In der Fertigung entscheidet die Datenlage, nicht das Modell.
Nexovo prüft mit österreichischen Produktionsbetrieben, welche KI-Anwendung auf der vorhandenen Datengrundlage heute tatsächlich funktioniert — und welche erst dann, wenn Maschinendaten, Anbindung und Prozessdisziplin sie tragen.
Für Fertigungsbetriebe, die vor dem Pilotprojekt wissen wollen, ob die Voraussetzungen überhaupt gegeben sind.
Warum die meisten KI-Piloten in der Fertigung scheitern
Predictive Maintenance ist seit Jahren das meistgenannte KI-Versprechen der Industrie — und zugleich das am häufigsten gescheiterte. Der Grund ist selten das Verfahren. Er liegt fast immer darin, dass die Datengrundlage die Aufgabe nicht hergibt: Ein Modell, das Ausfälle vorhersagen soll, braucht dokumentierte Ausfälle. Wer seine Instandhaltung gut im Griff hat und selten ungeplant stillsteht, hat genau deshalb zu wenig Beispiele.
Dazu kommt eine gewachsene Systemlandschaft: Maschinen unterschiedlicher Baujahre, Steuerungen verschiedener Hersteller, ein ERP, das die Auftragsseite kennt, aber nicht die Maschinenseite — und Erfahrungswissen, das bei einzelnen Personen liegt. Die Fragen, die vor jedem Pilotprojekt zu beantworten sind:
- Welche Maschinen liefern heute überhaupt Daten — und in welcher Auflösung und Historie?
- Sind Stillstände, Störungen und Ausschuss so dokumentiert, dass sich daraus etwas ableiten lässt?
- Wo entstehen die tatsächlichen Kosten: ungeplanter Stillstand, Ausschuss, Rüstzeit oder Nacharbeit?
- Welche Systeme müssten verbunden werden — und wer verantwortet die Schnittstelle im Betrieb?
- Welche Anwendung ist nach EU AI Act unkritisch, welche berührt Anhang I?
Die Bestandsaufnahme klärt das an Ihrer Anlage, bevor ein Pilot aufgesetzt wird.
Typische Engpässe in der Fertigung
Maschinenpark unterschiedlicher Generationen
Neben einer Anlage mit moderner Steuerung und OPC-UA-Schnittstelle steht eine, die seit zwanzig Jahren zuverlässig läuft und nichts nach außen gibt. Die Datenverfügbarkeit ist damit nicht eine Eigenschaft des Betriebs, sondern jeder einzelnen Maschine.
Störungen werden gelöst, aber nicht erfasst
In vielen Betrieben wird eine Störung behoben und der Betrieb läuft weiter — ohne strukturierte Erfassung von Ursache, Dauer und Maßnahme. Damit fehlt genau die Größe, die ein Prognosemodell lernen müsste.
ERP kennt den Auftrag, nicht die Maschine
Auftragsdaten und Maschinendaten liegen in getrennten Welten. Fragen wie „welcher Auftrag lief auf welcher Maschine, als der Ausschuss anstieg" lassen sich deshalb oft nicht ohne manuelle Rekonstruktion beantworten.
Erfahrungswissen ist nicht dokumentiert
Erfahrene Mitarbeitende hören, wann eine Maschine anders läuft. Dieses Wissen ist wertvoll, aber personengebunden — und geht mit dem Ruhestand verloren, wenn es nicht vorher strukturiert erfasst wird.
Was Nexovo für Produktionsbetriebe leistet
Wir bewerten nicht das theoretische Potenzial von KI in der Fertigung, sondern die konkrete Frage: Trägt Ihre heutige Datenlage die Anwendung, über die Sie nachdenken — und wenn nein, was fehlt genau?
Maschinendaten-Inventur
Wir erfassen je Anlage, welche Signale verfügbar sind, in welcher Abtastrate, wie weit die Historie zurückreicht und wo sie gespeichert wird.
Machbarkeitsbewertung je Anwendungsfall
Für jeden diskutierten Anwendungsfall bewerten wir, ob die Datengrundlage ihn heute trägt, mit vertretbarem Aufwand tragen könnte oder auf absehbare Zeit nicht.
Kostenstellen-Zuordnung
Wir ordnen die diskutierten Anwendungen den tatsächlichen Kostentreibern zu — Stillstand, Ausschuss, Nacharbeit, Rüstzeit — statt der Technologie zu folgen.
