KI für den Betrieb
digitale Transformation

Agentische KI auf MES: Das Leitfaden für Führungskräfte für die nächste Ära der Führungsrolle in der Fertigungsindustrie

Roey Mechrez

AI Summary

Operations Calling 2025 showcased how modern manufacturing depends on open ecosystems, with dozens of partners demonstrating integrated AI, hardware, and software solutions. The event emphasized that collaboration and interoperability—not single all-in-one systems—are key to scalable, future-ready operations.

Fertigungssteuerungssysteme (MES) wurden entwickelt, um Kontrolle, Rückverfolgbarkeit und Struktur in die Produktion zu bringen. Sie digitalisierten Arbeitsanweisungen, verwalteten die Qualität, verfolgten die Produktgenealogie und verbanden die Betriebsabläufe mit den Unternehmenssystemen. Im Sinne der ISA-95-Norm wurde die „ MES “ zur operativen Brücke zwischen der Unternehmensplanung und der Fertigungssteuerung. Doch dieses Modell reicht heute nicht mehr aus.

Die nächste Welle besteht nicht aus noch mehr Dashboards, Warnmeldungen oder Copiloten, die den Arbeitsabläufen übergestülpt werden. Es handelt sich vielmehr um agentenbasierte KI: Systeme, die Ziele interpretieren, im Kontext logisch argumentieren, mehrstufige Aktionen planen und innerhalb definierter Rahmenbedingungen handeln können.

Dies verändert die Rolle von „ MES “ grundlegend. Die Chance besteht nicht darin, „ MES “ als System zur Datenerfassung zu verbessern, sondern darin, es zu einem System für koordiniertes Handeln über alle Frontline-Prozesse hinweg weiterzuentwickeln. Dabei geht es nicht um Autonomie im Sinne einer Ablösung des Menschen, sondern um eine eigenständige Ausführung– bei der Software in den Bereichen Qualität, Wartung, Terminplanung, Compliance und Bedienerunterstützung erkennen, entscheiden und handeln kann. Dies ist kein Feature-Upgrade, sondern ein Wandel des Betriebsmodells.

KI als Ausführungsmodell

Den meisten Fabriken mangelt es nicht an Daten. Ihr Problem ist die Verzögerung zwischen Signal und Reaktion. Es tritt eine Abweichung auf, und jemand geht der Sache nach. Ein Vorgesetzter wertet die Situation aus, ein Planer passt den Zeitplan an, ein Qualitätsingenieur leitet eine CAPA ein, und ein Techniker wird entsandt. Diese Abfolge ist nach wie vor zu langsam, zu manuell und zu fragmentiert.

Agentische KI verkürzt diese Latenzzeit. Sie verbindet die Erkennung direkt mit einer koordinierten Reaktion und verwandelt so unzusammenhängende Arbeitsabläufe in geschlossene Ausführungssysteme. Darin liegt der wahre Mehrwert. Gleichzeitig bewegt sich die Fertigungsbranche insgesamt bereits in diese Richtung. Die Arbeit des NIST im Bereich „Smart Manufacturing“ macht deutlich, dass Fortschritte in den Bereichen Rechenleistung, Konnektivität und Daten erhebliche Möglichkeiten zur Produktivitätssteigerung bieten – allerdings nur, wenn sie auf vertrauenswürdige, interoperable und in der betrieblichen Realität verankerte Weise umgesetzt werden.

Die Herausforderung besteht darin, dass die meisten Unternehmen noch nicht so weit sind. Untersuchungen der OECD zeigen, dass KI zwar großes Potenzial in der Fertigungsindustrie birgt – insbesondere in den Bereichen Prozessoptimierung, Effizienz und Widerstandsfähigkeit –, die Einführung jedoch je nach Unternehmen und Branche nach wie vor uneinheitlich und fragmentiert verläuft . Diese Lücke ist von Bedeutung.

