Herausforderungen KI in der Produktion: Was 52 Praktikergespräche zeigen
Herausforderungen KI in der Produktion: Die größten Hürden liegen nicht in der Technologie. In unserer Auswertung von 52 veröffentlichten Praktikergesprächen (September 2025 bis August 2026) betreffen 42 von 206 Painpoint-Aussagen Daten, IT/OT und Integration, weitere 32 Führung, Kultur und Change. Technologie als solche taucht als Problem kaum auf.
Für Entscheider in Kürze
- Kernbefund: Die Industrie hat ein Umsetzungsproblem, kein Technologieproblem. Das zeigen die Gespräche ebenso wie die großen Erhebungen.
- Aufwand: Der größte Aufwand liegt in Datenzugang und Integration heterogener Maschinenparks, nicht in der Modellauswahl.
- Kosten: Kosten und ROI stehen mit 10 Nennungen im Mittelfeld. Wer den Aufwand für Datenanbindung nicht einplant, erlebt die Kostenfrage später als Enttäuschung.
- Risiko: Führung und Kultur sind der zweitgrößte Engpass. Verordnete statt gestaltete Transformation bremst selbst gut vorbereitete Vorhaben.
- Konsequenz: Die erste Frage vor jedem Anwendungsfall lautet nicht, welches Modell, sondern welche Daten in welcher Taktung aus welchem System kommen und wer sie freigibt.
Wie die Auswertung entstanden ist
Umfragen messen Zustimmung zu vorgegebenen Kategorien. Um zu prüfen, ob sich die Befunde auch dort zeigen, wo Praktiker frei sprechen, haben wir zwölf Monate veröffentlichter Fachgespräche aus der Industrie vollständig ausgewertet: 52 Gespräche, 206 einzelne Painpoint-Aussagen, 19 sprechende Anwenderunternehmen. 27 % der Gespräche kommen von Anwendern aus der Fabrik.
Ein methodischer Vorbehalt gehört an den Anfang. Die Auswertung bildet die Selbstdarstellung der Sprechenden ab, nicht die Marktrealität. Grundlage sind die veröffentlichten Zusammenfassungen der Gespräche, nicht die vollständigen Mitschnitte. Wir nutzen sie als qualitative Gegenprobe zu den repräsentativen Erhebungen, nicht als Statistik.
Herausforderungen KI in der Produktion nach Häufigkeit
Jede Aussage wurde einem oder mehreren Themenfeldern zugeordnet. Die Tabelle zeigt die Nennungen je Cluster.
| Rang | Cluster | Nennungen |
|---|---|---|
| 1 | Daten, IT/OT, Integration | 42 |
| 2 | Führung, Kultur, Change | 32 |
| 3 | Komplexität und Varianten | 18 |
| 4 | Umsetzung und Skalierung | 16 |
| 5 | KI, Erwartung gegen Realität | 11 |
| 5 | Fachkräfte und Kompetenzen | 11 |
| 7 | Kosten und ROI | 10 |
| 7 | Papier, Wissen, Dokumentation | 10 |
| 7 | Standort und Wettbewerb | 10 |
Quelle: eigene Auswertung, Nennungen je Cluster aus 52 Gesprächen, Mehrfachzuordnung möglich.
Cluster 1: Daten, IT/OT und Integration
Kein anderes Thema kommt auch nur in die Nähe. Genannt werden Datensilos, fehlende Standards, heterogene Maschinenparks, der Retrofit alter Anlagen, Lücken bei OPC UA und PackML, ein IT-Flickenteppich und technische Schulden. Diese Herausforderungen rund um die IT/OT-Integration entstehen dort, wo Maschinendaten, OT-Netze und Sicherheitsanforderungen aufeinandertreffen.
Die Erhebungen bestätigen den Befund aus einer anderen Richtung. Im Maschinen- und Anlagenbau nutzen 43 % KI im Unternehmen (VDMA 2025), aber nur 13 % in der eigenen Produktion (Fraunhofer ISI 2024). Der Einstieg passiert in Softwareentwicklung, Marketing und Service, weil die Fertigung genau die Integrationsfragen aufwirft, die im Cluster 1 gesammelt sind. Wie sich diese Anforderungen je Branche unterscheiden, beschreibt unsere Seite zu KI in der Produktion.
Cluster 2: Führung, Kultur und Change
An zweiter Stelle stehen Aussagen zu Haltung als Schlagwort, Fake Lean, Widerstand in der Belegschaft, Silodenken, verordneter statt gestalteter Transformation und fehlender Akzeptanz für KI-Entscheidungen. Zusammen mit Cluster 1 machen diese beiden Themen mehr als ein Drittel aller Aussagen aus.