Integrations- und Netzkonzept
Wir prüfen, wie Fertigungs- und Büronetz getrennt bleiben und trotzdem ausgewertet werden kann — inklusive der Frage, welche Daten den Betrieb verlassen dürfen.
Regulatorische Einordnung
Wir ordnen die geplanten Anwendungen in die Risikoklassen des EU AI Act ein und markieren, wo eine Anwendung als Sicherheitsbauteil gelten könnte.
Wo KI in der Produktion heute realistisch trägt
Sechs Felder, geordnet nach der Datenmenge, die sie voraussetzen — von gering bis hoch.
Visuelle Qualitätskontrolle
Oberflächenfehler, Vollständigkeit, Lage und Maßhaltigkeit lassen sich mit Kamerasystemen prüfen. Der Einstieg ist vergleichsweise niederschwellig, weil Beispielbilder gezielt erzeugt werden können statt jahrelang anzufallen. Nutzen: gleichbleibende Prüfqualität, Entlastung der Sichtprüfung, frühere Fehlererkennung.
Auftragsdurchlauf-Transparenz
Zusammenführung von Auftrags- und Maschinendaten zu einer belastbaren Sicht auf Durchlaufzeiten, Engpässe und Termintreue. Kein Prognosemodell, sondern saubere Auswertung — und häufig der Schritt mit dem besten Verhältnis von Aufwand zu Wirkung. Nutzen: verlässliche Liefertermine, sichtbare Engpässe.
Bedarfs- und Absatzprognose
Auf Basis der Auftragshistorie werden Materialbedarf und Kapazitätsauslastung prognostiziert. Setzt eine mehrjährige, saubere Auftragshistorie voraus — die in den meisten Betrieben vorhanden ist. Nutzen: geringere Lagerbindung, weniger Eilbestellungen.
Anomalieerkennung an Maschinen
Statt Ausfälle vorherzusagen wird erkannt, wann eine Maschine vom gewohnten Verhalten abweicht. Braucht deutlich weniger Daten als echte Ausfallprognose und ist deshalb oft der realistische erste Schritt. Nutzen: frühere Hinweise, ohne auf dokumentierte Ausfälle angewiesen zu sein.
Predictive Maintenance
Prognose konkreter Ausfälle mit Vorlaufzeit. Setzt Sensordaten über mehrere dokumentierte Ausfallzyklen derselben Maschinenart voraus. Wo diese Historie fehlt, ist Anomalieerkennung der ehrlichere Zwischenschritt. Nutzen: planbare Instandhaltung statt ungeplantem Stillstand.
Wissenssicherung Instandhaltung
Störungshistorie, Reparaturberichte und Erfahrungswissen werden strukturiert erfasst und durchsuchbar gemacht. Zahlt doppelt: kurzfristig als Nachschlagewerk, langfristig als Datengrundlage für die Felder darüber. Nutzen: schnellere Störungsbehebung, geringere Abhängigkeit von Einzelpersonen.
EU AI Act in der Fertigung: meist unkritisch, mit einer Ausnahme
Produktion ist die Branche, in der der AI Act am ehesten tatsächlich greift — allerdings nicht dort, wo es die meisten vermuten.
Die in der Fertigung üblichen Anwendungen — Qualitätsprüfung, Prognosen, Instandhaltungsplanung, Auswertung — fallen in aller Regel in die niedrigen Risikoklassen. Für sie gelten die allgemeinen Pflichten: KI-Kompetenz der beteiligten Mitarbeitenden und der Verzicht auf verbotene Praktiken. Ein Konformitätsverfahren ist damit nicht verbunden.
Anders liegt der Fall, wenn ein KI-System als Sicherheitsbauteil in einem Produkt wirkt, das ohnehin einer Konformitätsbewertung unterliegt — etwa eine KI-gestützte Schutzabschaltung oder eine sicherheitsrelevante Freigabeentscheidung an einer Maschine. Das ist der Anhang-I-Fall, und er zieht die vollen Hochrisiko-Pflichten nach sich.
