Struktur schlägt Hype: Der wahre Erfolgsfaktor für KI im Maschinenbau

00:00:03: Künstliche Intelligenz veränderte gerade ganze Branchen, Geschäftsmodelle, Arbeitsweisen und Wertschöpfungsketten.

00:00:18: Auch im Maschinen- und Anlagenbau ist KI längst angekommen – doch wo steht die Branche wirklich?

00:00:24: Mein Name ist Stephanie Schubert, Referentin für Marketing und Kommunikation beim VDMA Software- und Digitalisierung.

00:00:33: Und ich freue mich sehr meine Gäste heute begrüßen zu dürfen zwei Experten die das Thema aus unterschiedlichen Perspektiven betrachten.

00:00:41: Christoph Haas Geschäftsführer der Porcel Digital GmbH und damit verantwortlich für den Digital Geschäftsbereich der Porcell Gruppe mit über zweihundert mittelständischen Industrieunternehmen Und Udo Gouill, Managing Director Central Europe by The MathWorks mit langjähriger Erfahrung in modellbasierter Entwicklung und industrieller KI.

00:01:05: Gemeinsam werfen wir einen Blick auf den Einsatz von KI im Maschinenbau – Auf technologische Entwicklungen, organisatorische Voraussetzungen und die Frage wie Unternehmen jetzt die richtigen Weichen stellen können.

00:01:19: Schön dass Sie dabei sind!

00:01:21: Zwei Tausend vierundzwanzig hat Generative AI einen riesen KI-Hype losgetreten.

00:01:28: Seit zwanzig fünfundzwantig heißt es jetzt, Unternehmen müssen liefern.

00:01:33: Wo steht der Maschinenbau aktuell?

00:01:35: Ja Stephanie vielen Dank für die Frage!

00:01:38: Wir bei MassWorks sehen sehr klar den Übergang vom KI Hype zur industriellen Realität.

00:01:45: Ab sofort geht das nicht mehr nur um Experimente sondern um die Frage, wie sich die KI zuverlässig und skalierbar in Entwicklung und Produktion einsetzen lässt.

00:01:56: Und gerade der Maschinenbau hat hier natürlich einen Vorteil – diese Branche denkt traditionell in Systemen, Prozessen und langfristig stabilen technischen Lösungen.

00:02:07: Nicht Geschwindigkeit entscheidet, sondern eine strukturierte Ingenieurkultur.

00:02:12: Genau darin liegt eine große Stärke des deutschen Maschienenbaus, die jetzt wieder zur Anwendung kommt!

00:02:17: Das heißt, wenn ich dich richtig verstehe dann ist KI Maschinenbau auf jeden Fall kein Sprint mehr sondern ein strukturiertes Aufbauprojekt.

00:02:25: Heißt das wir waren vielleicht sogar im Vorteil weil wir nicht sofort los gerannt sind?

00:02:31: Ja einen Stück weit schon!

00:02:32: Wenn man also jedem Rund auf der Straße hinterher rennt das führt natürlich nicht zum Ziel.

00:02:38: nur gleichzeitig ist es jetzt tatsächlich an der Zeit dass wir die Gelegenheiten wahrnehmen und versuchen umzusetzen, was sich über einige Jahre erst mal stabil entwickeln musste.

00:02:52: Und genau hier kommt eigentlich die klassischen Engineering-Disziplinen wieder ins Spiel.

00:02:57: Modelle, Simulation, Validierung – das sind die Stärken im deutschen Maschinenbau.

00:03:02: und wenn sie jetzt zur Anwendung kommen dann kann der Maschinenbau Kapital schlagen aus dieser Innovation künstliche Intelligenz.

00:03:10: Die Methodik sorgt natürlich in dem Zusammenhang dafür dass KI nicht nur experimentell eingesetzt wird, sondern zuverlässig in industrielle Systeme integriert werden kann.

00:03:20: Insofern haben wir wirklich jetzt gute Voraussetzungen, KI jetzt gesergezielt einzusetzen und zu

00:03:27: industrialisieren.".

00:03:28: Wir beim VdMA beschäftigen uns mit dem Thema künstliche Intelligenz tatsächlich auch schon seit zehn Jahren – also seit Jahrzehnten damals mit einer Zukunftsstudie.

00:03:38: Das zeigt auf jeden Fall für den Maschinen- und Anlagenbau ist KI kein ganz neues Thema.

00:03:43: Damals waren es noch einige wenige Vordenkerunternehmen, heute sehen wir ganz deutlich mehr Anwender in der Branche.

00:03:51: Unsere VDMA Umfrage aus dem vergangenen Jahr zeigt auch klar, KI ist im Maschenbau angekommen!

00:03:57: Über achtzig Prozent der Unternehmen sehen für KI eine mittlere, ja sogar hohe Relevanz für ihr Geschäft.

00:04:04: Besonders in Bereichen wie Softwareentwicklung natürlich Marketing und Kommunikation aber auch Vertrieb Kundendienst oder im Qualitätsmanagement.

00:04:14: Gleichzeitig hören wir in unseren VDMA-Veranstaltungen viele konkrete Beispiele aus der Praxis, vor allem Zeit und Kosteneinsparungen in der technischen Dokumentation aber auch im Einkauf oder im Service.

00:04:28: Jetzt muss man auch ganz klar sagen vieles befindet sich noch in Pilotphasen.

00:04:33: die Unternehmen probieren noch aus sammeln Erfahrungen.

00:04:38: Der Maschinenbau ist also nicht mehr ganz im Experimentiermodus, würden wir sagen.

00:04:43: Aber der Lernprozess läuft definitiv noch.

00:04:45: Christoph du arbeitest intensiv mit den Mittelständlern.

00:04:49: wo siehst Du denn aktuell die größten kulturellen aber auch organisatorischen Hürden?

00:04:53: Ja der Mittelstand würde ich Udo auch recht geben.

00:04:57: Ist noch nicht abgehängt.

00:04:58: da ist noch was passiert.

00:04:59: noch etwas sind noch dran.

00:05:00: Ich glaube aber was gerade passiert ist dass die Lücke immer größer wird zwischen denen voran laufen, die die KI-Anwendung sei es Vibecoding oder auch andere Themen wirklich schon aktiv einsetzen.

