Der Weg zu Industrial AI beginnt vor der KI

Künstliche Intelligenz verändert industrielle Prozesse, Produkte und Geschäftsmodelle tiefgreifend und für Maschinenbauer und Softwareanbieter entsteht daraus eine konkrete Herausforderung: Kunden erwarten zunehmend Lösungen, die nicht nur Daten erzeugen oder verwalten, sondern daraus verwertbare Erkenntnisse, Handlungsempfehlungen und automatisierte Abläufe ableiten.

In der Praxis reicht dafür die Auswahl eines leistungsfähigen KI-Modells nicht aus. Maschinen müssen ihren Zustand digital abbilden können und relevante Informationen verfügbar und eindeutig zugeordnet sein. Geschäftsprozesse wiederum benötigen durchgängige Datenflüsse und Unternehmen müssen festlegen, wie Entscheidungen, Verantwortlichkeiten und Freigaben organisiert sind. Fehlen diese Voraussetzungen, bleibt KI auf einzelne Experimente beschränkt. Wettbewerbsvorteile entstehen deshalb dort, wo Industrial AI gemeinsam mit den erforderlichen Daten- und Prozessgrundlagen bereitgestellt wird. Genau dieser Fragestellung gingen Uhlmann und SAP im Service- und Maintenance-Umfeld gemeinsam nach.

Maschinenzustände digital erfassen

Klassische Wartungspläne orientieren sich häufig an bekannten Zyklen und Betriebsstunden. Der tatsächliche Verschleiß hängt aber zusätzlich von Lastprofilen, Prozessbedingungen und dem Zustand einzelner Komponenten ab. Werden diese Zusammenhänge nicht berücksichtigt, können beispielsweise Bauteile zu früh getauscht, Wartungsbedarfe zu spät erkannt oder Serviceeinsätze nur mit hohem manuellem Aufwand vorbereitet werden.

Um das Risiko von solchen Fehlern zu verringern, entwickelte Uhlmann gemeinsam mit SAP einen Smart-Maintenance-Ansatz, der Zustands- und Betriebsdaten der Maschine nutzbar macht. Sensorik, intelligente Komponenten und industrielle Kommunikation stellen relevante Werte bereit. Condition Monitoring verdichtet sie zu Zustandsinformationen. So entsteht ein konsistenter digitaler Kontext über den tatsächlichen Zustand eines Assets und seine Nutzung im operativen Betrieb, der im SAP Asset Performance Management im Kontext des jeweiligen Assets ausgewertet und für Performance- und Maintenance-Prozesse genutzt wird. Das schafft Transparenz über Wartungsbedarfe und verbessert die Datengrundlage für Serviceentscheidungen.

Vom Signal zum Serviceprozess

Bis ein Servicefall gelöst ist, liegen zwischen einem erkannten Zustand und einer wirksamen Maßnahme zahlreiche Prozessschritte. In vielen Unternehmen sind diese Serviceabläufe durch uneinheitliche Informationseingänge und manuelle Übergaben geprägt.

Ein gemeinsam mit SAP prototypisch entwickelter KI-gestützter Workflow für Ersatzteilanfragen zeigt auf, wie man dieses Problem angehen kann. Der Workflow liest eingehende Informationen aus, erkennt fehlende Angaben und unterstützt die Zuordnung zur betroffenen Maschine sowie die Identifikation passender Teile. So entsteht aus einem uneinheitlichen Eingang ein strukturierter Vorgang zur Vorbereitung der fachlichen Entscheidung. Damit ergänzt der prozessuale Ansatz die Smart-Maintenance-Lösung und erzeugt relevante Effizienzgewinne in den internen Serviceprozessen. Bei Uhlmann ist der produktive Einsatz im alltäglichen Betrieb über die SAP-Systeme bereits absehbar vorgesehen.

Produkt- und Prozessdaten verknüpfen

Durch die systematische Verbindung von Prozess- und Produktperspektiven entsteht das größere Potenzial durch Industrial-AI. Fließen Condition Monitoring, also die Beschreibung, was in der Maschine geschieht, mit den digitalen Prozessen zusammen, welche wiederum festlegen, wie das Unternehmen darauf reagiert, wird aus reinen Zustandsindikatoren eine nachvollziehbare Serviceaktion. Diese erstreckt sich dann vom erkannten Wartungsbedarf über Bewertung und Planung bis zu Ersatzteilversorgung, Durchführung und Rückmeldung.
Diese durchgängige Kette macht der PacXplorer praktisch sichtbar, eine Hightech-Verpackungsmaschine, die als industrielle Demonstrations- und Entwicklungsplattform dient. Auf der Hannover Messe 2026 zeigten Uhlmann und SAP mit diesem Prototyp, wie digitale Zwillinge, Produktionssteuerung, Condition Monitoring, Smart Services und SAP-Systemlandschaften zusammenspielen. Der Demonstrator erprobt die für skalierbare datenbasierte Services erforderliche Architektur und Prozesslogik. Dabei werden Zustandsdaten in Asset- und Maintenance-Kontexte überführt, wodurch wiederum weitere Serviceprozesse angestoßen werden. Als langfristige Co-Innovationsplattform wird der PacXplorer in der SAP S.Factory in Walldorf weitergenutzt und kann dort im Einsatz besichtigt werden.

