Wie KI die Automatisierung in der Fertigung Schritt für Schritt verändert Von der starren Linie zur lernenden Produktionsstrasse

Anbieter zum Thema

Fanuc Switzerland GmbH

Fastems Sales Agent: Gennaro Teta (omnino technology)

Schwarz AG - Warmpresswerk

SCHMIDT Technology GmbH

Wann kommt der «ChatGPT-Moment» der Fertigung? Potenziell schon bald. Zugleich führt der Weg dorthin nicht über einen disruptiven Technologiesprung, sondern über eine schrittweise Weiterentwicklung bestehender Automatisierung.

Schlagzeilen von «intelligenter Robotik» und «agentischer KI» in der Fertigung vermitteln derzeit zuweilen den Eindruck, als stünde die autonome Fabrik schon an jeder Ecke. Wer jedoch in reale Produktionsumgebungen blickt, sieht ein differenzierteres Bild: Viele Linien sind hochautomatisiert, laufen zuverlässig und wirtschaftlich, aber sind in der Regel noch überwiegend von Hand geplant, programmiert und überwacht.

Das hat zur Folge, dass Spezialwissen, Zeit und Verfügbarkeit von Fachkräften darüber entscheiden, wie schnell sich Anlagen einrichten, umstellen und optimieren lassen. KI hat das Potenzial, diese Arbeit zu beschleunigen, zu vereinfachen und skalierbar zu machen – vorausgesetzt, sie wird so eingesetzt, dass industrielle Sicherheit und Zuverlässigkeit nicht auf der Strecke bleiben.

Der Weg zur «lernenden Produktionsstrasse» besteht daher weniger in einem disruptiven Technologiesprung, sondern als Entwicklung in Stufen: mit klar abgegrenzten KI-Funktionen, die dort ansetzen, wo sie messbaren Mehrwert liefern und sich in bestehende Automatisierungssysteme integrieren lassen.

Automatisierung heute: hochentwickelt, aber noch menschlich geprägt

In vielen Fertigungsunternehmen ist Automatisierung heute längst gelebter Standard. Roboter übernehmen Handling-, Montage- oder Palettieraufgaben, Maschinen sind vernetzt, Prozesse stabil und effizient ausgelegt. Dennoch liegt ein entscheidender Teil der Wertschöpfung weiterhin in menschlicher Hand: die Auslegung der Anlagen, die Programmierung von Bewegungsabläufen, die Parametrierung von Prozessen und die Definition von Qualitätskriterien.

Gerade diese Tätigkeiten erfordern hochspezialisiertes Know-how. SPS-Programmierer, Robotik-Experten, Vision-Spezialisten oder Qualitätssicherungsexperten sind heute schon knapp. Und sie werden es angesichts steigender Automatisierungsanforderungen weiter bleiben. Der Engpass moderner Fertigung liegt damit weniger in der Verfügbarkeit von Hardware als in Wissen, Zeit und personellen Ressourcen, um diese Hardware optimal einzusetzen.

Automatisierung ist also weit entwickelt, aber sie skaliert nur begrenzt. Jede neue Variante, jede Umstellung, jede Optimierung bedeutet zusätzlichen Engineering-Aufwand. Genau an diesem Punkt wird KI für die Fertigung relevant: nicht als Ersatz bestehender Automatisierung, sondern als Ergänzung dort, wo menschliches Expertenwissen bislang der begrenzende Faktor ist.

Was KI in der Automatisierung wirklich verändert

Klassische Automatisierung folgt deterministischen Regeln: Ein Roboter oder eine Maschine führt exakt das aus, was zuvor programmiert wurde – reproduzierbar, vorhersehbar und zuverlässig. Dieses Prinzip bildet seit Jahrzehnten das Fundament industrieller Automatisierung.

KI ergänzt dies um eine neue, kognitive (also wahrnehmende, denkende, erkennende) Dimension. Statt ausschliesslich definierte Abläufe abzuarbeiten, treffen KI-Systeme Entscheidungen auf Basis von Wahrscheinlichkeiten, Sensordaten und Mustern. Sie reagieren auf Abweichungen, interpretieren visuelle Informationen oder passen Parameter dynamisch an. Damit bringen sie kognitive Fähigkeiten in automatisierte Prozesse, die bislang nur durch menschliche Erfahrung und Kontrolle umsetzbar waren.

Diese Erweiterung erhöht zwangsläufig die Komplexität. Entscheidungen sind nicht mehr in jedem Detail vorab festgelegt, sondern entstehen innerhalb definierter Rahmenbedingungen. Gleichzeitig entsteht genau daraus der Mehrwert: Programmierung, Parametrierung und Qualitätssicherung lassen sich stärker automatisieren und entkoppeln sich zunehmend von der permanenten Verfügbarkeit von Fachkräften.

