KI für den Betrieb
digitale Transformation

KI in der Fertigung – Bereitschaft, Daten und Design

Mike McKay

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.

Was nötig ist, damit KI in der Fertigung funktioniert

KI in der Fertigung wird oft als technologisches Thema dargestellt. In dieser Folge von „The Humans in the Loop“ stellen wir die Menschen in den Mittelpunkt.

In einem ausführlichen Gespräch unterhielt sich Madilynn Castillo, CMO von „ Tulip “, mit Gilad Langer und Geoff Winkley darüber, was tatsächlich erforderlich ist, um KI in Produktionsumgebungen zu integrieren. Das Ergebnis war ein weitreichender Dialog, der Themen wie Kultur, Daten, Design und Vertrauen berührte – die Grundlagen, die darüber entscheiden, ob KI nur ein weiterer vorübergehender Trend oder eine dauerhafte Fähigkeit wird.

Das Gespräch verlief ganz natürlich in drei Teilen, die jeweils eine Etappe derselben Reise widerspiegelten: die Bewertung der Bereitschaft, die Umwandlung von Daten in Erkenntnisse und das Überdenken der Art und Weise, wie Lösungen konzipiert werden.

Was diese Bereiche miteinander verbindet, ist die gemeinsame Überzeugung, dass Intelligenz in der Fertigung bei den Menschen beginnt. KI kann Wissen strukturieren und dessen Nutzung beschleunigen, ist jedoch nach wie vor auf den menschlichen Kontext angewiesen, um dieses Wissen nutzbar zu machen.

Teil 1: Ist die Fertigungsindustrie bereit für KI?

Das Gespräch beginnt mit einer Frage, die in Fabriken weltweit immer dringlicher wird: Sind die Hersteller wirklich bereit für KI?

Gilad beschreibt Bereitschaft in erster Linie als kulturelles und erst in zweiter Linie als technisches Phänomen. Seit Jahren bestimmen „Operational Excellence“ und „ lean manufacturing “, wie Werke sich verbessern. Genau diese Prinzipien, so erklärt er, sollten als Leitlinien für die Einführung von KI dienen. Technologien, die diese Grundlagen nicht unterstützen – ganz gleich, wie fortschrittlich sie auch erscheinen mögen –, werden sich nicht durchsetzen.

Geoff betrachtet die Frage aus der Perspektive der Basis. Viele Hersteller haben nach wie vor Schwierigkeiten, sich einen grundlegenden Überblick über die Leistung zu verschaffen. Die Frage „Wie läuft es heute bei uns?“ lässt sich in Umgebungen, die von Papier, nicht miteinander vernetzten Softwareprogrammen und fragmentierten Daten geprägt sind, nach wie vor nur schwer beantworten.

Die Gruppe untersucht, wie Zögern, Risikowahrnehmung und Altsysteme den Fortschritt bremsen können. Das eigentliche Problem ist jedoch das Vertrauen. Unternehmen möchten sicher sein, dass neue Systeme ihre Abläufe verbessern, ohne das zu stören, was bereits gut funktioniert. Dieser erste Teil legt ein zentrales Thema für den weiteren Verlauf der Diskussion fest: Die KI-Bereitschaft lässt sich anhand der Klarheit der Zielsetzung und der Ausrichtung auf die tatsächlichen betrieblichen Anforderungen messen.

Teil 2: Von Daten zu Erkenntnissen

Das Gespräch wendet sich nun den Daten zu, dem Rohstoff der Intelligenz.

Hersteller generieren riesige Mengen an Informationen, doch ein Großteil davon ist nach wie vor verstreut, uneinheitlich oder in statischen Dokumenten eingeschlossen. Gilad stellt das DIKW-Modell (Daten – Informationen – Wissen – Weisheit) vor, um zu beschreiben, wie moderne KI-Tools dabei helfen können, diese Ebenen zu verdichten, unterschiedliche Quellen miteinander zu verknüpfen und die darin verborgenen Zusammenhänge aufzudecken.

Geoff setzt dies in die Praxis um. Ausgehend von seinen Erfahrungen bei der Umsetzung von Lösungen in der Luft- und Raumfahrt sowie in anderen Branchen erläutert er, wie kontextbezogene Modelle und sprachbasierte Schnittstellen Teams dabei helfen, Daten von Menschen und Maschinen ohne hohen IT-Aufwand zu organisieren. Diese Systeme bringen Ordnung in die Komplexität und liefern Erkenntnisse, die die täglichen Entscheidungen verbessern.

Beide Gäste betonen, dass KI das Verständnis fördern und nicht die Urteilsfindung automatisieren sollte. Das Ziel besteht darin, die in den Fabriken bereits vorhandenen Informationen zu bündeln und dieses Wissen denjenigen zugänglich zu machen, die darauf angewiesen sind.

Teil 3: Planung für die nächste Generation des Betriebs

Der letzte Teil der Diskussion konzentriert sich auf das Design: Wie lassen sich Systeme entwickeln, die KI für den praktischen Einsatz sicher und praxistauglich machen?