00:05:11: Und das macht mir schon Sorge weil die Geschwindigkeit ist wahnsinnig hoch, die wir haben.

00:05:17: Wir sprechen immer von diesem ChatGPT Moment wo sich alles verändert hat.

00:05:20: ich glaube die letzten drei Monate waren noch viel krasser wenn man das so sagen kann, weil da so eine Geschwindigkeiten aufgekommen ist bei den Themen und ich glaube dass ist ganz wichtig, dass man diese Lücke geschlossen wird und da wird sich nachher auch die Streu vom Weizen trennen.

00:05:34: Jetzt nochmal ein bisschen stärker auf deine Frage bezogen.

00:05:36: Wer ist ja von organisatorisch und kulturell gesprochen?

00:05:39: Ich glaube, einerseits sind wir noch häufig in diesem MVP-Modus drin im Testen noch nicht in der Umsetzung.

00:05:45: Das liegt auch daran dass wir organisatorisches noch nicht sauber aufgegangen haben wie wir mit KI in den Unternehmen umgehen.

00:05:50: Es ist aus meiner Sicht nicht richtig das es in der IT beispielsweise organisiert sondern... Da ist es wichtig, dass die IT mitarbeitet.

00:05:57: Das ist als Partner gesehen.

00:05:58: und aber da wir müssen in den überall in Abteilung uns mit KI und Anwendungen geschäftigen also es muss aus dem Business getrieben werden weil das Business Interesse hat, das besser zu machen.

00:06:08: Auf Kultirolethemen eingehen ist glaube ich ganz entscheidend, dass Geschäftsleitung, Geschäftsführung von ganz oben vorliebt.

00:06:18: Und da muss man auch reinsuben und sagen was heißt jetzt Vorleben?

00:06:21: Darüber sprechen oder selber anwenden?

00:06:23: Und ich glaube, die Geschäftsführungen, die es auch selber bei sich ausprobieren.

00:06:27: Also die Sachen selber nutzen!

00:06:29: Die sind ganz andere Multiplikatoren in der Nebenreihe, die einfach nur, ich sag mal viel YouTube gucken und Vorträge hören und sagen wir müssen das jetzt auch machen.

00:06:36: Das heißt wenn man's von oben reinbringt indem ich selber ausprobiert habe, indem ich selbst einmal durch das Teil der Tränen durchgegangen bin, mal was gepromptet hab, mal etwas automatisiert hab dann habe ich im Unternehmen halt viel mehr Akzeptanz und ich glaub' dann kann ich die Leute viel mehr mitnehmen und dann auch kulturell das vorantreiben.

00:06:51: Und das ist, glaube ich ganz entscheidend mit diesem Hands-on Mentalität in die Umsetzung zu kommen.

00:06:58: Das heißt dass C Level muss KI selbst nutzen sonst wird es nicht so richtig ernst genommen im Unternehmen?

00:07:05: Was ist denn das größte Missverständnis, dass Geschäftsführer beim Thema KI haben?

00:07:09: Ich glaub KI ist nicht einfach nur eine Technologie und eine Anwendung sondern verändert einfach alles in einem Unternehmen wenn man das sauber einsetzt jeden Unternehmensbereich.

00:07:19: Es gibt da für mich so zwei Arten, wo man vielleicht mal von Missverständnis sprechen kann.

00:07:24: Das eine Aspekt ist ich erlebe immer wieder Geschäftsführung die sagen gut wenn man jetzt KI hat und das nutzt dann brauche ich ja so und so viele Leute vielleicht nicht und du brauchst jetzt doch nicht die und die Ressourcen weil es macht doch jetzt dein Agent, das höre ich jeden Tag.

00:07:37: So einfach ist es dann auch nicht dass einfach nur der Agent alles tut.

00:07:40: das heißt diese Perspektive haben wir machen's dann dazu einfach.

00:07:44: Und auf der anderen Seite die die zu vorsichtig sind und den Leuten nicht dieses Trail-Fail machen, dieses schnell Ausprobieren an die Hand geben.

00:07:53: Die sind einfach zu langsam.

00:07:55: Das ist ein anderes Aspekt.

00:07:57: Man muss auch Scheitern zulassen bei KI-Putzprojekten weil es passiert halt einfach... ich gebe jetzt mal Betrag X aus weil ich was umsetzen will und in drei Monaten hat vielleicht eine Standardsoftware dieses KI Feature bei mir drinne.

00:08:11: Das ist halt so, es ist blöd.

00:08:13: man hat investiert.

00:08:14: Aber das wird immer wieder passieren wenn man vorher schon Angst davor hat dass nicht zu machen weil man vielleicht nicht investieren will.

00:08:19: und das sehe ich bei vielen Geschäftsführungen an der anderen Seite des der Ebene dass die das eben nicht tun.

00:08:24: also zusammenfassend ihr einen die glauben alles geht und es braucht gar keine leute mehr als easy und auf der anderen seite habe ich die sich die zuschalte sie sich nicht trauen zu investieren und voranzugehen und ich glaube irgendwo ist der weg dazwischen vielleicht richtig.

00:08:38: Oder siehst du das ähnlich?

00:08:39: Hast du auch so Erfahrungen?

00:08:41: Ja, die KI-Gespräche gehen natürlich über alle Felder.

00:08:48: Über alle Abteilung in vielen wenn nicht allen Firmen und ich gebe der Recht Christoph dass die richtige Resultierende, dass es in eine strukturierte Richtung geht und sich auch alle Ebenen und alle Abteilungen damit systematisch auseinandersetzen, da ist vielleicht noch Arbeit zu machen.

00:09:10: Das ist auch der Grund warum wir versuchen die Sache ein bisschen mehr demystifizieren – das ist sein schwieriges Wort!

00:09:22: Und aus dem Schwierigen vielleicht etwas fassbares zu machen so dass auch die Geschäftsleitungen und einzelne Abteilungsleite sich damit strukturierte Auseinander setzen können.

00:09:31: Liebe Hörerinnen, liebe Hörere.

00:09:33: jetzt haben wir viel Überhaltung und Organisation gesprochen.

00:09:36: Aber technologisch passiert ja ebenfalls enorm viel.

00:09:39: oder welche KI steht aktuell gerade im Fokus in den Unternehmen?

00:09:43: Du sprichst davon so einem Dreivellenmodell.

00:09:46: kannst du uns da mal durchführen?

