KI News

Quelle: www.zukunftszentrum-ki.nrw

28. Juli 2026
Künstliche Intelligenz erfolgreich einzuführen bedeutet weit mehr, als neue
Tools bereitzustellen. Bei CHRIST Juweliere und Uhrmacher seit 1863 GmbH zeigt
sich, dass nachhaltige KI-Nutzung vor allem dort entsteht, wo Menschen
Verantwortung übernehmen, Wissen teilen und neue Lösungen aus ihrem
Arbeitsalltag heraus entwickeln.
Um mehr über diesen Weg zu erfahren, haben wir mit Marc Bieringer, Expert AI
Development, und Manuel Reichert, Expert Demand- und Projektmanagement,
gesprochen. Beide treiben das Thema KI im Unternehmen maßgeblich voran und haben
gemeinsam den Aufbau eines bereichsübergreifenden Netzwerks von KI-Key-Usern
initiiert.
Aus ihrer gemeinsamen Begeisterung für das Thema, zahlreichen Gesprächen und
ersten Projekten entwickelte sich nach und nach eine unternehmensweite
Initiative. „Motivation und Begeisterung sind schon wichtig“, beschreibt Manuel
diese Entwicklung. Was zunächst aus persönlichem Interesse entstand, entwickelte
sich mit der Zeit zu einem festen Bestandteil der KI-Strategie bei CHRIST.
KI braucht mehr als ein zentrales Expertenteam
Schnell wurde klar, dass KI nicht durch ein zentrales Expertenteam allein im
Unternehmen verankert werden kann. Deshalb setzt CHRIST auf KI-Key-User aus den
jeweiligen Fachbereichen. Diese kennen die Abläufe, Herausforderungen und
Bedarfe ihrer Bereiche aus erster Hand und können dadurch Potenziale für den
KI-Einsatz identifizieren. Gemeinsam entwickeln sie passende Anwendungsfälle und
bringen neue Ideen in ihre Teams ein. Der Erfolg des Netzwerks liegt dabei im
Zusammenspiel von technischem KI-Know-how und fachlicher Expertise. Erst diese
Kombination ermöglicht Lösungen mit echtem Mehrwert für den Arbeitsalltag.
Gleichzeitig zeigt die Arbeit mit KI, wie wichtig eine gute Datenbasis ist. Die
Entwicklung neuer Anwendungen macht sichtbar, wo Informationen noch besser
strukturiert oder dokumentiert werden können und bietet damit die Chance,
vorhandenes Wissen langfristig besser nutzbar zu machen. Mittlerweile sind
nahezu alle Unternehmensbereiche im KI-Netzwerk vertreten und treffen sich
regelmäßig zum Austausch.
Warum Führungskräfte eine Schlüsselrolle spielen
Auch Führungskräfte haben einen wichtigen Einfluss auf den Erfolg der
KI-Transformation. Aus Sicht der Interviewpartner müssen sie nicht selbst
KI-Expertinnen oder -Experten sein. Viel wichtiger ist es, Orientierung zu geben
und eine positive Haltung gegenüber neuen Technologien vorzuleben. Vor allem ist
es ihre Aufgabe, die notwendigen Rahmenbedingungen für Lernen und Innovation zu
schaffen. Denn wer KI sinnvoll einsetzen möchte, muss zunächst Zeit investieren,
um neue Möglichkeiten kennenzulernen, Routinen zu entwickeln und Erfahrungen zu
sammeln. Dafür braucht es Freiräume, die sich sinnvoll in den Arbeitsalltag
integrieren lassen.
Wie wichtig Führungskräfte für diesen Prozess sind, wurde auch im gemeinsamen
Workshop deutlich. Aus Sicht der Interviewpartner trug dieser dazu bei, ein
gemeinsames Verständnis von KI zu schaffen, unterschiedliche Wissensstände
zusammenzuführen und die eigene Rolle im Veränderungsprozess zu reflektieren.
Besonders in Erinnerung geblieben ist dabei das Bild einer gemeinsamen Bergtour.
Auf dem Weg zur KI-Nutzung befinden sich Mitarbeitende an unterschiedlichen
Punkten, manche gehen voraus, andere benötigen mehr Orientierung oder
Unterstützung. Umso wichtiger ist es, alle auf diesem Weg mitzunehmen.
KI-Einführung ist ein Lernprozess
Ein weiterer Punkt, den Marc und Manuel betonen, sind realistische Erwartungen.
Große Visionen für den Einsatz von KI entstehen oft schnell. Die tatsächliche
Umsetzung erfolgt allerdings meist schrittweise. Ideen müssen getestet, Prozesse
angepasst und Erfahrungen gesammelt werden. Daher braucht die Einführung von KI
Geduld und die Bereitschaft, Schritt für Schritt zu lernen. Häufig sind es die
kleinen Erfolge, die langfristig den größten Unterschied machen.
Drei Learnings für andere Unternehmen
* Menschen früh einbinden: Engagierte Mitarbeitende können als
Multiplikatorinnen und Multiplikatoren wichtige Impulse in die Organisation
tragen.
* Mit kleinen Schritten starten: Erste Erfolge schaffen Vertrauen und fördern
die Akzeptanz im Unternehmen.
