Best of LinkedIn: Smart Manufacturing & Industrial AI KW 45/46 2026

Industrielle KI kommt schneller in die Fertigung als die Grundlagen, die sie tragen. Piloten stocken nach der Demo, weil niemand sie verantwortet, Anlagendaten fehlen gemeinsame Bedeutung und Kontext, und neue Tools enden noch vor dem Shopfloor. Die Mitarbeitenden wollen KI, die vom Menschen gesteuert bleibt. Die Reihenfolge ist klar: zuerst Verantwortung, Daten und Vertrauen, dann das Modell.
Datum
November 18, 2026
Keine Einträge gefunden.

Methodik: Alle zwei Wochen sammeln wir die relevantesten LinkedIn-Beiträge zu ausgewählten Themen und verdichten sie zu einem Gesamtüberblick, ausschließlich auf Basis dieser Beiträge. Die einzelnen Beiträge dahinter finden sich hier: https://linktr.ee/thomasallgeyer. Viel Freude beim Lesen.

Unseren Podcast anhören

Wer lieber zuhört: Unser Podcast fasst die wichtigsten Erkenntnisse zu Smart Manufacturing & Industrial AI KW 45/ 46 zusammen:

Warum Piloten nach der Demo stocken

  • Die meisten KI-Piloten in der Industrie scheitern, weil nach der Demo niemand das Ergebnis verantwortet
  • Der Produktivbetrieb braucht einen Verantwortlichen in der Halle um 2 Uhr nachts, Drift-Monitoring und Retraining in Tagen
  • Unveränderte Schichtroutinen halten die Nutzung auf der Pilotlinie fest
  • Nur 19 % der Industrieunternehmen sind Transformationsführer, 47 % stecken im Mittelfeld

‍

Governance-Fragen in der Halle

  • „Wem gehören die Daten?“ war die schärfste Frage von Werksleitern auf Fachmessen
  • Werksleiter fragen auch, wer die Kamera steuert und wer das Ergebnis freigibt
  • Roboter, die durch Beobachten von Menschen lernen, scheitern, wenn die Organisation nicht bereit ist
  • Manipulierte Wartungsdaten oder Dokumente können die vorgeschlagenen Eingriffe eines Agenten steuern
  • Industrielle KI lernt nur aus Prozessdaten und der Erfahrung der Menschen, die die Fabrik betreiben

‍

Neue KI-Tools erreichen den Shopfloor noch nicht

  • Claude for Manufacturing startete mit 17 Skills und Konnektoren zu Infor, NetSuite, Autodesk Fusion und Microsoft 365
  • Es gibt keinen MES-, Historian- oder SPS-Konnektor, Anlagendaten kommen über Exporte
  • Eine Störungsdiagnose ist nur so gut wie der Export und die Reparaturnotizen dahinter
  • Menschliche Freigabe jedes Entwurfs und der Abgleich der Systemuhren schaffen Vertrauen

‍

Sensordaten und Kontext

  • Ein typischer SPS-Zyklus mit 100 Messwerten pro Sekunde ist zu langsam für Lagerschäden
  • Schnelle Erfassung mit 25,6 kS/s zeigt die Schadensfrequenz etwa 25-mal höher als bei einer intakten Maschine
  • Industrielle KI hat ein Kontextproblem, kein Modellproblem
  • KI lernt nur, was erfasst wird: Live-OEE statt Papier-Schichtberichten brachte 12 % mehr Produktivität in 60 Tagen
  • Lebende Anlagenmodelle und Knowledge Graphs geben Daten zunehmend ihren Kontext

‍

Gemeinsame Bedeutung zwischen MES, SPS und Werken

  • Systeme lassen sich verbinden, ohne einander zu verstehen
  • Wenige Integrationen prüfen, ob beide Seiten unter Linie, Station oder Los dasselbe verstehen
  • Ein gemeinsames Datenmodell vor der Integration ist der erste Schritt
  • Werkseigene Varianten eines globalen MES-Templates bremsen die Skalierung von KI im Netzwerk
  • KI skaliert über Werke nur, wenn Daten zugänglich, kontextualisiert und vertrauenswürdig sind

