Optimieren Sie die Produktentwicklung mit Teamcenter

Ein Großteil unserer täglichen Arbeit besteht darin, Informationen zu sammeln, Ressourcen zu durchsuchen, dieselben Ideen in unterschiedliche Formate zu bringen oder Diskussionen zusammenzufassen. Diese Art von Routinearbeit führt ganz natürlich dazu, dass Menschen nach Wegen suchen, Zeit zu sparen, Wiederholungen zu vermeiden und mit weniger Reibungsverlusten zu einem nützlichen Ergebnis zu kommen. Und agentische KI präsentiert sich als mächtige Abkürzung, die in der Lage ist, einen groben Gedanken in eine ausgefeilte E-Mail, ein Meeting in eine prägnante Zusammenfassung oder einen manuellen Arbeitsablauf in einen automatisierten Schritt zu verwandeln.

Für viele Teams ist genau das die Falle: die Annahme, dass KI-Chatbots und Copiloten zu der gleichen Art von konzeptioneller Arbeit fähig sind, die Menschen instinktiv leisten, wenn sie ein vages Ziel in sinnvolle Teile zerlegen und auf ein nützliches Ergebnis hinarbeiten. Und sie werden letztlich auf die falsche Weise bequem.

KI-Einführung beginnt mit realistischen Erwartungen

Das öffentliche Versprechen rund um die Einführung von KI suggeriert so etwas wie einen universellen Denkpartner. Ein System, das Ziele verstehen, Kontext interpretieren und Probleme ähnlich wie ein erfahrener Kollege bearbeiten kann. Doch das könnte nicht weiter von der Wahrheit entfernt sein.

KI ist ein Vorhersagemodell, kein System mit Verständnis

Im Kern sagt KI wahrscheinliche Fortsetzungen voraus. Sie versteht weder Ihr Geschäftsmodell noch Ihre operativen Rahmenbedingungen oder die Zusammenhänge zwischen den beweglichen Teilen in Ihrem Unternehmen so, wie ein Mensch es tut. Sie weiß nicht, warum eine Ausnahme wichtiger ist als eine andere, warum ein Prozess in seiner jetzigen Form existiert oder welche Kompromisse hinter einer Entscheidung stehen, sofern diese Dinge nicht explizit gemacht werden.

Als Ergebnis kann KI zwar schnell, aber dennoch oberflächlich sein. Sie generiert möglicherweise etwas, das vollständig aussieht, während sie die Mechanismen ignoriert, die für das Unternehmen tatsächlich von Bedeutung sind.

KI kann professionell klingen und dennoch falsch liegen

Einer der Gründe, warum KI so überzeugend wirkt, ist, dass sie Informationen mit Selbstvertrauen präsentiert. Sie schreibt klar und strukturiert Argumente gut, doch flüssige Ergebnisse sollten nicht mit Fachwissen verwechselt werden.

Ein erfahrener Profi in jedem Fachbereich wird die KI in der Regel dort übertreffen, wo Nuancen, Kontext und Konsequenzen eine Rolle spielen. Er kann erkennen, was fehlt, hinterfragen, was nicht zusammenpasst, und feststellen, wann eine Antwort zwar technisch plausibel, aber praktisch falsch ist. KI hingegen kann halluzinieren oder wichtige Unterschiede einebnen.

Mehr Kontext macht KI nicht automatisch besser

Das Modell versteht Informationen nicht so wie ein Mensch. Es weiß nicht von sich aus, welches Detail strategisch wichtig ist, welche Beziehung zwischen den Eingabewerten tatsächlich das Ergebnis beeinflusst oder welche Ausnahme schwerer wiegen sollte als das allgemeine Muster. Wenn zu viel Kontext ohne klare Struktur, Priorisierung oder Rahmensetzung hinzugefügt wird, werden wichtige Informationen durch zweitrangige oder schwache Signale verwässert, und das Ergebnis spiegelt lediglich oberflächliche Korrelationen wider.

Deshalb bleibt die strategische Auswahl weiterhin eine menschliche Verantwortung.

Die menschliche Rolle bei KI-Strategie und -Implementierung

Eine ordnungsgemäß strukturierte und gesteuerte KI-Strategie macht aus agentischer KI erst ein echtes System statt nur einer Abkürzung. Diese Struktur entsteht jedoch nicht durch das Modell selbst, sondern durch den Anwender. Er bestimmt, welche Informationen relevant sind, was ignoriert werden kann, was das eigentliche Ziel ist und welche Rahmenbedingungen das Ergebnis prägen sollen. KI trifft diese Entscheidungen von sich aus nicht gut – zumindest nicht zuverlässig im aktuellen Entwicklungsstand.

Aus diesem Grund sollte jeder Austausch zwischen Mensch und Agent von fünf wesentlichen Elementen geleitet werden:

1. Ein klar abgesteckter Rahmen

KI arbeitet am besten, wenn die Aufgabe so präzise definiert ist, dass das System genau weiß, was von ihm erwartet wird und was außerhalb seines Zuständigkeitsbereichs liegt. Ohne klare Grenzen neigt KI zu allgemeinen, generischen Antworten, die zwar vollständig wirken, aber keinen operativen Mehrwert bieten.