* Zeit für Lernen einplanen: KI-Kompetenz entwickelt sich nicht über Nacht,
sondern entsteht durch Ausprobieren, Austausch und kontinuierliche
Weiterentwicklung.
--------------------------------------------------------------------------------

Quelle: ki-campus.org

Mit dem "Digital Omnibus on AI" bzw. dem KI-Omnibus wurden in den letzten
Monaten gezielte Veränderungen am EU AI Act vorbereitet, die nun in Kraft
treten. Die Anforderungen bezüglich der KI-Kompetenzen waren ein wichtiger
Gegenstand des Gesetzgebungsverfahrens.
Ein zentrales und aus Sicht des KI-Campus erfreuliches Ergebnis: Artikel 4 der
KI-Verordnung wird nicht gestrichen, sondern pragmatisch neu justiert.
* Anbieter und Betreiber von KI-Systemen müssen weiterhin Maßnahmen ergreifen,
um die Entwicklung der KI-Kompetenz ihrer Mitarbeitenden und weiterer in
ihrem Auftrag tätiger Personen zu unterstützen.
* Neu ist: Sie müssen nicht garantieren, dass jede einzelne Person ein
bestimmtes Kompetenzniveau erreicht. 
* Die Europäische Kommission und die Mitgliedstaaten sollen Organisationen bei
der Umsetzung unterstützen – unter anderem durch praktische Beispiele.
* Ein KI-Gremium soll Empfehlungen und gemeinsame Ziele entwickeln. Dabei
werden bestehende Kompetenzrahmen wie der und auch das ausdrücklich als
Orientierung genannt.
Der KI-Campus unterstützt die Erfüllung von Artikel 4 mit kostenlosen
Lernangeboten, die Grundlagen, Einsatzmöglichkeiten und Anforderungen rund um
Künstliche Intelligenz verständlich vermitteln, unter anderem mit den Kursen und
.
Im Rahmen des durch das Bundesministerium für Forschung, Technologie und
Raumfahrt (BMFTR) geförderten Projekts setzen sich der KI-Campus und seine
Partner gezielt mit den Anforderungen im Hochschulbereich auseinander.
Weiterführende Informationen:
*
*
*

Quelle: www.bigdata-insider.de

OPEN SECURE AI ALLIANCE NVIDIA UND TECH-RIESEN GRÜNDEN KI-SICHERHEITSALLIANZ
28.07.2026 Quelle: dpa 2 min Lesedauer
Anbieter zum Thema
Mit der Open Secure AI Alliance wollen Nvidia und fast 40 Technologieunternehmen
die Sicherheit von KI-Agenten verbessern. Das Bündnis setzt auf offene Standards
und Technologien – auffällig ist jedoch, welche großen KI-Anbieter nicht dabei
sind.
Nvidia und fast 40 weitere Technologieunternehmen haben eine -Sicherheitsallianz
ins Leben gerufen. Dem Bündnis gehören unter anderem Microsoft, IBM, SAP, Dell,
Palantir sowie der Konzern SpaceXAI an.
Auffällig ist dabei jedoch vor allem, wer bei der neuen Allianz fehlt:
Ausgerechnet die führenden Entwickler geschlossener KI-Modelle, namentlich
Google, und Anthropic, sind nicht Teil der Initiative.
Die Gründung der „Open Secure AI Alliance“ (OSAA) erfolgt nur wenige Tage nach
einer aufsehenerregenden Testpanne, die die Gefahren unkontrollierbarer
KI-Agenten verdeutlichte. Mitte Juli hatten sich KI-Modelle von OpenAI während
eines internen Tests verselbstständigt und eigenständig einen Hackerangriff auf
die beliebte Entwicklerplattform ausgeführt. OpenAI selbst bezeichnete den
Vorfall im Nachhinein als "beispiellos".
HACKERABWEHR NUR MIT KI-MODELLEN AUS CHINA MÖGLICH
Das Brisante an dem Vorfall: Um den Angriff der außer Kontrolle geratenen
OpenAI-Software zu analysieren und zu stoppen, musste Hugging Face auf das
chinesische KI-Modell GLM 5.2 zurückgreifen. Die Plattform hatte zunächst
versucht, den Hack mit geschlossenen KI-Modellen aus den USA abzuwehren.
Diese Versuche misslangen jedoch, weil interne Sicherheitsmechanismen die
notwendigen forensischen Anfragen blockierten. Die US-KI-Modelle konnten nicht
zwischen Angreifern und Verteidigern unterscheiden.
Das neue Bündnis setzt zur Lösung dieses Problems nun auf offene Technologien.
Konkret planen die Unternehmen die Entwicklung eines allgemein verfügbaren
„Sicherheitsbaukastens“ für KI-Agenten. Dabei geht es um die Etablierung
gemeinsamer Standards für besonders abgesicherte Testumgebungen („Sandboxes“).
Außerdem sollen neuartige Protokollstrukturen eingerichtet werden, mit denen
sich die Handlungen von KI-Agenten exakt nachvollziehen lassen. Rechtlich
bindende Verpflichtungen gehen die Partner der neuen Allianz durch ihren
Beitritt allerdings nicht ein.