Das bedeutet, dass viele Hersteller in KI-Anwendungsfälle investieren, ohne die tatsächliche Abwicklungsprozess zu verändern. Sie fügen an den Rändern intelligente Funktionen hinzu, lassen das zentrale Betriebsmodell jedoch unangetastet. Dies führt zu schrittweisen Verbesserungen, nicht zu einer Transformation. Führungskräfte sollten sich stattdessen auf das „Betriebssystem“ der Abwicklung selbst konzentrieren – also darauf, wie Entscheidungen in Echtzeit getroffen, koordiniert und umgesetzt werden. Aus diesem Grund muss sich die Diskussion von KI als Produktivitätswerkzeug hin zu KI als Abwicklungsmodell verlagern.

Von „ digitale Transformation “ zur kontinuierlichen Transformation

Die meisten Transformationsprogramme laufen nach wie vor in Phasen ab: Ein Prozess wird digitalisiert, ein Workflow eingeführt, stabilisiert – und dann geht es weiter. Dieses Modell ist nicht mehr zeitgemäß. Die Fertigungsindustrie ist heute geprägt von Volatilität, Personalengpässen, Produktkomplexität und dem Druck, widerstandsfähig zu sein. Statische Systeme können da nicht mithalten. Was Führungskräfte stattdessen brauchen, ist eine kontinuierliche Transformation.

Das bedeutet, Umgebungen zu schaffen, in denen sich Arbeitsabläufe, Entscheidungen und Verbesserungszyklen ständig weiterentwickeln – nicht im Rahmen jährlicher Projekte, sondern als Teil des täglichen Betriebs. Hier fügt sich agentische KI ganz natürlich ein. Im Gegensatz zu regelbasierten Systemen können agentische Systeme auf sich ändernde Bedingungen reagieren, systemübergreifende Zusammenhänge erfassen und zwischen mehreren Handlungsoptionen wählen.

Der zukünftige „ MES “-Stack sollte nicht nur danach beurteilt werden, wie gut er die heutigen Prozesse standardisiert, sondern auch danach, wie gut er Anpassungen in der Zukunft ermöglicht. Das ist der Unterschied zwischen Digitalisierung und kontinuierlicher Transformation.

Futuristische Fabrik mit KI

Wie eine „ individuell gestaltbar “-Agentenarchitektur tatsächlich aussieht

Der entscheidende Begriff ist hier „individuell gestaltbar e agentische Architektur“.

individuell gestaltbar bedeutet, dass das System modular und nicht monolithisch aufgebaut ist. Das NIST hat die Fortschritte im Bereich der intelligenten Fertigung ausdrücklich mit serviceorientierten Ansätzen und mit Standards in Verbindung gebracht, die die Kombinierbarkeit, Interoperabilität und das korrekte Verhalten verteilter Fertigungsdienste unterstützen. Die historischen Modelle behalten ihre Relevanz, da sie die strukturelle Logik für die Beziehungen zwischen Unternehmens- und Betriebssystemen liefern, doch agentenbasierte KI erfordert mehr als nur Schichtdefinitionen. Sie erfordert ein Laufzeitmodell für koordiniertes Handeln.

Das bestimmende Konzept ist die „individuell gestaltbar -Agent-Architektur“. „ individuell gestaltbar “-Systeme sind modular aufgebaut und nicht monolithisch. Sie lassen sich zusammenstellen, neu konfigurieren und erweitern, ohne das Gesamtgefüge zu beeinträchtigen. Dieser Ansatz ist nicht neu – doch er gewinnt mittlerweile zunehmend an Bedeutung.

Die Arbeit des NIST im Bereich serviceorientierter Architekturen für die intelligente Fertigung macht dies deutlich: Die nächste Generation von Fertigungssystemen wird aus lose gekoppelten, bedarfsorientierten Diensten bestehen, die dynamisch zusammengestellt werden können, und nicht aus festen Anwendungen, die als Monolithen bereitgestellt werden. Diese dienstbasierten Systeme ermöglichen eine größere Flexibilität, Interoperabilität und Skalierbarkeit und versetzen Hersteller in die Lage, Daten, Intelligenz und Funktionen je nach Bedarf abteilungsübergreifend zu integrieren.

