Zusammenspiel zwischen Shopfloor, ERP und KI Wie KI-Agents die Kunststoffverarbeitung neu ordnen

Anbieter zum Thema

COSMO CONSULT Gruppe

Angehrn AG - Umformtechnik

technotrans SE

FACTUREE - Der Online-Fertiger

Künstliche Intelligenz ist mehr als ein IT-Projekt – sie ist eine hoch dynamische Herausforderung für die gesamte Unternehmensstrategie. Entscheider, die heute mit einem Piloten beginnen, bestimmen morgen die Branchenstandards.

Technologieführerschaft gilt nach wie vor als wichtiger Wettbewerbsvorteil westlicher Industrienationen. Allerdings haben sich durch die Digitalisierung und vor allem durch den Siegeszug moderner KI-Technologien die Rahmenbedingungen geändert: Gemäss dem weithin als internationale Referenz anerkannten Stanford HAI AI Index hat sich der Leistungsabstand zwischen den besten US-amerikanischen und den besten chinesischen KI-Modellen von über 30 Prozentpunkten in 2025 drastisch auf aktuell knapp 3 Prozent verringert.

Für Entscheider mittelständischer Kunststoffverarbeiter bedeutet das: Die Zeit zwischen dem Erscheinen einer neuen KI-Fähigkeit und ihrer industriellen Umsetzung schrumpft von Jahren auf Monate. Die grosse Gefahr dabei ist, dass sich die Technologie schneller entwickelt, als die eigene Organisation lernen kann. Aber es gibt auch eine grosse Chance: Wer jetzt strukturiert handelt, sichert sich unmittelbar einen Vorsprung in gleich drei Dimensionen – in Qualität, Geschwindigkeit und Resilienz.

Die Technologieentscheidung ist eine Strategieentscheidung

Um es klar zu sagen: Wir reden hier nicht über Konzepte, Ideen oder Theorien. Die Marktreife maschinennaher KI-Systeme für Spritzguss und Extrusion ist längst erreicht. Engel Austria zeigte zum Beispiel auf der K 2025 die weltweit erste vollständig selbstregelnde Spritzgiesszelle – ein System, das Qualitätsziele direkt entgegennimmt und alle Prozessparameter autonom regelt.

Für Extrusion liefern Reifenhäuser und Pixargus vergleichbare Ansätze. Für Betriebe mit gemischtem Maschinenpark liefert Kistler mit «ComoNeo» bereits eine herstellerneutrale Lösung für kavitätsdruckbasierte Qualitätsvorhersage und OPC-UA-Integration an nahezu jeder Maschine. Keine Zukunftsmusik, kein Messe-Showcase: Spritzgiessfertigung wird es in Zukunft ohne abgestimmte KI-Strategie nicht mehr geben. Wer heute Neuinvestitionen plant, kommt nicht umhin, die Integrationsoffenheit der Steuerung mit derselben Priorität zu bewerten wie Schliesskraft und Zykluszeit.

Die eigentliche Revolution findet im ERP statt

Der eigentliche strategische Wandel vollzieht sich aber nicht an der Maschine, sondern auf der Ebene darüber. Genauer: im Zusammenspiel zwischen Shopfloor, ERP und KI. Dabei sollte man sich die involvierten KI-Agents nicht wie simple Chatbots vorstellen. Zwar sind sie in der Lage, Aufträge in natürlicher Sprache entgegenzunehmen, aber das ist erst der Anfang. Sie verfolgen Ziele, leiten notwendige Schritte autonom ab und protokollieren jeden Vorgang lückenlos. Eines der bekanntesten Beispiele dafür bietet mit Microsoft der weltweit grösste Software-Entwickler und zugleich einer der KI-Pioniere im Unternehmensumfeld, der den Wandel mit seiner ERP-Plattform Dynamics 365 und dem KI-Agenten Copilot vollzogen hat.

Der Procurement Agent automatisiert die Lieferantenkommunikation, gleicht sie mit Bestellungen ab und fasst Auswirkungen auf Lagerbestand, Kundenaufträge und Produktionspläne zusammen. Das technologische Framework Microsoft Fabric bildet die Datenfundament-Schicht und damit eine einheitliche Analyseplattform, die Shopfloor-Signale, ERP-Transaktionen und externe Marktdaten in einem regulierten Datenmodell («Governed Data Model») zusammenführt. Und dass es sich dabei nicht nur um ein Konzept, sondern um unternehmerische Realität handelt, beweisen aktuelle Referenzen wie William Grant & Sons: KI-gestützte Maschinenausfallvorhersage spart dem Unternehmen pro Jahr umgerechnet knapp 10 Millionen Euro – an einem einzigen Standort.