OFFENE VS. GESCHLOSSENE KI-MODELLE
Neben der technischen Cyberabwehr hat die Allianz auch eine politische
Dimension. Die Tech-Unternehmen warnen die Politik ausdrücklich vor einer
stärkeren staatlichen Regulierung offener KI-Modelle. Zuletzt hatte die
US-Regierung Berichten zufolge pauschale Beschränkungen für leistungsfähige
chinesische Modelle geprüft.
Nvidia argumentiert in diesem Zusammenhang, dass pauschale Restriktionen für
offene Systeme die kollektive Abwehrfähigkeit schwächen und die Macht sowie die
Abhängigkeit auf wenige Anbieter geschlossener Systeme konzentrieren würden.
Hinter dieser Auseinandersetzung stehen auch handfeste wirtschaftliche
Interessen, die das Fehlen von Google und OpenAI erklären. Unternehmen wie
OpenAI, Google und Anthropic verdienen am exklusiven Zugang zu ihren
geschlossenen Systemen; eine Einschränkung offener Alternativen könnte ihre
Marktposition stärken.
Nvidia hingegen verdient an der Hardware-Infrastruktur, auf der sämtliche
Modelle trainiert und betrieben werden. Je vielfältiger und offener das
KI-Ökosystem ist, desto höher ist dementsprechend die potenzielle Nachfrage nach
den Chips des Konzerns.
(ID:50912477)

Quelle: www.bigdata-insider.de

STUDIE ZU KI-GENERIERTER SOFTWARE KI-CODE GLÄNZT IM REVIEW UND SCHWÄCHELT IN DER
PRODUKTION
28.07.2026 Von 4 min Lesedauer
Anbieter zum Thema
New Relics „2026 State of AI Coding Report“ meldet einen harten Widerspruch: 94
Prozent der befragten Tech-Entscheider bewerten KI-generierten Code im Review
als hochwertiger als menschlichen Code. Nach dem Go-live berichten aber 78
Prozent von mehr Incidents. Der Grund laut Report: KI-Tools lesen den Quellcode,
nicht den Trace. Observability soll die Lücke schließen.
Der Observability-Anbieter New Relic hat seinen veröffentlicht. Die gemeinsam
mit Hanover Research durchgeführte Studie befragte Führungskräfte aus IT und
Engineering, die generative und in der Softwareentwicklung einsetzen. Der
zentrale Befund: Der positive Ersteindruck beim Code-Review deckt sich nicht mit
der Performance im Live-Betrieb.
GUTE NOTEN BEIM REVIEW, HOHE KOSTEN DANACH
Beim Review bevorzugen laut Report 94 Prozent der Befragten -generierten Code –
61 Prozent bewerten ihn als etwas hochwertiger, 33 Prozent als deutlich
hochwertiger. Nach dem Go-live kehrt sich das Bild jedoch um. Nach Angaben des
Unternehmens berichten 78 Prozent von einem Anstieg der Incidents, und 86
Prozent geben an, dass Senior Engineers mehr Zeit mit Reparatur und
Fehlerbehebung verbringen.
Weiter zeigt die Studie, dass 74 Prozent der Befragten mindestens ein Viertel
des KI-generierten Codes der vergangenen zwölf Monate erheblich überarbeiten
mussten. 82 Prozent erlebten in den vergangenen sechs Monaten mindestens einen
Produktionsausfall, der auf KI-generierten Code zurückzuführen war. Nur 19
Prozent berichten den Angaben zufolge von einem störungsfreien Umgang mit
KI-Code in diesem Zeitraum.
KI SCHREIBT DEN GROSSTEIL DES CODES
Die Verlagerung der Code-Erstellung auf KI betrifft dem Report zufolge nicht
mehr nur Startups. Zwei Drittel der befragten IT-Entscheider (67 Prozent) geben
an, dass KI zwischen 51 und 75 Prozent der wöchentlichen Code-Produktion ihres
Unternehmens generiert oder einem umfangreichen Refactoring unterzieht.
Zugleich deuten die Daten auf ein hohes Maß an Vertrauen im frühen
Entwicklungsprozess hin: 62 Prozent der Führungskräfte berichten, dass ihre
Teams KI-generiertem Code oft so weit vertrauen, dass sie ihn ohne manuelle
zeilenweise Überprüfung ausliefern. Zudem hätten 88 Prozent der Unternehmen Vibe
Coding in formelle Produktionsrichtlinien aufgenommen.
„AGENT DEBT“ ALS NEUE HERAUSFORDERUNG
AI Coding Agents vervollständigten nicht mehr nur einzelne Codezeilen, sondern
trieben inzwischen den Großteil der Softwareentwicklung in Unternehmen voran.
Der Report zeige einen Trend, den New Relic als „Agent Debt“ bezeichne: Teams
übernähmen mit dem von Agenten erzeugten Code unbemerkt Architektur- und
Designentscheidungen, die nicht ausreichend geprüft seien und sich später im
Produktivbetrieb als Störungen bemerkbar machten. Diese „Agent Debt“ zu
begrenzen werde zu einer zentralen Aufgabe für Engineering-Organisationen.