00:09:47: Ja drei Wellen ist das was ich eben gesagt habe um es ein bisschen greifbar zu machen um die Komplexität von einem hochgradig komplexen technischen Prozess greif barzumachen und umsetzbar zu.

00:10:01: Die erste Welle, wo wir damit mal anfangen ist etwas was heute häufig das hast du eben im Eingang gesagt auch produktiv schon in Maschinenbau zu sehen ist.

00:10:10: Das ist klassische datengetriebene KI zur Optimierung von Prozessen und von Anlagen.

00:10:17: Typische Beispiele sind hier.

00:10:18: jetzt kommen wieder ein paar Agenluzismen Predictive Maintenance Advanced Process Control oder Reinforcement Learning für die Regelungen bei den Maschinenbauern.

00:10:29: Das sind Dinge, die funktionieren heute schon sehr gut.

00:10:32: Das ist ja schon mal eine gute Basis würde ich sagen wo der Maschienenbau da bereits produktiv ist.

00:10:38: was passiert jetzt wenn wir auf die zweite Welle schauen?

00:10:40: Was ändert sich da konkret?

00:10:42: Welle zwei ist das worüber gerade sehr viel gesprochen wird in den verschiedensten Farben und Neurschen.

00:10:49: Generative AI und Co-Piloten, das hatten wir eben auch schon mal.

00:10:53: Und ich fokussiere mich jetzt mal auf Co- Piloten im Engineering weil das ist ja das was in deutschen Maschinenbau unsere Stärke ist Engineering.

00:11:01: Diese Systeme von Generative Ai und Co Piloten unterstützen die Ingenieure zum Beispiel bei dem eben besprochenen Modellaufbau Bei der Code Generierung, bei Tests oder bei der Dokumentation.

00:11:15: Dabei arbeitet die Generative AI mit Wahrscheinlichkeiten und macht zunächst Vorschläge.

00:11:22: Und danach werden diese Vorschläschlägen in strukturierte Engineering-Prozesse eingebettelt, damit es reproduzierbar und handelbar

00:11:31: wird.".

00:11:32: Okay das heißt wenn KI Vorschlage machten müssen sie ein strukturiertes Modell integriert weiden weil sonst gibt's Chaos.

00:11:39: Genau, so kann man das ausdrücken.

00:11:41: Damit daraus ein belastbares Ergebnis wird müssen diese Vorschläge in strukturierte Entwicklungsprozesse eingebettet werden.

00:11:48: KI beschleunigt und modellbasierte Entwicklung sorgt dann für die Verlässlichkeit.

00:11:53: Gerade im Maschinenbau wo Systeme über viele Jahre stabil laufen müssen ist genau diese Kombination wirklich entscheidend.

00:12:00: Das klingt jetzt schon nach einem Paradigmenwechsel, aber Hand aufs Herz.

00:12:04: Also muss ein Unternehmen jetzt erst Welle eins und zwei wirklich beherrschen bevor es sich an Welle drei wagt?

00:12:11: Oder kann man auch da einsteigen wo man halt gerade steht?

00:12:14: Ja das bietet sich so ein bisschen an wo sich A und B erst perfekt beherrschten bevor ich C sagen darf.

00:12:19: Das ist eine sehr gute Frage natürlich nicht.

00:12:21: Unternehmen müssen nicht warten bis sie jede Welle vollständig beherren.

00:12:25: Das wäre systematischer Overkillen.

00:12:29: Wichtig ist eher, dass man dort anfängt wo der größte Nutzen liegt.

00:12:33: Viele Unternehmen starten heute mit konkreten Use Cases aus der ersten Welle zum Beispiel Predictive Maintenance und Prozessoptimierung.

00:12:41: Parallel dazu entstehen gerade Co-Piloten im Engineering wie eben erwähnt die den Entwicklern beim Modellaufbau, beim Tests oder beim Code unterstützen.

00:12:49: Und ich glaube tatsächlich das es ein sehr wichtiges Element ist Unternehmen mit einem starken Engineering anfangen sollte solche Kopiloten jetzt systematisch aufzubauen, weil sie die Produktivität der Teams massiv erhöhen können.

00:13:04: Die dritte Welle also Agentec AI wovon jetzt viele wirklich reden baut dann darauf auf und das ist ganz wichtig zu realisieren Denn wenn KI irgendwann eigenständiger mit engineering tools arbeiten soll braucht es gute Modelle strukturierte workflows und klare Validierungsschritte.

00:13:24: Deshalb würde ich sagen, starten kann man überall aber skalieren kann man nur mit einer guten Struktur und genau daran entscheidet sich am Ende ob die KI wirklich im Unternehmen nachhaltig ankommt.

00:13:37: Hört es sich jetzt total sinnvoll an und auch nach einem guten roten Faden Christoph, kurzer Reality Check lässt sich das im Mittelstand auch so umsetzen?

00:13:47: Ich glaube, das was Udo darstellt ist nachvollziehbar richtig und ich glaube auch an verschiedensten Ebenen machen wir das.

00:13:54: Der Mittelstand ist immer sehr pragmatisch und so meine Herangehensweise deswegen.

00:14:00: Wir denken uns nicht in den Wellen, wir machen auch sowas wie Breed of Mention schon länger.

00:14:04: Könnte man sagen, da haben sie früher diese Welle eins angegangen?

00:14:07: Aber was ich sehe bei uns in der Praxisponse, unsere Unternehmensgruppe aber auch heute habe mich mit jemandem gesprochen.

00:14:15: Erstmal muss man einen Plan machen, ein Bild machen.

00:14:17: Wo will ich eigentlich hin?

00:14:18: Was ist die Zielsetzung?

00:14:19: Was bringt mir KI-Daten oder so?

00:14:21: Also was ist der Use Case wie man so schön sagt und mit aus diesem Bild, aus dem Big Picture dann in die Umsetzung kommen und den Farbplan dahin.

00:14:29: Und ich glaube zwei Sachen, die für mich von Wellen sprechen aber, die wir auch gerade ganz aktiv bei uns in unserer Gruppe, bei unseren Mittelständern diskutieren, ist der Zusammenhang zwischen Daten und KI weil wenig mit KI machen häufig vor allem wenn es auch in die industrielle KI geht, wenn ich meine Daten nicht im Griff habe.

