KI auf dem Werksboden: Was "bereit" für ASEAN-Hersteller wirklich bedeutet

ASEAN-Hersteller, die KI auf dem Werksboden einführen wollen, müssen vor jeder Implementierung eines KI-Systems vier grundlegende Voraussetzungen schaffen: konsistente und dokumentierte Prozesse, verlässliche Produktionsdaten, klar definierte Verantwortlichkeiten für jedes System und eine Einigung der Führungsebene auf ein konkretes, messbares Ziel. Der Kauf von KI-Technologie, bevor diese Voraussetzungen bestehen, führt in der Regel zu einem Pilotprojekt, das nicht skalierbar ist.

Die falsche Frage, die die meisten Hersteller stellen

Das Gespräch beginnt meist beim Werkzeug. Welcher KI-Anbieter? Welche Plattform? Welcher Anwendungsfall zuerst?

Das ist der falsche Ausgangspunkt.

KI auf dem Werksboden ist keine Technologie-Beschaffungsentscheidung. Es ist eine Entscheidung über die betriebliche Reife. Die Technologie ist verfügbar. Die Frage ist, ob die dahinterliegenden Abläufe strukturiert genug sind, damit die KI darauf funktionieren kann.

Die meisten Fabriken in ASEAN sind noch nicht an diesem Punkt. Das ist keine Kritik. Es ist eine Ausgangsposition, die den richtigen ersten Schritt bestimmt.

Was "KI-bereit" wirklich erfordert

Vier Voraussetzungen entscheiden darüber, ob eine Fabrik KI einsetzen und daraus Wert schöpfen kann, oder ob der Einsatz zu einem Proof-of-Concept wird, das nie über eine einzige Produktionslinie hinauskommt.

1. Prozesskonsistenz

KI-Systeme lernen aus Mustern. Wenn sich der Prozess je nach Schicht, anwesendem Vorarbeiter oder Jahreszeit ändert, kann die KI kein echtes Signal von betrieblichem Rauschen unterscheiden.

Bevor KI eingeführt wird, muss der Prozess konsistent genug sein, damit Abweichungen aussagekräftig sind. Dokumentierte SOPs, durchgesetzte Standards und messbare Taktzeiten sind keine Bürokratie. Sie sind die Trainingsdaten.

2. Datenqualität und Zugänglichkeit

Die meisten Fabriken erzeugen Daten. Wenige Fabriken erzeugen nutzbare Daten.

Häufige Probleme sind Sensoren, die in unregelmäßigen Abständen protokollieren, SPS-Steuerungen, die Daten alle 24 Stunden überschreiben, ERP-Systeme, die die Ausbringungsmenge, aber nicht die Ereignisse erfassen, die Schwankungen verursacht haben, sowie Qualitätsaufzeichnungen, die in Tabellenkalkulationen getrennt vom Produktionssystem geführt werden.

KI kann unvollständige, uneinheitlich beschriftete oder über Systeme verteilte Daten nicht ausgleichen. Die Verbindung von OT- und IT-Infrastruktur, die Festlegung von Datenaufbewahrungsrichtlinien und die Standardisierung der Erfassung von Produktionsereignissen sind Voraussetzungen, keine parallelen Arbeitsstränge.

3. Klar definierte Verantwortlichkeit

Jedes in der Produktion eingesetzte KI-System benötigt einen benannten Verantwortlichen: eine Person oder ein Team, das für die Leistung verantwortlich ist, die Ergebnisse überprüft und befugt ist einzugreifen, wenn das System eine falsche Entscheidung trifft.

Dies ist die Governance-Voraussetzung. Sie wird am häufigsten übersprungen und ist am teuersten zu ignorieren. Wenn ein KI-System auf einer Produktionslinie eine falsche Empfehlung gibt und niemand dafür zuständig ist, dies zu erkennen, sind die Kosten kein gescheitertes Pilotprojekt. Es ist ein Qualitätsvorfall, ein Stillstandereignis oder ein Sicherheitsrisiko.

4. Einigkeit der Führungsebene über den Umfang

KI auf dem Werksboden erfüllt spezifische, klar begrenzte Aufgaben zuverlässig. Sie sagt einen Geräteausfall innerhalb eines definierten Zeitfensters voraus, markiert Defekte oberhalb einer Konfidenzschwelle oder optimiert eine Planungsrestriktion anhand der Eingabedaten, mit denen sie trainiert wurde.

Sie ersetzt weder Prozessdesign noch betriebliches Urteilsvermögen noch technisches Fachwissen.

Führungsteams, die KI einsetzen und erwarten, dass sie undefinierte Probleme löst, werden feststellen, dass der Einsatz in der Pilotphase steckenbleibt. Ein Team, das ein konkretes Ziel definiert, etwa die ungeplante Stillstandzeit an Linie 3 innerhalb von sechs Monaten um 20 % zu senken, gibt dem System etwas zu beweisen und dem Team eine klare Definition von Erfolg.

