahl- und Blechbau · Familienbetrieb für geschweißte Stahl- und Blechkonstruktionen, meist Einzelstücke · Mittlere Unternehmen Zahlen: amtliche unterlagen
• Gemessenes Ergebnis Hitachi Energy: ein KI-Modell fand die zwei Fertigungsschritte, die Chips verdarben Forschende trainierten ein KI-Modell mit den Fertigungsdaten eines Chipwerks und fragten es, welche Prozessschritte am meisten Ausschuss verursachten. Ingenieure testeten seine zwei Vorschläge an einer laufenden Charge, und die Verluste sanken um 21,7 %. Bei einem zweiten Produkt senkte dieselbe Methode die Verluste um 51,3 %. Die übliche Analyse des Werks hatte beide Ursachen übersehen. Hitachi Energy · Hersteller von Leistungshalbleitern; zur Zeit der Studie gehörte das Werk zu Hitachi ABB Power Grids · Großunternehmen Zahlen: von forschenden gemessen
• Vom Unternehmen gemeldetes Ergebnis META-Regalbau: Sensoren und KI-Analyse der Kommissionierung rechneten sich in rund einem Jahr Bei einem Regalhersteller mit rund 300 Beschäftigten trugen die Beschäftigten kleine Sensoren, damit KI analysieren konnte, wie Aufträge im Lager kommissioniert werden. Die Ergebnisse prägten den Aufbau eines neuen Lagers und sparen rund 22.000 € pro Jahr. Führungskräfte, Betriebsrat und alle Beschäftigten wurden von Anfang an über den Zweck informiert. META-Regalbau · Hersteller von Regal- und Lagersystemen · Gehobener Mittelstand Zahlen: das unternehmen selbst
• Gemessenes Ergebnis Procter & Gamble: Eine Person mit KI leistete so viel wie ein Zweierteam ohne Forschende führten mit 776 Beschäftigten von Procter & Gamble ein Experiment an echten Aufgaben der Produktentwicklung durch. Einzelne, die mit KI arbeiteten, lieferten Ideen, die genauso gut bewertet wurden wie die von Zweierteams ohne KI, und waren schneller. Procter & Gamble · Hersteller von Konsumgütern · Großunternehmen Zahlen: von forschenden gemessen
• Gemessenes Ergebnis Siemens: Prüfer fanden mehr Fehler, wenn die KI zeigte, was sie gesehen hatte Forschende gaben 48 Prüfern in einem Elektronikwerk von Siemens eine KI-Hilfe für die Kontrolle von Leiterplatten. Die Hälfte sah nur den Wert der KI. Die andere Hälfte sah zusätzlich ein Bild, das markierte, wo die KI ein Problem gefunden hatte. Die zweite Gruppe fand mehr Fehler, und die meisten in ihr schnitten besser ab als die KI allein. Siemens · Industriekonzern; die Studie lief in seinem Elektronikwerk in Zug · Großunternehmen Zahlen: von forschenden gemessen

Studien aus dieser Branche

Diese Studien wurden an Arbeit durchgeführt, die für diese Branche typisch ist.

• Umfrage OECD-Umfragen unter Arbeitgebern und Beschäftigten zu KI bei der Arbeit Umfragen unter Arbeitgebern und Beschäftigten in Industrie und Finanzbranche in sieben Ländern. Wo Beschäftigte geschult und zu KI befragt wurden, waren die Ergebnisse für sie besser. Lane, Williams and Broecke, 2023

Durchgerechnetes Beispiel

Dieses Beispiel wendet eine Methode zur Erfassung von Aufgaben auf ein erfundenes Unternehmen an, das industrielle Überwachungssysteme entwickelt, montiert, installiert und wartet.

• Durchgerechnetes Beispiel · 118 Personen Ein Unternehmen mit 118 Beschäftigten, Aufgabe für Aufgabe 31 Rollen und 375 Aufgabengruppen, auf vier Skalen bewertet, mit einem 90-Tage-Plan für ein Pilotprojekt.

Quellen

1. Eurostat. Use of artificial intelligence in enterprises, 2025 data. ec.europa.eu
2. Siemens (12 May 2025). Siemens introduces AI agents for industrial automation. Company announcement. businesswire.com
3. CIO (2021). Rolls-Royce turns to digital twins to improve jet engine efficiency. A press report of the company’s account. cio.com
4. Lerch, Heimberger, Jäger, Horvat and Schultmann (2022). AI-readiness and production resilience: empirical evidence from German manufacturing in times of the Covid-19 pandemic. International Journal of Production Research. doi.org
5. Volkswagen Group (September 2025). Boosting innovation, reshaping mobility: Volkswagen Group invests in AI. Company announcement. volkswagen-group.com
6. Chen, Liu, Xing, Peng and Yang (2021). Establishment of a maturity model to assess the development of industrial AI in smart manufacturing. Journal of Enterprise Information Management. doi.org
7. Fornasiero, Kiebler, Falsafi and Sardesai (2024). Proposing a maturity model for assessing Artificial Intelligence and Big data in the process industry. International Journal of Production Research. doi.org
8. INCIT. AIMRI: Industrial AI Maturity Readiness Index. incit.org
9. European Union. AI Act, Regulation (EU) 2024/1689, Article 6 (classification rules for high-risk AI systems), as amended in 2026. Text on the European Commission’s AI Act Service Desk. ai-act-service-desk.ec.europa.eu
10. European Union. AI Act, Article 2 (scope) and Annex I (list of EU product-safety laws), as amended in 2026. ai-act-service-desk.ec.europa.eu
11. European Union. AI Act, Annex III (high-risk uses, including employment and worker management). ai-act-service-desk.ec.europa.eu
12. European Union. AI Act, Article 113 (dates of application), as amended in 2026. ai-act-service-desk.ec.europa.eu
13. European Union. Regulation (EU) 2023/1230 on machinery. eur-lex.europa.eu
14. European Commission Joint Research Centre (2025). Digital monitoring, algorithmic management and the platformisation of work in the EU: Data from the AIM-WORK survey. Science for Policy brief. publications.jrc.ec.europa.eu
15. Mariscal de Gante Martin and Villani (2026). Algorithmic management and working conditions in Europe. Evidence from the AIM-WORK Survey. JRC Working Paper 2026/05. publications.jrc.ec.europa.eu
16. Zimmermann (February 2026). Einsatz von Künstlicher Intelligenz vor allem in Unternehmen mit hohen Innovations- und Digitalisierungsaktivitäten. KfW Research, Fokus Volkswirtschaft Nr. 533. kfw.de

Andere Branchen

• Recht, Steuern und Buchhaltung, Beratung Freiberufliche Dienstleistungen
• Marketing und Kreativwirtschaft Agenturen
• Online- und Ladenhandel E-Commerce und Handel