KI & Automatisierung: Wo bleibt der echte Mehrwert?

Collage

KI kann Maschinenfehler erkennen, Wartungsteams unterstützen und komplexe Abläufe optimieren. Trotzdem bleibt der Weg vom erfolgreichen Pilotprojekt in den Regelbetrieb oft steinig. Das Problem liegt dabei weniger an der Technologie als an den Voraussetzungen in den Unternehmen.

Der Druck wächst: Fachbereiche wollen KI-Anwendungen, das Management erwartet schnelle Ergebnisse und IT-Verantwortliche müssen Sicherheit, Integration und Betrieb gewährleisten. Gleichzeitig sind Daten über unterschiedliche Systeme verteilt, Prozesse historisch gewachsen und Zuständigkeiten nicht immer geklärt.

Die eigentliche Herausforderung lautet deshalb: Wie wird aus einer technisch funktionierenden KI-Anwendung ein wirtschaftlich sinnvoller Bestandteil des Unternehmens?

Wenn KI das falsche Problem löst

Nicht jeder Prozess wird durch KI besser. Manchmal reichen klassische Algorithmen, regelbasierte Automatisierung oder eine veränderte Arbeitsorganisation, um schneller und günstiger ans Ziel zu kommen. Trotzdem beginnt die Diskussion in Unternehmen häufig mit der Frage, wo sich KI einsetzen lässt. Die Frage nach dem konkreten Problem folgt erst danach.

Lukas Lingitz (Fraunhofer Austria Research) kennt diesen Ansatz aus der Praxis. Unternehmen wollen neue Technologien nutzen, obwohl sie die Ursachen ihrer Schwierigkeiten noch nicht ausreichend analysiert haben. Die Regel lautet, erst der Prozess, dann das System! Egal ob einfach Digitalisierung, oder Automatisierung mit Algorithmen oder KI. 

Für CIOs ist das eine Frage der Investitionssteuerung: Welche Vorhaben verbessern tatsächlich einen Geschäftsprozess? Wo genügt bestehende Automatisierung? Und wo bietet KI einen zusätzlichen Nutzen, der den höheren Aufwand rechtfertigt?

Warum KI-Pilotprojekte an der Realität scheitern

Die größte Hürde liegt häufig nicht darin, KI zum Laufen zu bringen, sondern sie unter unterschiedlichen realen Bedingungen zuverlässig einzusetzen.

Wie groß dieser Unterschied sein kann, zeigt Infineon Technologies Austria. Gemeinsam mit Fraunhofer Austria entwickelte das Unternehmen einen KI-gestützten Instandhaltungsassistenten. Was als Proof of Concept in einer Abteilung in Villach begann, wurde auf weitere Produktionsbereiche ausgeweitet und steht aktuell 2.000 Beschäftigten weltweit zur Verfügung. 
Die Herausforderung: Wartungsinformationen sind zwar vorhanden, aber nicht überall gleich dokumentiert. Bezeichnungen unterscheiden sich, Daten liegen in verschiedenen Formaten vor und Fachwissen steckt häufig in den Köpfen erfahrener Beschäftigter.

Anna Posch (Infineon Technologies Austria) beschäftigt sich genau mit dieser Überführung in die Praxis. Damit der Assistent standort- und bereichsübergreifend funktioniert, müssen Informationen vereinheitlicht und fachlich richtig zugeordnet werden. Das klingt vielleicht nach Datenpflege. Tatsächlich entscheidet sich hier, ob KI skaliert.

Ein Modell kann in einer Abteilung überzeugende Ergebnisse liefern und in der nächsten an abweichenden Begriffen oder unvollständigen Informationen scheitern. Unternehmen brauchen deshalb nicht nur geeignete Modelle, sondern gemeinsame Datenstandards und Verantwortlichkeiten für deren Pflege.

Hinzu kommt die Akzeptanz. Wer seit Jahren Maschinen wartet, verlässt sich nicht automatisch auf eine KI-Empfehlung. Entscheidend ist, ob das System im Arbeitsalltag nachvollziehbare und brauchbare Unterstützung liefert.

Der Sprung vom Piloten in den Regelbetrieb ist damit vor allem eine Integrations- und Organisationsaufgabe.

Warum sich nicht jede KI sofort rechnen muss

Ein kurzfristiger ROI ist nicht für jedes KI-Projekt der richtige Maßstab. Besonders komplexe Automatisierungsvorhaben benötigen Vorleistungen, deren Nutzen über den ursprünglichen Anwendungsfall hinausreichen kann.

Ein Beispiel kommt vom Unternehmen Plasser & Theurer mit dem Stammwerk in Linz und Standorten auf allen Kontinenten. Für ein Assistenzsystem zur Gleisinstandhaltung wurde eine realitätsnahe Simulationsumgebung aufgebaut. Sie ermöglicht es, Abläufe zu entwickeln und zu testen, die sich im laufenden Bahnbetrieb nur schwer erproben lassen.

Markus Augdoppler, der das Vorhaben aus seiner früheren Tätigkeit bei Plasser & Theurer kennt, schilderte, wie daraus zusätzliche Einsatzmöglichkeiten für digitale Zwillinge entstanden. Der Unterschied ist wesentlich: Wird nur die erste Anwendung bewertet, erscheinen die Entwicklungskosten hoch. Wird berücksichtigt, dass die Simulationsumgebung auch für weitere Anwendungen nutzbar ist, verändert sich die wirtschaftliche Betrachtung.