Der Weg zur lernenden Produktionsstrasse

Der Einsatz von KI in der Fertigung sollte dabei nicht als radikaler Technologiesprung gedacht oder angegangen werden. Intelligente Fertigung entsteht nicht dadurch, dass etablierte Anlagen durch KI-zentrierte Gesamtsysteme ersetzt werden. Sie wächst schrittweise aus der vorhandenen Automatisierungslandschaft heraus: aus deterministischen Steuerungen, stabilen Prozessen und industriell bewährter Technik.

Konkret bedeutet das, dass bestehende Automatisierungslösungen gezielt um zusätzliche Fähigkeiten erweitert werden. KI übernimmt klar umrissene Aufgaben, etwa das Interpretieren von Sensordaten, das Erkennen von Abweichungen, das Unterstützen bei der Parametrierung oder das flexible Bewerten von Qualitätsmerkmalen. Die grundlegende Prozesslogik bleibt dabei bewusst deterministisch. Die Entscheidungsfreiheit intelligenter Systeme wächst nicht sprunghaft, sondern kontrolliert, anwendungsbezogen und innerhalb definierter Grenzen.

Gerade diese kontrollierte Erweiterung ist entscheidend, um KI industrietauglich einzusetzen. Denn mit ihren kognitiven und dadurch probabilistischen statt deterministischen Funktionen werden intelligente Systeme nur dann industriell nutzbar, wenn ihr Einsatz klar begrenzt ist: mit definierten Freiheitsgraden, überwachten Entscheidungsräumen sowie eindeutigen Abschalt- und Rückfallmechanismen. Sicherheitsrelevante Funktionen bleiben deterministisch. KI ergänzt sie dort, wo zusätzliche Flexibilität oder Effizienz echten Mehrwert schafft.

Modularität, offene Schnittstellen und Integrationsfähigkeit als Schlüssel

Der Schlüssel für diesen Ansatz liegt in modularer Automatisierung. Modulare Systeme, offene Schnittstellen und hohe Integrationsfähigkeit ermöglichen es, KI als Baustein zu denken, nicht als alles dominierende Instanz. So lassen sich intelligente Funktionen genau dort integrieren, wo sie sinnvoll sind, ohne bestehende Prozesse infrage zu stellen. Unternehmen können Anlagen weiter nutzen, gezielt aufrüsten, Erfahrungen sammeln und Risiken begrenzen.

Der Vorteil dieses evolutionären, modularen Ansatzes liegt in seiner Pragmatik: Er macht Fortschritt beherrschbar, wirtschaftlich sinnvoll und technologisch offen. So verwandelt er die Vision der lernenden Produktionsstrasse in einen realistisch gangbaren Weg.

Philipp Dreiss: «Unser Ziel ist es, den Kunden zur Selbsthilfe zu befähigen.»

Philipp Dreiss, neuer Head of Technics bei Fanuc Deutschland, über Befähigung statt Abhängigkeit – und warum KI jetzt kein Thema mehr zum Aussitzen ist.

Herr Dreiss, was macht eigentlich ein Head of Technics bei Fanuc?

Philipp Dreiss: (lacht) Das ist tatsächlich eine der häufigsten Fragen unserer Kunden. Viele denken: Die Produkte kommen doch aus Japan – was macht dann die Technik in Deutschland?

Ganz einfach: Wir sorgen dafür, dass aus einem starken Produkt eine funktionierende Lösung wird. Der Roboter kommt mit einer Basissoftware, aber der Kunde will schweissen, palettieren oder seine Maschine intelligent be- und entladen. Genau da kommen wir ins Spiel. Wir beraten, erweitern, integrieren. Vor allem softwareseitig.

Unser Ziel ist es aber vor allem, den Kunden zur Selbsthilfe zu befähigen. Darin liegt für mich der Kern moderner Partnerschaften. Im Idealfall brauchen die Kunden uns nach dem Projekt nicht mehr für jede kleine Anpassung. Wir zeigen ihnen, wie sie skalieren können – bei Hardware und auch Software.

Welche Themen treiben die Industrie gerade besonders um?

Ph. Dreiss: Cybersecurity ist ein grosses Thema. Mit dem Cyber Resilience Act steigen die Anforderungen deutlich. Eine Maschine kann man heute nicht mehr einfach ans Netzwerk hängen und hoffen, dass schon nichts passiert. Betreiber und Hersteller sind gleichermassen in der Verantwortung. Und das ist kein theoretisches Thema. Wir beraten unsere Kunden gerade intensiv, was sie technisch und prozessual konkret tun müssen, um sich etwa vor Angriffen zu schützen.

Das zweite grosse Thema ist Flexibilität. Viele Unternehmen kommen aus einer Welt mit hohen Stückzahlen. Jetzt geht es um kleinere Lose, mehr Varianten, schnellere Umrüstungen. Das bedeutet: mehr Software, mehr Schnittstellen, mehr Architekturdenken.

Und dann ist da natürlich KI.

Wo stehen wir beim Thema Künstliche Intelligenz?