Ein System, das einen Service-Workflow unterstützen soll, muss beispielsweise wissen, ob es eine Antwort entwirft, ein Problem klassifiziert, Informationen extrahiert oder den nächsten Schritt empfiehlt.

2. Ein definierter Prozess

KI ist am effektivsten, wenn sie einen bestehenden Prozess unterstützt, anstatt einen zu ersetzen, der nie richtig definiert wurde. Wenn der Workflow selbst unklar, inkonsistent oder von undokumentierten Workarounds abhängig ist, wird die KI diese Unklarheiten lediglich widerspiegeln, statt sie zu beheben.

Hier überschätzen Unternehmen die Technologie oft. Sie gehen davon aus, dass das Modell Prozesslücken ausgleichen kann, während es diese in der Praxis meist noch verstärkt.

3. Eine Definition von Qualität

Wenn niemand festlegt, wie „gut“ aussieht, kann die KI dies nicht zuverlässig liefern. Qualität muss explizit definiert werden. Das bedeutet, festzulegen, welches Maß an Genauigkeit akzeptabel ist, welche Fehler kritisch sind, was eine manuelle Prüfung auslösen sollte und wo die Kosten eines Fehlers zu hoch für bloße Vermutungen sind.

In der Kundenkommunikation kann „gut“ Klarheit und Konsistenz bedeuten. Bei regulierten Dokumentationen geht es eher um Rückverfolgbarkeit und Compliance. In einem internen Support-Workflow steht vielleicht die Geschwindigkeit im Vordergrund, bei der ein Mensch Ausnahmen prüft. KI kann diese Standards nicht eigenständig zuverlässig ableiten.

4. Kuratierter Kontext

Kontext ist nur dann wertvoll, wenn er relevant, strukturiert und zum richtigen Zeitpunkt verfügbar ist. Das bedeutet, die Eingaben auszuwählen, die die Aufgabe tatsächlich beeinflussen, irrelevante Daten auszuschließen und die Zusammenhänge zwischen den Eingaben so verständlich wie möglich zu gestalten.

In der Fertigung könnte das bedeuten, Maschinenstatus, Auftragsbeschränkungen und Wartungsfenster gegenüber allgemeinen historischen Daten zu priorisieren, während in einem kommerziellen Prozess das System auf Kontohistorie, Produktregeln und dem aktuellen Workflow-Status basieren sollte.

5. Kontrollierte Einführung

KI sollte nicht in einem einzigen Schritt von einem vielversprechenden Ergebnis zur vollständigen Autonomie übergehen. Bevor einem System im operativen Betrieb vertraut wird, müssen Teams es in der Praxis testen, die Ergebnisse mit menschlichen Einschätzungen vergleichen und festlegen, wo eine manuelle Überprüfung weiterhin erforderlich ist.

Lassen Sie die KI zunächst parallel zum Menschen laufen, um den Workflow zu unterstützen, Muster aufzudecken, ihre Zuverlässigkeit unter Beweis zu stellen und die Leistung zu überwachen im Laufe der Zeit. Teams müssen sehen, wo das System gut funktioniert, wo es versagt, welche Fehler sich wiederholen und wann Änderungen im Kontext oder im Modellverhalten Anpassungen erfordern. Nur so lässt sich Vertrauen aufbauen.

Ein praxisorientierter Rahmen für die Implementierung von KI im Unternehmen

Viele KI-Implementierungsprojekte geraten ins Stocken, weil Unternehmen zu früh auf Agenten setzen. Bei CLEVR beobachten wir dies häufig, wenn Prozesse noch nicht klar definiert sind und das Vertrauen noch nicht fest im Arbeitsablauf verankert ist. Deshalb haben wir eine sechsstufige Methodik für Unternehmen entwickelt, die sich auf die agentische Zukunft vorbereiten.

Es ist derselbe Rahmen, den wir in unserem Beratungsprozess nutzen, um die KI-Reife zu bewerten, strukturelle Lücken zu identifizieren und den richtigen nächsten Schritt auf dem Weg zu fortschrittlicheren agentischen Systemen zu definieren:

1. Die Arbeit verstehen

Betrachten Sie, wie der Prozess in der Praxis tatsächlich abläuft – einschließlich manueller Workarounds, Ausnahmen und informeller Schritte, die in keinem Organigramm auftauchen.

2. Die echten Chancen finden

Identifizieren Sie Bereiche, in denen KI einen echten Mehrwert schaffen kann, ohne unnötige Risiken einzugehen (z. B. Prozesse mit wiederkehrendem Aufwand, vorhersehbaren Engpässen oder wertvoller Zeit, die durch manuelle Arbeit verloren geht).

3. Bewusst gestalten

Legen Sie fest, was die KI tun soll, welche Informationen sie benötigt und was weiterhin in menschlicher Hand bleiben muss.

4. Definieren, was „gut“ bedeutet

Bestimmen Sie, wie eine akzeptable Leistung aussieht, welche Fehler relevant sind, welche Ergebnisse überprüft werden müssen und wo die Kosten eines Fehlers zu hoch für bloße Annäherungen sind.

5. Zuerst parallel zum Menschen arbeiten

Dies ermöglicht es, Ergebnisse zu vergleichen, Fehlermuster zu erkennen und zu lernen, wo die menschliche Überprüfung den größten Mehrwert bietet.

