KI in der Fabrik: Drei Ebenen in der Produktion

Die vorherigen Ausgaben dieses Newsletters habe ich den zwei Fundamenten der digitalen Transformation in der Metallbearbeitung gewidmet: was ein Unified Namespace ist und warum er das Fundament für alles Weitere bildet, und was ein MES-System ist und wie Sie heute damit beginnen können. Heute kommt alles zusammen: KI.

KI wird in der Industrie falsch verstanden. Nicht weil sie nicht funktioniert, sondern weil wir sie als etwas behandeln, das man kauft.

Hier ein Agent, dort ein Chatbot. Als Einstieg in Ordnung. Aber Sie verpassen das volle Potenzial.

Das Problem mit „einen Agenten kaufen”

Sie bekommen einen Anruf. Unternehmen, die einen KI-Agenten für Ihre E-Mail-Verarbeitung bauen wollen. Ihr ERP-Anbieter, Business Central, Odoo, SAP, kündigt an, dass sie „etwas mit KI machen”. Jemand bietet Ihnen eine KI-gestützte Planung an.

Das ist alles in Ordnung. Aber was haben Sie dann? Einen Agenten, der in Ihrem ERP sitzt. Der kennt Aufträge und Finanzen. Aber er hat keine Ahnung, was Ihre Maschine gerade macht. Er sieht kein Qualitätsproblem. Er weiß nicht, dass Ihr Material verspätet ankommt.

Stellen Sie sich vor, Sie stellen einen neuen Mitarbeiter ein. Der muss wissen: Welche Aufträge laufen? Was ist der Maschinenstatus? Wo liegen die Zeichnungen? Aktuell muss diese Person in drei, vier Systeme schauen. Ein gekaufter KI-Agent hat genau dasselbe Problem. Und wenn Sie fünf kaufen, einen pro System, haben Sie fünf Kollegen, die nicht miteinander sprechen.

Das ist das Spaghetti-Problem, das Sie von der Integration kennen, ich habe früher darüber geschrieben. Jetzt mit KI. Und es macht Agenten auch noch ineffizient: Je mehr Systeme ein Agent selbst durchsuchen muss, desto mehr Rechenaufwand, und desto langsamer und komplexer wird das Ganze.

KI ist ein Werkzeug, kein Produkt

Was fast niemand begreift: KI kann mittlerweile nicht nur antworten, sondern auch handeln und bauen. Nicht in der Zukunft, jetzt.

Ich unterscheide drei Ebenen:

Ebene 1, KI die antwortet. Mit Ihren Daten chatten. „Was ist der Status von Auftrag X?” Nützlich, aber kein Durchbruch. Die meisten Unternehmen befinden sich hier.

Ebene 2, KI die handelt. Aufträge verarbeiten, Status aktualisieren, Probleme melden. Echte Arbeit übernehmen. Denken Sie daran, zwei verspätete Aufträge über ein Gespräch mit der KI umzuplanen, und die Anpassung steht tatsächlich im System.

Ebene 3, KI die baut. Dashboards, Apps, Verbindungen zwischen Systemen. Dinge, die Sie normalerweise von einem Softwareunternehmen bauen lassen würden. Ein Dashboard aus Produktionsdaten generieren lassen, ohne selbst eine einzige Zeile Code zu schreiben.

Die Industrie steckt auf Ebene 1 fest. Die echten Möglichkeiten liegen bei 2 und 3.

Und um es konkret zu machen: Das ERP-System, das ich in Demos verwende, habe ich selbst mit KI gebaut. Die Datenbank, die Oberflächen, alles. Nicht weil ich faul bin, sondern weil es schneller, besser und konsistenter ist.

Wie KI wirklich funktionieren kann: die Hintertür und die Speisekarte

Okay, KI kann handeln und bauen. Aber wie? Wie passt eine KI einen Auftrag in Ihrem ERP an?

Fast jedes moderne Softwaresystem hat eine API, die Hintertür Ihrer Software. Wenn Sie in Ihrem ERP auf „Auftrag anlegen” klicken, sendet dieser Button einen Befehl an die Datenbank. Eine API macht denselben Befehl für andere Systeme verfügbar, oder für eine KI.

Und dafür wurde etwas namens MCP entwickelt: Model Context Protocol. MCP ist eine Speisekarte für Ihre KI. Sie beschreiben, welche Aktionen verfügbar sind, wofür sie dienen und wie sie funktionieren. Vergleichen Sie es mit einem Einarbeitungsblatt für einen neuen Mitarbeiter am ersten Tag: Das sind die Systeme, das können Sie damit machen, so funktioniert es.

Ohne diese Speisekarte kann eine KI nur reden. Mit dieser Speisekarte kann eine KI arbeiten.

Und das Schöne: Sie müssen Ihre bestehende Software nicht ersetzen. Wenn sie eine gute Hintertür hat, können Sie eine solche Speisekarte darauf setzen. Nicht nur das KI-Produkt Ihres Anbieters, jede KI kann dann damit arbeiten.