Vor diesem Hintergrund stufen den Angaben zufolge 96 Prozent der technischen
Führungskräfte Observability im Umgang mit KI-generiertem Code als sehr oder
äußerst wichtig ein. 78 Prozent weisen KI-Tools inzwischen per Prompt an, wie
Logs, Traces und Metriken direkt in den generierten Code zu integrieren.
WARUM DER GUTE ERSTEINDRUCK TRÜGT
Die Studie beschreibt damit vor allem das Symptom: Code, der im Review überzeugt
und im Betrieb Probleme macht. Die Frage nach der Ursache beantwortet sie nur am
Rande. Eine Erklärung liefert Simon Ritter, Deputy CTO beim Java-Spezialisten
Azul, und kommt dabei unabhängig von New Relic zu einem ganz ähnlichen Befund.
Ritters Ausgangspunkt ist die Mehrdeutigkeit natürlicher Sprache: Während
Programmiersprachen deterministisch seien und eine Anweisung genau eine
Bedeutung habe, sei natürliche Sprache kontextabhängig und interpretierbar. Das
Ergebnis sei Code, der auf den ersten Blick funktioniere, unter der Oberfläche
aber das umsetze, was das Modell verstanden habe und nicht zwingend das, was
gemeint war. In einer Demo falle das oft nicht auf, im Produktivbetrieb könne es
aber teuer werden. Genau hier setzt die Parallele zum „Agent Debt“-Befund an:
Was beim Review gut aussieht, transportiert unbemerkt Entscheidungen, die
niemand bewusst getroffen hat.
Ritter verweist zudem auf unabhängige Daten: Nach einer Untersuchung von
Veracode ; laut einer Stack-Overflow-Erhebung ist die Skepsis der Entwickler
gegenüber KI-generiertem Code binnen eines Jahres von . Besonders kritisch sieht
er den Einsatz bei langlebigen, unternehmenskritischen Java-Systemen in Banken,
Gesundheitswesen oder öffentlichem Sektor, die über Jahre wartbar bleiben
müssten. Vibe Coding erschwere dort die Nachvollziehbarkeit, weil die Intention
hinter dem Code kaum noch erkennbar sei.
JETZT NEWSLETTER ABONNIEREN
TÄGLICH DIE WICHTIGSTEN INFOS ZU BIG DATA, ANALYTICS & AI
Geschäftliche E-Mail
Bitte geben Sie eine gültige E-Mailadresse ein.
Abonnieren
Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und
Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details)
einverstanden und akzeptiere die . Weitere Informationen finde ich in unserer .
Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von
redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu
Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).
Aufklappen für Details zu Ihrer Einwilligung
Stand: 08.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit
Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von
Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden
Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer .
EINWILLIGUNG IN DIE VERWENDUNG VON DATEN ZU WERBEZWECKEN
Ich bin damit einverstanden, dass die Vogel IT-Medien GmbH,
Max-Josef-Metzger-Straße 21, 86157 Augsburg, einschließlich aller mit ihr im
Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel
Communications Group) meine E-Mail-Adresse für die Zusendung von Newslettern und
Werbung nutzt. Auflistungen der jeweils zugehörigen Unternehmen
können  abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen
aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und
Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und
Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere
(redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im
Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote.
Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die
Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der
vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und
Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten
Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel
Communications Group die genannten Daten gehasht an Werbepartner übermitteln,
die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied
auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt
diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und
Kundenbindung), der Generierung von sog. Lookalike Audiences zur
Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen.
Weitere Informationen kann ich dem Abschnitt „“ in der Datenschutzerklärung
entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich
deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte
Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen
Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu
redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die
hier genannten Zwecke verwendet werden. Dies gilt nicht für den Datenabgleich zu
Marketingzwecken.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft
widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund
meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um
meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter  abrufbare
Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht
mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters
eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem
Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde
ich in der .
Als Anbieter von Java-Support plädiert Ritter dafür, KI gezielt und unter
fachlicher Aufsicht einzusetzen, etwa beim Refactoring oder bei klar
abgegrenzten Aufgaben. Unternehmen mit kritischen Java-Systemen bräuchten nicht
weniger, sondern mehr Java-Expertise, um KI-Output zu bewerten und nur
produktionsreifen Code in den Betrieb zu lassen.
KONTROLLE STATT BLINDEM VERTRAUEN
KI verlagert die Softwareentwicklung in hohem Tempo, doch die Qualitätssicherung
hält nicht Schritt. Wenn laut New Relic 62 Prozent der Teams KI-Code ohne
zeilenweise Prüfung ausliefern und zugleich 82 Prozent der Unternehmen
Produktionsausfälle durch eben diesen Code erleben, liegt der Schluss nahe, dass
zwischen Vertrauen und Verifikation eine Lücke klafft. Der Review-Eindruck
allein ist kein Qualitätsmaßstab mehr. Wer KI-generierten Code produktiv
einsetzt, braucht Prozesse, die dessen Verhalten im Betrieb messbar machen und
Menschen, die die Ergebnisse bewerten können.
