Interview mit Markus Sause und Juliane Gottmann
"Für viele ist KI in der Produktion noch nicht greifbar"
Das KI-Produktionsnetzwerk hat sich zum Ziel gesetzt, den Nutzen künstlicher Intelligenz in die Praxis zu überführen. Im Interview erklären Prof. Markus Sause und Dr. Juliane Gottmann von der Universität Augsburg, wie die praxisnahe Forschung im Netzwerk funktioniert und warum oft auch in Nischenanwendungen großes Potenzial verborgen liegt.
Bild: ©Privat
Bild: Universität Augsburg / Bachmann Film
Bild: Universität AugsburgKönnen Sie uns die Arbeit im KI-Produktionsnetzwerk näherbringen? An was arbeiten Sie?
Markus Sause: Wir sind angetreten, um künstliche Intelligenz für produzierende Unternehmen nutzbar zu machen. Wir, das sind die vier Forschungseinrichtungen Universität Augsburg, die Technische Hochschule Augsburg, das Fraunhofer IGCV und das Deutsche Zentrum für Luft- und Raumfahrt ZLP in Augsburg. Im Kern gibt es dafür drei Wege, die wir beschreiten. Einer davon sind die Forschungsprojekte. Ebenso wichtig ist uns das Thema Aus- und Weiterbildung. Hierfür haben wir viele Formate, mit denen wir Belegschaften das nötige Wissen vermitteln, KI in der Produktion nutzbar zu machen. Als weiteren Teil unserer Arbeit bieten wir Support für Startups bzw. Ausgründungen aus den beteiligten Einrichtungen.
Juliane Gottmann: Darüber hinaus organisieren wir natürlich auch viele Veranstaltungen, um die 'frohe Botschaft' in die Welt und vor allem in die Unternehmen hinauszutragen.
Und wie kommt die 'frohe Botschaft' an?
Gottmann: Aktuell sehr gut. Das Interesse ist enorm. Wir haben einen unglaublich hohen Zulauf von Unternehmen, die vorbeikommen möchten, um sich unsere Arbeit anzuschauen. Für viele ist KI in der Produktion noch nicht ganz greifbar. Deshalb haben wir auf 5.300m² mit unserer 'Halle 43' einen KI-Erlebnisraum mit Anlagen in industriellem Maßstab aufgebaut. Dort wird für Unternehmen ersichtlich, was generell schon möglich ist und was dann vielleicht auch in ihrem Betrieb möglich wäre.
Sause: Unsere Forschung findet sehr praxisnah statt, an realen Anlagen. Dadurch können wir mit Daten arbeiten und KI-Modelle entwickeln, die dann auch für die Praxis nutzbar sind.
Wo sehen Sie generell die vielversprechendsten Anwendungsfälle für KI in der Produktion?
Sause: Alles, was wir in der Halle 43 machen, spiegelt das Interesse der Unternehmen wider. Ein sehr anschaulicher Bereich der Halle ist etwa die Zerspanung. Das ist branchenübergreifend so gut wie überall relevant. Mit Hilfe unterschiedlicher Sensorik können wir die Anlagen überwachen, deren Zustand mit Hilfe von KI interpretieren und visualisieren. Zudem können wir diese Informationen so für den zuständigen Mitarbeitenden aufbereiten, dass es sehr einfach wird, die Anlage zu überwachen und bei Bedarf Maßnahmen abzuleiten. Dadurch wird es den Mitarbeitenden auch möglich, gleichzeitig mehrere Anlagen zu betreuen. In einem weiteren Schritt kann die Künstliche Intelligenz sogar bei der Maßnahmenableitung unterstützen und geeignete Vorschläge präsentieren.
Weitere wesentliche Anwendungsfälle sind das Einfahren von komplexen Fertigungsprozessen wie beispielsweise dem Spritzgießen zur Reduzierung von Rüstzeiten und Ausschuss. Wir haben z.B. bereits Projekte abgeschlossen, die die Produktionsgeschwindigkeiten einzelner Anlagen um das 10-fache erhöhen konnten.
Inwieweit sind solche KI-Entscheidungen für die Mitarbeiter nachvollziehbar und akzeptierbar?
Gottmann: Es gibt eigentlich zwei Aspekte, die hier mit hineinspielen. Der eine ist, dass wir grundsätzlich menschenzentrierte Ansätze verfolgen. Ein KI-System soll nicht bevormunden, sondern im Kern so konzipiert sein, dass es das, was der Mensch an Fähigkeiten mitbringt, und das, was jetzt eben mit KI automatisierbar wird, verbindet. Ein kurzes Beispiel: KI eignet sich sehr gut, um große Datenmengen zu beobachten. Der Mensch mag das eher nicht, möchte aber vielleicht eine höherwertige Entscheidung treffen und diese mit seinem Erfahrungsschatz noch einmal reflektieren. Das ist aber noch keine KI-Erklärbarkeit im mathematischen Sinne. Hierzu entwickeln wir die KI-Modelle ungern als Blackbox, sondern gestalten sie mit Methoden der erklärbaren KI.