Deshalb ist dies vielleicht die wichtigste Frage bei jeder Software-Investition: Hat sie eine gute Hintertür? Denn ohne diese Hintertür kann keine KI damit arbeiten. Dann ist Ihre Software eine Sackgasse.

Der Schlüssel: Ihre Datenstruktur

Jetzt verstehen Sie, dass KI eine Speisekarte braucht. Die Frage ist: Wo hängen Sie sie auf?

Option A: an jedem System einzeln. Aber dann bekommen Sie genau das, was Sie schon kennen, Spaghetti. Fünf Verbindungen, fünf Wartungspunkte. Und ein Agent, der all diese Systeme selbst durchsuchen muss, ist langsam und schwer zu verwalten.

Option B, und hier wird es interessant: ein zentraler Punkt.

Hier kommt der Unified Namespace wieder ins Spiel. Alle Ihre Systeme senden ihre Daten an einen zentralen Punkt. Ihr ERP sendet Auftragsdaten. Ihre Maschinen senden ihren Status. Ihr MES sendet den Produktionsfortschritt. Alles an einer Adresse, strukturiert, mit Kontext versehen.

Und dann geben Sie der KI eine Speisekarte: die des zentralen Punkts. Eine Verbindung, Zugang zu allem.

Die KI nimmt als gleichwertiger Teilnehmer teil, genau wie Ihr ERP, Ihr MES, Ihre Maschinen. Nicht obendrauf als loses Hilfsmittel. Mittendrin, als Kollege, der Zugang zu denselben Informationen hat wie alle anderen Systeme.

Konkret: Über einen MCP-Konnektor auf einem UNS können Sie die KI nach dem Status der Schweißroboter in einer Fabrik fragen. Sie weiß sofort, welche Zelle aktiv und welche inaktiv ist, und kann darauf ein Dashboard aufbauen, weil der Kontext bereits in der Struktur des Namespace steckt.

Aber, und das ist ein wichtiger Punkt, Sie werden nicht alle Daten aus allen Systemen an die KI senden. Dann ertrinkt sie. Die Disziplin liegt darin, was Sie veröffentlichen: die richtigen Daten, an der richtigen Adresse, mit der richtigen Bedeutung versehen. Kein Datensumpf, sondern ein strukturierter Hub. Das beginnt mit den Daten, die Sie tatsächlich erfassen.

UNS und KI sind komplementär, nicht konkurrierend

Es gibt eine Frage, die ich regelmäßig bekomme: Warum braucht man einen Unified Namespace, wenn man einen KI-Agenten hat, der Systeme selbst abfragen oder sogar seine eigene Middleware schreiben kann?

Die Antwort liegt im Unterschied zwischen zwei Problemen.

Der UNS löst das Infrastrukturproblem: zuverlässige, Echtzeit-, semantisch strukturierte Daten, die für alles und jeden verfügbar sind, nicht nur für KI, sondern auch für Maschinen und andere Systeme, die Daten deterministisch und ohne Verzögerung benötigen. Ein Förderband, das weiß, was die vorgelagerte Maschine tut, braucht keine KI. Es braucht einfach Daten, pünktlich.

Die KI löst das Reasoning-Problem: Was sollen Sie mit diesen Daten tun?

Eine KI, die auf einem gut strukturierten UNS arbeitet, ist dramatisch leistungsfähiger als eine KI, die selbst Systeme scrapen oder Schemata erraten muss. Denn der Kontext ist bereits eingebaut. Die KI muss nicht herausfinden, was ein Wert bedeutet, diese Bedeutung steckt bereits in der Struktur des zentralen Punkts.

Die Kette ist einfach: Ihre Daten strukturiert an einem Ort, eine Speisekarte für die KI, und die KI macht sich an die Arbeit.

Die menschliche Seite

Ich möchte das sehr deutlich sagen: KI ist nicht dazu gedacht, Arbeitsplätze wegzunehmen.

Ich arbeite viel mit kreativen Menschen in meinen Kundenunternehmen, Leute, die die Arbeitsvorbereitung machen, die selbst an der Maschine stehen, die sehen, wo die Chancen liegen. Sie haben enorme neue Möglichkeiten bekommen. Mehr schaffen, schneller schaffen, keine Engpässe mehr durch externe Dienstleister.

Wir haben zu wenig Nachwuchs in der Metallbearbeitung. Die Einstiegshürde ist zu hoch. Es gibt mehr als genug Arbeit. Vieles von dem, was Menschen heute tun, ist eigentlich Roboterarbeit, Daten von einem System ins andere kopieren, manuell drucken, manuell nachschlagen. Das ist Arbeit, die nicht für Menschen gedacht ist.

Menschen sind kreativ. Menschen sollten nach Ideen und Lösungen suchen. Wenn KI die Roboterarbeit übernimmt und die Einstiegshürde senkt, setzen Sie sie effektiv ein.

KI ist ein Enabler. Nutzen Sie sie.