Die agentische KI baut direkt auf dieser Grundlage auf, fügt jedoch etwas Entscheidendes hinzu: ein Laufzeitmodell für koordinierte Entscheidungsfindung und Handeln. Es reicht nicht aus, Dienste bereitzustellen. Das System muss in der Lage sein, zu entscheiden, wie und wann diese genutzt werden sollen. Hier kommt die agentische Architektur ins Spiel.

In der Praxis arbeitet ein „ individuell gestaltbar -Agentic“ MES auf fünf Ebenen:

  1. Die Kontext-Ebene
    vereint Maschinenzustände, Bedienereingaben, Qualitätsdaten, Arbeitsaufträge, Wartungshistorie und unternehmensweite Einschränkungen.
  2. Denkebene
    Interpretiert Ziele und bewertet Optionen unter Einsatz von Planung, Gedächtnis und Werkzeugzugriff
  3. Agentenebene
    Spezialisierte Agenten für Bereiche wie Terminplanung, Qualität, Wartung und Dokumentation
  4. Orchestrierungsschicht
    Verwaltet die Koordination, Konfliktlösung, Eskalation und Durchsetzung von Richtlinien
  5. Ausführungsschicht
    Führt Aktionen aus, aktualisiert Datensätze, löst Workflows aus, weist Aufgaben zu und interagiert mit angeschlossenen Systemen

Dieses mehrschichtige Modell spiegelt die Entwicklung der modernen Fertigungsforschung wider. Bei Architekturen mit Multi-Agenten-Systemen wird die Entscheidungsfindung zunehmend auf spezialisierte Agenten verteilt, wie beispielsweise Produkt- und Ressourcenagenten, wobei jeder Agent für verschiedene Teile des Produktionssystems verantwortlich ist. Diese Agenten können planen, Aktionen anfordern und sich untereinander abstimmen, um die Leistung des gesamten Systems zu beeinflussen.

Der Vorteil liegt nicht nur in der Dezentralisierung, sondern auch in der Anpassungsfähigkeit. Da die Agenten den Kontext gemeinsam nutzen und innerhalb eines koordinierten Systems agieren, können sie dynamisch auf sich ändernde Bedingungen reagieren, anstatt sich auf festgelegte Arbeitsabläufe zu verlassen. Dies ist besonders wichtig in Umgebungen, in denen zentralisierte Logik mit Skalierbarkeit, Variabilität und Echtzeitanforderungen zu kämpfen hat.

Beispiel: Eine Qualitätsabweichung wird erkannt → Ein Qualitätsbeauftragter bewertet den Schweregrad → Ein Dispositionsbeauftragter beurteilt die Auswirkungen auf die Produktion → Die Koordinierungsebene legt die Eindämmungsstrategie fest → Das System hält Material zurück, aktualisiert Anweisungen und weist Korrekturmaßnahmen zu

All dies innerhalb festgelegter Rahmenbedingungen. Das ist operative KI in der Praxis. Die Erkenntnis für Führungskräfte ist einfach: Wenn Ihre Architektur nach wie vor auf eng gekoppelten Anwendungen basiert, schränkt dies die Möglichkeiten der KI ein. Ist sie hingegen als „ individuell gestaltbar “-System aus Diensten aufgebaut, die von Agenten koordiniert werden, schafft dies die Grundlage für eine kontinuierliche, adaptive Ausführung.

Wo Führungskräfte ansetzen sollten

Die richtigen Ansatzpunkte sind nicht die anspruchsvollsten Anwendungsfälle. Es sind vielmehr die Entscheidungen, die den größten operativen Zwängen unterliegen. Dabei handelt es sich um Entscheidungen, die häufig getroffen werden, funktionsübergreifend sind, zeitkritisch sind und bei Verzögerungen hohe Kosten verursachen. Genau hier schafft Koordination – und nicht bloß Vorhersagen – einen Mehrwert.