00:14:45: Und wir merken an überall dass unsere Daten nicht sauber sind und wenn unsere Daten das kann noch ein CM System nicht sauer ist dann kann ich mit KI nicht viel machen.

00:14:52: Das heißt da gibt's aus meiner Sicht eine sehr logische Zusammenhang.

00:14:56: Ich muss erstmal aufräumen, ich muss erst mal strukturieren und dann kann ich von der Kühe in die Pflicht kommen oder von der Pflicht in die Kühe kommen indem ich sage, ich gehe dann in die Umsetzung mit KI-Anwendungen.

00:15:05: das sehe ich bei uns im Mittelstand.

00:15:07: also wir sprechen weniger von diesen Wellen sondern wir sprechen eher haben wir die Datengrundlage, haben ein sauberes Datenmodell, haben einen Data Warehouse etc.

00:15:14: Und gehen dann rein in die KI-Unsetzung.

00:15:17: und ob es dann agentik ist oder nicht agentic Das kommt aus meiner Sicht am Ende wieder auf die Zielsetzung und den Use Case an.

00:15:23: Ich habe selber auch bei mir Sachen laufen, die eher eine agentische Art spielen.

00:15:28: Das ist aber die Frage, brauche ich das dafür oder brauche es nicht?

00:15:31: Das ist wie, ich glaube, die Zuhörerinnen und Zähler, die mit Modellen spielen, brauchte ich jetzt das teure Modell oder braue ich das einfache Modell, was man kennt?

00:15:38: Es kommt noch die Fragestellung an.

00:15:39: Manchmal sagt man Neudeutsch mit Kanonen auf Spatzen geschossen.

00:15:42: Und ich glaube dieses muss man sich immer wieder vor Augen halten!

00:15:45: Kai ist also kein Einzelprojekt Christoph, du sagst ja Big Picture und dann muss man schauen wer wird integriert.

00:15:52: Was heißt das somit jetzt konkret für die Führung?

00:15:55: Für die Unternehmenskultur und die gesamte Zusammenarbeit im Unternehmen?

00:15:59: Also ich glaube dass es extrem entscheidend ist, dass es jetzt Orientierung gibt in den Unternehmen und vor allen Dingen in den mittleren Führungsäben ist das glaube ich entscheidende.

00:16:08: Ich würde das mal mit einem konkreten Beispiel zeigen was wir gerade bei einem Unternehmen diskutiert haben über uns in der Gruppe Und zwar, ich glaube das haben viele Maschinenbauer und viele Anlagenunternehmen die Handbücher rausgeben an ihre Kunden.

00:16:19: Dass wie eine Maschine zusammengesetzt wird, wieder etwas benutzt wird.

00:16:23: Wenn man als Maschinbauer sehr international tätig ist dann hat man das auch in verschiedenen Sprachen.

00:16:28: Was heißt das?

00:16:29: Das heißt ich muss Handbühcher übersetzen.

00:16:31: Die werden vielleicht jedes Jahr neu gemacht weil neue Modelle heraus kommen oder kommt halt auf den Maschinnbauer an.

00:16:37: Und bei diesem Unternehmen, von dem ich spreche, die werden diese Handbücher an Übersetzungsbüros gegeben.

00:16:42: Das kostet wirklich hohe Beträge!

00:16:44: Ich war selber überrascht als sie diese Zahl gehört habe ein superklassischer KI-Case.

00:16:48: ja sich braucht zweifel gar nicht mehr dieses Übersetzung, sondern ich kann es selber versetzen mit einem guten Modell etc.. Ich glaube nachvollziehbar für Personen hier in der Runde wie wir das diskutieren.

00:16:59: jetzt geht man dieses mittlere Führungsebene rein und die finden und das fand ich wirklich beeindruckend ohne Ende Gründe, warum man das nicht mit einer KI machen kann.

00:17:08: Und da glaube ich ist dann und es ist auch in dem Fall gewesen die Geschäftsführung oder dass die Führungskraft gefragt, in dem fall hat die Fährungskrafters nicht gut moderiert.

00:17:17: Es muss die Geschäftshörungen eingreifen und er hat gesagt wir machen das jetzt einfach mal.

00:17:22: In Zweifel sind sie sich genauso gut wie dieses Besetzungsbüro.

00:17:24: nur noch ninety-fünf Prozent oder acht neunzig Prozent.

00:17:28: aber wir sparen halt wirklich wahnsinnig viel Geld.

00:17:31: Und ich glaube, das meine ich mit Führung und Zusammenarbeit mit Kultur.

00:17:34: Wir müssen es schaffen unsere Leute unserer Mannschaft diesen die entscheidenden Mitzunehmen auszuprobieren kulturell zu transformieren weil sonst werden wir nicht effizienter, sonst wären wir nicht besser wenn wir nicht mit dem Meister dran gehen überall und ich glaube Ulu hat eben schon von Ingenieurs gesprochen Das erlebe ich bei uns auch immer der Ich glaube nichts gegen Ingeniöre sagen.

00:17:52: Ich bin selber keiner aber ich glaube der Ansatz ist wir müssen alles perfekt können.

00:17:56: manchmal reicht es ein bisschen weniger Und da müssen wir glaube ich ein bisschen ausprobieren und es zulassen.

00:18:01: Das ist super entscheidend für Führung, Kultur und Zusammenarbeit.

00:18:05: Udo wie wirkt sich das denn dann auch konkret im Engineering und in der Produktion aus?

00:18:09: Also was kann ein Team morgen schon anders machen?

00:18:13: Ja, Engineering und Produktion sind ja unsere Domäne bei Mathworks.

00:18:17: Im Engineering kann tatsächlich morgen schon angefangen werden.

00:18:21: Auch hier ist wieder drei meine magische Zahl, drei Wellen, drei nächste Schritte Und es bezieht sich auf das, was der Christoph eben gesagt hat.

00:18:31: Wählen Sie ein konkretes Problem aus?

00:18:32: Schritt eins.

00:18:34: Prozessoptimierung oder predictive maintenance im Engineering.

00:18:37: Das zweite schauen sie sich die vorhandenen Maschinendaten unbedingt an.

00:18:41: Thema Data Analysis.

00:18:44: Viele Unternehmen haben enorme Datenmengen nur sind die häufig wirklich noch unstrukturiert.