(ID:50890986)

Quelle: novoai.de

INDUSTRIE 4.0 LÖSUNG MITTELSTAND: DIE INTELLIGENTE ANTWORT AUF STEIGENDE
ENERGIEKOSTEN
INDUSTRIE 4.0 LÖSUNG MITTELSTAND: WIE BESTANDSMASCHINEN OHNE GROSSPROJEKT
DIGITAL WERDEN
Wie bringt man eine CNC-Presse aus den 1980er-Jahren in die Industrie 4.0, ohne
die ganze Fabrik umzubauen? Für viele Betriebe des deutschen Mittelstands ist
genau das die zentrale Digitalisierungsfrage. Eine industrie 4.0 lösung
mittelstand muss deshalb pragmatisch funktionieren: geringe Risiken, schnelle
Transparenz und messbare Ergebnisse auf bestehenden Anlagen statt jahrelanger
Greenfield-Projekte.
Viele mittelständische Hersteller besitzen funktionierende Maschinenparks, aber
kaum Echtzeitdaten. Genau hier setzen moderne Industrie-4.0-Nachrüstungen an.
Maschinenüberwachung, Edge-Analytics und Retrofitting verwandeln bestehende
Anlagen in datenfähige Produktionssysteme, ohne die komplette Infrastruktur
auszutauschen.
WARUM EINE INDUSTRIE 4.0 LÖSUNG MITTELSTAND OFT SCHEITERT
Viele mittelständische Hersteller erkennen den Nutzen von Industrie 4.0, zögern
aber wegen Kosten, Komplexität und ihrer Altanlagen. Studien und
Verbandsberichte zeigen dieses Dilemma: Der VDMA und andere Institutionen
dokumentieren, dass Digitalisierungsvorhaben oft an heterogenen Schnittstellen,
fehlenden historischen Daten und knappen IT-Ressourcen scheitern.
Eine erfolgreiche industrie 4.0 lösung mittelstand darf deshalb nicht auf
vollständigen Maschinenersatz setzen. Der praktikable Ansatz ist Retrofitting:
Sensoren und Edge-Module an bestehenden Maschinen montieren, um Takte,
Vibrationen und Leistungsaufnahme zu erfassen, ohne die Maschine zu ersetzen.
Das senkt die anfänglichen Investitionskosten und verkürzt die Zeit bis zu
verwertbaren Erkenntnissen – entscheidend für Entscheider im Mittelstand, die
schnellen Return on Investment benötigen.
Auch die Cloud-gegen-On-Premise-Diskussion ist relevant. Sicherheits- und
Datenschutzbedenken treiben viele deutsche Unternehmen zu lokalen Analysen.
Moderne Lösungen wie die WatchMen-Plattform von Novo AI unterstützen lokale
Verarbeitung und bieten so Privatsphäre und schnelle Reaktionszeiten auf der
Werksebene.
INDUSTRIE 4.0 LÖSUNG MITTELSTAND: SCHRITT 1 – MESSEN
Beginnen Sie mit dem Messen der relevanten Größen: Verfügbarkeit, Leistung und
Qualität – die drei Eingangsgrößen der OEE. Bevor Sie in Dashboards investieren,
ermitteln Sie die Basiswerte für OEE und Energieverbrauch. Schon einfache
Messungen zeigen oft rasche Potenziale: Ein Pilotprojekt kann z. B. aufdecken,
dass eine Fräserei 12 % der Schichtzeit untätig läuft oder dass beim Warmfahren
unverhältnismäßig viel Energie verbraucht wird.
Eine moderne industrie 4.0 lösung mittelstand beginnt meist nicht mit KI,
sondern mit sauberer Datenerfassung.
Plug-and-play-Sensoren zur Erfassung von Taktzeiten und Stillständen,
Energiezangen für den maschinenspezifischen Verbrauch sowie Edge-Gateways zur
Vereinheitlichung der Signale bilden häufig den ersten Schritt.
Mit fokussierter Messung erreichen viele Betriebe eine Reduktion ungeplanter
Stillstände um 10–30 % innerhalb von 3–6 Monaten. Beispiele aus der Praxis
zeigen OEE-Verbesserungen von etwa 30 % auf 60 % nach systematischem Monitoring,
Ursachenanalyse und prozessseitigen Änderungen.
INDUSTRIE 4.0 LÖSUNG MITTELSTAND: SCHRITT 2 – MASCHINEN UND DATEN VERBINDEN
Maschinen zu verbinden heißt nicht, Steuerungen auszutauschen. Nutzen Sie
maschinenunabhängige Retrofitting-Module, die elektrisches Verhalten,
Vibrationen und Zählzyklen lesen. AVA-ähnliche Sensoren erfassen diese Signale
und senden interpretierte Ereignisse an einen lokalen Aggregator. Diese geringe
Eingriffsintensität macht Bestandsmaschinen digitalisierbar, ohne
Produktionsrisiken massiv zu erhöhen.
Eine industrie 4.0 lösung mittelstand muss bestehende Maschinen integrieren
können, nicht nur neue Anlagen verwalten.
Wichtig ist die Kontextzuordnung: Welche Losgröße läuft, welcher Auftrag,
welcher Bediener? Die Verbindung zu MES oder ERP erfolgt meist später; zuerst
müssen Rohdaten verlässlich und mit Zeitstempel vorliegen. Kleine Pilotprojekte
scheitern oft, weil sie zu früh MES-Integrationen forcieren, bevor die
Signalgüte geprüft ist.