Die Forschung untermauert diesen Wandel zunehmend. Untersuchungen zur Wartungsplanung mit mehreren Agenten zeigen, dass Entscheidungen nicht isoliert optimiert werden können. Bei der Festlegung des Wartungszeitpunkts müssen der Zustand der Anlagen, der Produktionsbedarf und systemweite Einschränkungen gegeneinander abgewogen werden. Verteilte Agenten können lokale Empfehlungen generieren, doch diese Empfehlungen sind erst dann von Wert, wenn sie über ein System koordiniert werden, das Zuverlässigkeit, Kosten und betriebliche Auswirkungen gemeinsam bewertet.

Gleichzeitig zeigen umfassendere Untersuchungen im Fertigungsbereich, dass KI den größten Nutzen bringt, wenn sie Instandhaltung, Produktionsplanung und Qualitätssicherung in einem einzigen Entscheidungszyklus miteinander verknüpft, anstatt jede Funktion für sich zu optimieren. Das ist die zentrale Erkenntnis. Die Anwendungsfälle mit dem höchsten „ ROI “ sind keine isolierten Vorhersagen, sondern koordinierte betriebliche Entscheidungen.

Zwei Bereiche veranschaulichen dies deutlich.

Die Instandhaltung ist ein Beispiel dafür. Der Wandel vollzieht sich von vorausschauenden Warnmeldungen hin zu koordinierten Maßnahmen. KI-gestützte Instandhaltung ermöglicht bereits eine Echtzeitüberwachung und Ausfallvorhersage und geht damit über starre Zeitpläne hinaus hin zu datengesteuerten Eingriffen. Doch Vorhersagen allein lösen das Problem nicht. Der wahre Mehrwert entsteht erst, wenn Instandhaltungsentscheidungen auf Produktionsbeschränkungen, die Verfügbarkeit von Arbeitskräften und Abwägungen auf Systemebene abgestimmt werden. Multi-Agenten-Ansätze zeigen, wie dezentrale Entscheidungsfindung in Kombination mit Koordination auf Systemebene sowohl die Zuverlässigkeit als auch den Durchsatz gleichzeitig verbessern kann.

Qualität ist ein weiterer Aspekt. Die Chance liegt nicht allein in einer besseren Erkennung, sondern in einer schnelleren und besser vernetzten Reaktion. KI wird zunehmend zur Fehlererkennung und Echtzeitüberwachung eingesetzt, doch ihre weitreichendere Wirkung entfaltet sich erst dann, wenn Qualitätssignale direkt mit der Terminplanung, der Instandhaltung und betrieblichen Entscheidungen verknüpft werden. Eine Abweichung sollte keinen isolierten Arbeitsablauf auslösen, sondern koordinierte Maßnahmen im gesamten Betrieb, einschließlich Eindämmung, Terminanpassung, Aktualisierung von Anweisungen und Durchführung von Korrekturmaßnahmen.

Diese Bereiche stehen im Mittelpunkt der „ MES “-Wertschöpfung. Hier ist Koordination am wichtigsten, und hier sind Verzögerungen am kostspieligsten. Die Schlussfolgerung für Führungskräfte ist klar: Beginnen Sie nicht mit isolierten KI-Anwendungsfällen. Beginnen Sie mit Entscheidungen, die eine systemweite Synchronisation erfordern. Genau hier liefert die agentische Architektur überdurchschnittliche Erträge und beginnt, die tatsächliche Arbeitsweise der Fabrik neu zu gestalten.

Governance ist kein Mehraufwand. Sie ist Infrastruktur.

Genau hier scheitern viele Initiativen. Agente-basierte Systeme liefern nicht nur Erkenntnisse, sondern ergreifen auch Maßnahmen. Das verändert das Risikoprofil grundlegend.