Wie gestaltet sich der Technologietransfer in die Praxis? Was für Stolpersteine gibt es?
Sause: Das kommt darauf an. Wir haben Projekte, die direkt auf den Anlagen bei den Unternehmen laufen. Hier funktioniert der Transfer maximal schnell. Generell versuchen wir ansonsten, eher Blaupausen für den KI-Einsatz bzw. generalistische Modelle zu entwickeln.
Wir entwickeln beispielsweise Modelle für die Zerspanung, die für die Anlagen verschiedener Hersteller und verschiedene Werkstoffe eingesetzt werden können. Das funktioniert schon sehr gut, deswegen versuchen wir jetzt im nächsten Schritt, diese Modelle auch für Schweißtechnologien nutzbar zu machen.
Gottmann: In unseren Projekten arbeiten auch häufig Unternehmen zusammen, die völlig unterschiedliche Branchen bedienen - sie suchen aber alle Lösungen zu ähnlich gearteten Problemen. Wenn es zum Beispiel um die Entwicklung eines KI-Moduls für den effizienten Umgang im Falle von Störungen im Prozessablauf geht, können z.B. auch ein Glasfassadenhersteller und ein Geschirrspülmaschinenhersteller gleichermaßen zur Lösungsfindung beitragen.
Alles, was wir machen, machen wir im Verbund mit Unternehmen. Das heißt, in jedem Projekt ist bereits sichergestellt, dass die Technologie in einer realen Produktionsumgebung auch funktionieren kann. Herausforderungen liegen dabei in erster Linie in der Datenverfügbarkeit und -aufbereitung. Das ist häufig aufwendiger als gedacht - entweder müssen die Daten noch bereinigt werden, oder aber es müssen noch zusätzlich Daten generiert werden.
Wie schätzen Sie den aktuellen KI-Reifegrad deutscher Fertigungsunternehmen ein. Gibt es Unterschiede zwischen Anspruch und Wirklichkeit, was das Verständnis und den Nutzen von KI in der Fertigung angeht?
Gottmann: Die Nutzung von künstlicher Intelligenz in produzierenden Unternehmen ist ganz unterschiedlich ausgeprägt. Manche Unternehmen haben noch gar keine klare Vorstellung davon, wo und wie sie KI sinnstiftend einsetzen können. Andere wiederum wissen genau, wo sie hin wollen, haben aber noch nicht die richtigen Datenstrukturen, Schnittstellen oder auch Knowhow. Das Interesse und der Anspruch sind jedenfalls groß und das wollen wir nutzen, um gemeinsam mit den Unternehmen Lösungen zu erarbeiten, Pilotprojekte umzusetzen und zu zeigen, wie ein Weg hin zu einem wirksamen KI-Einsatz im Unternehmen aussehen kann.
Das KI-Produktionsnetzwerk hat sich zum Ziel gesetzt, den Nutzen künstlicher Intelligenz in die Praxis zu überführen. Im Interview erklären Prof. Markus Sause und Dr. Juliane Gottmann von der Universität Augsburg, wie die praxisnahe Forschung im Netzwerk funktioniert und warum oft auch in Nischenanwendungen großes Potenzial verborgen liegt.
Bild: ©PrivatBild: Universität Augsburg / Bachmann FilmBild: Universität AugsburgKönnen Sie uns die Arbeit im KI-Produktionsnetzwerk näherbringen? An was arbeiten Sie?
Markus Sause: Wir sind angetreten, um künstliche Intelligenz für produzierende Unternehmen nutzbar zu machen. Wir, das sind die vier Forschungseinrichtungen Universität Augsburg, die Technische Hochschule Augsburg, das Fraunhofer IGCV und das Deutsche Zentrum für Luft- und Raumfahrt ZLP in Augsburg. Im Kern gibt es dafür drei Wege, die wir beschreiten. Einer davon sind die Forschungsprojekte. Ebenso wichtig ist uns das Thema Aus- und Weiterbildung. Hierfür haben wir viele Formate, mit denen wir Belegschaften das nötige Wissen vermitteln, KI in der Produktion nutzbar zu machen. Als weiteren Teil unserer Arbeit bieten wir Support für Startups bzw. Ausgründungen aus den beteiligten Einrichtungen.
Juliane Gottmann: Darüber hinaus organisieren wir natürlich auch viele Veranstaltungen, um die 'frohe Botschaft' in die Welt und vor allem in die Unternehmen hinauszutragen.
Universität Augsburg
Dieser Artikel erschien in IT&Production 1 (Februar) 2026 - 06.02.26.Für weitere Artikel besuchen Sie www.it-production.com