Das bedeutet nicht, KI-Projekte ohne belastbaren Business Case zu starten. Vielmehr müssen Unternehmen zwischen kurzfristig messbaren Effizienzgewinnen und Investitionen in wiederverwendbare Fähigkeiten unterscheiden.

Wer steuert KI, wenn sie selbst handelt?

Je stärker KI in operative Prozesse eingreift, desto wichtiger werden klare Zuständigkeiten, Berechtigungen und Kontrollmechanismen. Bereits heute unterscheiden sich die Anforderungen erheblich. Ein KI-Assistent, der Dokumente zusammenfasst, birgt andere Risiken als ein System, das Wartungsschritte empfiehlt oder Maschinenparameter verändert.

Markus Schaal (voestalpine) trennt deshalb breit verfügbare KI-Werkzeuge für den Arbeitsalltag von spezifischen Anwendungen mit konkretem Geschäftsnutzen. Neue Vorhaben sollen über bestehende IT-Governance-Strukturen bewertet und priorisiert werden. Das schafft Transparenz, ohne für jedes KI-Projekt eine eigene Entscheidungswelt aufzubauen. Vor dem Start lässt sich prüfen, ob Daten, Prozesse und technische Voraussetzungen ausreichend ausgereift sind.

Die Anforderungen steigen weiter, wenn KI-Systeme nicht mehr nur Informationen liefern, sondern innerhalb definierter Grenzen selbstständig Aktionen ausführen.

Fraunhofer Austria beschäftigt sich etwa mit der Optimierung aufeinanderfolgender Produktionsschritte und dem Einsatz von Reinforcement Learning in Verbindung mit modellbasierter Regelung. Solche Ansätze können helfen, Maschinenparameter besser abzustimmen und Ausschuss zu reduzieren.

V. l. n. r.: Lukas Lingitz (Fraunhofer Austria Research), Anna Posch (Infineon Technologies Austria), Christine Wahlmüller-Schiller (Austrian Institute of Technology), Markus Schaal (voestalpine) und Markus Augdoppler (In Transition) beim Panel „KI & Automatisierung im Realitätscheck“

Für CIOs und CISOs verschiebt sich damit die Fragestellung. Es geht nicht mehr ausschließlich darum, wer auf ein KI-System zugreifen darf. Entscheidend wird auch, welche Entscheidungen ein System selbst treffen darf, welche Eingriffe freigegeben werden müssen und wie sich sein Verhalten überwachen lässt. Dafür braucht es eine IT-Architektur, die Datenflüsse, Berechtigungen und operative Systeme zuverlässig verbindet.

Wie weit die Entwicklung zu autonomen Systemen reicht und welche Verantwortung daraus für CIOs entsteht, beleuchtet der LSZ-Artikel „AI Factories: Wie KI die Produktion neu definiert“.

KI verändert mehr als die IT

Technische Integration allein reicht allerdings nicht. KI verändert Arbeitsabläufe, Kompetenzanforderungen und die Zusammenarbeit zwischen Fachbereichen.

Augdoppler plädiert deshalb für eine engere Abstimmung zwischen IT und HR. Poschs Erfahrungen bei Infineon unterstreichen, wie wichtig es ist, Beschäftigte früh einzubinden und den konkreten Nutzen einer Anwendung verständlich zu machen.

Der Future of Jobs Report 2025 des World Economic Forum verdeutlicht den Handlungsdruck: 86 Prozent der befragten Arbeitgeber erwarten, dass KI und Technologien zur Informationsverarbeitung ihr Geschäft bis 2030 verändern. 63 Prozent sehen Kompetenzlücken als wesentliches Transformationshindernis.

Unternehmen müssen deshalb nicht nur entscheiden, welche Aufgaben KI übernehmen soll. Sie müssen auch klären, welche Fähigkeiten ihre Beschäftigten künftig benötigen und wo menschliche Entscheidungen unverzichtbar bleiben.

Was bleibt für CIOs?

Wie unterschiedlich die Wege zum produktiven KI-Einsatz sind, zeigte die Paneldiskussion „KI & Automatisierung im Realitätscheck“ bei der Production & IT 2026 in Linz. Unter der Moderation von Christine Wahlmüller-Schiller (Austrian Institute of Technology) diskutierten die bereits zitierten Markus Schaal (voestalpine), Anna Posch (Infineon Technologies Austria), Lukas Lingitz (Fraunhofer Austria Research) und Markus Augdoppler (CISO bei Rosenbauer International AG).

Ihre Erfahrungen machen deutlich, dass die nächste KI-Investition nicht zwangsläufig in ein leistungsfähigeres Modell fließen muss. Für manche Unternehmen liegt der größere Hebel darin, zuerst Daten zu vereinheitlichen, Prozesse zu verbessern und Verantwortlichkeiten zu klären. Denn KI kann nur dort dauerhaft Mehrwert schaffen, wo sie auf eine Organisation trifft, die ihre Ergebnisse auch nutzen kann.

Die nächste Production & IT findet am 10. März 2027 in Linz statt. KI verändert nicht nur Technologien und Prozesse, sondern auch Führung, Zusammenarbeit und Kompetenzanforderungen. Genau deshalb hat LSZ mit Future CIO Connections Wien und Future CHRO Connections Wien am 16. Juni 2027 ein neues Format geschaffen: zwei Events am selben Tag, die IT- und HR-Verantwortliche zusammenbringen und Raum für den bereichsübergreifenden Austausch schaffen.

Paneldiskussion zum Thema „KI & Automatisierung im Realitätscheck: Was heute funktioniert – und was als Nächstes passieren muss.“ bei der Production & IT 2026 in Linz
https://www.weforum.org/publications/the-future-of-jobs-report-2025