Daten über Unternehmensgrenzen

Selbst ein intern durchgängiger Prozess kann nur bedingt im alltäglichen Betrieb unterstützen, solange relevante Daten in verschiedenen, zum Teil externen, Orten verbleiben, beispielsweise bei Lieferanten oder Betreibern. Für viele industrielle Servicefälle müssen Informationen organisationsübergreifend geteilt werden. Herkömmliche Punkt-zu-Punkt-Verbindungen sind dafür oft aufwendig und schwer skalierbar.

Um dieser Herausforderung zu begegnen, wurde Factory-X als Leuchtturmprojekt der Initiative Manufacturing-X zur Schaffung industrieller Datenökosysteme ins Leben gerufen. Das Datenökosystem ermöglicht einen standardisierten und souveränen Datenaustausch zwischen Fabrikbetreibern und Ausrüstern. Daten bleiben hier unter der Kontrolle ihrer Eigentümer, können aber für definierte Anwendungsfälle gezielt bereitgestellt werden. Im Kontext von Condition-Monitoring-basierten Services wurde erfolgreich erprobt, wie dadurch Zustandsinformationen, Asset-Kontext und Serviceprozesse über Unternehmensgrenzen hinweg verbunden werden können. Auf Basis dieser Projektergebnisse entstehen aktuell Lösungen, die das Zusammenspiel von Produktdaten, Zustandsinformationen und Serviceprozessen über Unternehmensgrenzen hinweg bereits praktisch nutzbar machen.

Das Factory-X-Datenökosystem bildet neben Smart Maintenance und KI einen weiteren Baustein. Das Projekt beantwortet nämlich die Skalierungsfrage, wie sich digitalisierte Produkte und Prozesse so vernetzen lassen, dass End-to-End-Workflows nicht an System- oder Unternehmensgrenzen enden.

Daten über Unternehmensgrenzen

Sind Produkte digital sichtbar, Prozesse strukturiert und Datenzugriffe geregelt, können KI-Agenten einzelne Aufgaben innerhalb klarer Grenzen übernehmen. Sie stellen die logische Zusammenführung und Weiterentwicklung der zuvor beschriebenen Ansätze dar. Ihr größtes Potenzial liegt derzeit in der Unterstützung klar definierter Prozessschritte – von der Informationsaufbereitung über Handlungsempfehlungen bis zur Übergabe strukturierter Informationen an nachgelagerte Systeme.

Langfristig könnten spezialisierte Agenten ganze Serviceketten unterstützen, heißt: Erkennung eines Anlagenzustands, Bewertung von Handlungsoptionen und schließlich Vorbereitung von Ersatzteilbeschaffung, Serviceeinsatz und Dokumentation. Vollständig autonome Abläufe sind heute noch die Ausnahme. Die aktuelle Entwicklung konzentriert sich deshalb auf derart klar abgegrenzte Anwendungsfälle, in denen Mensch und Agent eng zusammenarbeiten.

Dabei gilt: Die Technik folgt der Aufgabe. Nicht jeder Prozess benötigt ein großes Sprachmodell, und kein Agent sollte ohne definierte Rechte und Rahmenbedingungen handeln. Uhlmann bewertet Anwendungsfälle deshalb gemeinsam mit Fach-, Prozess-, Daten- und IT-Experten in interdisziplinären Teams. Entscheidend bleibt geschäftlicher Nutzen, Datenverfügbarkeit, Umsetzbarkeit, Prozessrisiko und die Frage, an welchen Punkten menschliche Entscheidungskompetenz unverzichtbar ist.

Schrittweise zu Industrial AI

Die Erfahrungen von Uhlmann und SAP zeigen, dass Industrial AI als Ergebnis einer schrittweisen Transformation betrachtet werden muss. Bevor KI-gestützte Prozesse und Agenten ihr Potenzial entfalten können, muss Transparenz über Produkte und Maschinenzustände herrschen, Daten in einen belastbaren Kontext gebracht und Geschäftsprozesse digitalisiert werden. Dieses Zusammenspiel ist die Grundlage und Voraussetzung für skalierbare Industrial-AI-Anwendungen.

Für Entscheider gibt es eine klare Priorität: Der sinnvollste Einstieg liegt nicht in der Suche nach einem Universalagenten, sondern in konkreten Anwendungsfällen mit messbarem Nutzen. Service und Maintenance eignen sich dafür besonders, weil sich Maschinenzustand, betrieblicher Bedarf und wirtschaftlicher Effekt unmittelbar miteinander verbinden lassen. Wer Datenentstehung, -vernetzung und -nutzung konsequent zusammendenkt, verbessert bereits heute Wartungs- und Serviceprozesse und schafft gleichzeitig die Grundlage für den produktiven Einsatz von Industrial AI.