Stellt man sich Industrie 4.0 vor, dann hat man vermutlich folgendes Bild vor Augen: Roboterarme, die sich in perfekter Choreografie umeinander bewegen, ein digitaler Zwilling, der jede Schraube in Echtzeit kennt, und irgendwo im Hintergrund eine KI, die leise vor sich hin optimiert. Ein schönes Bild. Mit der Realität in den meisten deutschen Fertigungsbetrieben hat es allerdings herzlich wenig zu tun.
Die Realität sieht häufig so aus: Angefertigte Bauteile werden durch verschiedene Techniken automatisiert geprüft. Am Ende steht trotzdem ein manueller Schritt: Zertifizierte Prüfer*innen schauen sich die Teile noch einmal von Hand an und bestätigen die Prüfung mit Stempel und Datum. Genau dieser letzte Schritt wird bislang nicht automatisch erfasst. Ein paar Räume weiter entsteht das Angebot für eine komplette Fertigungslinie nicht per Algorithmus, sondern in einer Excel-Tabelle, die jemand aus dem letzten, halbwegs ähnlichen Projekt kopiert und mit spitzem Bleistift angepasst hat. Bilder, die mit dem gängigen Bild von Industrie 4.0 wenig zu tun haben. Und die trotzdem den Alltag in vielen Betrieben ziemlich genau treffen.
Ein Muster, das sich immer wieder zeigt
Im Forschungsprojekt GENIUS beschäftigen wir uns auch mit der Fertigungsbranche, insbesondere mit kleinen und mittleren Unternehmen. Egal, ob es um die Kalkulation einer neuen Fertigungslinie geht oder um die eigentliche Produktion: Gearbeitet wird meist mit einer Mischung aus Excel, PowerPoint, PDF und dem festen Griff zum letzten vergleichbaren Projekt als Vorlage. Standardprozesse gibt es eher selten, dafür jede Menge gute Gründe, warum das so ist.
Mal geht es darum, eine Fabrikhalle so zu planen, dass heißes Material nicht unnötig abkühlt, bevor es weiterverarbeitet wird. Oder dass wärmeerzeugende Maschinen nicht ausgerechnet neben denen stehen, die Kühlung brauchen. Kalkuliert wird dabei oft in Personentagen, geschätzt auf Basis von Erfahrungswerten. Nicht weil es niemand besser könnte, sondern weil jedes Projekt anders genug ist: Eine Standardvorlage würde hier mehr verschleiern als helfen. Mal hängt Qualität stattdessen an Menschen, die einen Materialfehler erkennen, bevor er sich in einem Datenblatt beschreiben lässt. Oder an Expertenwissen darüber, welche Ofeneinstellung bei welchem Bauteil funktioniert. In beiden Fällen gilt: kein Rückstand, sondern die logische Antwort auf Fertigung, die sich selten in Formularfeldern erschöpft.
Warum Excel manchmal die klügere Wahl ist
Es ist verlockend, das als "die hinken halt hinterher" abzutun. Genau das greift zu kurz. Wer täglich mit variantenreichen Bauteilen und Sonderwünschen einzelner Kunden arbeitet, dessen Prozesse lassen sich selten in ein starres System pressen. Eine flexible Excel-Tabelle ist dann oft die vernünftigere Wahl als ein teures Standardtool, das die Hälfte der Fälle ohnehin nicht abbildet. Das eigentliche Problem liegt woanders: Das Wissen, das diese Prozesse am Laufen hält, sitzt nicht in einem System, sondern im Kopf einzelner Menschen. Es lässt sich schwer teilen und schwer skalieren. Und es ist schnell weg, sobald diese Person in Rente geht oder das Unternehmen verlässt. Kurz gesagt: Es ist kompliziert. So wie eigentlich immer, wenn jahrelange Erfahrung auf ein System trifft, das diese Erfahrung nicht kennt.