In physischen Betriebsabläufen lassen sich Fehler nicht einfach nachträglich beheben. Wenn KI Arbeitskräfte koordiniert, Material transportiert oder die Produktion beeinflusst, sind die Folgen unmittelbar spürbar. Wie das Weltwirtschaftsforum es formuliert: Sobald KI in physische Systeme integriert ist, liegt der begrenzende Faktor nicht mehr darin, was die Technologie leisten kann, sondern darin, wie Verantwortung, Befugnisse und Eingriffe geregelt werden.

Aus diesem Grund ist Governance kein Mehraufwand. Sie ist Infrastruktur. Wenn agentische Systeme skalieren, skalieren auch die Risiken mit ihnen. Funktionen können mittlerweile schneller bereitgestellt, aktualisiert und verteilt werden, als sich Organisationen anpassen können. Ohne eine starke Governance wächst das operative Risiko schneller als die Kontrollsysteme. Genau dieses Problem sollen Rahmenwerke wie der „AI Risk Management-Framework “ des NIST angehen. Das AI RMF bietet einen strukturierten Ansatz für das Risikomanagement über den gesamten Lebenszyklus von KI-Systemen hinweg, der auf kontinuierlichen Prozessen zur Steuerung, Abbildung, Messung und Verwaltung des KI-Verhaltens im jeweiligen Kontext basiert.

Der Kerngedanke ist, dass Governance keine einmalige Kontrollmaßnahme ist. Es handelt sich um ein fortlaufendes System. Für die Fertigung bedeutet dies konkret, wie die agentenbasierte Steuerung „ MES “ gestaltet und betrieben werden muss. Führungskräfte müssen festlegen, welche Entscheidungen automatisiert werden können, wo eine menschliche Genehmigung erforderlich ist, wie sichere Zustände aussehen und wie Überwachung und Eingriffe in Echtzeit funktionieren. Dabei handelt es sich nicht nur um strategische Fragen, sondern um Entscheidungen zur Systemgestaltung.

Ein operatives System sollte klare Berechtigungsstrukturen, nachvollziehbare Aktionen, Richtlinienvorgaben, Genehmigungsschwellen und explizite Stoppbedingungen umfassen. Es sollte das Verhalten kontinuierlich überwachen, Ergebnisse messen und die Kontrollmaßnahmen an veränderte Bedingungen anpassen. Das ist der Wandel.

Governance ist nicht mehr etwas, das man erst nach der Bereitstellung nachträglich hinzufügt. Sie muss in das Ausführungssystem selbst integriert sein, genauso wie Zuverlässigkeit, Sicherheit und Qualitätskontrollen in physische Produktionssysteme integriert sind. Wenn man nicht erklären kann, was das System tun durfte, was es getan hat und warum, dann hat man kein betriebsfähiges System. Dann hat man eine Demo.

Mann mit Schutzhelm und orangefarbener Weste, der in der Fertigungshalle an einem Laptop arbeitet

Der Wandel in der Arbeitswelt: Ausführende werden zu Koordinatoren

Hier geht es nicht um den Ersatz von Arbeitskräften. Dies so darzustellen, ist ein Irrtum. Die Fertigungsindustrie war schon immer auf Fachwissen an vorderster Front angewiesen, und daran ändert sich nichts. Tatsächlich gewinnt dies sogar noch an Bedeutung. Untersuchungen des Weltwirtschaftsforums untermauern diesen Punkt eindeutig. Vollautomatisierte Abläufe sind selten realisierbar oder gar optimal. Menschliche Arbeitskräfte bleiben ein entscheidender Wettbewerbsvorteil für die Leistungsfähigkeit der Fertigungsindustrie, insbesondere da Systeme immer komplexer werden und die Einführung neuer Technologien immer schneller voranschreitet.

