In unserem Portfolio bieten wir im Themenbereich Digitalisierung und Produktion auch den Fokus Künstliche Intelligenz in der Produktion zur Weiterbildung an. Unsere Experten Hendrik Eisbein, Gruppenleitung Produktionslogistik am WZL der RWTH Aachen, und Matthias Kühne, Ressortleitung Digitalisierung bei Next Industries, stellen sich in unserem Interview 5 Fragen, um uns einen Einblick zur aktuellen Lage und ihre Expertise zu geben!
Künstliche Intelligenz als Schlüsseltechnologie für die Produktion der Zukunft
Welche Rolle spielt KI aus Ihrer Sicht heute bereits in der industriellen Praxis – und was hat Sie persönlich dazu bewogen, sich intensiv mit diesem Thema zu beschäftigen?
Kühne: Künstliche Intelligenz ist in der industriellen Produktion angekommen, befindet sich jedoch vielerorts noch in einer frühen Reifephase. Zahlreiche Unternehmen haben bereits konkrete Anwendungsfälle identifiziert, etwa in der Qualitätsprüfung, der vorausschauenden Wartung oder der Produktionsoptimierung, aber die breite Skalierung in den operativen Alltag bleibt eine Herausforderung. Gründe dafür sind unter anderem der Integrationsaufwand in bestehende Systeme, fehlende Datenqualität sowie die Notwendigkeit neuer Kompetenzen in den Teams. Trotz dieser Hürden gewinnt KI stetig an Bedeutung. Je mehr erfolgreiche, skalierte Umsetzungen realisiert werden, desto klarer zeigt sich ihr Potenzial, Prozesse effizienter zu gestalten. Künstliche Intelligenz wird zu einer Schlüsseltechnologie, die nicht nur einzelne Abläufe optimiert, sondern langfristig ganze Wertschöpfungsketten transformiert. Mein persönliches Interesse an KI entstand zunächst aus Neugier technologische Entwicklungen besser zu verstehen. Mit der Zeit wurde daraus ein zentraler Bestandteil meiner beruflichen Tätigkeit. Im Rahmen der digitalen Transformation spielt KI heute eine entscheidende Rolle, sowohl strategisch als auch operativ.
Eisbein: Ich bin der Meinung, dass die allgegenwärtige Nutzung von Künstlicher Intelligenz unseren Arbeitsalltag maßgeblich prägt und insbesondere Large Language Models in Form von Chatbots einen festen Bestandteil desselben darstellen. In der industriellen Produktion besteht meiner Meinung nach noch ein erhebliches, bisher ungenutztes Potenzial. Aus diesem Grund widme ich mich in meiner Arbeit diesem Thema.
KI im Unternehmen integrieren
Warum ist es aus Ihrer Sicht wichtig, dass sich Unternehmen zeitnah mit Künstliche Intelligenz beschäftigen und entsprechende Technologien in ihre Produktionsprozesse integrieren?
Kühne: Es ist entscheidend, dass sich Unternehmen frühzeitig mit Künstlicher Intelligenz auseinandersetzen, weil diese Technologie langfristig ein zentraler Wettbewerbsfaktor sein wird. KI ist keine vorübergehende Entwicklung, sondern ein grundlegender technologischer Wandel, der Produktionsprozesse nachhaltig transformiert. Unternehmen, die früh beginnen, können Erfahrungen sammeln, Kompetenzen aufbauen und die notwendigen organisatorischen Voraussetzungen schaffen, um KI zielgerichtet und wirksam einzusetzen. Ein wesentlicher Aspekt ist die Datenbasis: Viele KI-Anwendungen im Produktionsumfeld erfordern qualitativ hochwertige, strukturierte und konsistente Daten. In der Praxis müssen diese Daten jedoch oft erst erschlossen, bereinigt oder neu organisiert werden. Dieser Prozess ist zeit- und ressourcenintensiv und kann nicht kurzfristig umgesetzt werden. Wer früh startet, schafft damit die Grundlage, um KI später effizient und skalierbar einsetzen zu können. Darüber hinaus müssen KI-Initiativen strategisch verankert und mit regulatorischen Vorgaben in Einklang gebracht werden. Dies etwa in den Bereichen Datenethik, Transparenz, Sicherheit oder Compliance. Die rechtlichen Rahmenbedingungen entwickeln sich dynamisch, und Unternehmen benötigen ausreichend Zeit, um Prozesse, Rollen und Governance-Strukturen entsprechend anzupassen.