Die ZEW-Erhebung vom Frühjahr 2026 liefert dazu eine passende Zahl: Im verarbeitenden Gewerbe stellen nur 30 % der Unternehmen ihren Beschäftigten KI-Anwendungen aktiv bereit, 39 % tolerieren die Nutzung lediglich, 8 % verbieten sie ausdrücklich. Change Management ist damit kein Nebenschauplatz, sondern Teil des Projekts.
Zwei Blickwinkel, ein Befund
Unter dem Stichwort Herausforderungen KI in der Produktion setzen repräsentative Umfragen die Gewichte etwas anders. Bitkom (2026, n=604) nennt als häufigste Hemmnisse für KI und Digitalisierung Datenschutzanforderungen mit 77 %, Fachkräftemangel mit 70 %, fehlende Zeit mit 66 % und IT-Sicherheit mit 61 %.
| Perspektive | Erstgenannte Hürde | Zweitgenannte Hürde | Quelle |
|---|---|---|---|
| Umfrage | Datenschutz, 77 % | Fachkräftemangel, 70 % | Bitkom 2026 |
| Praktikergespräche | Daten, IT/OT, Integration, 42 von 206 | Führung, Kultur, Change, 32 von 206 | Eigene Auswertung |
Auffällig ist die Rangfolge in der Umfrage: Datenschutz steht vor Fachkräften, Fachkräfte vor Zeit, Zeit vor Sicherheit und Sicherheit vor Geld. Fehlende Finanzmittel nennen 48 % und damit deutlich weniger als die organisatorischen und rechtlichen Hürden. Das Problem ist selten, dass ein Modell nicht funktioniert. Das Problem ist, dass es nicht an die Daten kommt und niemand Zeit hat, es zu betreiben.
Das ist kein Widerspruch zu den Gesprächen. In der Umfrage wird das Risiko benannt, im Gespräch der Aufwand. Beide Perspektiven zeigen auf dieselbe Stelle: Daten sind schützenswert und gleichzeitig schwer zugänglich. Wer beides lösen will, braucht eine Architektur, in der sensible Daten das Haus nicht verlassen müssen. Genau dafür steht der Ansatz KI im eigenen Rechenzentrum, bei dem Modelle hinter der eigenen Firewall laufen.
Was ungelöst bleibt
43 der 52 Gespräche benennen ausdrücklich etwas, das offen bleibt. Das ist ein ehrlicherer Reifegradindikator als jede Erfolgsgeschichte, denn öffentlich erzählt werden Erfolge, Fehlschläge dagegen fast nie. Vier Fragen wiederholen sich besonders häufig:
- Vom Leuchtturm in die Skalierung: die meistgestellte Frage des Zeitraums. Vier Unternehmen beantworten sie unterschiedlich, über Templates, Train-the-Trainer, Governance oder Architekturleitplanken.
- Wem gehören die Daten: Datensouveränität zieht sich als Leitmotiv durch mindestens vier Gespräche zu Manufacturing X, Factory X und Process X.
- Was von KI und Robotik ist heute real: Ein KI-Anbieter spricht von einer Implementierungslücke, das Potenzial ist da, der breite Einsatz nicht.
- Verändert sich die Rolle der Integratoren: Selbstintegration und eigene Entwicklung im Mittelstand stellen klassische Modelle infrage.
Drei weiße Flecken
Drei Themen kommen im gesamten Zeitraum auffällig selten vor, obwohl sie direkt an die dominierenden Herausforderungen angrenzen. Für Entscheider sind sie die eigentliche Arbeitsliste, weil dort keine fertigen Antworten kursieren.
Erstens Betrieb und Hosting. Es wird viel über Anwendungsfälle gesprochen, fast nie darüber, wo das Modell läuft, wer es betreibt und wie der Betrieb abgesichert wird. Ein geregelter KI-Betrieb als Managed Service schließt genau diese Lücke mit festgelegter Verantwortung für Modellgüte und Nachtraining.
Zweitens der Übergang vom Prototyp zum Produktivbetrieb. Architekturleitplanken, technische Schulden und Mandantenfragen tauchen nur in Ausnahmefällen auf, obwohl nach dem Gesamtbild der Auswertung genau daran die Skalierung scheitert.
Drittens fehlt die reine Beratung. Genau eines von 52 Gesprächen kommt von einem klassischen Beratungshaus. Wer in diesem Umfeld gehört werden will, braucht eine Anwendergeschichte oder ein Produkt, kein Leistungsversprechen.
Wie sich die größte Hürde, Daten und Integration, konkret abbauen lässt, beschreibt unser Beitrag zu den Hindernissen bei der KI-Einführung.
