Industrie 5.0 in der Praxis Warum KI ohne PLM-gestützte Systemintegration scheitert

Anbieter zum Thema

PROCAD GmbH & Co. KG

UberCloud

Zwischen ambitionierten Investitionen in KI und ihrem produktiven Einsatz im Fertigungsalltag besteht weiterhin eine große Lücke. Entscheidend für den Erfolg sind weniger die KI-Modelle selbst als eine integrierte Datenbasis, leistungsfähige PLM-Systeme und die Qualifizierung der Mitarbeitenden.

Künstliche Intelligenz (KI) steht in der Fertigungsindustrie längst auf der Investitionsagenda. Zwischen Budget und operativem Nutzen klafft aber eine große Lücke. In der Studie "Smart Manufacturing 2026" von Revalize gaben 77 Prozent der befragten Führungskräfte aus der DACH-Region und den USA an, dass ihre Unternehmen ihre Software-Budgets im letzten Jahr gesteigert haben. Gleichzeitig berichten nur zehn Prozent der Hersteller, KI bereits vollständig in ihre Abläufe integriert zu haben. KI-Initiativen scheitern selten am Modell selbst, sondern an fehlender Systemintegration, mangelhaftem Datenzugang und zu wenig Expertise, um KI in bestehende Prozesse einzubinden.

KI-Kompetenz: Die unterschätzte Hürde

Ein weiteres Ergebnis der Studie: KI-Expertise wurde als die wichtigste Schlüsselqualifikation der kommenden Jahre identifiziert. In der DACH-Region sieht sich fast jeder dritte Hersteller (28 Prozent) mit einer massiven Kompetenzlücke konfrontiert. Es fehlen aber nicht nur KI-Spezialisten, sondern auch Fachkräfte in der Fertigung und Konstruktion, die das Potenzial von KI-Anwendungen im Kontext des Product Lifecycle Managements (PLM) bewerten und steuern können. Ohne diese Verbindung zwischen IT und Engineering bleiben viele KI-Initiativen im Pilotstadium stecken.

Klare Use Cases finden

KI ist kein reines IT-Thema und sollte nicht „um der KI willen“ eingeführt werden. Entscheidend ist erst einmal nicht die Frage, welche KI-Lösung zum Einsatz kommt. Stattdessen sollten Unternehmen klare Use Cases finden, in denen KI entweder die Produktivität oder die Performance messbar steigert. Die Integration von KI ist daher eine Qualifizierungs- und Veränderungsaufgabe, die tief in die Prozesse von Fertigungsunternehmen hineinreicht.

Die Fertigungsindustrie steht vor einer paradoxen Situation: Zwar kann Software immer autonomer agieren, doch ihre effektive Einbettung in die Wertschöpfungskette erfordert mehr menschliche Expertise als je zuvor. Wer Kompetenzlücken nicht durch gezielte Weiterbildung und externe Partnerschaften schließt, riskiert langfristig den Return on Investment (ROI) seiner Software-Investitionen.

Datensilos überwinden: Systemintegration als Voraussetzung für KI-Wirksamkeit

Die Implementierung von KI scheitert in der Praxis häufig an unzureichender Datenqualität. Mangelnde Systemintegration ist dafür eine mögliche Ursache. In vielen Betrieben liegen wertvolle Produktdaten noch immer in isolierten Silos. Dort sind sie für KI-Modelle gar nicht oder nur unter hohem Aufwand zugänglich. KI braucht jedoch Zugriff auf vollständige, konsistente und aktuelle Daten.

Hier rückt der Digital Thread in den Mittelpunkt der Strategie. Dieser „digitale Faden“ verknüpft Informationen entlang des gesamten Produktlebenszyklus – von der ersten Designphase über die Fertigung bis zum After-Sales-Service. Er schafft so die Grundlage für durchgängige Transparenz und skalierbare KI-Anwendungen.

Um für Systemintegration zu sorgen, ist PLM-Software das entscheidende Werkzeug. Doch 32 Prozent der für die Studie befragten Führungskräfte nennen die Zusammenführung von PLM-Software mit bestehenden Systemen als Herausforderung. Die Antwort darauf liegt in einer modernen, API-gestützten Architektur. Gefragt sind flexible Integrationsmodelle, die eine durchgängige Kommunikation zwischen PLM, Computer-Aided Design (CAD) und Enterprise-Resource-Planning (ERP) ermöglichen. Ein Beispiel dafür ist der Integration Hub in Pro.File, der zahlreiche Systeme über standardisierte Schnittstellen nahtlos miteinander verbindet. Erst wenn Daten systemübergreifend verfügbar sind, lässt sich die Vision einer Industrie 5.0 verwirklichen, in der Mensch und Maschine in synergetischer Kollaboration arbeiten.