Warum (noch) 40 Prozent der Projekte scheitern

Anstatt jetzt in Hektik oder gar Panik zu verfallen, dass man etwas verpassen könnte, ist ein kühler Kopf angeraten. Die Entwicklung ist rasant, das Potenzial immens. Aber es lauern auch Gefahren auf dem Weg. Gartner erwartet nicht grundlos, dass über 40 Prozent aller laufenden Agentic-AI-Projekte bis Ende 2027 abgebrochen werden – wegen eskalierender Kosten, unklarem Geschäftswert oder unzureichender Risikokontrolle.

Drei typische Fehler

Dabei gibt es drei typische Fehler, die immer wieder gemacht werden: ein Start ohne solides Datenfundament, eine fehlende oder unzureichende Governance-Strategie und nicht zuletzt übertriebene Erwartungen. Gartner geht davon aus, dass Unternehmen in den nächsten zwei Jahren 15 Prozent aller ihrer Arbeitsentscheidungen KI-autonom treffen werden.

Das ist einerseits recht ambitioniert. Andererseits heisst das: Der Grossteil bleibt weiterhin auf menschliche Urteilskraft angewiesen. Bei den anstehenden Projekten sollte man sich also klar darüber sein, dass KI-Unterstützung keine Wunder bewirkt. Wer Agentic AI erfolgreich einführen will, sollte sich vor allem der drei Haupt-Probleme bewusst sein und sich vor dem Investment um eine ehrliche Standortbestimmung der Daten- und Prozessreife kümmern, eine klare Governance-Strategie aufsetzen – und seine Erwartungen nicht mit dem abgleichen, was möglich, sondern was realisierbar ist.

Was jetzt zu tun ist

Um ein realistisches Szenario umzusetzen, brauchen Sie keine Vision der völlig automatisierten Fabrik. Darum können Sie sich später kümmern. Zunächst genügt ein klares Problem aus dem Alltag wie zum Beispiel zu viel Ausschuss bei einem kritischen Bauteil oder schwankende Qualität bei Einsatz von PCR-Material. Dabei sollte man zuerst einen Daten-Audit initiieren: Wie liegen Prozessparameter und Qualitätsdaten vor – maschinenlesbar oder in Schichtbüchern?

Wichtig: Auch Die Qualität der Daten entscheidet, nicht nur die Menge. Danach sollte man den Piloten starten, indem man sich auf einen Use Case konzentriert wie zum Beispiel im Bereich der Werkzeugidentifikation, bei Predictive Maintenance oder im Chargenwechsel. Hier kommt es darauf an, KPIs festzulegen und vor allem nicht zu überdimensionieren. Beschränken Sie Ihr Projekt-Team zunächst auf drei bis vier Personen.

Mittelfristig sollten Sie dann auch die OPC-UA-Fähigkeit prüfen. Sie ist die technische Grundvoraussetzung für jede Shopfloor-ERP-Integration. Und parallel zum Piloten sollten Sie sich unbedingt um die Definition des Governance-Rahmens kümmern: Was macht der Agent autonom – was wird eskaliert? Das ist entscheidend, denn ohne diesen Rahmen scheitern auch technisch einwandfreie Implementierungen.

Wessen Daten trainieren die Modelle von morgen?

Ein gut durchgeplanter und sauber implementierter Pilot ist nur ein Schritt – aber er ist der wichtigste. Was an einer Zelle funktioniert, wird zum Muster für den Maschinenpark, aus Pilotprojekten werden Standards – und Standards braucht man, wenn man skalieren will.

Sicher ist: Die Technologie ist da. In einer nicht allzu fernen Zukunft läuft in der Fertigung eine Spritzgiesszelle, die um zwei Uhr morgens selbstständig auf eine neue Materialcharge umrüstet. Der Agent modifiziert Staudruck, Temperierung und Umschaltpunkt, versetzt die gefertigte Teilecharge in Quarantäne und legt der Qualitätssicherung um sieben Uhr früh einen detaillierten Bericht zur Freigabe vor – alles ohne Unterbrechungen und mit selbstlernenden Prozessen.

Das ist keine Science Fiction. Es ist der nächste Schritt auf einer Plattformarchitektur, die bereits heute verfügbar ist. Die Frage ist nicht, ob diese Technologie die Branche transformiert. Die Frage ist, wie zügig die Technologie adaptiert wird – und wessen Daten die Modelle trainieren, die den künftigen Markt definieren.

Über den Autor

Der Autor des Beitrages, Torsten Harnack, ist Branchenmanager Prozessfertigung bei Cosmo Consult und Experte für Chargenfertigung in der kunststoffverarbeitenden Industrie und für Automotive.

(ID:50865797)