Einfuehrungsstrategie: KI in der Fabrik

🔄 Kurzer Rueckblick: In Lektion 6 hast du KI in der Supply Chain kennengelernt — Nachfrageprognose, Bestandsoptimierung und Lieferkettenresilienz. Jetzt bringen wir alles zusammen: Wie fuehrst du KI in deinem Produktionsunternehmen ein?

Du kennst jetzt die Anwendungsfaelle. Du weisst, was Predictive Maintenance kostet und was Qualitaetskontrolle bringt. Aber zwischen „wir sollten mal was mit KI machen" und einem funktionierenden System in der Produktion liegen Entscheidungen, die ueber Erfolg und Misserfolg bestimmen.

Der 5-Phasen-Fahrplan

Phase	Dauer	Aktivitaet	Ergebnis
1. Bestandsaufnahme	2-4 Wochen	Daten, Prozesse, Infrastruktur analysieren	Klarheit ueber Ausgangslage
2. Use-Case-Auswahl	1-2 Wochen	Priorisieren, ROI schaetzen, Scope definieren	Ein konkreter Pilot-Use-Case
3. Pilotprojekt	8-12 Wochen	Implementieren, testen, kalibrieren	Funktionierender Prototyp
4. Evaluation	2-4 Wochen	KPIs messen, Feedback einholen, Go/No-Go	Entscheidungsgrundlage
5. Skalierung	3-6 Monate	Ausrollen, integrieren, optimieren	Produktivsystem

Phase 1: Bestandsaufnahme

Bevor du irgendetwas kaufst oder beauftragst — drei Fragen beantworten:

1. Welche Daten haben wir?

Datenquelle	Vorhanden?	Qualitaet	KI-relevant fuer
ERP-Daten (Bestellungen, Lager)	Oft ja	Meist gut	Nachfrageprognose
MES-Daten (Produktionsdaten)	Teilweise	Variiert	Prozessoptimierung
Sensordaten (Vibration, Temp)	Selten komplett	Oft lueckenhaft	Predictive Maintenance
Qualitaetsdaten (Pruefprotokolle)	Oft auf Papier	Schlecht digitalisiert	Qualitaetskontrolle

2. Wo sind die groessten Schmerzpunkte?

Welche Maschine verursacht die meisten ungeplanten Stillstaende?
Welcher Prozess hat die hoechste Ausschussrate?
Wo binden Lagerbestaende am meisten Kapital?

3. Wie ist die IT-Infrastruktur?

Gibt es WLAN in der Produktion?
Sind Maschinen vernetzt (OPC UA, Modbus, Profinet)?
Cloud-Anbindung vorhanden?

✅ Quick Check: Warum ist die Bestandsaufnahme der wichtigste Schritt — obwohl sie noch keine KI enthaelt? (Tipp: Ohne zu wissen, welche Daten du hast und wo die groessten Probleme liegen, ist jeder KI-Start ein Blindflug.)

Phase 2: Use-Case-Auswahl

Nicht jeder Anwendungsfall ist gleich geeignet fuer den Einstieg. Die 4-Felder-Matrix aus Lektion 3 hilft:

Kriterium	Gewichtung	Quick Win: QK	Quick Win: Prognose	Mittel: PdM
Datenverfuegbarkeit	25%	Mittel (Bilder sammeln)	Hoch (ERP vorhanden)	Niedrig (Sensoren fehlen)
ROI-Potenzial	25%	Hoch (Ausschuss)	Mittel (Lagerkosten)	Sehr hoch (Stillstand)
Umsetzungsaufwand	25%	Mittel	Niedrig	Hoch
Organisatorische Akzeptanz	25%	Hoch	Hoch	Mittel
Gesamt-Score		Hoch	Sehr hoch	Mittel

Fuer die meisten produzierenden KMU ist Nachfrageprognose der einfachste Einstieg (Daten vorhanden, kein Hardware-Bedarf). Qualitaetskontrolle hat den sichtbarsten Effekt (sofort messbar). Predictive Maintenance hat den hoechsten ROI — aber auch den hoechsten Aufwand.