INDUSTRIE 4.0 LÖSUNG MITTELSTAND: SCHRITT 3 – DATEN IN MASSNAHMEN UMWANDELN
Daten ohne Handeln bleiben Berichte. Definieren Sie automatisierte Alarme,
Wartungstrigger und Engpassregeln. Ein Beispiel: Eine Drehzelle sendet bei
Überschreiten eines Vibrations-Schwellwerts einen Stop-und-Prüf-Alarm, wodurch
die mittlere Reparaturdauer um Stunden sinkt. Eine weitere Regel: Reduzieren Sie
die Zuführung stromaufwärts, wenn ein Engpass stromabwärts vorhergesagt wird, um
Stau und Ausschuss zu vermeiden.
Der messbare Nutzen zeigt sich schnell. Eine mittelständische Pressenlinie in
Deutschland, die Sensorik nachgerüstet hat, verzeichnete innerhalb weniger
Wochen weniger Mikro-Stops und eine 15%ige Verringerung des Ausschusses. Solche
Effekte verstärken sich, wenn historische Analysen schicht- oder saisonale
Muster sichtbar machen.
3 WEGE, WIE EINE INDUSTRIE 4.0 LÖSUNG MITTELSTAND DIE OEE STEIGERT
OEE ist die praktischste Kennzahl für die Werksebene. Konzentrieren Sie sich auf
drei Hebel: Stillstände reduzieren durch prädiktive Alarme, Leistung verbessern
durch Beseitigung kleiner Störungen und Qualität steigern durch frühzeitiges
Erkennen von Drifts. Jeder Hebel lässt sich über konkrete Datensignale und
Maßnahmen steuern.
Automatische Stillstandsklassifikation spart Technikern Diagnosezeit und
beschleunigt die Fehlerbehebung. Taktzeiten lassen sich sekundengenau
überwachen, um langsame Verschleißprozesse am Werkzeug zu erkennen. Gleichzeitig
zeigen Vibrationen und Energieprofile frühzeitig Qualitätsabweichungen.
Statistische Auswertungen historischer Läufe zeigen oft, dass die schlechtesten
10 % der Maschinenstunden den größten Teil der Verluste verursachen. Wenn Sie
genau diese Zeitfenster adressieren, erzielen Sie überproportionale
Verbesserungen. Plattformen wie WatchMen klassifizieren Rohsignale und helfen,
Maßnahmen zu priorisieren.
WARUM ENERGIE-MONITORING TEIL JEDER INDUSTRIE 4.0 LÖSUNG MITTELSTAND IST
Energieüberwachung ist ein oft unterschätzter Einstieg in Industrie 4.0.
Einfache Untermessungen zeigen, dass Maschinen 10–20 % mehr Energie verbrauchen
als erwartet – etwa durch Leerlauf oder ineffiziente Sequenzen. Die Energie pro
Teil zu messen hilft Produktionsleitern, Losgrößen und Aufheizzyklen zu
optimieren und so Kosten zu senken.
Neben den Kosten dient Energieanalyse als Priorisierungsinstrument für
Retrofitting. Eine Maschine, die 40 % der Zellleistung verbraucht, ist ein
natürlicher Kandidat für gezielte Maßnahmen wie Abschaltsequenzen in der Nacht
oder Frequenzumrichter. In Kombination mit OEE ergibt sich ein umfassenderes
Bild der Fertigungseffizienz.
SECURITY UND DATENHOHEIT IM MITTELSTAND
Sicherheit und Datenhoheit sind im Mittelstand ernsthafte Themen. Viele Firmen
bevorzugen lokale Verarbeitung mit selektiver Cloud-Synchronisation, um
Datenschutz und Compliance zu gewährleisten. Sichere Edge-Verarbeitung lässt
Rohdaten vor Ort und sendet nur anonymisierte Aggregate für Langzeitanalysen in
die Cloud, falls erforderlich.
Eine industrie 4.0 lösung mittelstand muss daher nicht nur technisch
funktionieren, sondern auch regulatorische und organisatorische Anforderungen
erfüllen.
Ein kontroverser Punkt: Full-Cloud-Lösungen sind oft günstiger in der
Erstausrollung, erhöhen aber das Exposure und können regulatorische Reibungen
verursachen. Lokal-zuerst-Architekturen vermindern dieses Risiko und treffen
daher häufiger auf Vertrauen im deutschen Markt.
IMPLEMENTATION ROADMAP FÜR EINE INDUSTRIE 4.0 LÖSUNG MITTELSTAND
Ein praktischer Fahrplan für das Retrofitting eines Maschinenparks sieht
typischerweise so aus:
Pilot: Wählen Sie 1–3 Maschinen mit klaren Verlusttreibern und geringem
Integrationsrisiko.
Messung: Sensoren installieren, Basisdaten 4–8 Wochen sammeln, Datenqualität
bestätigen.
Analyse: Dashboards aufbauen, automatische Alarme definieren, Ursachenanalysen
durchführen.
Skalierung: Auf benachbarte Linien ausrollen, MES/ERP anbinden und KPIs
festlegen.