Eisbein: Das Potenzial von Künstlicher Intelligenz zur Optimierung der Produktionsprozesse ist enorm. Es zeigt sich in einer gesteigerten Effizienz, Robustheit und Produktivität. Unternehmen, die sich nicht mit entsprechenden Lösungen beschäftigen, riskieren, den Trend zu verpassen.
Mit der richtigen Qualifikation an das Thema herangehen
Sie bieten mit dem Seminar „Produktion mit Künstlicher Intelligenz digitalisieren“ ein gemeinsames Weiterbildungsprojekt an. Wie würden Sie den aktuellen Stand der Digitalisierung in europäischen Produktionsunternehmen einschätzen? Wo sehen Sie noch den größten Handlungsbedarf?
Kühne: Ich kann meine Einschätzung primär auf die Schweizer Produktionsindustrie stützen. Viele Unternehmen haben in den letzten Jahren beträchtliche Schritte in Richtung Digitalisierung unternommen. Insbesondere in den Bereichen Vernetzung von Maschinen und Anlagen, Nutzung von Datenanalysen sowie der Einführung papierloser Prozesse sind deutliche Fortschritte sichtbar. Diese Entwicklungen zeigen, dass die Grundlagen für eine digital gestützte Produktion vielerorts gelegt sind. Trotz dieser positiven Entwicklungen bestehen weiterhin bedeutende Handlungsfelder. Eine der größten Herausforderungen bleibt der Umgang mit Daten: Ihre Qualität, Konsistenz und strukturelle Verfügbarkeit entsprechen oft noch nicht den Anforderungen für skalierbare digitale oder KI-basierte Anwendungen. Ein Prozess, der Zeit, Investitionen und klare Verantwortlichkeiten erfordert. Ein weiterer zentraler Aspekt betrifft die Unternehmenskultur. Digitalisierung und insbesondere der Einsatz von Künstliche Intelligenz verändert Rollen, Verantwortlichkeiten und gewohnte Arbeitsweisen. Viele Organisationen stehen daher vor der Aufgabe, eine Kultur zu entwickeln, die Offenheit für technologische Innovation fördert, Experimente zulässt und digitale Kompetenzen kontinuierlich stärkt. Ohne eine solche kulturelle Basis bleiben technologische Initiativen häufig auf Pilotprojekte beschränkt und entfalten nicht ihr volles Potenzial.
Eisbein: Europäische Produktionsunternehmen erkennen zunehmend die Bedeutung der Digitalisierung, insbesondere im Hinblick auf den Aufbau robuster Datenstrukturen und der Schaffung von Datentransparenz. Die Implementierung und Skalierung gewinnbringender Use Cases und konkreter Lösungen stellt jedoch noch eine große Herausforderung dar.
Künstliche Intelligenz als Zukunftsthema mit Bedenken
Kritiker:innen weisen darauf hin, dass KI bestehende Verzerrungen – etwa durch fehlerhafte oder einseitige Trainingsdaten – verstärken kann. Teilen Sie diese Einschätzung? Und welche Maßnahmen halten Sie für sinnvoll, um dem entgegenzuwirken?
