Was Studien über KI in der Fertigung wirklich zeigen

Im Januar 2026 veröffentlichte der Softwareanbieter Redwood seinen „Manufacturing AI and Automation Outlook 2026“. Grundlage ist eine weltweite Befragung von 300 Fachleuten aus der Fertigung, durchgeführt vom Marktforscher Leger. Die Schlagzeile lautete, dass 98 Prozent der Hersteller KI-gestützte Automatisierung prüfen, aber nur 20 Prozent sich voll darauf vorbereitet fühlen.

Im Mai 2026 folgte Rockwell Automation mit dem „State of Smart Manufacturing Report“. Sapio Research hat dafür 1.560 Hersteller in 17 Ländern befragt. Laut Bericht sind heute 34 Prozent der Abläufe durch KI unterstützt, bis 2030 sollen es mehr als die Hälfte sein. 18 Prozent der Befragten stecken noch im Pilotstadium.

Für Deutschland liefert der Bitkom die Zahlen. In seiner Studie „Industrie 4.0“ von 2026 mit 555 Industrieunternehmen ab 100 Beschäftigten setzen 40 Prozent KI bei der Steuerung und Planung der Produktion ein, weitere 38 Prozent planen es. Über alle Branchen hinweg nutzten laut Statistischem Bundesamt 2025 rund 26 Prozent der Unternehmen KI, bei mittleren Unternehmen mit 50 bis 249 Beschäftigten 36 Prozent.

„Voll vorbereitet“ heißt bei Redwood, dass sich die Befragten so fühlen. Wie viel davon im Betrieb läuft, misst die Frage nicht. Ähnlich bei Rockwell. Der Anteil KI-unterstützter Abläufe ist eine Schätzung der Befragten, keine Zählung.

Dazu kommt der Absender. Beide Berichte stammen von Anbietern, die Software für genau die Lücke verkaufen, die ihre Studie beschreibt. Redwood weist in der Pressemitteilung selbst darauf hin, dass die eigenen Kunden 2,7-mal häufiger eine hohe Reife erreichen. Das macht die Zahlen nicht falsch. Es ist aber ein Grund, sie als Richtung zu lesen und nicht als Messwert.

Das Muster ist bekannt. Einzelne Maschinen und einzelne Programme sind automatisiert. Was zwischen ihnen passiert, bleibt Handarbeit. Daten werden exportiert, per Mail weitergegeben und neu eingetippt. Ausnahmen landen bei einer Person, die weiß, was zu tun ist. Rockwell kommt zu einem ähnlichen Befund. Laut Bericht wird nur 43 Prozent der erhobenen Daten wirksam genutzt.

Ein KI-Modell ändert daran wenig. Es kann nur mit Daten arbeiten, die rechtzeitig und vollständig bei ihm ankommen. Wer die Übergaben nicht im Griff hat, bekommt mit KI vor allem schnellere Fehler.

• Auftragsabwicklung. Der Shop oder das CRM ist automatisiert, die Buchhaltung auch. Dazwischen überträgt jemand Aufträge von Hand und klärt Rückfragen per Mail.
• Einkauf. Bestellungen laufen im ERP, Lieferbestätigungen kommen als PDF. Ob Menge und Preis stimmen, prüft ein Mensch, weil kein Abgleich existiert.
• Reporting. Jedes System hat seine Auswertung. Die Monatszahlen entstehen trotzdem in einer Tabelle, die jemand aus fünf Exporten zusammenbaut.

In allen drei Fällen fehlt kein weiteres Werkzeug. Es fehlt die Verbindung zwischen den vorhandenen und eine Regel für das, was nicht glatt läuft.

1. 1

   Übergaben zählen

   Schreiben Sie für einen Prozess auf, an welchen Stellen Daten von einem System ins nächste wandern und wer das heute tut. Jede Übergabe von Hand ist ein Kandidat.

2. 2

   Ausnahmen benennen

   Welche Fälle laufen nicht nach Schema? Wer bearbeitet sie, und woran erkennt er sie? Ein Workflow, der Ausnahmen sauber an einen Menschen weiterreicht, ist oft wertvoller als einer, der alles selbst entscheiden soll.

3. 3

   Erst verbinden, dann KI

   Sind die Daten verlässlich da, kann ein Sprachmodell Belege lesen, Anfragen einordnen oder Entwürfe schreiben. Andersherum baut man auf Sand.

Welcher Prozess sich als erster lohnt, lässt sich mit vier Fragen eingrenzen. Wer eine zweite Meinung zu den eigenen Abläufen möchte, findet sie im KI-Audit.