6. Überwachen und verbessern

Die leistungsfähigsten KI-Systeme verbessern sich, weil sie beobachtet, angepasst und auf Basis bewährter Anwendungsfälle skaliert werden, anstatt davon auszugehen, dass sie vom ersten Tag an fertig sind.

Machen Sie Ihre KI-Strategie zu Ihrem entscheidenden Hebel

KI kann einen einzigartigen Wettbewerbsvorteil schaffen, aber nur, wenn sie mit Struktur, Kontext und einer klaren Definition von Erfolg eingesetzt wird. Das gilt besonders für Unternehmen, die über einfache Prompts hinausgehen und sich auf Agenten, Automatisierung und autonomere Systeme konzentrieren. Mit über 30 Jahren Erfahrung in der digitalen Transformation und einem starken Portfolio in den Bereichen KI-Agenten, KI-Lösungen und Automatisierung CLEVR hilft Unternehmen dabei, diese ersten Schritte mit Klarheit zu gehen.

Vom Verständnis, wo KI Mehrwert schaffen kann, über die Konzeption des richtigen Anwendungsfalls bis hin zur Erstellung einer Roadmap für fortschrittlichere agentische Systeme – wir helfen dabei, erste Ambitionen in praktischen Fortschritt zu verwandeln. Schritt für Schritt, Anwendungsfall für Anwendungsfall, mit verlässlichen Ergebnissen.

‍

Jeden Tag, wenn ich aufwache, öffne ich meinen Laptop, lese meine E-Mails und schaue mir die Nachrichten an (auch die KI-Nachrichten). Und jeden Tag sehe ich neue Modelle, neue Forschungsarbeiten und neue Projekte. Es passieren viele Dinge.

Ich habe es eilig. Ich fühle Dringlichkeit. Ich habe das Gefühl, dass ich mit diesen Informationen und auch ein bisschen FOMO etwas anfangen muss. Ich sehe, dass andere Unternehmen Maßnahmen ergreifen, und ich denke, wir sollten das vielleicht auch tun.

All das erzeugt eine Art aufgestaute Energie, von der ich nicht wirklich weiß, wo ich sie hinstellen soll. Es gibt mir das Gefühl, dass ich es tun sollte etwas. Und wie jeder Geschäftsmann greife ich auf den vertrautesten Reflex zurück, wenn etwas zu groß, zu schnell oder zu komplex wird, um es zu bewältigen: Outsourcen, Hilfe beauftragen, es zum Problem eines anderen machen.

Und mit KI denke ich, dass es die falsche Art ist, sich darüber umzuschauen.

Das Outsourcing von KI-Denken ist gefährlich

Wir sehen das bei vielen unserer Kunden. Sie beauftragen externe Teams wie uns mit der Entwicklung von Software, genauso wie sie Klempner beauftragen, verstopfte Rohre zu reparieren. Sie schulen Klempner nicht intern, weil das ineffizient ist, und sie stellen nicht komplette Entwicklungsteams von Grund auf neu auf, weil das einen enormen Zeit-, Kosten- und Organisationsaufwand kostet. In den meisten Fällen ist Outsourcing einfach der schnellste und am wenigsten störende Weg, um das Geschäft am Laufen zu halten.

Aber in dem Moment, in dem Sie es weitergeben, geben Sie auch das damit verbundene Lernen weiter. Das Denken, das Treffen von Entscheidungen, die Gespräche, die Sie intern über KI führen sollten, finden am Ende woanders statt, mit jemandem, der die Realität Ihres Unternehmens nicht lebt.

Und das ist das wahre Risiko. KI ist einfach zu umfangreich und es wird die Art und Weise, wie wir arbeiten, grundlegend verändern, als dass eine Organisation das Verstehen und Lernen an eine Entität außerhalb Ihrer eigenen Wände auslagern könnte.

Warum sich KI von allen „disruptiven“ Technologien zuvor unterscheidet

Wenn wir über Technologie sprechen, werfen wir oft das Wort „disruptiv“ in den Mund, aber KI verdient es wirklich. Nicht weil es lauter oder schneller ist, sondern weil es verändert, wo Arbeit stattfindet und wer sie erledigen kann. Es stellt sich also die Frage: Warum unterscheidet sich KI von all den anderen Technologien, von denen wir früher dachten, sie würden alles verändern? Für mich kommt es auf drei einfache, aber tiefgreifende Veränderungen an.

1. Menschen arbeiten in Systemen, KI arbeitet in ihnen

Wir arbeiten alle in Systemen. Ob CRM, E-Mail, Entwicklungstools, ERP (was auch immer) — unsere tägliche Arbeit findet in diesen strukturierten Anwendungen statt. Aber der eigentliche Aufwand, der Teil, den kein System wirklich erledigt, findet zwischen diesen Tools statt.

Immer wenn etwas zu komplex oder zu unstrukturiert ist, um es zu automatisieren, setzen wir Menschen ein. Sie fällen Urteile, jagen Informationen hinterher, sprechen mit mehreren Teams, lösen Probleme und bringen Prozesse von Status A in Status B. In der Praxis agieren Menschen als Bindegewebe, das all diese Systeme ausgerichtet und in Bewegung hält.

Sie sind der Klebstoff zwischen Anwendungen, und genau in diesem Bereich beginnt KI Wirkung zu zeigen.