Gleichzeitig werden Mitarbeiter an vorderster Front oft am wenigsten in die Einführung neuer Technologien einbezogen, obwohl sie deren Hauptnutzer sind. Diese Kluft führt zu Reibungsverlusten, verlangsamt die Akzeptanz und schränkt den Nutzen ein. Die Forschung zeigt, dass eine erfolgreiche Technologieeinführung davon abhängt, die Mitarbeiter direkt einzubeziehen, ihr Feedback zu berücksichtigen und Systeme zu entwerfen, die von Anfang an menschenzentriert sind. Dies steht in direktem Einklang mit dem Wandel hin zu agentenbasierten Systemen. In einer agentischen Umgebung verschwindet die Rolle des Menschen nicht. Sie rückt vielmehr auf einer höheren Ebene des Systems in den Vordergrund.

Die Mitarbeiter verbringen nicht mehr den Großteil ihrer Zeit damit, vordefinierte Aufgaben auszuführen. Sie überwachen, greifen ein und steuern das Systemverhalten. Ingenieure definieren Arbeitsabläufe, Richtlinien und Ausnahmen. Führungskräfte konzentrieren sich nicht mehr darauf, den Status zu verfolgen, sondern verwalten Leistungssysteme. Das System führt aus. Der Mensch koordiniert. Das ist auch der Grund, warum führende Unternehmen beginnen, Mitarbeiter an vorderster Front als Wissensarbeiter zu betrachten, deren Fachwissen durch bessere Werkzeuge und Kontextinformationen ergänzt und nicht durch diese ersetzt wird.

Die Schlussfolgerung ist wichtig. Die Einführung neuer Technologien ist nicht mehr nur eine technische Herausforderung, sondern eine organisatorische. Werden Systeme ohne Einbeziehung der Mitarbeiter eingeführt, bleiben sie hinter ihren Möglichkeiten zurück. Sind sie hingegen darauf ausgelegt, menschliches Urteilsvermögen zu ergänzen und Erkenntnisse aus der Praxis einzubeziehen, werden sie im Laufe der Zeit deutlich effektiver und nachhaltiger. Das ist der eigentliche Wandel in der Arbeitswelt: nicht weniger Menschen im Prozess, sondern eine bessere Nutzung der menschlichen Aufmerksamkeit.

Ein abschließendes Wort an die CEOs und COOs

Auf dem Markt herrscht großer Hype, aber es bestehen auch echte Risiken. Gartner schätzt, dass bis 2027 mehr als 40 % der Projekte im Bereich der agentenbasierten KI eingestellt werden – vor allem aufgrund unklaren geschäftlichen Nutzens, steigender Kosten und unzureichender Risikokontrollen. Das ist kein Versagen der Technologie, sondern ein Versagen des Ansatzes.

Die meisten Unternehmen betrachten agentische KI nach wie vor als Ergänzung zu bestehenden Systemen oder als eine Sammlung isolierter Experimente. Sie streben nach neuen Funktionen, ohne die tatsächlichen Abläufe neu zu gestalten. Deshalb werden sie scheitern. Die Unternehmen, die Erfolg haben werden, gehen von einer anderen Frage aus. Nicht: „Wie können wir KI in ‚ MES ‘ integrieren?“, sondern: „Welche operativen Entscheidungen sollten halbautonom getroffen werden, unter welchen Rahmenbedingungen und auf welcher Architektur?“

Das ist der Wandel. Bei der agentenbasierten KI geht es nicht darum, MES intelligenter zu machen. Es geht darum, die Ausführung schneller, koordinierter und von Grund auf anpassungsfähig zu gestalten. Die führenden Unternehmen werden dies nicht als Feature-Roadmap betrachten. Sie werden es als neues Betriebssystem für die Fabrik betrachten. Genau hier wird sich die Kluft auftun.

Digitalisieren Sie Ihre Betriebsabläufe mit Tulip

Erfahren Sie, wie App-Systeme agile und vernetzte Abläufe ermöglichen.

Demo anfordern
CMS_Unten_Groß_CTA_LS