00:18:50: da kämen wieder die IT rein und das ist Schritt Nummer drei bringen Sie Engineering und IT enger zusammen, sodass sie sich gegenseitig ergänzen können.

00:19:01: Dass die nicht gegeneinander spielen Und damit wird das ein starkes Paket und wenn man dann den passenden Use Case dazu identifiziert Die Schirmherrschaft aus der Geschäftsleitung dazu hängt kommt da relativ zügig ein produktives KI Projekt heraus.

00:19:18: Aber wie erkennt denn jetzt einen Unternehmen ob die eigene Datenbasis KI fähig ist oder Wann es auch dazu ein Data Scientist jetzt braucht, kann man das so beantworten?

00:19:31: Ja, man braucht auf jeden Fall Data Scientists.

00:19:35: Nur dass ja jetzt jeder neue Position die eingestellt werden sollte, ein Data Scientists sein sollte – das glaube ich ist etwas übertrieben und das ist auch eine der Ängste, die man hat in den klassischen Maschinenbauunternehmen, dass ich jetzt eine AMADA von Data Scientista brauche.

00:19:55: Der wichtigste Ausgangspunkt ist das Domainwissen der Ingenieure.

00:20:00: Das ist die Basis von den letzten Jahrzehnten im deutschen Maschinenbau, egal welche Branche unterbranche ich im Maschienenbau nehme.

00:20:08: Die verstehen die Maschine, die verstehen die Prozesse und die verstehen den Kunden.

00:20:11: Und die verstehen vom Prinzip her auch die Daten.

00:20:17: allerdings Wenn man das Wissen der Ingenieure jetzt mit den IT-Leuten verknüpft, weil die mit den Data Scientists und den Datenanalytikern die Daten strukturieren kommen.

00:20:28: Da kommt dann natürlich ein Format heraus was dann KI fähig ist.

00:20:33: also das wäre die Vorgehensweise die wir vorschlagen Engineering & IT wieder zusammenpacken beide Domänenwissen optimieren eins plus eins macht drei.

00:20:45: Vielleicht nochmal ein Gedanke von mir Wenn wir wieder den Mittelstand reingucken, ich bin ja schon froh wenn das Leute nicht nur als Hobby nebenbei machen.

00:20:53: Was mache ich damit?

00:20:54: Ich glaube dieses Domain-Thema ist ein super relevantes.

00:20:57: oder gebe ich dir recht und wir sollten auch immer wieder hinterfragen wer hat eigentlich welches Domainwissen und müssen wir eigentlich immer im Mittelstand alles selber machen?

00:21:05: oder suchen wir da uns Partner wie Euro oder andere.

00:21:08: Ich glaube es ist ganz entscheidend dass wir sagen wer hat welche Domäne, wer kann was und aus der Domänen heraus gehen wir dann in die Karrierenwendung rein.

00:21:17: Ich,

00:21:17: jetzt für unsere Mittelständler gesprochen.

00:21:19: Ich finde es immer schwierig, dass wir sagen, wir bauen uns riesen KI-Teams auf!

00:21:23: Ich glaube was für mich schon super ist wenn wir eine ein zwei Personen haben ich nenne das mal damit fangen wir jetzt bei uns auch an Nennen die jetzt mal KI-Koordinatoren Die einerseits regulatorisches Verständnis haben sie sehen was passiert da am Markt die auch die Technologie dahinter verstehen und die dann in der Situation sind so eine Art Übersetzungsfunktion einzunehmen.

00:21:41: Wir einerseits die Abteilungen mitnehmen und sagen können wir mit denen arbeiten was in Use Cases die enable Und dann auf der anderen Seite, das machen wir ja auch mit Posseel und Posseedigital Partner an der Hand zu haben.

00:21:51: Firmen in die wir investieren oder die man zusammen partnerschaftlich arbeitet, die dann wiederum um die Umsetzung können.

00:21:56: Das heißt immer auch wieder die Frage stellen wie viele Leute brauche ich selber?

00:21:59: Was ist meine Spezifikation?

00:22:01: Was hole ich mir von extern rein?

00:22:02: Ist glaube ich ganz wichtig.

00:22:04: Von daher...und ich sehe es halt zu häufig noch dass es nebenbei so als Hobby mitgemacht wird.

00:22:08: Ja er macht jetzt mal ein bisschen Daten, ein bisschen KI und am besten macht er das für den Finanzbereich.

00:22:14: Dieser Person fehlt ja das Domainwissen, also es ist super schwierig KI und Daten haben wir auch gelernt in einem Finanzumfeld zu machen, weil ich keine Bilanz verstehe sauber.

00:22:23: Genauso wie wenn ich eine Maschine sauber verstehe.

00:22:25: mit einer ASPS Steuerung ist es auch schwierig KI zu machen.

00:22:28: Das heißt Ich brauche das Domains Wissen Und dass muss sich kombinieren mit Leuten die Expertise mitbringen.

00:22:32: Ja, also wir beim VDMA unterstützen das auch und die Antwort lautet ganz klar nein es muss nicht alles alleine gemacht werden.

00:22:39: Also KI und Digitalisierung sind auch viel zu komplex um sie da im Maschinenbau komplett allein zu stemmen.

00:22:46: Innovation entsteht halt vor allem im Zusammenspiel unterschiedlicher Kompetenzen wie ihr auch schon gesagt habt.

00:22:52: deshalb bringen wir beim vdma schon seit Jahren die Maschinbauunternehmen mit den Technologieanbietern aber aus Start-ups etwa über die vdmr Startup Machine und auch mit Hochschulen- und Forschungseinrichtungen zusammen.

00:23:05: Der Maschinenbau liefert eben das Domänen- und Prozess Knowhow, die Technologiespezialisten bringen dann ihre Expertise in der Lösungsentwicklung ein.

00:23:17: Viele Unternehmen nutzen dieses Netzwerk inzwischen sehr intensiv und bauen darauf langfristige Kooperationen auf.

00:23:24: Wir haben hier im Fachverband schon einige Erfolgstories Nicht nur wichtig für die Technologie-Themen, sondern auch bei neuen Arbeitsweisen.

00:23:33: bringen Sie know how mit.

00:23:35: Dass dem Maschinenbau am Ende bei der digitalen Transformation hilft.

00:23:38: und ja Unternehmen sollten dieses Netzwerk auf jeden Fall nutzen.

