Der neue Kollege im Shopfloor

Eine vollständige Automatisierung ist in der Produktion vieler mittelständischer Unternehmen aus Kostengründen derzeit noch nicht realistisch, obwohl Fortschritte in der Robotik neue Potenziale eröffnen. Intelligente, KI-gestützte Mensch-Technik-Systeme bieten eine bedarfsgerechte und skalierbare Alternative und machen Automatisierung so auch für kleinere Unternehmen zugänglich. Künstliche Intelligenz unterstützt Mitarbeiter gezielt, steigert Produktivität und Qualität nachhaltig.

Vollständig digitale Prozesse oder gar automatisierte Arbeitsschritte sind in vielen mittelständischen Betrieben noch Zukunftsmusik. Ein Beispiel ist der analoge Cardboard-Workshop. Ein interdisziplinäres Team baut mit Pappe einen neuen Montagearbeitsplatz nach. Kartons, Klebeband und improvisierte Regale kommen zum Einsatz. Nach zwei intensiven Workshoptagen liegen Skizzen, Fotos und handschriftliche Notizen vor. Der Ansatz ist greifbar und hat durchaus seine Vorteile. Aber: Er ist auch aufwendig, der Platzbedarf ist hoch, Varianten lassen sich nur begrenzt abbilden, durchgängige Daten fehlen. Zudem lassen sich die gewonnenen Erkenntnisse nur schwer auf andere Werke oder spätere Planungen übertragen. Ein anderes Beispiel: die Einarbeitung eines neuen Werkers – nach dem Prinzip „Mitschauen und Nachmachen“. Arbeitsanweisungen liegen in Papierordnern, Rückfragen gehen an die Schichtführerin. Am Arbeitsplatz gibt es keine Bildschirme, relevante Informationen verteilen sich auf Ordner, MES-Lösungen und PDFs. Die Folge sind lange Einarbeitungszeiten, Fehler und ein stark personenabhängiges Know-how. In Zeiten von Fachkräftemangel wird das schnell zum Risiko.

Beide Szenen sind real, stehen aber gleichzeitig stellvertretend für typische Herausforderungen kleiner und mittlerer Unternehmen: Prozesse sind papierbasiert und durch Medienbrüche aufwendig. Wissen ist schwer zugänglich und kann nur mit größerem Aufwand an neue Personen übertragen werden. Der Erfolg hängt oft von einzelnen Mitarbeitern ab. Und obwohl technische Lösungen längst verfügbar sind, ist eine umfangreiche Automatisierung meist nicht denkbar. Gewachsene Produktionsumgebungen und knappe Kapazitäten setzen hier klare Grenzen.

Intelligente Technische Systeme (ITS)

Vernetzte, softwareintensive Systeme, die Daten aus der realen Produktion erfassen, analysieren und daraus automatisierte Aktionen oder Empfehlungen ableiten. Sie kombinieren Sensorik, Aktorik, Software und Kommunikationssysteme und können adaptiv, robust und vorausschauend arbeiten.

Automatisierung durch KI-gestützte, Intelligente Technische Systeme

Dieser Beitrag prägt bewusst den Begriff „Intelligente Mensch-Technik-Systeme“. Er erweitert das etablierte Konzept der Intelligenten Technischen Systeme (ITS) um die konsequente Einbindung des Menschen – bei gleichzeitiger Entlastung und Qualitätssteigerung durch digitale Technologien. Grundlage für ITS ist ein gewisser digitaler Reifegrad. Digitalisierung ist dabei kein Selbstzweck, sondern das Fundament. ITS beschreiben vernetzte, meist softwareintensive Systeme, die Daten aus der realen Produktion erfassen, kontextbezogen verarbeiten und daraus eigenständig Aktionen oder Empfehlungen ableiten. Sensorik, Aktorik, Software, Kommunikation und Domänenwissen werden zu einem System verbunden, das nicht nur automatisiert, sondern gezielt unterstützt, entscheidet und lernt.