Gilad skizziert den Ansatz von „ Tulip“ bei der Lösungsentwicklung – die Schaffung von „ individuell gestaltbar “, offenen und anpassungsfähigen Systemen, die sich parallel zum Betriebsablauf weiterentwickeln. Er verbindet diese Philosophie mit „ lean manufacturing “ und agiler Softwareentwicklung, Disziplinen, die auf Iteration und Feedback basieren.

Geoff weitet das Gespräch auf die Praxis aus und beschreibt, wie Tools wie der AI Composer von Tulipes Ingenieuren ermöglichen, statische Dokumentationen innerhalb weniger Minuten in Live-Anwendungen umzuwandeln. Generative und agentische KI erweitern diese Möglichkeiten und unterstützen die Automatisierung dort, wo sie einen Mehrwert schafft, während Menschen weiterhin in die Überprüfung und Verbesserung eingebunden bleiben.

Was sich daraus ergibt, ist eine Vision der Fertigung, bei der sich die Technologie an den Menschen anpasst. Fabriken werden zu Umgebungen des kontinuierlichen Lernens, zu Orten, an denen digitale Werkzeuge die tatsächlichen Arbeitsabläufe widerspiegeln und an denen KI den Teams hilft, schneller auf Veränderungen zu reagieren.

Intelligenz, Kontext und der menschliche Kern

In diesen drei Teilen beleuchtet das Gespräch die Fertigungsindustrie in einem entscheidenden Moment. KI entwickelt sich von einer Möglichkeit zur Praxis und wird Teil der täglichen Arbeit, statt nur eine isolierte Initiative zu bleiben. Die Herausforderung besteht nun darin, sie einzuführen, ohne dabei das menschliche Fachwissen zu verlieren, das einen effektiven Betriebsablauf ausmacht.

Für „ Tulip “ ist dieses Gleichgewicht der Kern des Konzepts „Human in the Loop“. Es bedeutet, Technologien zu entwickeln, die den Kontext verstehen, Prozesswissen widerspiegeln und die Menschen für die Entscheidungen verantwortlich machen, die die Produktion prägen.

Der Austausch zwischen Gilad und Geoff verdeutlicht einen stillen Wandel, der sich branchenweit vollzieht. Die erfolgreichsten Hersteller beginnen, KI als ein Umfeld zu betrachten – eines, das jedes Mal stärker wird, wenn Menschen es nutzen, um zu verstehen, sich anzupassen und Verbesserungen vorzunehmen.

Häufig gestellte Fragen

Generative KI unterstützt die Erstellung und Anpassung digitaler Arbeitsanweisungen, Prozessdokumentationen und Schulungsunterlagen. Anstatt menschliches Fachwissen zu ersetzen, erweitert sie dessen Wirkung – und hilft Ingenieuren und Bedienern dabei, vorhandenes Wissen zu digitalisieren und Arbeitsabläufe kontinuierlich zu verbessern, ohne bei Null anfangen zu müssen.

Agentische KI-Systeme können im Namen der Nutzer begrenzte, kontextbezogene Maßnahmen ergreifen. Im Gegensatz zur herkömmlichen Automatisierung, die vordefinierte Schritte ausführt, werten agentische Systeme Informationen aus, schlagen Änderungen vor und lernen innerhalb festgelegter Grenzen aus den Ergebnissen. In der Fertigung ermöglicht dies adaptive Reaktionen auf Prozessschwankungen, während die menschliche Aufsicht gewahrt bleibt.

KI ist nur so effektiv wie der Kontext, den sie versteht. In der Fertigung umfasst der Kontext den Maschinenstatus, Bedienereingaben, Umgebungsfaktoren und den Prozessverlauf. Kontextbezogene Daten ermöglichen es KI-Systemen, relevante Empfehlungen auszusprechen, Erkenntnisse systemübergreifend zu verknüpfen und Anleitungen zu geben, die die tatsächlichen Abläufe in der Produktion widerspiegeln.

Tulip entwickelt KI-Tools, bei denen der Mensch stets die Kontrolle behält. Jede Empfehlung oder Maßnahme einer KI-Funktion ist transparent, nachvollziehbar und überprüfbar. Durch die Einbindung menschlicher Überprüfungen in die Arbeitsabläufe können Hersteller KI vertrauensvoll einsetzen – und dabei Compliance-Standards einhalten sowie Verbesserungen beschleunigen.

Nutzen Sie eine „Human-First“-KI, um die Produktion mithilfe einer vernetzten Betriebsplattform zu verbessern

Erfahren Sie, wie Hersteller mithilfe von „ Tulip “ Echtzeitdaten aus der Fertigung erfassen, Arbeitsabläufe standardisieren und die betriebliche Grundlage schaffen, die KI-Systeme benötigen, um Qualität, Durchsatz und Entscheidungsfindung zu verbessern.

Machen Sie eine virtuelle, interaktive Produkttour
Illustration: Ein Tag im Leben