Diese Zwischenrollen, diese Schleifen, sind jetzt zunehmend automatisierbar. Vor fünf Jahren war das einfach nicht realistisch. Heute kann KI einen größeren Teil dieser Klebearbeiten übernehmen, der Arbeit, die derzeit von Menschen geleistet wird, und in Zukunft wird sich das nur beschleunigen.

2. KI automatisiert, was bisher nicht automatisierbar war

Der KI-Markt kann auf viele Arten aufgeteilt werden, aber der Unterschied, der für mich am besten funktioniert, ist dieser:

Auf der einen Seite stehen Tools, die traditionellere, inkrementelle Form der Softwareentwicklung. Eine neue Funktion hier, eine kleine Verbesserung dort, etwas, das ein Produkt um 5% besser oder ein bisschen benutzerfreundlicher macht. In der KI-Welt sind das Dinge wie Übersetzungsfunktionen, Zusammenfassungsschaltflächen oder eine intelligente Autovervollständigung, die einige Felder für Sie ausfüllt. Nützlich, aber letztlich nur Erweiterungen dessen, was Software schon immer getan hat.

Dann haben Sie Agenten. Und ich bin ehrlich, ich mag das Wort nicht einmal, weil heutzutage jeder alles einen „Agenten“ nennt, und in 9 von 10 Fällen ist es keiner. Denn wenn man sich genau anschaut, was ein echter Agent eigentlich ist, ist das etwas ganz anderes.

Es ist ein Softwaresystem, das unstrukturierte Informationen aufnehmen, sie in eine eigene To-Do-Liste umwandeln, diese Liste ausführen (oder andere KIs darum bitten kann), zwischen Systemen wechseln, Daten aus Ihrem CRM abrufen, Entscheidungen treffen und dann strukturierte, aussagekräftige Ergebnisse produzieren kann. Das ist kein besseres Tool. Das ist eine ganz andere Kategorie von Software.

Denn die Wahrheit ist, dass unsere Arbeit eigentlich nur ein Bündel von Aufgaben ist. Einige dieser Aufgaben sind unglaublich schwer zu automatisieren (wie der Aufbau von Beziehungen, das Lesen eines Zimmers, das Abendessen mit einem Kunden, wenn Sie ein Verkäufer sind). Die menschliche Verbindung kann KI nicht ersetzen, daher sind diese Teile des Aufgabenpakets vorerst sicher.

Aber die kleinen, sich wiederholenden Verwaltungsaufgaben? Aktuelle KI-Systeme können viele davon bereits automatisieren oder Ihnen helfen, sie viel schneller zu erledigen. Und alles dazwischen. Mit diesen gemischten Bündeln aus Urteilsvermögen, administrativen und geringfügigen Entscheidungen wird die KI zunehmend in der Lage sein, umzugehen. Und diese Fähigkeit wird nur weiter wachsen.

Aber wie werden die Menschen diese Veränderungen erleben? Wie werden wir sie dabei begleiten? Wie werden wir sicherstellen, dass dieser Übergang die Organisation stärkt, anstatt sie zu verunsichern?

In einem KI-gesteuerten Arbeitsablauf durch die menschliche Seite navigieren

Bestimmte Aufgaben werden sich auf natürliche Weise von Menschen auf KI verlagern. Wir sehen, dass das jeden Tag nach und nach passiert. Ein oder zwei Aufgaben hier, ein kleiner Prozess dort, zunächst nichts Dramatisches. Die Arbeit verschwindet nicht. Es hört einfach auf, von Menschen gemacht zu werden.

Und hier beginnt das eigentliche Gespräch. Denn obwohl sich Aufgaben verschieben können, verschwinden die Leute, die sie erledigen, nicht. Ihre Identität, ihr Gefühl, ihren Beitrag zu leisten, und der Wert, den sie der Organisation bieten, hängen mit dieser Arbeit zusammen. Wir müssen also jetzt anfangen, offen und ehrlich über diese Dinge zu sprechen.

Der finanzielle Druck

Vor einiger Zeit haben wir einen unserer Einzelhandelskunden besucht. Ihre Organisation war in vielerlei Hinsicht gut strukturiert: Jede Abteilung arbeitete innerhalb ihrer eigenen Branche effizient, die Mitarbeiter wussten, wofür sie verantwortlich waren, und sie lösten Probleme schnell. Aber in dem Moment, in dem die Arbeit verschoben werden musste zwischen In diesen Vertikalen begann sich alles zu verlangsamen.

Sie hatten Leute, die Informationen manuell von einem System auf ein anderes übertragen haben. Daten in Excel eingeben, in Outlook kopieren, Informationen wieder aus Outlook abrufen, Formate anpassen, kleine Inkonsistenzen korrigieren („das sollten fünf Zahlen statt sechs sein“) und diesen Vorgang Dutzende Male am Tag wiederholen. Nichts davon war strategische Arbeit. All das war wichtige Arbeit.

Und das ist die Realität für viele Organisationen. Diese manuellen Klebeaufgaben kosten locker 50.000€ pro Person und Jahr. Stellen Sie sich jetzt ein KI-System vor, das 80% dieser Arbeit für 500€ pro Jahr erledigen kann.