Im Spitzencluster it’s OWL stehen seit 2012 Intelligente Technische Systeme, ihre Konzeption und Umsetzung in realen Industrieunternehmen im Fokus. Vier Eigenschaften von ITS wurden dabei als zentral herausgearbeitet:

• Adaptiv: ITS reagieren nicht nur auf feste Programme, sondern auf ihr Umfeld. Sie erkennen Veränderungen und passen ihr Verhalten innerhalb klar definierter Grenzen an. Beispiel: Ein Montagearbeitsplatz erkennt die jeweilige Produktvariante und blendet passende Montageschritte ein. Neue Mitarbeiter erhalten detaillierte Hinweise, für erfahrene Kräfte reichen die Kerninformationen.

• Robust: Auch bei Störungen oder unvollständigen Informationen bleiben ITS funktionsfähig. Statt auszufallen, liefern sie weiterhin sinnvolle Ergebnisse und machen Einschränkungen transparent. Beispiel: Fällt ein Sensor aus, nutzt das System Ersatzgrößen und weist gleichzeitig auf die eingeschränkte Datenlage hin.

• Vorausschauend: Durch die Nutzung historischer Daten erkennen ITS drohende Probleme frühzeitig und schlagen Gegenmaßnahmen vor. Beispiel: Ein Condition-Monitoring-System prognostiziert einen bevorstehenden Ausfall und empfiehlt, die Wartung vor ein geplantes wichtiges Produktionsfenster zu legen.

• Benutzerfreundlich: ITS orientieren sich an den Bedürfnissen der Anwender. Sie erklären ihre Vorschläge und bieten Alternativen an. Beispiel: Ein Assistenzsystem erläutert, warum eine Zusatzprüfung nötig ist, und ermöglicht eine bewusste Auswahl der nächsten Schritte.

Viele heutige ITS basieren noch stark auf deterministischen Regeln und Modellen. Mit dem Einsatz von KI kamen zunächst analytische Verfahren hinzu, etwa zur Mustererkennung oder Prognose. Diese erlauben es, mit Wahrscheinlichkeiten, statt mit starren Schwellenwerten zu arbeiten. Und der Einsatz generativer KI führt noch einmal zu ganz neuen Möglichkeiten.

Intelligente Mensch-Technik-Systeme

Digitale Assistenzsysteme, die menschliche Arbeit in der Produktion gezielt unterstützen. Sie verbinden Sensorik, Software, Datenanalyse und Produktionswissen, um Mitarbeitern kontextbezogene Informationen, Handlungsempfehlungen oder automatisierte Funktionen bereitzustellen. Ziel ist keine vollständige Automatisierung, sondern eine produktive Zusammenarbeit von Mensch und Technologie im Shopfloor.

KI verändert die Schnittstelle zwischen Mensch und System

Mit generativer KI verändert sich nun vor allem die Schnittstelle zwischen Mensch und System. Mitarbeiter können per Sprache oder Text mit ITS interagieren, ähnlich wie mit einem fachkundigen Kollegen. Gleichzeitig wird verteiltes Expertenwissen aus Handbüchern, PDFs oder Wartungsprotokollen zugänglich gemacht. Generative KI unterstützt zudem bei der Erstellung und Pflege von Inhalten, etwa indem erste Entwürfe für Montageanweisungen oder Schulungsunterlagen erzeugt werden, die anschließend fachlich geprüft werden.

In Zukunft wird KI diese intelligenten Mensch-Technik-Systeme immer leistungsfähiger machen. Schon jetzt zeichnen sich agentische KI-Systeme ab, die eigenständig Ziele verfolgen, Aktionen planen und verschiedene Systeme orchestrieren – etwa indem sie aus einer Abweichungsmeldung automatisch relevante Daten zusammentragen, Ursachen prüfen und Entscheidungsvorschläge vorbereiten. „Kollege KI“ hat das Potenzial, die Produktivität jedes einzelnen Mitarbeiters auf eine neue Ebene zu heben.

