.svg "publish-industry Verlag GmbH"){kind=logo}
Künstliche Intelligenz verändert die Industrie, doch zwischen den technologischen Versprechen und dem praktischen Einsatz in der Produktion klafft oft eine große Lücke. KI-Agenten und generative Modelle prägen zwar die öffentliche Debatte, doch in der Praxis sieht es oft anders aus. Faktoren wie Datenverfügbarkeit und -qualität, hohe Anforderungen an Zuverlässigkeit und Vertrauenswürdigkeit sowie die physische Welt der Produktion setzen dem Hype klare Grenzen. Entscheidend ist daher nicht, was KI theoretisch leisten kann, sondern wo sie unter realen Produktionsbedingungen zuverlässig und wirtschaftlich einen Unterschied macht.
KI-Agenten und generative Modelle prägen zwar die öffentliche Debatte, doch auf dem Shopfloor sieht die Realität oft anders aus. Faktoren wie Datenverfügbarkeit und -qualität, hohe Anforderungen an Zuverlässigkeit und Vertrauenswürdigkeit sowie die physische Welt der Produktion setzen dem Hype klare Grenzen.
Der Vortrag am 30. Oktober 2026 von 13:00 bis 13:30 Uhr auf der INDUSTRY.forward EXPO ordnet die zentralen KI-Technologien ein und zeigt anhand praxisnaher Anwendungsfälle, wo KI heute echten Mehrwert schafft und woran Projekte scheitern. Die abgeleiteten Erfolgsfaktoren helfen produzierenden Unternehmen dabei, eigene KI-Vorhaben gezielt umzusetzen. Grundlage sind zahlreiche Forschungs- und Industrieprojekte des Fraunhofer IPT an der Schnittstelle von Produktionstechnik und KI.
Registrieren Sie sich hier kostenfrei!
Vita
Maximilian Motz ist als wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Produktionstechnologie IPT tätig und unterstützt produzierende Unternehmen bei der systematischen Auswahl, Entwicklung und Umsetzung von KI-Anwendungen in der Produktion. Beispiele für durchgeführte Projekte sind die Umsetzung von Lösungen für Predictive Maintenance, Process Monitoring, Production Scheduling, Predictive Quality und Visual Quality Inspection in verschiedenen Industriebranchen. In seiner Promotion erforscht er die Nutzung synthetischer Daten zum Training von KI-Modellen für automatisierte visuelle Qualitätskontrollen.
