Ist künstliche Intelligenz die Lösung aller Probleme? Oder fangen mit KI die Probleme erst richtig an? Das Stimmungsbild zahlreicher Industriebranchen reicht von euphorischer Goldgräber-Laune bis hin zu resignativer Ernüchterung. Doch beides wird der Wahrheit nicht gerecht. „Viele Projekte scheitern bereits an einer klaren Definition des Problems, das durch KI gelöst werden soll“, sagt Paul Lingohr. Der Forscher am Lehrstuhl „Production Engineering of E-Mobility Components“ (PEM) der RWTH Aachen leitet die Konsortialstudie „AI-Driven Optimization of Production Processes“, die zum Jahresauftakt 2026 beginnen soll und für die sich interessierte Unternehmen aus allen Produktionsbereichen noch zur Teilnahme anmelden können. Die auf fünf bis sechs Monate anberaumte Studie verspricht konkreten Nutzen durch die Erörterung realer, individueller Problemstellungen in mehreren Workshops.
Zahlreiche Anwendungsfelder
KI-Technologien kommen im produzierenden Gewerbe in Deutschland immer häufiger zum Einsatz – vorangetrieben insbesondere durch Start-up-Unternehmen und die Elektro-Industrie. Vom einstigen Nischenthema zur strategischen Priorität für Wettbewerbsfähigkeit avanciert, umfasse KI deutlich mehr als die weitverbreiteten Large-Language-Modelle (LLM) wie „ChatGPT“ oder „Claude“. Gewinnbringend werde künstliche Intelligenz derzeit vor allem bei der Überwachung von Maschinen, in der Analytik und im Zuge von Robotik-Anwendungen genutzt. So sollen KI-basierte Bildauswertungssysteme beispielsweise automatisch Defekte und Anomalien in der Qualitätskontrolle erkennen können. „Fehlende Expertise zur Integration in bestehende Prozesse bremst allerdings noch viele Unternehmen auf dem Weg zu echtem Effizienzgewinn“, sagt Digitalisierungs-Experte Lingohr, der am RWTH-Lehrstuhl PEM die Forschungsgruppe „Battery Production Management“ leitet.
Investitionen schnell amortisiert
Dabei mache künstliche Intelligenz bedeutsame Muster sichtbar, die der Mensch nicht erfassen könne, indem sie Korrelationen in großen Datenmengen erkenne, betonen die Organisatoren der Studie. Gerade in Produktionen mit hohen Qualitätsanforderungen, wie es bei der Batterieproduktion der Fall ist, zeige sich der große Nutzen: Selbst kleinste Defekte ließen sich durch KI in Echtzeit identifizieren – weit über menschliche Wahrnehmungsgrenzen hinaus. Dies ermögliche einen entscheidenden Wechsel von der reaktiven Problemlösung hin zur proaktiven Fehlerprävention. PEM zufolge haben bereits einige Industrie-Akteure ungeplante Produktionsstillstände sowie hohe Wartungskosten drastisch reduzieren können. Das Unternehmen Airbus nutze KI-gestützte Datenanalysen inzwischen für präzise Zustandsvorhersagen seiner Flugzeuge, und die Energiebranche profitiere von KI besonders bei schwierig zugänglichen Anlagen wie Offshore-Windparks. Der „Return on Investment“ ist laut dem Forschungs-Team der Studie oft schon nach wenigen Monaten erreicht.
„Daten werden zu einer wertvollen Ressource zur kontinuierlichen Optimierung.“
Profitabel werde es dann in Form von Effizienzsteigerungen durch flexible Produktionsplanungen und schnellere Umrüstzeiten. In einer längeren Lebensdauer der Maschinen, einer höheren Qualität von Zwischen- und Endprodukten sowie geringeren Herstellungskosten liegt PEM zufolge der größte Mehrfachnutzen. „Daten werden auf diese Weise zu einer wertvollen Ressource zur kontinuierlichen Optimierung“, sagt Lingohr.
Absichten und Inhalte der Studie
Ziel der Konsortialstudie sei es, den mitwirkenden Unternehmen einen konkreten Überblick und ein fundiertes Verständnis der Möglichkeiten künstlicher Intelligenz zu vermitteln. „In vielen Betrieben bewegen sich die Vorstellungen davon, wie KI einsetzbar ist, nur an der Oberfläche des Machbaren“, sagt Lingohr. Die Studie werde deshalb in drei aufeinanderfolgenden Workshops hilfreiche Handlungsempfehlungen auf Basis von Praxisbeispielen und Anwendungsfällen liefern. Nach der Erlangung eines grundlegenden Verständnisses von KI und deren Einsatz in der Produktion sollen die Teilnehmenden in interaktiven Sessions eigene Problemstellungen mittels Fallstudien bearbeiten. Dafür werde jede Herausforderung zunächst exakt definiert, um daraufhin zu demonstrieren, wie sie sich mit Hilfe bestimmter KI-Anwendungen lösen lassen. Im dritten Teil werde anhand eines konkreten Anwendungsbeispiels aus der Forschung gezeigt, wie KI-Lösungen in der Industrie implementiert werden können. Im Ergebnis sollen alle Teilnehmenden eine methodische Vorgehensweise für ihre individuellen Herausforderungen und KI-Projekte erhalten.
Informationen und Anmeldung
Interessierte Unternehmen können sich per E-Mail an p.lingohr@pem.rwth-aachen.de auf eine Teilnahme bewerben und eventuelle Fragen klären. An der Studie können sich maximal zwölf Unternehmen beteiligen.