Wo Kollege KI die Produktion heute schon unterstützt

Wie sich diese Konzepte in der Praxis umsetzen lassen, zeigt ein Blick in reale Fabrikhallen. Im Forschungsprojekt Datenfabrik.NRW, gefördert vom Land NRW, wurden bei CLAAS in Harsewinkel und Schmitz Cargobull in Vreden insgesamt 51 Use Cases umgesetzt – von digitalen Enablern hin zu KI- und GenAI-Anwendungen. Zwei Beispiele aus dem Projekt verdeutlichen, wie solche Systeme bereits heute in der industriellen Praxis eingesetzt werden:

Digitale Fabrikmodelle und VR-gestützte Planung
Der klassische Cardboard-Workshop aus der Einleitung dieses Beitrags wird durch digitales Cardboard Engineering ergänzt oder teilweise ersetzt. Mitarbeiter planen neue Arbeitsplätze mit VR-Brillen auf Basis realer CAD-Daten, testen Varianten und nehmen Änderungen in Minuten statt Stunden vor. Ergonomie, Reichweiten, Gehwege und Montagezeiten werden digital bewertet und automatisch erfasst. Eine KI-Integration kann zusätzliche Analyse- und Interaktionsmöglichkeiten bieten. So werden Planungssysteme adaptiv, robust, vorausschauend und benutzerfreundlich. Die Evaluation zeigt deutlich kürzere Workshops, kaum physischen Platzbedarf und strukturierte Daten, die sich auf andere Werke übertragen lassen. Im Use Case wurde deutlich, dass der Einsatz intelligenter Mensch-Technik-Systeme gut gelingt, wenn zunächst ein konkreter Arbeitsplatz betrachtet wird – nicht die gesamte Fabrik.

GenAI-basierte Assistenzsysteme in der Fertigung
Auch zum Thema Unterstützung der Mitarbeiter zeigt ein weiterer KI-basierter Use Case eine Alternative. Ein digitales Werkerassistenzsystem stellt auf dem Shopfloor die Auftragsreihenfolge inklusive relevanter Zusatzinformationen auf einer Weboberfläche bereit. Darin sind unter anderem Produktaudits, 3D-Daten und technische Änderungen enthalten. Auf Änderungen in den anstehenden Abläufen macht das System per Warnsignal aufmerksam. Die Möglichkeiten generativer KI schaffen nun ein Weiterdenken des gesamten Systems, indem zum Beispiel auf internen Dokumentationen basierende passgenaue Montagehinweise generiert werden können. Einarbeitungszeiten sinken, erfahrene Fachkräfte werden entlastet, und Know-how bleibt im Unternehmen verfügbar.

Der Mittelstand: Rahmenbedingungen und Lösungsansätze

Für den Mittelstand bedeutet das: Wer heute damit beginnt, digitale Technologien in die eigenen Prozesse zu integrieren und erste KI-Anwendungen an einzelnen Arbeitsplätzen zu starten, legt schrittweise und bedarfsgerecht die Grundlage für eine vernetzte, augmentierte Produktion. Berücksichtigt werden sollte, dass KMU hier vor besonderen Herausforderungen stehen, etwa begrenzten Ressourcen und fehlendem Spezial-Know-how.