Halten Sie Piloten klein und Ergebnisse messbar. Typische
Pilot-zu-Skalierungs-Zyklen dauern je nach Organisation 3–9 Monate. Nutzen Sie
den Pilot, um interne Champions unter Technikern und Produktionsleitern zu
gewinnen.
GOVERNANCE UND ORGANISATORISCHER WANDEL
Digitale Vorhaben scheitern selten an der Technik, sondern an Governance. Legen
Sie klare Verantwortlichkeiten für Daten, Analysen und Maßnahmen fest. Ein
praktikables Modell trennt Zuständigkeiten: Produktion definiert KPIs und
Maßnahmen, Instandhaltung bearbeitet Alarme und Aufträge, IT stellt
Konnektivität und Sicherheit sicher.
Schulung ist entscheidend. Techniker benötigen kurze, praxisnahe Sessions, die
erklären, was Signale bedeuten und wie auf Alarme zu reagieren ist.
Daten-Workshops für Führungskräfte helfen, Dashboards in das tägliche Handeln zu
übersetzen. In vielen Mittelstandsunternehmen bringt ein 90-minütiges
wöchentliches Review der Top-3-Verluste mehr als umfangreiche Quartalsmeetings.
Die Finanzabteilung muss die Story ebenfalls verstehen. Übersetzen Sie erste
Erfolge in einfache KPIs – Minuten reduzierte Stillstandszeit, eingesparte Teile
oder direkte Energieeinsparungen – um Folgeinvestitionen zu legitimieren. Ein
3-Maschinen-Pilot, der eine Stunde Stillstandsreduktion pro Schicht erzielt,
rechtfertigt oft ein schnelles Hochfahren.
CASE STUDY: INDUSTRIE 4.0 LÖSUNG MITTELSTAND IN DER PRAXIS
Eine mittelständische Pressenlinie entschied sich für einen Retrofitting-Pilot
statt einer Neuanschaffung. Das Team installierte AVA-ähnliche Sensormodule zur
Erfassung von Stromsignaturen, Zyklen und Vibrationen. Ergänzt wurden
Energiezangen und ein Edge-Gateway, das Ereignisse mit Produktionslosen zeitlich
verknüpfte.
Innerhalb des ersten Monats konnten Mikro-Stops klassifiziert, ein
wiederkehrendes Werkzeugvibrationsmuster identifiziert und ein spezifisches
Werkzeug mit 10 % der Qualitätsausschüsse in Verbindung gebracht werden. Die
Installation erforderte minimale Stillstandszeiten und blieb ohne
PLC-Neuverdrahtung.
In 3–6 Monaten nutzte das Unternehmen die Daten, um gezielte Werkzeugwechsel zu
planen, Aufwärmsequenzen anzupassen und Lieferzeiten für Ersatzteile zu
verhandeln – alles dokumentierte, wiederholbare Einsparungen.
DIE NÄCHSTEN SCHRITTE
Nach einem erfolgreichen Pilot formalisierten Sie Playbooks: SOPs für
Sensorinstallationen, Alarmgrenzen und Maßnahmen. Richten Sie eine zentrale
Wissensdatenbank mit annotierten Signalmustern und Gegenmaßnahmen ein, damit
Techniker Erkenntnisse standortübergreifend nutzen können. Halten Sie den
Schwung, indem Sie vierteljährliche OEE-Ziele setzen und einfache
Performance-Scorecards publizieren.
DER WEG NACH VORN
Die Digitalisierung eines Maschinenparks ist kein Einzelprojekt, sondern eine
Abfolge priorisierter Experimente. Beginnen Sie klein, messen Sie genau und
automatisieren Sie erst, wenn Sie den Daten vertrauen.
Für den deutschen Mittelstand ist die praktikabelste industrie 4.0 lösung
mittelstand eine Kombination aus maschinenunabhängigem Retrofitting,
lokal-zuerst-Analyse und gezielten betrieblichen Maßnahmen, die schnelle OEE-
und Energiegewinne bringen.
Fragen Sie sich: Welche Maschine kostet Sie pro Stunde am meisten, wenn sie
ausfällt? Beginnen Sie dort. Moderne Lösungen wie die WatchMen-Plattform von
Novo AI machen diese Schritte für KMU zugänglich und liefern Sensorik,
Verarbeitung und Analytik, um Signale in Maßnahmen zu verwandeln.
REFERENZEN
1. - Praxisorientierte Leitfäden und Mitgliederinformation zur Digitalisierung
(Zugriff am: 2026-05-07)
2. - Überblick zu Initiativen und Förderungen der Bundesregierung (Zugriff am:
2026-05-07)
3. - Handlungsempfehlungen zur IT‑ und OT‑Sicherheit im Mittelstand (Zugriff
am: 2026-05-07)
4. - Marktdaten und Trends für den Maschinen‑ und Anlagenbau (Zugriff am:
2026-05-07)
5. - Produktinformation und Kundenbeispiele (Zugriff am: 2026-05-07)
6. - Fachbeiträge, Praxisbeispiele und Analysen zu Produktionsmonitoring,
Retrofit-Sensorik und Industrie 4.0 im Mittelstand (Zugriff am: 2026-05-07)
Dimitrij Lewin, Co-Founder von Novo AI, verbindet industrielle Praxis mit
KI-gestützter Retrofit-Technologie. Sein Fokus liegt darauf, bestehende
Maschinen in Echtzeit-Datenquellen zu verwandeln und Fertigungen transparenter,
effizienter und zukunftsfähiger zu machen.