Phase 3: Pilotprojekt — Die goldenen Regeln

Regel 1: Ein Prozess, eine Maschine, ein Ziel. Nicht: „Wir machen KI fuer die ganze Fabrik." Sondern: „Wir reduzieren die Ausschussrate an der Spritzgussmaschine 7 um 30%."

Regel 2: SMART-KPIs definieren.

KPI	Ausgangswert	Zielwert	Messmethode
Ausschussrate	4,2%	2,5%	Qualitaetsbericht
Ungeplante Stillstaende	12/Monat	< 5/Monat	CMMS-System
Prognosegenauigkeit	±35%	±15%	ERP vs. Ist

Regel 3: Die Belegschaft einbinden — von Tag 1.

Gruppe	Einbinden durch	Wann
Geschaeftsfuehrung	ROI-Business-Case, monatliches Update	Phase 1
Instandhaltung	Workshops, Feedback-Runden, Mitgestaltung	Phase 2-3
Maschinenfuehrer	Schulung, Erklaerung, „Was bringt mir das?"	Phase 3
Betriebsrat	Transparente Information, Datenschutz, keine Ueberwachung	Phase 1

✅ Quick Check: Warum ist der Betriebsrat von Anfang an einzubeziehen? (Tipp: KI-Systeme, die Maschinendaten auswerten, koennten theoretisch auch Mitarbeiterverhalten ueberwachen. Der Betriebsrat hat Mitbestimmungsrecht — und ein fruehes Einbeziehen verhindert spaetere Blockaden.)

Phase 4-5: Evaluation und Skalierung

Go/No-Go nach dem Piloten:

Entscheidung	Kriterium
Go — Skalieren	>70% der KPIs erreicht, Akzeptanz hoch
Anpassen — Verlaengern	50-70% der KPIs, technisch gut aber organisatorisch holprig
Stop — Neuausrichtung	<50% der KPIs, grundlegende Probleme

Skalierungsstrategie: Nicht alles auf einmal. Erst die naechsten 5 Maschinen, dann den naechsten Standort, dann den naechsten Use Case. Jede Skalierungsstufe braucht ihr eigenes Change Management.

Foerderprogramme nutzen

Programm	Foerderquote	Budget	Fuer
ZIM	25-60%	Bis 690.000 EUR	Innovative F&E-Projekte
Landesprogramme (z.B. Digitalbonus Bayern)	Bis 50%	7.500-30.000 EUR	Hard- und Software
KI4KMU	Bis 50%	Variiert	KI-Piloten
Mittelstand-Digital	Kostenlos	—	Beratung, Demos, Workshops
KfW ERP-Digitalisierung	Tilgungszuschuss bis 5%	Bis 25 Mio. EUR	Digitalisierungsdarlehen

Tja, die Foerderung allein rechtfertigt kein Projekt — aber wenn der Business Case steht, senkt sie die Einstiegshuerde erheblich.

Key Takeaways

5 Phasen: Bestandsaufnahme → Use-Case-Auswahl → Pilot → Evaluation → Skalierung
Bestandsaufnahme ist der wichtigste Schritt — erst das Problem, dann die Technik
70% der KI-Projekte scheitern an der Organisation, nicht an der Technik — Change Management ist Pflicht
Pilotbudget: 15.000-40.000 EUR fuer ein produzierendes KMU, Foerderprogramme (ZIM, Landesprogramme, KI4KMU) decken oft 25-60%
Betriebsrat von Tag 1 einbeziehen — Mitbestimmung bei KI-Systemen ist gesetzlich verankert

Up Next

In der letzten Lektion bringst du alles zusammen: Dein KI-Produktionsplan — mit Vorlage, Checkliste und ROI-Kalkulation.