„Nicht die Cloud ist riskant – Stillstand ist riskant“

Welche Rolle nimmt AWS in der Fertigungsindustrie heute ein? Sind Sie Plattformprovider, Umsetzungsbeschleuniger oder eher Dirigent eines großen Partner-Ökosystems? Und was will AWS bewusst nicht sein?

Wir vereinen alle drei Rollen. AWS bietet eine große Bandbreite – von Software für Edge-Devices zur Anbindung bestehender Brownfield-Systeme bis hin zu mehr als 240 Cloud-Services, mit denen sich Infrastruktur und Steuerung in der Cloud aufbauen und über Edge wieder in die Fabrik zurückspielen lassen. Entscheidend ist dabei unser starkes Partner-Ökosystem. Wir integrieren unterschiedliche Komponenten, sprechen Protokolle wie MQTT oder OPC UA und schlagen so die Brücke zwischen OT und Cloud. AWS ist damit Technologiegeber und gemeinsam mit seinen Partnern ein klarer Beschleuniger. Da wir aber kein klassischer Professional-Services-Anbieter sind, setzen wir nicht jedes Projekt selbst um, sondern arbeiten dafür gemeinsam mit unseren spezialisierten Partnern, die näher an den konkreten Anforderungen der Kunden sind.

Viele Fertiger sitzen auf riesigen Datenmengen, wissen aber nicht, wie sie diese sinnvoll nutzen sollen. Wo entsteht hier der eigentliche Mehrwert?

Der Hauptmehrwert entsteht nicht dadurch, dass man Daten aus PLCs oder dem MES einfach in die Cloud schiebt. Das allein ist zunächst nur eine „Datenhalde“ und bringt noch keinen direkten Gewinn. Der eigentliche Wert entsteht erst dann, wenn ich mir eine Strategie überlege, wie ich diese Daten mit Kontext anreichere und an die richtigen Personen oder Systeme verteile. Was wir heute bieten, ist die Demokratisierung von Technologie. Was früher nur für Großkonzerne mit riesigen IT-Budgets machbar war, steht heute praktisch jedem offen, weil bei uns nach Verbrauch abgerechnet wird. Ein mittelständischer Maschinenbauer muss nicht alles ersetzen. Er kann klein anfangen, die Cloud-Anbindung testen und experimentieren. Funktioniert ein Prototyp nicht, wird er wieder gelöscht – dann sind nur ein paar Euro verloren, aber wertvolle Erkenntnisse gewonnen. Zudem ist das Sicherheitsniveau, das wir durch unsere Größe bieten können, ein massiver Hebel. Wir investieren Summen in Sicherheit, die ein einzelner Fertiger allein kaum aufbringen könnte.

Wenn Sie in die Werkhallen schauen: Was ist aktuell das drängendste Ausgangsproblem? Kämpfen die Unternehmen eher mit Qualität, Kosten oder dem allgegenwärtigen Fachkräftemangel?

Alle diese Themen hängen zusammen, aber der Fachkräftemangel ist ein massiver Treiber für Automatisierung und KI. Wir müssen Wege finden, das Wissen erfahrener Mitarbeiter zu sichern und Prozesse so zu verbessern, dass sie auch mit weniger Personal stabil laufen. Genau hier setzen wir an: KI hilft, Zeit zu sparen. Wenn ein Wartungsagent einem Techniker direkt sagt, wo das Problem liegt und welches Ersatzteil er mitbringen sollte, ist das ein direkter Gewinn an Effizienz. Es geht darum, dem Menschen die „Brot-und-Butter-Arbeit“ abzunehmen, damit er sich auf die komplexeren Aufgaben konzentrieren kann.

Welche KI-Use-Cases liefern Ihrer Erfahrung nach aktuell den schnellsten, messbaren Business Impact?

Ein absoluter Favorit ist der Wartungsagent. Er ist deshalb so beliebt, weil er sich sehr gut andocken lässt, ohne dass man sofort tief in Produktionsplanung oder Steuerung eingreifen muss. Der Agent erhält Zugriff auf Handbücher, kennt die Konfiguration der Maschinen, analysiert Live-Daten, erkennt Anomalien und führt eine Root-Cause-Analyse durch. Er schlägt Alarm und sagt im Grunde: Hier gibt es ein Problem, wahrscheinlich liegt es an Komponente X – schau dir das bitte an. Ein zweiter starker Use Case ist die Optimierung komplexer Roboterzellen. Normalerweise programmiert ein Mensch jeden Arm einzeln und muss mühsam sicherstellen, dass sie sich nicht in die Quere kommen. Einem KI-Agenten geben wir die Freiheitsgrade und das Ziel der Zelle vor. Er plant dann blitzschnell unzählige Szenarien durch und optimiert das Zusammenspiel der gesamten Zelle autonom. Der dritte Bereich ist die visuelle Qualitätsprüfung. Hier können wir mit KI-Modellen Defekte in Millisekunden erkennen und so die Ausschussraten deutlich senken. Das Schöne an diesen Use Cases ist: Man kann ihren Nutzen sehr gut mit Kennzahlen wie OEE, MTBF oder den Energiekosten pro Teil belegen.

Woran erkennt ein Fertigungsleiter, ob ein Use Case wirklich „KI-würdig“ ist – oder ob zunächst Prozessdisziplin gefragt ist?

