Warum kommt trotz KI und Robotern so wenig messbare Produktivität in den Fabriken an?
Physische KI macht Fortschritte. Der betriebswirtschaftliche Nachweis verlangt jedoch mehr als beeindruckende Roboter und viele Pilotprojekte.
Die Fabrik braucht einen Ergebnisnachweis
Die WirtschaftsWoche berichtete am 6. November unter dem Titel „Die Fabrik lernt denken“ über neue Anwendungen physischer künstlicher Intelligenz: robotische Hände in der Montage, autonome Systeme in Chemieanlagen und Maschinen, die ihre Bewegungen anpassen können. Diese Beispiele zeigen technologische Möglichkeiten, keine bereits flächendeckend realisierten Produktivitätsgewinne. Entscheidend ist, wann sich aus dem Vorführeffekt eine robuste, unter realen Produktionsbedingungen wirtschaftliche Anwendung entwickelt.
Ein Roboter kann eine einzelne Bewegung schneller ausführen, ohne dass der gesamte Fertigungsprozess schneller wird. Wenn danach Material fehlt, Qualitätsfreigaben dauern oder die Anlage häufig neu eingerichtet werden muss, wandert der Engpass lediglich an eine andere Stelle. Ähnliches gilt für KI-gestützte Planung: Eine bessere Vorhersage senkt nicht automatisch Bestände, wenn Einkauf und Vertrieb ihre Entscheidungen nicht darauf ausrichten.
Deshalb braucht jedes Projekt vor der Einführung eine wirtschaftliche Ausgangsmessung: Ausschussquote, ungeplante Stillstandszeit, Durchlaufzeit, Liefertermintreue, gebundenes Kapital und reale Wertschöpfung je Arbeitsstunde. Gemessen werden muss nach der Einführung unter vergleichbaren Bedingungen; zusätzlich sind Schulung, Datenaufbereitung, Integration, Wartung und Überwachung als Gesamtkosten zu erfassen. Erst der nachgewiesene Nettoeffekt rechtfertigt die Ausweitung.
McKinsey betont in seiner jüngeren Organisationsforschung, dass isolierte Kostensenkungsprogramme und Umstrukturierungen häufig hinter ihrem Potenzial zurückbleiben, wenn abteilungsübergreifende Prozesse unverändert bleiben. Das ist plausibel, aber auch die Beratung liefert damit keinen Beweis, dass jede KI-Investition eine bestimmte Rendite erzielt. Unternehmen sollten solche Ertragsversprechen im jeweiligen Anwendungsfall überprüfen, statt sie als allgemeinen Branchenmaßstab zu übernehmen.
INFPROs Position lautet deshalb: Künstliche Intelligenz ist nicht die neue Kennzahl der industriellen Modernität. Sie ist ein Instrument zur Verbesserung des Wertschöpfungssystems. Ein Pilotprojekt wird erst dann zu einem Fortschritt, wenn sein Beitrag zum Ergebnis nach Abzug sämtlicher Kosten nachweisbar ist und er sich in der gesamten Prozesskette bewährt.
Diese vertiefende Analyse wurde mit KI-Unterstützung redaktionell formuliert. Die rechts verlinkten Quellen dienen der Nachprüfung der zugrunde liegenden Befunde; die Managementfolgerungen sind INFPRO-Einordnungen.