antriebstechnik Innovation Scout 2026

TRENDBAROMETER KI IM

TRENDBAROMETER KI IM MASCHINENBAU VOM DATENPUNKT ZUM INTELLIGENTEN PRODUKT Der Einsatz von KI sorgt im Maschinenbau bereits heute für messbare Effizienzgewinne bei Wartung, Qualitätssicherung und Softwareentwicklung ebenso wie in Konstruktion und Fertigung. Beispiele aus der Praxis zeigen: Der Sprung von Pilotprojekten zu skalierbaren Lösungen gelingt, wenn Daten, Prozesse und Wissen intelligent verknüpft werden. An dieser Stelle entscheidet sich die Wettbewerbsfähigkeit der nächsten Jahre. Nach Jahren des Hypes ist die Künstliche Intelligenz (KI) im Maschinen- und Anlagenbau erfolgreich in der Praxis angekommen. Die Einsatzmöglichkeiten und Potenziale sind mittlerweile umfassend und reichen weit über die klassischen Anwendungsfälle wie Predictive Maintenance oder einfache Bilderkennung hinaus. Praxisbeispiele zeigen, dass KI nicht nur die Erzeugnisse des Maschinenbaus verbessern kann, sondern auch signifikante Verbesserungen in den Geschäftsprozessen ermöglicht. Die Kernanwendungsfelder sind nicht zuletzt aufgrund der einfachen Implementierung die Qualitätssicherung und Produktionsprozessoptimierung, vorausschauende Wartung (Predictive Maintenance) und, zum Teil darauf aufbauend, intelligenter Service. KI-NUTZEN KLAR IDENTIFIZIEREN Generative KI (GenAI) ist in aller Munde. Doch nicht immer ist diese Form von KI die beste Wahl. Für technische, fehlerintolerante Einsatzbereiche ist die richtige Wahl der Methode ent­ Miles Meier, Chefredakteur antriebstechnik scheidend. Zu nennen sind hier Maschinelles Lernen (ML) und Deep Learning (DL). Sie sind stark im Mustererkennen in großen Datenmengen (zum Beispiel Anomalieerkennung, Bilderkennung). Beispiele dafür finden sich im VDMA-Whitepaper „KI in der Industrie“ [1]. So hat etwa Aerzen Digital Systems, der Digitalisierungs- und KI-Experte der Aerzen Gruppe, die Asset Monitoring Plattform AERprogress entwickelt. Diese Plattform ermöglicht das Condition Monitoring von Maschinen und wird dabei sowohl den jeweiligen Systemen der Anwender als auch den individuellen Maschinen gerecht. Dafür wurde eine Machine Learning Operations (MLOps)-Pipeline geschaffen. Zum Training wurden Daten von fünf identischen Aerzen-Gebläsen einer großen Kläranlage in Nordeuropa verwendet. Bei Phoenix Contact hat man Machine-Learning-Methoden auch für die Auswertung von Protokollen, die in Form von PDFs vorlagen, erfolgreich eingesetzt [1]. Beispiele für die erfolgreiche Verwendung von GenAI gibt es ebenfalls zahlreiche. So kann der TwinCat CoAgent von Beckhoff Anwender konkret bei Arbeitsabläufen unterstützen. Zum Einen beschleunigt der KI-Agent die Erstellung von SPS-Code indem er die Formulierung von Anforderungen in natürlicher Sprache erlaubt. Der CoAgent schlägt dann passenden Structured-Text- Code vor. Geradezu verblüffend sind seine Fähigkeiten im erstel­ 12 antriebstechnik Marktübersicht 2026 www.antriebstechnik.de