Das ist eine extrem wichtige Unterscheidung. Bevor ich KI auf einen Prozess anwende, brauche ich eine saubere Datenbasis. Wenn mein Prozess im Chaos versinkt, wird die KI dieses Chaos nur beschleunigen. Ein Use Case ist dann KI-würdig, wenn er von der Analyse großer, unstrukturierter Datenmengen profitiert oder wenn komplexe Muster erkannt werden müssen, die sich manuell kaum noch erfassen lassen. Wir schauen uns mit den Kunden deshalb zunächst die Zielsetzung an: Was soll am Ende konkret erreicht werden? Wenn wir dort über Mustererkennung signifikante Hebel sehen, ist KI der richtige Weg.

AWS wird oft als riesiger Werkzeugkasten wahrgenommen. Wie verhindern Sie, dass Kunden im „Tool-Dschungel“ landen, statt zu einer klaren Architektur zu kommen?

Wir arbeiten konsequent vom Kunden rückwärts. Bei AWS heißt dieser Prozess „Working Backwards“. Wir setzen uns mit dem Kunden zusammen und fragen: Wo stehst du heute? Dann wählen wir aus dem Baukasten genau die passenden Bausteine aus. Wir bieten Schablonen und Lösungen als Anregung, die zeigen, wie wir es bauen würden – am Ende ist es aber immer eine maßgeschneiderte Lösung für den jeweiligen Kunden. Wir haben zwar über 240 Dienste, aber kein Kunde muss sie alle nutzen.

Können auch kleinere Maschinenbauer von diesem Werkzeugkasten profitieren, oder braucht es dafür eine gewisse Unternehmensgröße?

Das ist das Schöne an der Cloud: Sie demokratisiert Technologie. Was sich früher nur große Unternehmen leisten konnten, steht heute grundsätzlich jedem offen, weil nach Verbrauch abgerechnet wird. Ein kleinerer Maschinenbauer muss nicht alles ersetzen. Er kann mit der Cloud-Anbindung vorhandener Steuerungen klein anfangen und experimentieren. Wenn ein Prototyp nicht funktioniert, wird er wieder gelöscht – dann sind nur wenige Euro verloren, aber wertvolle Erkenntnisse gewonnen. Sobald Kunden verstehen, dass sie nicht mehr sechs Monate für ein Projekt brauchen, sondern mit zwei Leuten schnell experimentieren können, verändert das ihre gesamte Arbeitsweise.

Ein kritisches Thema bleibt die Sicherheit, besonders bei der Öffnung der OT in Richtung IT. Wie nehmen Sie den Unternehmen die Angst?

Die jahrelange Trennung von OT und IT – nach dem Motto: „Da liegt kein Kabel dazwischen, also ist es sicher“ – stößt heute an ihre Grenzen. Wer Werke weltweit vernetzen und voneinander lernen will, braucht diese Verbindung. Datensicherheit ist unsere Kernkompetenz. Das Sicherheitsniveau, das wir durch unsere Größe bieten können – etwa durch massive Investitionen in Personal und die Automatisierung von Sicherheitsmechanismen –, kann ein kleinerer Hersteller allein kaum leisten. Wir helfen dabei, einen Sicherheits-Schirm über die Werke zu spannen. Das reicht bis hin zu virtuellen PLCs, die sich sicher über die Cloud verwalten und patchen lassen.

Ein anderes kritisches Thema sind Halluzinationen bei generativer KI. Welche Leitplanken empfehlen Sie für den Einsatz im Werk? Wo ziehen Sie die Grenze zur Autonomie?

Sicherheit steht an oberster Stelle. Letztlich ist es wie ein Schieberegler, den der Kunde selbst bedient: Wie viel darf die KI autonom entscheiden, und an welcher Stelle braucht es den Menschen? Wir bieten Werkzeuge für sogenannte Guardrails. Ein Modell darf bei uns zum Beispiel nur auf Basis offizieller Dokumente wie Betriebsanweisungen oder Handbücher antworten – also im Sinne eines RAG-Ansatzes – und greift nicht auf beliebiges Internetwissen zu. Der Kunde behält dabei jederzeit die volle Kontrolle über seine Daten und Modelle. In sicherheitskritischen Bereichen wird die KI auf absehbare Zeit nur Vorschläge machen, die ein Mensch freigibt.

Wenn Sie nach vorn blicken: Wie sieht Ihr Zielbild für „AI-native Manufacturing“ aus?

Mein Zielbild ist die autonome Fabrik, in der sich Systeme weitgehend selbst optimieren. Wir werden Agenten sehen, die ganze Produktionsstraßen steuern. Die Vernetzung wird so weit gehen, dass Werke weltweit voneinander lernen. Ein Fehler in einem Werk in Brasilien führt dann dazu, dass eine Maschine in Deutschland sofort ein Update erhält, damit dieser Fehler dort gar nicht erst entsteht. Der Mensch wird in diesem Szenario zum Dirigenten der KI-Systeme.

Zum Abschluss: Warum ist AWS aus Ihrer Sicht der richtige Partner für den Weg von den ersten Pilotprojekten bis zur globalen Skalierung?

Weil wir beides können: extrem klein und kostengünstig anfangen, aber zugleich die Infrastruktur und Prozesse bereitstellen, um auch sehr große Umgebungen weltweit beherrschbar zu machen. Wir haben inzwischen tiefes Domänenwissen aufgebaut, arbeiten eng mit Hardware- und Softwareproduzenten zusammen und verfügen über eines der größten Partner-Ökosysteme in der industriellen Fertigung. Wir helfen dem Kunden nicht nur mit Diensten, sondern unterstützen ihn dabei, seine Innovationskraft aus der Cloud in die Praxis zu bringen.