00:23:43: Udo lass uns mal genauer auf die Menschen schauen wenn wir schon darüber Reden über Netzwerken, gerade die Menschen, die täglich damit arbeiten.

00:23:52: Welche Auswirkungen hat denn der KI-Einsatz auf die Arbeitsweisen in Teams und auf die Produktivität auch im Unternehmen?

00:24:00: Ja, fangen wir mit Produktivitäten an!

00:24:02: Das ist natürlich das was auch die Firmenleiter gerne hätten dass die Produktivity gesteigert wird.

00:24:13: sinnvollsten Einsätze in den ersten beiden Wellen von KI, das sehen wir natürlich.

00:24:19: KI kann wiederkehrende Aufgaben unterstützen oder automatisieren wie eben schon erwähnt Testen, Variantenstudien Dokumentation und die Zusammenarbeit der Teams endet sich insofern auch weil man verschiedene Funktionen in neue Teams kopiert nur Engineering alleine arbeiten zu lassen, nur IT alleine arbeiten.

00:24:43: Nur Verwaltung allein arbeiten zu Lassen nur Personal Abteilung alleine Arbeiten zu lassen.

00:24:48: also es werden neue Team Gruppen entstehen.

00:24:51: mit verschiedensten Funktionen sind noch neue funktionen entstehen die mit Sicherheit das arbeit der leute verändert und deshalb beobachten wir sehr sorgfältig wie wir der neuen Rollenbeschreibung auch Unterstützung zukommen lassen können.

00:25:10: Eine der größten, was wir wahrnehmen ist gerade beim klassischen Maschinenbau, der sich bisher noch nicht an dieser Hemmschwelle dran ist – das was wir hier wahrnehmen isst dass die auf der Basis bis Abteilungsleiter wirklich Angst haben, dass sie wegrationalisiert werden und in der Führung sehen Sie verstehen es nicht.

00:25:36: Da gibt es bei uns eine eigene interne Umfrage gemacht.

00:25:41: Bei unseren Kunden sind in Deutschland immer noch zweieinhalb Tausend, die haben den Arsatz voller geben.

00:25:49: und was ich finde, das hier noch reingehört ist dass wir diese Angst nehmen, dass sie wegrationalisiert werden dass KI der Helfer ist in Richtung Innovation, also die Zeit frei macht für mehr Innovation.

00:26:12: Wie siehst du das?

00:26:13: Ich würde es mal mit meinem persönlichen Beispiel darstellen.

00:26:16: Ich habe mir letzten Monaten eine eigene digitale Assistenz gebaut mit KI.

00:26:20: Jetzt rationalisiere ich meine eigene Assistenze weg?

00:26:24: Nee!

00:26:26: Für mich persönlich daran, ich brauche keine Assistenzen sondern unsere Kollegen, die sozusagen die Assistenznunktion... auf ihrem Rollensprofil hat, macht jetzt ganz andere Sachen bei uns im Team.

00:26:34: Es gibt genug zu tun bei uns dem Team.

00:26:36: und das Beispiel ich glaube das geht ja... Ich habe halt bei mir angefangen und wenn die Frage so richtig ist machen wir sind wir effizienter durch KI?

00:26:45: Und sind wir innovativer dann würde ich immer sagen Ja das sind wir!

00:26:48: Wenn wir sinnvoll das anwenden.

00:26:50: und bei mir ist halt der Hebel.

00:26:51: Ich schreibe halt wahnsinnig viele E-Mails, ich habe wahnsinnige Terminanfragen.

00:26:55: Ich muss viel steuern und strukturieren mit Tools wie PowerPoint Präsentationen machen weil ich ja nicht in den Engineering bin.

00:27:02: Das heißt, ich hab mich damit beschäftigt, wie kann ich meine eigene persönliche Produktivität heben?

00:27:07: Und hat mir quasi diese digitale Assistenz gebaut mit KI.

00:27:10: Es funktioniert mittlerweile echt gut und ich kann eine wahnsinnigen Geschwindigkeit aufnehmen.

00:27:15: Aber meine Kollegin hat jetzt nicht irgendwie Angst, dass sie keinen Job mehr hat.

00:27:18: Es gibt wie gesagt so viel zu tun.

00:27:19: und wenn wir das zeigen dann glaube ich brauchen wir keine Angst haben weil daran glaube ich noch nicht, dass wir durch KI-Jobverlust haben.

00:27:26: Ich glaube es sind andere Aufgaben die getätigt werden und eigentlich ist mein Job Sie dazu hinbekommen, dass Sie zukünftig die KI Anwendung baut in unserem Team und sich sozusagen selber überflüssig macht.

00:27:37: es jetzt ein bisschen zu hart gesagt aber Eigentlich wäre es falsch, dass ich die Sachen baue.

00:27:41: Sondern ich muss sie dazu bekommen als Mein Job, dass sie die KI-Anwendung baut um damit sich dann halt anderen wiederum hilft, sich zu automatisieren.

00:27:49: Das heißt das Rollenprofil, die Anwendungs verändert sich würde ich sagen.

00:27:54: Aber Udo, das hast du ja auch schon gesagt im Endeffekt, dass man neue Rollen bekommt und neue Zusammenstellungen sich ergeben?

00:28:00: Und das unterstreicht das an der Stelle ja...

00:28:02: Was tut es?

00:28:05: Ich glaube Gerade für den Maschinenbau ist diese Aussage sehr wichtig, dass man die Effizienz, die man durch eine KI gewinnt.

00:28:14: Dass man sie nicht einfach weg dekliniert und mit Stellenabbau zu Null mathematisiert sondern das man diese gewonnene Zeit wie Christoph du ja auch angedeutet hast für neuere Aufgaben Innovation in Jedweder Couleur macht.

00:28:30: Das Engineering für neue Produkte Innovation Funktionalitätsverbesserung, bessere Time-to-Market, niedriger Kosten und solche Fokusbereiche wo der deutsche Maschinenbau ja ein wenig unter Druck steht.

00:28:45: Wir sehen sehr stark dass nur wegrationalisiert wird und optimiert wird das nur effizient gemacht werden soll aber dass man die Zeit nicht wirklich nutzt um diese Zeit die dadurch frei wird um in Innovationen zu investieren.

