"Wir brauchen eine KI-Strategie" ist heute in fast jedem Fertigungsunternehmen ein Satz aus der Chefetage. Aber eine Strategie ohne Roadmap ist nur eine Absicht. Eine Roadmap ist der phasenweise Plan, der Sie von heute - verstreute Daten und ein paar Folien-Piloten - zu einem Betrieb fuehrt, der auf KI laeuft. Ohne sie wird Budget fuer unverbundene Experimente ausgegeben, die nie ein Ganzes ergeben.
Dieser Beitrag beantwortet eine klar abgegrenzte Frage: Wie sieht eine praxisnahe, phasenweise KI-Roadmap fuer ein Fertigungsunternehmen tatsaechlich aus?
Die zwei Arten, wie KI-Roadmaps scheitern
Vor den Phasen: vermeiden Sie die zwei klassischen Fallen:
- Zu gross. Eine mehrjaehrige, werksweite "KI-Plattform", die zwoelf Monate keinen Wert liefert und leise ihren Sponsor verliert.
- Zu zufaellig. Eine Streuung unverbundener Piloten, jeder interessant, keiner baut auf etwas hin.
Eine gute Roadmap ist das Gegenteil von beidem: phasenweise, wertorientiert und kumulativ - jeder Schritt verdient das Recht auf den naechsten.
Die fuenf Phasen
Phase 1 - Bewerten und ausrichten. Bestimmen Sie, wo Sie stehen: Datenreife, die Geschaeftsziele, denen KI dienen soll, und ein benannter Executive-Sponsor. Inventarisieren Sie Kandidaten-Use-Cases und ranken Sie sie nach Geschaeftswirkung (noch nicht bauen). Ergebnis: ein geteilter, priorisierter Plan. (Siehe unsere Beitraege zum Finden von KI-Use-Cases und zur Priorisierung nach Geschaeftswirkung.)
Phase 2 - Das Fundament bauen. Hier stocken die meisten Strategien, weil sie es ueberspringen. Das Fundament ist operative Transparenz plus KI-taugliche Daten: Signale, verbunden mit Kontext und labelbaren Ergebnissen. Sie brauchen keinen Data Lake - Sie brauchen einen vertrauenswuerdigen, kontextualisierten, gelabelten Datensatz fuer Ihren ersten Use Case. (Siehe unsere Beitraege zur operativen Transparenz und dazu, warum Fabrikdaten Kontext brauchen.)
Phase 3 - Erster Gewinn. Waehlen Sie den top-gerankten, gut machbaren Use Case und liefern Sie ihn end to end - Modell, Alarm, Aktion, Verantwortlicher. Ziel ist nicht das perfekte Modell; es ist ein belegtes, gemessenes Ergebnis, das Ueberzeugung schafft und den naechsten Schritt finanziert. (Siehe unseren Beitrag zum Business Case.)
Phase 4 - Skalieren. Hier sterben die meisten Programme - im Pilot-Fegefeuer. Skalieren ist kein groesseres Modell; es ist eine wiederholbare Datenpipeline, gepflegte Labels und ein benannter Verantwortlicher, Linie fuer Linie ausgerollt. (Siehe unseren Beitrag dazu, warum KI-Projekte nach dem Piloten scheitern.)
Phase 5 - Verankern. KI wird ein Standardwerkzeug, kein Projekt: von den Menschen in der Fertigung besessen, den KVP-Zyklus speisend und neu trainiert, wenn sich der Prozess aendert. Denken Sie daran, dass ~70% der Herausforderung Menschen und Prozesse sind - investieren Sie dort. (Siehe unsere Beitraege zur Einfuehrung und zu KVP-Teams.)
Wert in jeder Phase, nicht eine grosse Wette
Die Disziplin, die eine Roadmap funktionieren laesst, ist Crawl-Walk-Run: jede Phase liefert etwas Nutzbares, sodass die Fuehrung Ergebnisse sieht, bevor die naechste Investition kommt. Eine Roadmap, die ihren ganzen Wert am Ende verspricht, ist die, die auf halbem Weg gestrichen wird.
Wie lange dauert jede Phase?
Es gibt keinen festen Kalender, aber eine nuetzliche Form: Bewerten in Wochen, Fundament und erster Gewinn in einem Quartal, Skalieren ueber die folgenden Quartale, Verankern kontinuierlich. Fuehren Sie Phasen mit etwas Ueberlappung - bereiten Sie Daten fuer Phase 3 vor, waehrend Sie Phase 2 abschliessen - aber ueberspringen Sie nie das Fundament.
Use Case in der Praxis: die 12-Monats-Roadmap eines Getraenkeherstellers
Ein mittelgrosser Getraenkehersteller will "KI im ganzen Werk". Statt einer Plattform folgt er der Roadmap:
- Bewerten (Wochen 1-4): Kandidaten ranken; Predictive Maintenance an der Haupt-Abfuelllinie gewinnt bei Wirkung und Machbarkeit.
- Fundament (Wochen 4-12): die PLC/SCADA-Signale der Linie verbinden, Kontext ergaenzen (SKU, Format, Schicht) und ein Jahr an Fueller- und Verschliesser-Ausfaellen labeln.
- Erster Gewinn (Wochen 12-20): das Modell meldet einen entstehenden Verschliesser-Fehler Tage im Voraus; ein vermiedener Ausfall amortisiert den Piloten.
- Skalieren (Monate 6-10): derselbe Labeling-Workflow wird auf zwei weitere Linien ausgerollt, jede baut ihre eigene Historie auf.
- Verankern (laufend): die Linieningenieure besitzen die Alarme, das KVP-Team nutzt die Daten gegen Mikrostopps, und KI wird Routine.
Nach zwoelf Monaten haben sie echten Wert und eine wiederholbare Faehigkeit - keine steckengebliebene Plattform.
Praktische Regel
Eine KI-Roadmap ist kein Technologieplan; sie ist eine Abfolge verdienter Gewinne. Bewerten und priorisieren, ein Fundament auf echten Daten bauen, ein Ergebnis beweisen, es bewusst skalieren und in Ihren Menschen verankern. Beginnen Sie klein genug, dass die erste Phase die zweite bezahlt.
Jede Phase laeuft auf gelabelten, kontextualisierten Daten. Beginnen Sie Ihr Fundament mit einem Datensatz - Signale importieren, Kontext ergaenzen und Ergebnisse labeln, in Predsense Labeling: https://www.predsense.ai/products/labeling