Ph. Dreiss: Bei Industrie 4.0 konnte man vielleicht noch abwarten. Bei KI geht das nicht mehr. Sie wird kommen – ist oft schon da – und sie wird industrielle Prozesse verändern. Roboter intelligenter machen, Maschinen adaptiver, Daten besser nutzbar. Das ist keine Spielerei, sondern strategisch relevant.

Gleichzeitig merken wir: Für gute KI-Anwendungen braucht man Daten. Und diese Bestände wurden in der Vergangenheit nicht immer konsequent aufgebaut und gepflegt. Jetzt gilt es, pragmatisch anzusetzen und bestehende Systeme sinnvoll weiterzuentwickeln. Wir wollen KI nicht als Buzzword verkaufen, sondern dort einsetzen, wo sie echten Mehrwert bringt.

Was dürfen Kunden konkret von Ihnen erwarten?

Ph. Dreiss: Transparenz und technische Tiefe. Wir sagen klar, was möglich ist – und wo Grenzen liegen. Dann analysieren wir strukturiert die Anforderungen und entwickeln gemeinsam die passende Lösung. Manchmal ist es eine gezielte Anpassung, manchmal ein grösseres Softwarekonzept. Entscheidend ist immer: Der Kunde soll wettbewerbsfähig bleiben. Und dafür müssen wir alle gemeinsam schneller werden. Dafür will ich in meiner Rolle bei Fanuc künftig stehen.

Philipp Dreiss promovierte im Maschinenbau am Fraunhofer-Institut mit dem Schwerpunkt auf softwarebasierten Produktionssystemen. Anschliessend war er für die Fraunhofer-Gesellschaft in Brüssel tätig, wo er europäische Forschungsprogramme aufbaute und betreute. Weitere berufliche Stationen führten ihn zu Bosch, wo er Condition-Monitoring-Lösungen entwickelte, sowie zu einem von ihm mitgegründeten Industrie-4.0-Softwareunternehmen für Produktionsplanung und -steuerung.

Danach leitete Dreiss bei Trumpf den Softwarebereich für Werkzeugmaschinen. Als Senior Vice President Software bei Kuka vertiefte er seine Expertise an der Schnittstelle von Maschinenbau, Automatisierung und industrieller Software. Seit 2026 ist Philipp Dreiss Head of Technics bei Fanuc Deutschland.

Die Rolle von Fanuc: robuste Basis für intelligente Erweiterung

Genau hier setzt das Selbstverständnis von Fanuc an. Als Anbieter eines breiten, industriell bewährten Produkt- und Lösungsportfolios in der Robotik und Automatisierungstechnik liegt der Fokus auf stabilen technologischen Grundlagen. Robuste Hardware, deterministische Steuerung, hohe Verfügbarkeit und lange Lebenszyklen bilden die Basis, auf der sich neue Funktionen sicher aufsetzen lassen.

Modulare Systemarchitekturen und offene Schnittstellen schaffen dabei die Voraussetzungen, um KI anwendungsbezogen zu integrieren – unabhängig davon, ob es um Bildverarbeitung, Assistenzfunktionen im Engineering oder adaptive Prozessoptimierung geht. Entscheidend ist, dass diese Erweiterungen nicht isoliert stehen, sondern sich nahtlos in bestehende Automatisierungslandschaften einfügen.

Hinzu kommt die Fanuc-eigene Fertigung als reales Lernfeld. Neue Technologien werden nicht nur theoretisch bewertet, sondern im eigenen industriellen Umfeld erprobt – mit all den Anforderungen an Stabilität, Sicherheit und Wirtschaftlichkeit, die dort gelten. Ergänzt wird dieser Ansatz durch ein breites Ökosystem aus Systemintegratoren, Technologiepartnern und Startups.

So entsteht ein Umfeld, in dem intelligente Automatisierung nicht als abstraktes Zukunftsversprechen, sondern als praxisnahe Weiterentwicklung bestehender Lösungen verstanden wird.

Intelligente Fertigung entsteht Schritt für Schritt

KI hat das Potenzial, die Automatisierung in der Fertigung nachhaltig zu verändern. Nicht durch einen radikalen Umbruch, sondern durch eine konsequente Weiterentwicklung bestehender Systeme. Dort, wo KI klar abgegrenzt eingesetzt wird, erweitert sie die Möglichkeiten robuster Automatisierung, ohne deren bewährte Prinzipien infrage zu stellen.

Entscheidend ist dabei das Zusammenspiel: deterministische Steuerung als stabile Basis, modulare Architekturen als Enabler und anwendungsbezogene KI-Funktionen als gezielte Erweiterung. So entstehen lernende Produktionsstrukturen, die flexibel auf neue Anforderungen reagieren können und zugleich industriellen Massstäben in Sicherheit und Verfügbarkeit gerecht werden.

So kann der Weg zur intelligenten Fertigung im Hier und Jetzt beginnen. In realen Projekten, mit klaren Entscheidungen und einem realistischen Blick auf das Machbare: Nicht alles ist heute möglich. Aber deutlich mehr, als mancher meint.

(neu)

(ID:50961000)