Was würdest du dann tun? Was würden Ihre Kunden tun? Was würde ein Unternehmen tun, wenn es hundert Mitarbeiter hätte, die diese Art von Aufgaben ausführen würden?

Hier ist es unmöglich, die finanzielle Motivation zu ignorieren.

Die Leute müssen Teil des Plans sein

Hier wird die menschliche Seite genauso wichtig wie die finanzielle. Wenn Sie nicht aktiv planen, wie KI und Automatisierung in Ihrem Unternehmen eingeführt werden, wie Mitarbeiter geschult werden, wie sich ihre Rollen entwickeln können und wie diese neue Technologie einen Ort findet, an dem sie sich fair und wohl fühlen, dann werden die Menschen einfach aus der Geschichte ausgeschlossen.

Denn wenn die Diskussion den Vorstand ohne diesen menschlichen Kontext erreicht, wird sie zu einer reinen Zahlenentscheidung. In einer Tabelle sind 550.000€ gegenüber 500€ kein Dilemma, sondern eine Schlussfolgerung. Und wenn an diesem Vergleich Dutzende oder Hunderte von Personen beteiligt sind, wird die Wahl noch offensichtlicher.

Deshalb ist es wichtig, neben der finanziellen Logik auch einen menschlichen Plan zu erstellen. Die Mitarbeiter müssen verstehen, was auf sie zukommt, wie sich das auf ihre Arbeit auswirkt und wie ihre Zukunft in einer KI-fähigen Organisation aussieht. Dieser Wandel findet statt, ob wir ihn wollen oder nicht, aber wie die Menschen ihn erleben, liegt immer noch in unseren Händen.

Die ersten Schritte, die jedes Unternehmen unternehmen sollte

Wir müssen anfangen, echte Gespräche über KI zu führen, nicht weil sie im Trend liegt, sondern weil sich die Welt um uns herum bewegt, unabhängig davon, ob wir teilnehmen oder nicht. Vor zwei Jahren bedeutete „KI“ für einige Unternehmen den Kauf eines Chatbots oder die Automatisierung eines einzelnen Workflows. Aber jeden Tag öffne ich meinen Laptop, lese die Nachrichten oder schaue mir neue Forschungsergebnisse an, und die Funktionen sind wieder gewachsen. Dinge, die wir letztes Jahr für unmöglich hielten, gehören plötzlich zum Standard.

Andere Unternehmen handeln bereits darauf. Und wenn wir nicht einmal wissen, was möglich wird, können wir nicht erwarten, dass unser Unternehmen die Ideen oder Innovationen hervorbringt, die wir benötigen, um wettbewerbsfähig zu bleiben.

Die besten Ideen kommen immer von Menschen. Aber nur, wenn diese Menschen informiert, beteiligt und Teil der Konversation sind.

1. Beseitigen Sie die Angst vor der Automatisierung

Automatisierung findet bereits überall um uns herum statt, und eines der wichtigsten Dinge, die Unternehmen tun können, ist, dieses Thema zu einem Thema zu machen, über das sich die Menschen sicher fühlen. Es muss kein gruseliges Wort sein. In vielen Branchen (die Fertigung ist ein gutes Beispiel) hat sich die Automatisierung seit Jahrzehnten weiterentwickelt. Arbeiten, die früher mit Hämmern, Meißeln und manueller Arbeit erledigt wurden, werden heute von Robotern erledigt, und oft sogar besser.

Die Automatisierung selbst ist also nicht das Problem. Die eigentliche Herausforderung besteht darin, den Menschen zu helfen, zu verstehen, was das für sie bedeutet. Sie benötigen einen Plan, wie sich Ihre Organisation anpassen wird, wie sich die Rollen entwickeln könnten und wie die Mitarbeiter bei dieser Veränderung unterstützt werden. Wenn Automatisierung Teil einer ehrlichen, strukturierten Konversation ist, wird sie zu etwas, das Sie verwalten, und nicht zu etwas, vor dem Sie Angst haben. Und das bringt mich zum zweiten Punkt.

2. Seien Sie transparent

Transparenz wird von entscheidender Bedeutung, sobald Sie mit der Einführung von KI beginnen. Die Menschen müssen verstehen, was passiert, warum es passiert und wie es sich auf ihre Arbeitsweise auswirkt. Wenn Unternehmen schweigen oder vage bleiben, füllt Unsicherheit die Lücken. Und Unsicherheit wird schnell zu Angst.

Deshalb benötigen Sie eine klare Roadmap. Keine perfekte, aber eine, die Richtung, Absicht und Ehrlichkeit vorgibt. Lassen Sie die Leute sehen, wie Sie an dieses Projekt herangehen, welche Entscheidungen getroffen werden und wo sie in die Geschichte passen.

Wenn wir uns über das Ausmaß der Transformation im Klaren sind, können sich die Menschen darauf vorbereiten, ihren Beitrag leisten und sich anpassen. Aber wenn wir den Prozess hinter verschlossenen Türen halten, wird KI zu etwas, das ihnen „passiert“, und nicht zu etwas, an dem sie beteiligt sind.

3. Organisatorische Einblicke ermöglichen

Bevor Sie all dies erfolgreich tun können, benötigen Sie ein klares Verständnis Ihrer eigenen Organisation. Ihre Prozesse, Ihre Daten, Ihre Mitarbeiter und wie die Arbeit tatsächlich erledigt wird. Dies war noch nie so wichtig, da KI jetzt in der Lage ist, die Arten von Arbeiten zu automatisieren, die bisher als unmöglich zu automatisieren galten.