Kühne: Ja, ich teile die Einschätzung grundsätzlich. Künstliche Intelligenz kann bestehende Verzerrungen (Bias) nicht nur übernehmen, sondern unter Umständen sogar verstärken. Dies hängt insbesondere davon ab, wie die Daten erhoben, aufbereitet und für Trainingszwecke genutzt werden. Schlechte, unvollständige oder einseitige Daten führen zwangsläufig zu schlechten Resultaten. Werden solche Daten ungefiltert für das Training von KI-Modellen eingesetzt, wird die Verzerrung systematisch in das Modell übertragen und im operativen Einsatz potenziell multipliziert. Um dem entgegenzuwirken, braucht es aus meiner Sicht ein Zusammenspiel mehrerer Maßnahmen: Hohe Datenqualität sicherstellen; Transparenz über die Funktionsweise und Grenzen der KI schaffen; Menschliche Kontrolle sicherstellen („Human in the Loop“); Regelmäßige Überwachung und Nachjustierung („Monitoring & Retraining“); Klare ethische Richtlinien und Governance-Strukturen. Verzerrungen in KI-Systemen sind real und müssen bewusst adressiert werden. Mit einer guten Datenbasis, gezielten Qualitätsmaßnahmen und verantwortungsvollen Prozessen lassen sich Risiken jedoch effektiv minimieren und robuste, vertrauenswürdige KI-Anwendungen in der Produktion realisieren.
Eisbein: Aus meiner fachlichen Perspektive ist es von entscheidender Bedeutung, der KI nicht unkritisch zu vertrauen. Der Aufbau von KI-Use Cases sollte stets in Teamarbeit mit Daten- und Prozessexperten erfolgen. Zudem ist eine Validierung der Analyseergebnisse aus Prozessperspektive erforderlich. Dadurch wird sichergestellt, dass die Ergebnisse nicht verzerrt werden.
Vereinbarkeit von KI und Nachhaltigkeit
Innovation und Nachhaltigkeit werden häufig gemeinsam gedacht. Gleichzeitig steht KI wegen ihres hohen Energie- und Ressourcenverbrauchs in der Kritik. Wie bewerten Sie diese Bedenken im Kontext der industriellen Nutzung von KI?
Kühne: Die Bedenken hinsichtlich des Energie- und Ressourcenverbrauchs von KI sind berechtigt und sollten ernst genommen werden. Insbesondere große Modelle benötigen erhebliche Rechenleistungen, sowohl im Training als auch im Betrieb. Doch die Technologie entwickelt sich selbst rasch weiter. Rechenzentren werden energieeffizienter, Modelle werden schlanker und spezialisierter, und der Trend geht klar hin zu ressourcenschonenderen KI-Architekturen. In der Produktion kann KI einen wesentlichen Beitrag zu Nachhaltigkeit und Ressourceneffizienz leisten. Durch präzisere Planung, optimierte Anlagensteuerung und vorausschauende Wartung lassen sich Energieverbräuche reduzieren, Stillstände vermeiden und Materialien effizienter nutzen. Weiter haben Unternehmen die Möglichkeit, bewusst nachhaltige Ansätze zu wählen, etwa durch die Nutzung spezialisierter Modelle statt großer Generalisten, den Einsatz energieeffizienter Hardware oder die Auswahl von Cloud-Anbietern mit klaren Nachhaltigkeitsstandards. Dies bedeutet, dass im industriellen Kontext KI zwar Energieaufwand verursacht, aber gleichzeitig kann es wesentlich dazu beitragen, Ressourcen zu optimieren und Produktionsprozesse nachhaltiger zu gestalten.
Eisbein: Nach meiner Einschätzung steht die industrielle Nutzung von KI und Nachhaltigkeit nicht im Konflikt. Entscheidend ist, dass beim Aufbau der KI-Rechenzentren eine nachhaltige Stromversorgung aus erneuerbaren Energiequellen berücksichtigt wird. Zudem lassen sich mit innovativen Lösungen auch die Abwärme der Rechenzentren nutzen. Ich bin der Meinung, dass wir beim Aufbau von Rechenzentren in Europa eine Vorreiterrolle einnehmen können und damit einen bedeutenden Beitrag zur zukünftigen Entwicklung dieses Bereichs leisten.