Wo ASEAN-Hersteller typischerweise stehen

Die Fertigungsbranche in Südostasien ist nicht einheitlich. Ein Tier-1-Automobilzulieferer in Vietnam, der nach japanischen Qualitätsstandards arbeitet, betreibt bereits strukturierte, dokumentierte Prozesse mit konsistenten Daten. Ein Tier-2-Komponentenhersteller, der schnell expandiert, um ausländische Abnehmer zu beliefern, hat möglicherweise starke Ausbringungszahlen, aber eine brüchige Prozesskontrolle darunter.

Die Automation World 2026 in Hanoi machte diese Kluft sichtbar. Die Hersteller, die die konkretesten Fragen stellten, etwa zu Datenarchitektur, OT/IT-Integration und Flottenmanagement-Standards wie VDA 5050, arbeiteten bereits auf einem Niveau, auf dem eine KI-Einführung ein realistischer nächster Schritt ist.

Die Hersteller, die fragten, wo sie anfangen sollten, waren nicht im Rückstand. Sie bestimmten die richtige Ausgangsposition.

Die richtige Reihenfolge

Die Reihenfolge ist ebenso wichtig wie die Technologie.

1. Zuerst den Prozess prüfen. Eine Produktionslinie identifizieren, auf der der Prozess bereits konsistent und messbar ist. Das ist der Pilotkandidat.
2. Datenverfügbarkeit bewerten. Feststellen, welche Daten in welcher Häufigkeit vorliegen und ob sie programmatisch zugänglich sind. Lücken identifizieren, bevor ein Anbieter ausgewählt wird.
3. Verantwortlichkeit vor der Einführung zuweisen. Die Person benennen, die für die Überprüfung der Ergebnisse des KI-Systems und das Handeln danach verantwortlich ist. Den Eskalationsweg definieren.
4. Ein messbares Ergebnis definieren. Die Kennzahl festlegen, die durch den Einsatz bewegt werden soll, sowie den Zeitrahmen. Das schafft eine Erfolgsbedingung und verhindert, dass das Pilotprojekt zu einem dauerhaften Experiment wird.
5. Eng eingegrenzt einführen und dann erweitern. Mit einem Anwendungsfall auf einer Linie beginnen. Das Ergebnis beweisen. Dann replizieren.

Was Produktionseinsätze zeigen

Die Einsätze, die skalieren, folgen einem gemeinsamen Muster: Sie beginnen mit einem Vorgang, der bereits funktioniert, und nutzen KI, um ihn zuverlässiger, schneller oder kostengünstiger zu machen. Sie beginnen nicht mit einem defekten Prozess und der Erwartung, dass KI ihn repariert.

Die Einsätze, die scheitern, folgen einem anderen Muster: KI wurde beschafft, bevor die Dateninfrastruktur bereit war, ohne definierten Verantwortlichen eingeführt oder auf ein Problem zugeschnitten, das vor Projektbeginn nicht klar definiert war.

Beide Ergebnisse sind vorhersehbar, bevor die erste Codezeile geschrieben wird.

Häufig gestellte Fragen

Wie bereiten sich ASEAN-Hersteller betrieblich auf KI am Werksboden vor?

Indem sie vor der Einführung vier Voraussetzungen schaffen: Prozesskonsistenz, saubere und zugängliche Daten, klar definierte Verantwortlichkeit für jedes KI-System und die Einigung der Führungsebene auf ein konkretes, messbares Ziel. Ohne diese Voraussetzungen lassen sich KI-Pilotprojekte in der Regel nicht über eine einzelne Produktionslinie hinaus skalieren.

Was ist das größte Hindernis für die KI-Einführung in der ASEAN-Fertigung?

Datenqualität und Zugänglichkeit. Die meisten Fabriken erzeugen Betriebsdaten, speichern sie jedoch in Formaten, Systemen oder Intervallen, die sie für KI-Anwendungen unbrauchbar machen. Die Lösung des Dateninfrastrukturproblems ist in der Regel der erste und längste Schritt.

Welche KI-Anwendungsfälle eignen sich am besten für Hersteller, die gerade erst anfangen?

Vorausschauende Wartung an Geräten mit konsistenten Laufzeitdaten, visuelle Qualitätsprüfung auf standardisierten Produktionslinien und die Optimierung der Produktionsplanung auf Linien mit stabilen Eingaben sind die zuverlässigsten Ausgangspunkte. Jeder ist klar begrenzt, messbar und erfordert keine vollständige Prozessumgestaltung, um Wert zu liefern.

Wie lange dauert es, in der Fertigung KI-bereit zu werden?

Bereitschaft ist keine einzelne Schwelle. Eine Fabrik mit konsistenten Prozessen und sauberen OT-Daten kann innerhalb von 8 bis 12 Wochen ein fokussiertes KI-Pilotprojekt durchführen. Eine Fabrik, die zuerst die Dateninfrastruktur und die Prozesskonsistenz angehen muss, sollte mit 3 bis 6 Monaten Grundlagenarbeit rechnen, bevor ein Pilotprojekt beginnen kann.

Muss ein Hersteller bestehende Systeme ersetzen, um KI einzuführen?

In der Regel nicht. Die meisten KI-Anwendungen in der Produktion werden auf der Datenebene neben bestehenden ERP-, MES- und SCADA-Systemen integriert. Voraussetzung ist, dass diese Systeme Daten programmatisch bereitstellen können und die Daten konsistent genug sind, um nützlich zu sein.