‍

Wie viel Autonomie gewünscht ist

  • 73 % von 588 Fachleuten aus der Fertigung wollen KI, die vom Menschen gesteuert ist oder eskaliert
  • Nur 13 % wollen KI, die alleine läuft, während 31 % der KI-Nutzer bereits agentische KI einsetzen
  • Die Lieferkette führt die agentischen Anwendungsfälle mit 46 % an
  • Ein guter erster Agent erstellt Bestellentwürfe und wartet auf die Freigabe des Einkaufs

‍

Physical AI und Roboter

  • Ein nur in der Simulation trainierter Roboter arbeitete bei einem Physical-AI-Hackathon an einem echten Industriearm
  • Die meisten Fabrikroboter fahren noch feste Positionen ab, ein um 2 cm verschobenes Teil wird verfehlt
  • Daten sind der Engpass, digitale Zwillinge liefern unbegrenzt gelabelte Trainingsdaten
  • Wert entsteht, wenn der Roboter die Aufgabe abschließt und korrekt erfasst, nicht beim Bewegen einer Kiste
  • Die Automatisierung von Kabelbäumen stieg in einem Forschungsdemonstrator von rund 10 % auf rund 90 %

‍

MES und digitale Zwillinge mit Ergebnis

  • Eine schrittweise MES-Einführung pro Abteilung senkte Abweichungen um mehr als 90 %
  • Rückverfolgbarkeit, die viel Aufwand war, dauert jetzt Sekunden
  • Zentrale digitale Zwillinge verkürzten Ursachenanalysen um mehr als 90 %
  • Digitale Zwillinge verstauben ohne Verantwortliche und Betriebskonzept
  • Plattformbasierte Apps erhalten Audit-Trails und Governance, wenn Ingenieure eigene MES-Tools bauen

‍

Newsletter abonnieren

Jede Woche die neuesten Beiträge direkt ins Postfach.

Bitte die Einwilligung nach DSGVO bestätigen, um den Newsletter zu erhalten.
Mit dem Abonnieren gilt unsere Datenschutzerklärung.
Danke, die Anmeldung ist eingegangen.
Beim Absenden des Formulars ist etwas schiefgegangen.

Häufige Fragen

Warum stocken KI-Projekte in der industriellen Fertigung?

Meist wegen Verantwortung und Daten, nicht wegen des Modells. Piloten scheitern, wenn nach der Demo niemand das Ergebnis verantwortet. Der Betrieb braucht jemanden in der Halle um 2 Uhr nachts und Retraining in Tagen. Nur 19 % der Industrieunternehmen sind Transformationsführer, 47 % stecken im Mittelfeld.

Womit lässt sich Claude for Manufacturing verbinden und was fehlt?

Es startete mit 17 Skills und vier Konnektoren: Autodesk Fusion, Infor, Microsoft 365 und NetSuite. Keiner reicht bis in die Halle. Es gibt keinen MES-, Historian- oder SPS-Konnektor, Exporte nach Microsoft 365 schließen die Lücke, Antworten können daher auf älteren Daten beruhen.

Warum reicht eine SPS für KI in der vorausschauenden Wartung nicht aus?

Ein typischer SPS-Zyklus läuft alle 10 ms, also 100 Messwerte pro Sekunde. Das ist zu langsam für Lagerschäden. Schnelle Erfassung mit 25,6 kS/s zeigte die Schadensfrequenz etwa 25-mal höher als bei einer intakten Maschine.

Keine Einträge gefunden.

Die Beiträge und Stimmen hinter dieser Zusammenfassung

Der RoundUp zu KW 45/ 46 mit dem Best of LinkedIn zu Smart Manufacturing & Industrial AI:

→ 71 ausgewählte Beiträge mit Substanz

→ 40 neue Stimmen, die einen Blick wert sind

→ 1 Deep Dive zum Vertiefen