Siemens demonstrierte auf der EMO die Leistungsfähigkeit eines KI-gestützten digitalen Threads; Im Detail ging es um eine Unterkomponente eines Rolls-Royce-Flugzeugtriebwerks, die vom Design bis zur Produktion mithilfe von KI, Simulation und cloud-basierter Zusammenarbeit optimiert wurde len von Bedienoberflächen. Aus einfachen Skizzen erstellt der KI-Assistent komplette, funktionierende HMI-Seiten und spart so dem Anwender viel Zeit. Siemens hat gemeinsam mit Rolls-Royce einen durchgängigen digitalen Prozess („Digital Thread“) entwickelt, der auf einem umfassenden Digital Twin basiert. Dieser verbindet nahtlos die Schritte Design, Engineering, Fertigung und Qualitätskontrolle in einer integrierten Softwareumgebung. Diesen Prozess nutzte man, um die Fertigung einer Schmierund Spülpumpe zu optimieren. KI ist hier unter anderem an der Programmierung der spanenden Endbearbeitung beteiligt und hat laut Siemens die Prorammierzeit um bis zu 80 % reduziert. Als entscheidend für diesen Prozess sieht man bei Siemens die konsequente Zusammenführung aller relevanten Daten an. EFFIZIENT. ZUVERLÄSSIG. DICHT. Unsere Lösung für Gehäuseabdichtung KONTEXTMANAGEMENT Um KI von fragmentierten Pilotprojekten zur unternehmensweiten Skalierung zu führen, muss eine Architektur geschaffen werden, die den Digital Thread wirklich durchgängig macht. Der Schlüssel liegt im Kontextmanagement aller technischen Artefakte. Ingenieure arbeiten mit Anforderungen, Simulationsergebnissen, CAD-Modellen und Testberichten. Eine skalierbare KI-Plattform muss diese unterschiedlichen Datenquellen nicht nur speichern, sondern ihre semantischen Beziehungen verstehen. Dies ermöglicht eine lückenlose Nachvollziehbarkeit und versorgt die KI mit dem notwendigen Wissen und Kontext für komplexe und domänenübergreifende Entscheidungen. Daran mangelt es aktu ellen KI-Projekten noch, wie ein Whitepaper des Fraunhofer Instituts konstatiert [2]. Darin wird darauf hingewiesen, das KI-Projekte meist vertikal strukturiert sind. Das heißt, sie konzetrieren sich auf bestimmte Prozesse innerhalb einer Aufgabe oder eines Unternehmens. Um die Möglichkeiten von KI voll zu nutzen, sind aber horizontale Strukturen sinnvoll, so das Fraunhofer Institut. In horizontalen Strukturen werden Daten aus verschiedenen Richtungen zusammengebracht und somit Wissen geteilt. Dadurch kann eine Optimierung auf Systemebene erreicht werden. INTELLIGENTE PRODUKTE UND NEUE GESCHÄFTSMODELLE Klar ist: KI ist zukünftig ein zentrales Werkzeug. Für den Maschinenbau ist die strategische Verankerung des Themas entscheidend, um die Wettbewerbsfähigkeit auszubauen. Durch die Erweiterung von Produkten mit KI wird ein wesentlicher Beitrag zur Wertschöpfung und zur Differenzierung vom Wettbewerb geleistet. Erfolgreiche KI-Modelle dienen als zentrale Bausteine für neue Geschäftsmodelle wie „Equipment as a Service“ oder „Performance as a Service“. Die Kombination von statistischer und wissensbasierter KI führt zur „sprechenden Maschine“. Diese intelligenten Produkte können künftig dem Anwender komplexe Informationen und Anweisungen liefern, wodurch Anwender wesentlich produktiver werden. Hier ist der Maschinenbau wieder bei seiner Rolle als Enabler angekommen. Der Maschinenbau der Zukunft wird durch hybride Intelligenz geprägt sein, bei der die Stärken von Mensch und Maschine systematisch kombiniert werden. Es geht nicht um den Ersatz des Ingenieurs, sondern um seine Entlastung von Routinetätigkeiten und um intelligente Entscheidungsunterstützung durch KI-gestützte Assistenzsysteme. Diese menschenzentrierte Perspektive ist entscheidend für die langfristige Akzeptanz und den wirtschaftlichen Erfolg von KI-Projekten. HN 10-WD | Verschlussschraube Verschlussschrauben mit integrierter Formdichtung NBR oder FKM. Automatisch und kontrolliert montiert. Weltweit im Einsatz in Anwendungen der Mobilhydraulik und Antriebstechnik. Wir fertigen für Sie auf Lager. Bilder: gearstd - stock.adobe.com, VFV Literatur: [1] VDMA-Whitepaper „KI in der Industrie - Beispiele und Anregungen aus der Praxis“ - https://bit.ly/vdma-25 [2] DFKI-AI-Whitepaper „AI in New Product Development“ - https://bit.ly/fraunhofer-25 heinrichs.de