Für den Mittelstand wiegt das doppelt. Anders als große Konzerne haben kleinere Fertigungsbetriebe selten eine eigene Digitalisierungsabteilung, die über Jahre ein maßgeschneidertes System entwickelt. Gleichzeitig trifft der Fachkräftemangel den Mittelstand nach Angaben des DIHK-Fachkräftereports 2025/2026 besonders hart: Mehr als 40 Prozent der kleinen und mittleren Unternehmen kämpfen inzwischen mit Stellenbesetzungsschwierigkeiten. Wer drei Jahrzehnte lang die Qualitätsprüfung verantwortet hat, nimmt sein Wissen über Rissmuster und Materialverhalten irgendwann einfach mit nach Hause. Für die frei werdende Stelle findet sich dann nicht ohne Weiteres Ersatz.
Wo künstliche Intelligenz die Lücke tatsächlich schließen kann
Hier wird es interessant. Nicht weil KI die erfahrene Kollegin ersetzen soll, sondern weil sie genau das sichtbar machen kann, was bisher nur in ihrem Kopf steckt. Ein KI-gestützter Assistent muss dafür keine bestehende Systemlandschaft ablösen. Er kann direkt dort ansetzen, wo das Wissen ohnehin schon existiert: in Excel-Tabellen, PDFs, alten Angeboten und in Gesprächen mit denjenigen, die es am besten wissen.
Zwei Beispiele, wie das konkret aussehen kann:
Ein Assistent führt neue Prüferinnen und Prüfer strukturiert durch die Erfahrung erfahrener Kolleg*innen: welche Rissmuster unter UV-Licht auf welches Problem hindeuten, welche Ofeneinstellung bei welcher Bauteilgeometrie greift. So bleibt dieses Wissen zugänglich, auch wenn die erfahrene Kollegin irgendwann in Rente geht und nicht mehr jede neue Kollegin persönlich einarbeiten kann.
Auf der Planungsseite führt ein Assistent durch ein strukturiertes Interview. Er gleicht vorhandene Unterlagen mit neuen regulatorischen Anforderungen ab, etwa für den kommenden digitalen Produktpass, benennt die verbleibenden Lücken und schlägt vor, wie sie sich schließen lassen. Das Ergebnis ist ein Ausgangspunkt für ein Angebot, kein Ersatz für die Fachleute, die es am Ende schreiben.
Der Bogen zu Factory Buddy
Genau an diesem Punkt soll Factory Buddy ansetzen, das zu entwickelnde System aus dem GENIUS-Projekt. Es soll verstreutes, oft nur implizit vorhandenes Wissen in einer gemeinsamen Wissensbasis verbinden und es über einen Assistenten abrufbar machen, der versteht, wonach gefragt wird. Ganz ohne ein neues, starres System aufzuzwingen.
Auf dem Weg dahin
So weit die schöne Theorie. Ganz so einfach, wie sie klingt, ist sie nicht. Es ist eben kompliziert. Ein Prototyp, der einmal eine gute Antwort gibt, ist etwas anderes als ein Assistent, dem eine erfahrene Prüferin auch nach dem dritten Einsatz noch vertraut. Genau deshalb ist das eines der Themen, an denen wir im Rahmen von GENIUS gemeinsam mit unseren Partnern forschen, statt fertige Lösungen zu kreieren. Wir wollen herausfinden, wie sich diese Art von Unterstützung so aufbauen lässt, dass sie im Arbeitsalltag wirklich trägt: verlässlich für den Ernstfall, einfach genug für den stressigen Alltag, und robust genug, um auch Monate nach der Einführung noch zuverlässig zu laufen.
Zum Schluss
Die eigentliche Industrie-4.0-Geschichte spielt sich nicht in Hochglanz-Dashboards ab, sondern zwischen Excel-Zellen, UV-Lampen und der Frage, wie ein Betrieb bewahrt, was seine erfahrensten Leute wissen. Wer diese Realität ernst nimmt, statt sie zu belächeln, findet für KI in der Fertigung einen Ansatzpunkt, der gerade für den Mittelstand einen echten Unterschied machen kann. Kompliziert bleibt es damit wahrscheinlich trotzdem – nur eben ein bisschen weniger.