00:29:05: Und den schwierigen Schritt, den wir gerade machen muss ist tatsächlich dass man zunächst mal in diese neue Technik und das Verständnis und die Implementation der neuen Technik strukturiert investieren muss.

00:29:17: also ein Vorinvestment aber relativ zügig Produktivitätsgewinn kommt dem man dann wieder nutzen kann stecken.

00:29:28: In der.

00:29:28: Christoph sagte ganz deutlich, es ist so viel Arbeit da in dieser hoch komplexen Welt das jede Hilfe die widerkehrende Elemente an die KI abzugeben Uns nur dabei helfen können uns darauf fokussieren, wo wir richtig gut sind und das ist natürlich innovative Produkte an den Markt.

00:29:45: Vielleicht noch ein Beispiel im Vertrieb.

00:29:47: für mich wahnsinniger Use Case ist wenn eine Vertriebsperson am Tag schafft weiß ich nicht zwei Außendienst Termine wahrzunehmen bei zwei Kunden hinzufahren was ja auch Maschinenbols viel unterwegs auf der Straße.

00:29:59: Mehr geht halt vielleicht nicht, weil ich muss die Termine noch aufbereiten und nachbereiten ist dann der Tag zu Ende.

00:30:04: Ich würde glauben wenn man das sauber jetzt macht gehen vier Termine am Tag vielleicht.

00:30:08: Weil... oder drei?

00:30:10: Warum?

00:30:10: Weil während der Auf-der-Auto-Fahrt, ich habe mir auch einen eigenen Voice Agent für meine Autofahre mittlerweile gebaut.

00:30:15: für mich spreche ich halt meinen Voice Agent voll, während der Fahrt und deren Termin aufbereitet von dem ich gerade komme!

00:30:21: Oder ich nutze mein Voice Agent, der meinen nächsten Termin vorbereitet mit mir Und wenn wir es dann wieder sind, da muss jetzt niemand den Job verlieren sondern ähnlich ist.

00:30:30: Sondern die Person schafft einfach mehr und kann noch mehr ausbringen und die Zeit sinnvoller nutzen.

00:30:35: Ich finde das ist etwas nicht was in ferner Zukunft passiert.

00:30:37: Das passiert heute bei uns schon und das ist der richtige Weg glaube ich.

00:30:41: Absolut!

00:30:41: Ich glaube gerade im Marketing und im Vertrieb ist es wirklich beeindruckend was da möglich ist dass ganze Kundenanalysen schon stattfinden können nach Gesprächen und wirklich ganz gezielt das Ganze betrieben werden kann.

00:30:55: Also, kann ich so zusammenfassen die Antwort auf die Frage KI eher effizienzhebel oder Innovationsbeschleuniger?

00:31:02: Beides!

00:31:03: Wenn man sich damit beschäftigt wie man es anwendet und es einen Plan macht also... Es kann auch das Gegenteil in beiden passieren.

00:31:09: aber ich glaube wir wollen ja positiv sein und wenn man's richtig macht glaub' ich geht es so.

00:31:13: Christoph ganz ehrlich jetzt so Wie ist das bei dir im Unternehmen?

00:31:16: Also wo kommst du im Team Spannungen mit?

00:31:20: Wenig wenn ich ehrlich bin.

00:31:22: Vielleicht bin ich aber auch generell immer der positive Mensch, dass sich das nicht so sehe.

00:31:26: Ich glaube ja natürlich gibt es Sorge da brauchen wir nicht drüber sprechen.

00:31:31: Diese Sorge muss man nehmen.

00:31:33: Ich mache mir auch machen mir persönlich oder die Spannung macht mehr Sorgen um Geschäftsmodelle, die sich verändern.

00:31:38: Das ist glaube ich noch viel zu weniger.

00:31:39: Ich mach mich nicht.

00:31:40: diese Sorgen, wie ich hier auch schon gesagt habe Leute ihren Arbeitsplatz

00:31:43: etc.,

00:31:43: für die ich glaube eher ob sich Geschäfts-Modelle verändern und auch ob sich das meinst jetzt zum Beispiel nicht genug geändert.

00:31:50: das ist glaube ich was, was mich sorgt oder auch etwas andere sorgt.

00:31:53: Wenn man jetzt auf Funksetagen guckt... Also wir brauchen ja auch Weiterbildung!

00:31:57: Wir brauchen neue Skillprofile, wir brauchen Übersetzungsfunktionen in diesen Rollen und ein ganz entscheidender Faktor damit diese Spannung auch wie du sie richtig ansprichst nicht passiert ist.

00:32:06: Wir müssen mehr Wissen teilen, wir müssen mehr gemeinsam an den Sachen arbeiten.

00:32:09: also zum Beispiel wieder mein digitaler Assistenzbeispiel.

00:32:13: Ich habe das so gemacht dass jeder bei uns der möchte kriegt das von mir kostenlos alles da.

00:32:17: Jetzt muss die Person halt das noch ein bisschen anwenden und für sich umbauen, aber ich finde mit diesem Mindset reinzugehen, Wissen zu teilen und es nicht bei sich zulassen.

00:32:25: Damit baue ich doch Spannung ab mit einem guten Beispiel vorangehen ins Unternehmen reinwirken und dann glaube ich schaffen wir das!

00:32:32: Wir bei unseren Mitgliedsunternehmen im VdMA beobachten häufig, sobald Mitarbeitende die Möglichkeit bekommen mit KI-Lösungen zu experimentieren und erst der Erfahrung zusammen, entstehen sofort super viele neue Ideen.

00:32:47: Was damit vielleicht alles möglich wäre?

00:32:49: Aber es ist enorm wertvoll diese Ideen zu sammeln.

00:32:53: aber es muss halt auch ganz klar gefiltert werden.

00:32:55: Unternehmen müssen priorisieren Wo ist der größte geschäftliche Nutzen?

00:33:02: Sie sollten sich auf eine überschaubare Anzahl dann eher von Pilotprojekten konzentrieren, damit sie sich nicht verzetteln.

00:33:09: Denn am Ende muss der Gesamtnutzen natürlich für das Unternehmen oder auch die Kunden möglichst hoch sein.

00:33:15: Die Effekte, die wir heute schon sehen sind natürlich durchaus spürbar geringere Kosten weniger Personalaufwand mehr Prozessautomatisierung Ja, auch Motivationssteigerung am Ende bei Beschäftigten.