Zeitlich hat der Digital Omnibus hier Luft geschaffen: Die Pflichten für Hochrisiko-KI in regulierten Produkten nach Anhang I gelten erst ab 2. August 2028, eigenständige Hochrisiko-Systeme nach Anhang III ab 2. Dezember 2027. Bereits in Kraft sind seit 2. August 2026 die Transparenz- und Kennzeichnungspflichten nach Art. 50 — relevant vor allem dort, wo Beschäftigte oder Kunden direkt mit einem KI-System interagieren.
Wir markieren in der Bestandsaufnahme, welche Ihrer geplanten Anwendungen den Anhang-I-Fall berühren könnten. Die verbindliche rechtliche Einstufung erfolgt extern — ausführlich dazu im Beitrag zum EU AI Act.
So läuft die Zusammenarbeit ab
Vier Schritte vom Erstgespräch bis zur schriftlichen Empfehlung — ohne Eingriff in die laufende Fertigung.
- 1
Kostenloses Erstgespräch
Wir klären Fertigungsart, Losgrößen, Maschinenpark und die konkrete Frage, die Sie beantwortet haben wollen.
- 2
Datenlage und Prozess aufnehmen
Wir gehen durch die Fertigung, erfassen je Anlage die verfügbaren Signale und betrachten, wie Störungen, Ausschuss und Aufträge heute dokumentiert werden.
- 3
Machbarkeit und Priorisierung
Jeder Anwendungsfall wird gegen die tatsächliche Datenlage und den tatsächlichen Kostentreiber gehalten und regulatorisch eingeordnet.
- 4
Schriftliche Empfehlung
Sie erhalten eine Zusammenfassung mit priorisierten Schritten, der Angabe fehlender Voraussetzungen je Anwendungsfall und einer klaren Aussage, wovon wir abraten.
Was Sie am Ende in der Hand haben
- Eine Inventur, welche Anlage heute welche Daten in welcher Historie liefert.
- Je diskutiertem Anwendungsfall eine Machbarkeitsaussage mit Begründung.
- Die Zuordnung der Anwendungen zu Ihren tatsächlichen Kostentreibern.
- Ein Konzept, wie ausgewertet werden kann, ohne die Netztrennung aufzugeben.
- Eine Einordnung nach EU AI Act inklusive Markierung möglicher Anhang-I-Fälle.
- Eine priorisierte Roadmap mit ehrlicher Aussage, was auf heutiger Datenlage nicht geht.
Warum Nexovo
Datenlage zuerst
Wir beginnen bei dem, was Ihre Anlagen tatsächlich liefern — nicht bei dem, was ein Anwendungsfall bräuchte.
Herstellerunabhängig
Keine Bindung an Steuerungs-, MES- oder ERP-Anbieter. Die Empfehlung folgt Ihrer Ausgangslage.
Betriebstauglich
Netztrennung, Verfügbarkeit und Wartbarkeit sind Teil der Bewertung — nicht ein Problem für später.
Ehrlich zur Reihenfolge
Wo Anomalieerkennung der realistische Schritt ist, empfehlen wir nicht Predictive Maintenance, weil es besser klingt.
Häufige Fragen
Wir haben keine strukturierte Maschinendaten-Historie. Ist das ein Ausschlusskriterium?
Ist unsere Anwendung Hochrisiko nach dem EU AI Act?
Muss die Anlage dafür ans Internet?
Was ist mit der Forschungsprämie?
Wie lange dauert es bis zu einem belastbaren Ergebnis?
EU AI Act für KMU →
Fristen, Risikoklassen und 7-Punkte-Fahrplan — die Grundlage der regulatorischen Einordnung
Förderungen →
KMU.DIGITAL, aws Digitalisierung & KI und was sich für Fertigungsprojekte eignet
KI-Automatisierung →
Wenn nach der Bestandsaufnahme Abläufe und Systeme verbunden werden sollen
Digital-Kompass →
Die branchenübergreifende Variante: 3 Tage vor Ort, Festpreis, schriftliche Roadmap
Bevor der Pilot startet: prüfen, ob die Daten ihn tragen.
In einem kostenlosen Erstgespräch klären wir, welche Anwendung in Ihrer Fertigung auf heutiger Datengrundlage realistisch ist — und welche noch nicht.
Stand & Quellen
- Stand:
Verwendete Primärquellen:
Diese Seite nennt ihre Quellen, wurde aber noch keiner dokumentierten fachlichen Prüfung unterzogen. Die Angaben ersetzen keine Rechtsberatung im Einzelfall.