Die meisten Unternehmen verfügen über wunderschön dokumentierte Prozessdiagramme und klar definierte Anwendungsabläufe. Aber alles zwischen diesen Abläufen, die reale tägliche Arbeit, die ungeschriebenen Teile Ihrer Stellenbeschreibung, die informellen Schritte, die Menschen unternehmen, um die Dinge am Laufen zu halten? Diese werden selten irgendwo aufgenommen. Und genau in diesem unstrukturierten Raum beginnt die KI, ihre Wirkung zu entfalten.

Handeln oder darauf reagiert werden

Wirst du die Art von Organisation sein, die KI bewusst einsetzt? Eine, in der die Mitarbeiter informiert, aufeinander abgestimmt sind und verstehen, wie das Unternehmen plant, mit KI zu arbeiten, wenn seine Fähigkeiten wachsen?

Oder werden Sie zu der Organisation, in der KI Ihnen einfach „passiert“? Zwei Jahre vergehen, Wettbewerber setzen auf KI, die Kosten sind gesunken, die Effizienz ist gestiegen und plötzlich fragen sich die Kunden, warum Sie nicht Schritt halten können.

Wenn Sie diesen Punkt erreichen, haben Sie nicht mehr die Zeit oder den Raum, um Ihren eigenen Rahmen, Ihre eigene menschliche Geschichte oder Ihre eigene Art, sich an diese Veränderungen anzupassen, zu erstellen. Sie werden zum Handeln gezwungen, anstatt es zu wählen. Und wenn Sie nicht handeln, indem Sie die Diskussion nicht einmal beginnen, treffen Sie immer noch eine Entscheidung.

Du entscheidest dich dafür, in der Gruppe zu landen, in der KI passiert zu du statt durch dich. Und das ist eine Position, in der sich kein Unternehmen wiederfinden möchte, und doch ist es die stille Realität, der sich viele Unternehmen nähern.

KI ist ein Zug, der sich bereits bewegt

Die KI wird von Tag zu Tag leistungsfähiger, und wenn sie ignoriert wird, wird sie nicht langsamer. Es ist ein Zug, der bereits in Bewegung ist, ob es uns gefällt oder nicht. Die einzig wirkliche Frage ist, ob wir uns dafür entscheiden, die Kontrolle darüber zu übernehmen, wie sich das auf uns auswirkt.

Das beginnt damit, dass Sie sich informieren, mehr Menschen einbeziehen und die wichtigen Gespräche führen. Und ich glaube wirklich, dass wir bei CLEVR bereits gute Schritte in diese Richtung unternehmen. Mehr Menschen engagieren sich, es finden mehr Diskussionen statt, und genau das brauchen wir.

Also rede darüber. Denk darüber nach. Besprechen Sie es mit Ihren Kollegen. Je mehr wir unsere Gedanken und Fragen teilen, desto besser sind wir vorbereitet.

‍

Jedes Jahr, Siemens Realize LIVE bringt Hersteller, Ingenieure und Technologieführer zusammen, um zu erkunden, wohin sich die Branche entwickelt und wie diese Zukunft in der Praxis Gestalt annimmt. Produktaktualisierungen, Roadmap-Ankündigungen und Technologie-Highlights in den Sessions, Kundengeschichten und Partnerdiskussionen haben dieses Jahr gezeigt, dass es in der Fertigung nicht mehr darum geht, einzelne Technologien zu optimieren. Es geht darum, Systeme, Intelligenz und Menschen zu einem kohärenten Ganzen zu verbinden. Dieser Wandel zeigt sich besonders deutlich darin, wie sich KI in der Fertigung von isolierten Anwendungsfällen zu vernetzten, operativen Systemen entwickelt.

Dieser Wandel baut auf dem langjährigen Bestreben der Branche auf, vernetzte Umgebungen zu schaffen, in denen Daten nahtlos über PLM-, ERP-, MES- und Lieferantennetzwerke fließen, um Effizienz, Transparenz und Entscheidungsfindung zu verbessern. Die Einführung von KI erweitert diese Landschaft zusätzlich, indem sie nicht nur das Potenzial für Automatisierung und Erkenntnisse erhöht, sondern auch kritische Fragen aufwirft, wie diese Fähigkeiten in messbaren und skalierbaren operativen Wert umgesetzt werden können.

Hier sind die 4+1 Ideen die Realize LIVE 2026 prägten und was sie für die Zukunft der Fertigung bedeuten.

‍

1. KI wird operativ, nicht experimentell

Seit Jahren wird KI als leistungsstarkes Werkzeug positioniert, das Einzelpersonen durch Copiloten, Vorhersagen und Erkenntnisse unterstützt. Bei Realize LIVE 2026 wurde deutlich, dass sich diese Phase hin zu einer Ausführung im großen Maßstab entwickelt.

KI-Anwendungsfälle in der Fertigung entwickeln sich von der Assistenz zur Orchestrierung innerhalb realer Workflows. Anstatt isoliert auf Prompts zu reagieren, wird KI in Prozesse eingebettet, wo sie Entscheidungen unterstützen, Systeme koordinieren und mehrstufige Aktivitäten über den gesamten Lebenszyklus hinweg automatisieren kann.