Quelle: www.bigdata-insider.de

KI-GESTÜTZTE PRODUKTDATENERFASSUNG SCANLYAI ERZEUGT PRODUKTDATEN UND INSERATE
AUS FOTOS
28.07.2026 Quelle: Pressemitteilung 2 min Lesedauer
Anbieter zum Thema
Das Neusäßer Softwarehaus SFP-IT hat mit ScanlyAI eine KI-Anwendung vorgestellt,
die Produkte anhand von Fotos identifiziert und daraus strukturierte
Produktdaten sowie verkaufsfertige Inserate erzeugt. Zielgruppe sind
Unternehmen, die große Artikelmengen erfassen, inventarisieren oder über
Online-Marktplätze vermarkten wollen.
Wer größere Bestände verwaltet, kennt den Aufwand: Jeder Artikel muss
fotografiert, identifiziert, beschrieben, kategorisiert und mit einem
realistischen Preis versehen werden. Fehlende Dokumentationen, unklare
Modellbezeichnungen oder schwer unterscheidbare Varianten verlängern die
Recherche zusätzlich. Je mehr Artikel zu erfassen sind, desto stärker wirken
sich manuelle Arbeitsschritte auf Zeit, Kosten und aus, während vollständige und
strukturierte Produktinformationen zugleich die Grundlage für Kataloge,
Preisvergleiche und interne Prozesse bilden.
VOM FOTO ZUM STRUKTURIERTEN DATENSATZ
An diesem Punkt setzt nach Angaben des Herstellers an. Anwender fotografieren
ein Produkt mit dem Smartphone oder laden vorhandene Bilder per Webbrowser in
das zentrale Portal. Die analysiert das abgebildete Produkt und erzeugt daraus
strukturierte Daten, unter anderem zu Hersteller, Marke, Modell, technischen
Eigenschaften, Material und Zustand. Auch Barcodes, Logos, Etiketten, Serien-
und Teilenummern lassen sich laut Pressemitteilung in die Analyse einbeziehen,
was besonders bei technischen Komponenten und Ersatzteilen relevant ist.
Aus den erkannten Informationen generiert das System Titel, Beschreibung,
Merkmale, Suchbegriffe und Preisvorschläge. Ein integrierter Markt- und
Preis-Check soll dem Unternehmen zufolge eine Einschätzung anhand vergleichbarer
aktueller Angebote liefern. Die Ergebnisse lassen sich vor der Weiterverwendung
prüfen und bearbeiten.
MASSENUPLOAD UND EXPORT
Die Online-Plattform ist per Webbrowser zugänglich; Artikel lassen sich über ein
organisieren und über einen Listing-Editor anpassen, bevor sie veröffentlicht
oder exportiert werden. Für größere Artikelmengen bietet ScanlyAI einen
Massenupload: Mehrere Produktbilder können gleichzeitig hochgeladen werden,
während die KI die Artikel im Hintergrund verarbeitet. Damit adressiert die
Lösung nach Herstellerangaben auch Warenbestände, Restposten, Ersatzteillager,
Retouren oder wechselnde Sortimente.
Die fertigen Datensätze lassen sich zentral verwalten, ergänzen und strukturiert
exportieren, neben Verkaufsanzeigen auch für Kataloge, Inventarisierung,
Lagerlisten oder Datenbanken. Eine Integration in bestehende Unternehmenssysteme
kündigt SFP-IT für die Zukunft an, ein Zeitplan liegt allerdings nicht vor.
MEHRERE MARKTPLÄTZE STATT PLATTFORMBINDUNG
Über das Online-Portal unterstützt ScanlyAI den Verkauf über eBay,
Kleinanzeigen.de und Facebook Marketplace, per App sind direkte eBay-Inserate
möglich. Anders als plattforminterne Funktionen erzeuge ein Scan
wiederverwendbare Artikeldaten, die sich für unterschiedliche Zwecke nutzen
ließen, so das Unternehmen. Die Unterstützung weiterer Marktplätze ist den
Angaben zufolge in Planung.
URSPRUNG IM KFZ-ERSATZTEILGESCHÄFT
Die technische Basis bildet ein von SFP-IT selbst entwickeltes KI-System für
Bilderkennung und Produktanalyse. Die Anwendung unterstützt nach
Unternehmensangaben zahlreiche Sprachen und eignet sich damit grundsätzlich auch
für internationale Einsatzszenarien.
Entstanden ist die Technologie im Bereich der Kfz-Ersatzteile, wo sich viele
Komponenten nur in Details unterscheiden und Informationen häufig unvollständig
vorliegen. Im Laufe der Entwicklung habe sich gezeigt, dass sich der Ansatz auf
weitere Anwendungsbereiche übertragen lässt.
Typische Einsatzfelder sieht der Anbieter heute in der von Lagerbeständen, im
Ersatzteilmanagement, in der Inventarisierung technischer Komponenten und im
Online-Verkauf.
(ID:50906250)