 Wie relevant diese Integration werden kann, lässt sich an einem typischen Szenario aus dem Maschinenbau verdeutlichen: Konstruktionsdaten liegen in einem CAD-System und Serviceinformationen stecken in einer weiteren Datenbank – ohne jede Verbindung untereinander. Eine KI-gestützte Fehlerdiagnose oder Designoptimierung wäre bei dieser fehlenden Integration kaum sinnvoll umsetzbar. Eine passende PLM-Lösung kann aber über standardisierte Schnittstellen die Systeme miteinander verbinden. Erst dann kann KI auf alle Daten zugreifen, Muster erkennen und zum Beispiel Hinweise darauf geben, wie sich Produkte optimieren lassen.

Cloud-natives und hybrides PLM: Skalierungsbasis für die KI-Zukunft

Cloud-native PLM-Lösungen gewährleisten die Skalierbarkeit, die für KI-Analysen und komplexe Simulationen benötigt wird. Sie ermöglichen eine effiziente Verarbeitung großer Datenmengen und unterstützen den Digital Thread als durchgängige Informationsarchitektur. Gleichzeitig haben viele Unternehmen bei der Implementierung solcher Lösungen Bedenken in Bezug auf Datensicherheit, Performance und Governance.

Unternehmen müssen sich nicht zwischen On-Premise und Cloud entscheiden. Das ist kein dogmatisches Entweder-oder. Es gibt heute hybride Modelle, die Workloads und Daten flexibel zwischen On-Premise und Cloud verteilen, ohne die Performance oder Datensicherheit zu gefährden. Hierfür werden Lösungen wie Pro.File benötigt, die cloud-ready sind und sich aufgrund ihrer flexiblen Architektur an jedes Bereitstellungsmodell anpassen lassen. Mit ihnen können Hersteller sowohl lokale Anforderungen erfüllen als auch die Vorteile einer Cloud-Anbindung für die standortübergreifende Zusammenarbeit nutzen. So kann die Cloud dazu beitragen, entsprechende Funktionen schneller zu implementieren, etwa den Zugriff auf Daten und die standortübergreifende Synchronisation von Prozessen. In hybriden Modellen bleibt dabei die Datensouveränität bestehen, während Unternehmen ausgewählte Vorteile der Cloud gezielt nutzen können.

Industrie 5.0: Integration statt Isolation

Führungskräfte erkennen zunehmend die tatsächliche Komplexität der Integrations- und Datenprozesse, die im Rahmen der Industrie 5.0 vorausgesetzt werden. Dieser Realismus schafft das nötige Bewusstsein, um die technischen Hürden zu erkennen und gezielt anzugehen, statt die Erwartungen an KI und Automatisierung zu überschätzen. In diesem Denken rückt der Mensch zurück ins Zentrum der industriellen Produktion. Dabei wird er durch Technologie unterstützt, die seine Fähigkeiten erweitert. Technologie hilft dem Mitarbeiter und ersetzt ihn nicht.

Das gelingt aber nur mit einer passenden IT-Landschaft. Isolierte IT-Werkzeuge müssen durch eine integrierte Plattformökonomie abgelöst werden. Die Konsolidierung bestehender IT-Systeme ist entscheidend. Für einen produktiven Einsatz von KI und eine intelligente Automatisierung braucht es eine integrierte, zugängliche und saubere Datenbasis. Auf dieser Grundlage kann KI Muster erkennen, Erkenntnisse liefern und Prozesse optimieren. Sie ist die Voraussetzung dafür, dass aus dem Potenzial von KI ein echter Wettbewerbsvorteil wird.

Produktionstrends in unsicheren Zeiten

Studie: DACH-Hersteller setzen auf KI und resiliente Lieferketten

Smart Manufacturing als Ziel: Drei Aufgaben für Fertigungsunternehmen

Der Weg zum Smart Manufacturing führt unweigerlich über eine Neubewertung der eigenen PLM-Strategie. KI-Funktionen sollten nicht als bloßes Add-on gesehen und behandelt werden. Vielmehr gehören sie als integraler Bestandteil in eine vernetzte Prozesskette. Für Fertigungsunternehmen ergeben sich daraus drei konkrete Aufgaben:

• Gezielte Mitarbeiterqualifizierung zu praktischer Anwendung und konkretem Nutzen von KI, um Akzeptanz und tatsächliche Nutzung im Arbeitsalltag zu fördern
• Konsequente Umsetzung des Digital Threads mithilfe leistungsfähiger Integrationsmodelle
• Nutzung der Cloud – auch in hybriden Bereitstellungsmodellen möglich

Gerade die Mitarbeiterqualifizierung spielt eine große Rolle. Technologie liefert nur die Werkzeuge für eine digitale Transformation. Ob sie erfolgreich ist, hängt von der Kompetenz der Menschen ab. Die Phase der Pilotprojekte neigt sich dem Ende zu. Als Nächstes werden Use Cases skaliert und PLM, KI und Automatisierung in den industriellen Alltag integriert.