In manchen Branchen kann es sinnvoll und finanziell unproblematisch sein, zunächst in Randbereichen zu experimentieren. In der Fertigungsindustrie gilt das nicht.
Im Rahmen des Global AI Reports 2026 von NTT DATA, der 35 Länder, fünf Regionen und 15 Branchen umfasst, haben wir als Teil der Studie den „Global AI Report 2026 — Manufacturing and Automotive“ veröffentlicht. Der Report zeigt, wie KI-Vorreiter ihre Strategien in messbare Ergebnisse für softwaredefinierte Fahrzeuge, Engineering und intelligente Fertigung übersetzen.
Unsere Daten zeigen, dass KI-Leader, eingestuft aufgrund ihrer KI-Strategie, dem Grad der Implementierung und den durch KI erzielten messbaren Ergebnissen, KI wesentlich häufiger direkt in ihren operativen Kernbereichen einsetzen als andere Unternehmen. Während bereits mehr als 90 Prozent der Vorreiter dies tun, sind es bei den Nachzüglern weniger als 70 Prozent. Da jedoch der größte Teil der Wertschöpfung in Produktion, Lieferkette und operativen Prozessen entsteht, lassen sich in diesen Kernbereichen ohne KI kaum signifikante Effekte erzielen.
Mit anderen Worten: Erfolgreiche Unternehmen konzentrieren sich weniger darauf, KI möglichst breit zu skalieren, sondern setzen sie gezielt dort ein, wo sie den größten operativen Nutzen schafft.
LESEN SIE AUCH → From software-defined to AI-native: Automotive’s next operating model
Fokus statt Skalierung: Hier schafft KI echten Mehrwert
KI-Leader in der Fertigung beginnen mit wenigen, aber wirkungsvollen Einsatzbereichen, etwa Produktionsplanung, Qualitätssicherung, Wartung oder Supply Chain Execution. Schon kleine Verbesserungen können dort spürbare Auswirkungen auf Durchsatz, Kosten und Zuverlässigkeit haben.
Noch wichtiger ist jedoch: Sie verstehen KI nicht als zusätzliche IT-Ebene, die bestehende Prozesse überlagert. Stattdessen gestalten sie Workflows konsequent und durchgehend neu. Ein vermeintlich kleiner, aber entscheidender Unterschied.
Die Studienergebnisse belegen, dass 38,6 Prozent der Vorreiter ihre Kernsysteme bereits mit integrierter KI neu aufbauen. Bei den Nachzüglern sind es lediglich 12 Prozent. Einzelne Prozessschritte zu automatisieren, kann zwar lokale Effizienzgewinne schaffen. Eine echte Verbesserung der Gesamtleistung erfordert jedoch die Neugestaltung des gesamten Prozessflusses.
Der Nutzen zeigt sich dann beispielsweise in konsistenteren Entscheidungen rund um Qualität, Planung und Wartung. Gleichzeitig steigt die Fähigkeit, in Echtzeit auf Produktionsunterbrechungen, Nachfrageschwankungen oder Anlagenausfälle zu reagieren.
Von Pilotprojekten in die Produktion: Was Leader anders machen
Vorreiter unter den Unternehmen überführen KI konsequent aus Pilotprojekten in den produktiven Einsatz. Das bedeutet: Sie integrieren KI direkt in operative Systeme. Gleichzeitig investieren sie schneller auf Basis früher Erfolge und erzeugen so einen Flywheel-Effekt, bei dem erste Resultate weitere Investitionen rechtfertigen und den Fortschritt zusätzlich beschleunigen.
Nachzügler dagegen verharren häufig in einem unproduktiven Kreislauf aus Pilotprojekten und isolierten Initiativen. Sie warten auf bessere Daten, mehr Sicherheit oder klarere Use Cases und verzögern damit genau die Lernprozesse, die notwendig wären, um KI erfolgreich zu skalieren.
Risiko neu bewerten: Geschwindigkeit mit klaren Leitplanken
Ein weiterer Unterschied liegt im Umgang mit Risiken.
Oft besteht die Annahme, dass schnelleres Vorgehen bei KI automatisch zu höheren Risiken führt. Das mag in manchen Fällen durchaus zutreffen. In der Fertigung kann jedoch auch das Gegenteil der Fall sein, insbesondere bei KI-Vorreitern, die frühzeitig Governance-Strukturen, klare Leitplanken und Verantwortlichkeiten etablieren.
Gerade in sicherheitskritischen Umgebungen ermöglichen zentrale Governance-Modelle, klare Zuständigkeiten und eine enge Verknüpfung zwischen KI-Initiativen und operativen Ergebnissen eine schnelle Skalierung, ohne die Kontrolle zu verlieren. Annähernd zwei Drittel der Vorreiter verfügen laut unseren Daten bereits über zentralisierte Governance-Modelle.
Akzeptanz entsteht dort, wo Mitarbeitende den Nutzen erkennen
Erfolgreiche Fertigungsunternehmen setzen KI gezielt ein, um erfahrene Ingenieur:innen, Anlagenführer:innen und Planer:innen zu unterstützen. Dieser Ansatz verbessert die Qualität von Entscheidungen, während der Mensch weiterhin zentral eingebunden bleibt. Das ist wichtiger, als es zunächst erscheinen mag.
Meiner Erfahrung nach entsteht Akzeptanz durch Vertrauen. Und Vertrauen entsteht dann, wenn Teams KI als Unterstützung wahrnehmen, die ihre Arbeit verbessert, statt ihre Arbeitsplätze zu bedrohen. Genau das zeigt sich auch in den Daten: Mit mehr als 80 Prozent berichten fast doppelt so viele Vorreiter von einer positiven Haltung gegenüber KI in ihrer Belegschaft als Nachzügler.
Sobald dieses Vertrauen entsteht, beschleunigt sich die Dynamik. Aus einem anfänglichen „Push“ wird ein „Pull“: Teams fragen aktiv nach weiteren Anwendungsfällen, und zusätzliche Investitionen lassen sich leichter begründen. KI entwickelt sich damit von einer einzelnen Initiative zu einem festen Bestandteil des Operating Models.
Die zentrale Erkenntnis lautet daher: In der Fertigungsindustrie wird KI-Leadership zunehmend zum Synonym für operative Exzellenz.
LESEN SIE AUCH → The new automotive mandate: Embed AI throughout the value chain
IHRE NÄCHSTEN SCHRITTE
Lesen Sie unseren „Global AI Report 2026 — Manufacturing and Automotive“ und erfahren Sie, wie führende Unternehmen aus Fertigung und Automobilindustrie KI einsetzen, einschließlich spezifischer operativer Bereiche, Governance-Modelle und Investitionsstrategien.