00:33:26: Das macht ja auch Spaß sich damit auszuprobieren.

00:33:29: Bessere Serviceunterstützung in Bezug auf die Umsetzung.

00:33:34: da gibt es allerdings bei unseren Mitgliedsunternehmen oft noch die größte Herausforderungen und zwar dass die Personalressourcen fehlen.

00:33:42: Deshalb wird das immer wichtiger mit Partnern zusammen zu arbeiten und ein Netzwerk aufzubauen um sowohl Know-how als auch Ressourcen zu bündeln und damit dann am Ende auch wirklich schneller voranzukommen.

00:33:54: Christoph, jetzt die Frage welcher Handlungsempfehlung würdest du jetzt unseren Hörerinnen und Hörern mitgeben um KI-Munternehmen nachhaltig und v.a.

00:34:03: auch erfolgreich zu implementieren?

00:34:06: Ich glaube die wichtigste Handel in so eine Empfehlung ist machen, machen, ausprobieren sehen das was funktioniert Und auch da, glaube ich ist ja noch wissen die der Aufrufe und auch die Motivation für die Geschäftsleitung.

00:34:18: Ja das sind überall Risiken regulatorische Risiken auch Datenschutzrisiken.

00:34:22: aber lasst uns doch erst mal darüber nachdenken zu machen und den Leuten die der Mannschaft die Möglichkeit geben auszuprobieren.

00:34:31: wenn man selber merkt meinem täglichen arbeitsalltag wird's cooler macht mehr spaß ist interessant.

00:34:38: ich kann was verändern dann sind die leute sofort offen und geben mir den nächsten schritt auch nicht.

00:34:43: glaube wir müssen es schaffen dass die leuten lust dazu bekommen haben.

00:34:46: das geht wiederum nur wenn die geschäftsleitung von ganz oben motiviert ist was ich eben auch schon mal dargestellt habe das mit gutem beispiel vorangehen nicht nur verspricht ist auch selber machen auch budgets freigeben.

00:34:56: Und auf der anderen seite das glaube ich dann noch einmal ganz wichtig, einen vertrauen und voller Rahmen geschaffen wird, sich auszuprobieren.

00:35:05: Dass man vielleicht auch mal ein paar Euro versenken kann die dann halt nicht funktioniert haben oder dass man dafür nicht bestraft wird sozusagen im Unternehmen.

00:35:11: Wenn man das alles gibt und diese Orientierung, dann wird das richtig gutführen.

00:35:15: aber wie gesagt die größte Empfehlung ist machen, machen, Machen.

00:35:19: Und du Udo?

00:35:20: Was würdest Du den Herrerinnen und Herren gerne mit auf den Weg geben?

00:35:23: Ich greif das Thema Machen, machen, machen kurz auf.

00:35:26: Ich glaube dazu gibt es auch das Signal noch Richtung verändertes und modernes Wissensmanagement um die Ideen, die dort alle existieren beim Machen dass sie auch kanalisiert werden und dass man sich die Leitung entscheiden kann was davon dann wirklich später auch umgesetzt wird.

00:35:45: Und das ist eigentlich wieder die Überleitung zu meiner Ingenieurstomäne wo ich mich sehr wohl fühle wie ihr gemerkt habt.

00:35:53: Eine der Hauptempfehlungen, die ich gebe ist dass man KI nicht das isoliertes Tool betrachtet.

00:35:58: Der größte Hebel entsteht genau dann wenn Unternehmen KI strukturiert in die Ingenieur- und Entwicklungsprozesse einbaut.

00:36:08: Das bedeutet bringen Sie Daten, Modelle und Engineering Workflows bitte zusammen und lassen sie sich nicht getrennt und bauen sie Schritt für Schritt mit dem aus.

00:36:19: dem machen machen machen die Erfahrungen auf und integrieren sie die Learnings in diese strukturierten Prozesse, dann wird das immer besser werden.

00:36:28: Und mit Hilfe von KI wird das ganze System zum Effizienzwerkzeug.

00:36:36: nicht nur das sondern später auch als wahnsinniger Ideentreiber und damit als Innovationstreibern.

00:36:42: ist das genau das was uns in den nächsten Dekade eines qualitativ hochwertigen deutschen Maschinenbau führen wird?

00:36:48: Ja, sehr gut.

00:36:49: Ich würde vielleicht noch zusammenfassend ergänzen dass KI eben nicht als Sprint gesehen werden sollte sondern eher als eine Reise.

00:36:55: es geht nicht um einzelne schnelle Projekte sondern eben um einen langfristigen Kompetenzaufbau im Unternehmen und zum anderen sollte KI immer Teil der übergeordneten Digitalisierung Strategie sein und eng mit der Datenstrategie verknüpft sein Denn wie wir jetzt auch schon gesagt haben, ohne gute Datenbasis lassen sich viele KI-Anwendungen gar nicht erst sinnvoll umsetzen.

00:37:20: Ja, künstliche Intelligenz ist kein kurzfristiger Trend – sie ist ein zentraler Baustein der industriellen Transformation.

00:37:28: Für den Maschinen und Anlagenbau bedeutet das es geht nicht nur um Technologie sondern um Struktur, Datenstrategie, Führung und Kultur.

00:37:38: Wer KI-strategisch und strukturiert einführt, schafft die Grundlage für mehr Produktivität, Innovationen und Wettbewerbsfähigkeit.

00:37:47: Herzlichen Dank an meine Gäste Christoph Haas und Udo Goyeh für die spannenden Einblicke und vor allem auch unterschiedliche Perspektiven!

00:37:56: Wenn Sie mehr über künstliche Intelligenz-, Datenstrategien und weitere Digitalisierungsthemen im Maschinenbau erfahren möchten Schauen Sie auf unserer Website unter vdmr.eu slash software-digitalisierung vorbei!

00:38:11: Wir unterstützen die VDMA-Mitglieder mit Events, Studien, Netzwerken und praxisnahen Angeboten.

00:38:19: Abonnieren Sie gerne den Industriepodcast des VDMR, hören können sie uns bei Spotify, Apple Podcast, Google Podcast.

00:38:31: Gestalten Sie die digitale Transformation strukturiert, mutig und mit klaren Blick nach vorne.

00:38:37: Schön dass sie dabei waren!