Die Einführung von Intelligence Center X signalisiert diesen Übergang explizit. Durch die Verbindung von Unternehmensdaten, Lebenszykluskontext und Workflows in einer gesteuerten Umgebung können Unternehmen KI-Agenten neben Menschen als Teil einer hybriden Belegschaft einsetzen und so von isolierten Pilotprojekten zu einer Ausführung auf Produktionsebene mit Nachvollziehbarkeit und Kontrolle übergehen.

Die Frage ist nicht mehr, ob KI funktioniert. Es geht darum, wie Unternehmen sie in vernetzte Systeme und strukturierte Workflows einbetten, mit der erforderlichen Governance, um konsistenten, messbaren und skalierbaren Wert zu liefern.

‍

2. Vernetzte Systeme sind wichtiger als isolierte Innovationen

Trotz kontinuierlicher Investitionen in die digitale Transformation stehen viele Hersteller immer noch vor Herausforderungen, wenn es darum geht, Innovationen unternehmensweit zu skalieren. Das zugrunde liegende Problem ist nicht ein Mangel an Technologie, sondern ein Mangel an Konnektivität, insbesondere über die Integrationsschichten von PLM, ERP und MES hinweg die für die Ermöglichung skalierbarer KI in der Fertigung unerlässlich sind.

In Unternehmen bleiben Systeme fragmentiert, Daten sind über Silos verteilt, und KI-Initiativen werden oft als isolierte Pilotprojekte eingeführt. Obwohl diese Bemühungen lokale Verbesserungen liefern, führen sie selten zu messbaren Auswirkungen über den gesamten Produktlebenszyklus hinweg.

In der Fertigung sind Design, Engineering, Produktion und Service untrennbar miteinander verbunden. Daher führt die isolierte Optimierung einzelner Komponenten nicht zu einer systemischen Verbesserung. Dies gelingt jedoch durch die Verbindung bestehender Systeme zu einem kohärenten digitalen Faden.

Genau das hat unser CEO, Tim Claes, in seiner Keynote betont, wobei er diese Herausforderung und Chance als die Heilige Dreifaltigkeit der Fertigung umriss:

• PLM als Rückgrat für Produktdaten und den digitalen Faden
• Smart Factory als Schicht, die IT und OT verbindet und Transparenz sowie Kontrolle über alle Betriebsabläufe ermöglicht
• Low Code und KI als Orchestrierungsebene, die Systeme, Workflows und Entscheidungsfindung miteinander verbindet

Jeder dieser Bereiche liefert für sich genommen einen Mehrwert. Die wahre Wirkung entfaltet sich jedoch, wenn sie als Teil eines vernetzten Systems agieren. Dies wird zunehmend zum Ansatz, den Hersteller verfolgen, um in einem sich schnell entwickelnden Markt wettbewerbsfähig und relevant zu bleiben.

‍

3. Nachhaltigkeit wird Teil des Ingenieuralltags

Ein weiteres starkes Signal von Realize LIVE war die Veränderung in der Art und Weise, wie Unternehmen Nachhaltigkeit in der Fertigung und Compliance angehen.

Die Regulierung wird strenger, insbesondere in Europa, wo Rahmenwerke wie CSRD, REACH und neue Anforderungen wie der Digitale Produktpass Unternehmen dazu zwingen, detaillierte Transparenz über Materialien, Beschaffung und Umweltauswirkungen entlang der gesamten Wertschöpfungskette zu schaffen. Hinzu kommt der Druck, dem bestimmte Branchen wie Luft- und Raumfahrt sowie Verteidigung ausgesetzt sind, ihre Margen zu verbessern, sowie die strengeren Compliance-Anforderungen und wachsenden Erwartungen von OEMs und Partnern. Nachhaltigkeit kann daher nicht länger eine separate Berichtsaktivität sein, sondern ist ein Faktor, der Kosten, Risiken und Wettbewerbsfähigkeit direkt beeinflusst.

Während seiner Keynote Gerrit Kiefer, unser Head of Solutions and Customer Success Management in Deutschland, demonstrierte, wie dieser Übergang bereits in der Praxis stattfindet. Zusammen mit tec4U, zeigte er, wie Compliance und Nachhaltigkeit direkt in die Engineering-Workflows integriert werden können, wodurch Unternehmen in die Lage versetzt werden,:

• Regulatorische Anforderungen direkt in PLM- und Designumgebungen zu integrieren
• Eine vollständige Rückverfolgbarkeit von Materialien, Komponenten und Lieferanten über den gesamten Produktlebenszyklus hinweg zu gewährleisten
• Den manuellen Aufwand bei der Compliance-Berichterstattung durch automatisierte Datenerfassung und -validierung zu reduzieren
• Risiken und Compliance-Lücken bereits in der Entwurfsphase identifizieren, wo sie noch effizient behoben werden können
• Kosten-, Nachhaltigkeits- und Engineering-Entscheidungen abstimmen, indem alle relevanten Daten in einem vernetzten Workflow verfügbar gemacht werden
• Die Zeit bis zur Compliance verkürzen und dabei Kontrolle und Prüfbarkeit über alle Prozesse hinweg aufrechterhalten

‍

4. Das Aufkommen der Orchestrierungsebene

Mit der Einführung des Intelligence Center X hat Siemens einen strategischen Fokus auf die Etablierung einer Orchestrierungsebene klar formuliert, die Unternehmensdaten, Workflows und KI-Agenten zu einem kohärenten und skalierbaren System verbindet. Eine Orchestrierungsebene fungiert als architektonische Komponente, die Datenorchestrierung, Workflow-Koordination und KI-Ausführung über Systeme hinweg ermöglicht.