Aus Forschungsprojekten lassen sich dennoch fünf klare Erfolgsfaktoren für die Umsetzung intelligenter Mensch-Technik-Systeme ableiten:

• Unternehmen sollten vom konkreten Problem ausgehen, nicht von der Technologie.
• Zwingend notwendig ist es, zunächst digitale Grundlagen zu schaffen und KI-Technologie dann gezielt zu ergänzen. Insbesondere in der Produktion heißt das unter anderem möglichst papierlose Prozesse.
• Zum Start eignen sich überschaubare Pilotprojekte, die schnell einen Mehrwert liefern und in der Belegschaft überzeugen.
• Erkenntnisse aus Use Cases sollten systematisch dokumentiert und ausgewertet werden – sie sind wichtige Grundlage für die nächsten Schritte.
• Piloten haben eine wichtige Funktion, bleiben aber meist Insellösungen. Deshalb sollten Unternehmen ab einem gewissen Zeitpunkt Strategie und ganzheitliche Architekturen inklusive eines zielgerichteten Datenmanagements vorantreiben.

Die meisten Unternehmen setzen KI-Vorhaben in der Produktion nicht vollständig allein um. Externe Unterstützung – etwa durch Forschungskooperationen – kann helfen, Risiken zu reduzieren und den Einstieg zu beschleunigen. 

Das könnte Sie auch interessieren

Integration statt Inseldenken Smart Production mit Plattformstrategie

ZF hat mit der Digital Manufacturing Platform (DMP) eine der umfassendsten digitalen Transformationen der Fertigungsindustrie umgesetzt. Innerhalb kurzer Zeit entstand ein global einheitliches Produktionsnetzwerk, das Prozesse standardisiert, Daten silos auflöst und End-to-End-Transparenz schafft – alles unter hoher Skalierbarkeit und agilem Tempo, selbst in herausfordernden Zeiten wie der Corona-Pandemie

Smarte Produktion sicher vernetzt OT‑Security als Fundament digitaler Industrieinnovationen

Die Smart Factory verspricht immense Potenziale bei Automatisierung und Kostenkontrolle. Doch die vernetzte Produktion bringt auch neue Cyber-Risiken mit sich. Wie Maschinen und IIoT-Plattformen sicher arbeiten, Echtzeitdaten geschützt bleiben und die Produktion resilient ist, zeigt sich am Beispiel einer proaktiven, integrierten OT-Security. Ein hoher Grad an Cyber-Sicherheit ist kein optionales Extra, sondern ein unverzichtbares Fundament für den Erfolg.

Ganzheitliche Sicherheit unter NIS2 Was für kritische Infrastrukturen gilt

Digitale Angriffe, Sabotage und Ausfälle haben längst nicht mehr nur technische Ursachen. Mit der NIS2-Richtlinie reagiert die EU darauf und verpflichtet Unternehmen ab 2026, Sicherheit ganzheitlich zu denken. Der Beitrag zeigt neue Anforderungen für KRITIS-Betreiber, warum physische und digitale Sicherheit zusammengehören und wie sich Sicherheitsstrukturen zukunftsfähig ausrichten lassen. Richtig verstanden wird NIS2 zur Chance für mehr Resilienz.

Rendite statt jahrelanger Rollouts Chefsache IT: Software in der Fertigung neu denken

Trotz hoher KI-Investitionen arbeiten viele Fertigungsunternehmen noch mit Excel und isolierten Anwendungen. In diesem Beitrag erfahren Sie, warum veraltete IT-Architekturen zum Risikofaktor werden, wie Wertschöpfung direkt an der Maschine beginnt und welche Schritte nötig sind, um Fertigung flexibler, resilienter und zukunftssicher zu gestalten, von smarter IT bis zu erfolgreichem KI-Einsatz.

KI und outcome-basierte Geschäftsmodelle Vom Stolperstein zum Erfolgsfaktor

„Beherrschtes Risiko übersetzt sich in Marge” – industrielle KI revolutioniert diesen Leitsatz. Von CapEx zu OpEx: Geschäftsführer werden Infrastrukturgaranten. Datensouveränität schafft Vertrauen. Predictive Maintenance und digitale Zwillinge meistern Marktrisiken. Digitale Modelle scheitern an Haltung, nicht Technik. Acht Stolperfallen zeigen den Weg zur Wertschöpfung.