Die Auswirkungen für Hersteller sind beträchtlich. Die meisten von ihnen haben bereits stark in Kernsysteme wie PLM, ERP und MES investiert. Anstatt also neue Systeme zu bauen, können sie das Vorhandene aktivieren und verbinden.

Bei CLEVR, haben wir stets die Ansicht vertreten, dass groß angelegte Rip-and-Replace-Strategien weder nachhaltig noch notwendig sind. Im Laufe der Zeit haben sich Engineering-Logik, Domänenwissen und Prozessintelligenz tief in bestehenden Systemen verankert. Diese Grundlagen zu ersetzen, würde nicht nur Risiken mit sich bringen, sondern auch wertvolles intellektuelles Kapital verwerfen.

Stattdessen können Hersteller eine Orchestrierungsebene zusätzlich zu ihrer bestehenden Systemlandschaft einführen, die es ihnen ermöglicht, Workflows zu verbinden, Intelligenz einzubetten und Funktionen zu erweitern, ohne das zu stören, was bereits funktioniert.

‍

4+1. Die Technologie ist bereit. Organisationen sind es nicht.

Wenn wir eines aus der Realize LIVE 2026 mit Sicherheit ableiten können, dann ist es, dass die Herausforderung nicht länger technologischer Natur ist. Hersteller haben heute Zugang zu fortschrittlichen PLM-Plattformen, vernetzten Fabriksystemen, Low-Code-Umgebungen und zunehmend leistungsfähigen KI-Funktionen. Die Bausteine für die Transformation sind bereits vorhanden.

Doch viele KI-Einführungsinitiativen in der Fertigung stagnieren weiterhin. Bei CLEVR sehen wir dieses Muster täglich in Unternehmen: Workflows, die nicht vollständig verstanden oder abgebildet sind, implizite Entscheidungslogik, unstrukturierte Daten oder eine Vernetzung, die keine zuverlässige, systemübergreifende Ausführung ermöglicht.

Intelligenz in Workflows einzubetten, erfordert mehr als nur die Bereitstellung. Es erfordert Klarheit darüber, wie Entscheidungen getroffen werden, wo die Verantwortung liegt und wie Menschen und Systeme interagieren.

Das bedeutet, dass die nächste zu bewältigende Herausforderung organisatorischer Natur ist. Hersteller müssen Workflows gestalten, die klar definiert sind, Entscheidungen, die explizit strukturiert sind, und Governance-Modelle, die in ausführbare Logik übersetzt werden können. Nur dann können KI-Agenten zuverlässig arbeiten, autonome Entscheidungen innerhalb definierter Grenzen treffen und unternehmensweit mit Konsistenz und Kontrolle skalieren.

‍

5 Maßnahmen, die Hersteller heute ergreifen können

Erstens, der Fokus muss sich vom Hinzufügen weiterer Tools auf die Vernetzung bestehender verlagern. Die meisten Unternehmen verfügen bereits über die Kernsysteme. Die eigentliche Chance liegt darin, diese zu einem kohärenten digitalen Faden über Design, Entwicklung, Produktion und Service hinweg zu verknüpfen.

Zweitens, KI-Initiativen müssen über das Experimentierstadium hinausgehen. Anstatt isolierter Pilotprojekte sollte der Schwerpunkt darauf liegen, Intelligenz in reale Arbeitsabläufe einzubetten, wo sie messbare Auswirkungen erzielen kann. Dies erfordert eine klare Governance, definierte Entscheidungsgrenzen und eine starke Orchestrierungsebene.

Drittens, Transformationsstrategien müssen pragmatischer werden. Groß angelegte, mehrjährige Austauschprogramme sind zunehmend schwer zu rechtfertigen. Ein „Leave and Layer“-Ansatz ermöglicht es Unternehmen, mit dem Bestehenden zu beginnen, es intelligent zu erweitern und schrittweise Mehrwert zu liefern.

Viertens, Nachhaltigkeit und Compliance dürfen nicht länger eine Nebenrolle spielen. Indem diese Anforderungen direkt in die Engineering- und Produktentwicklungsprozesse integriert werden, können Hersteller sie in einen Wettbewerbsvorteil statt in eine Einschränkung verwandeln.

Schließlich, Unternehmen müssen überdenken, wie Menschen und Technologie zusammenarbeiten. Da KI in den Betrieb integriert wird, werden neue Rollen, Verantwortlichkeiten und Arbeitsweisen entstehen. Dies bewusst zu gestalten, ist entscheidend für den Erfolg der Transformation.

Denken Sie groß mit einer klaren Vision für Ihr Unternehmen, fangen Sie klein an mit einem Arbeitsablauf, der sofortigen Mehrwert liefert, und skalieren Sie schnell sobald sich der Ansatz als effektiv erweist.

‍