Ein agentisches KI-System arbeitet über mehrere Schritte auf ein Ziel hin: Es beobachtet eine Situation, sammelt Belege, wählt die nächste Analyse, ruft andere Software auf und schlägt eine begrenzte Handlung vor oder führt sie aus. Ein Copilot beantwortet Fragen, ein Agent erledigt Arbeit. In der Fertigung ist das entscheidende Wort begrenzt: Entscheidungsrechte, Schwellenwerte, Freigaberegeln, Rückfallzustände und ein Prüfpfad. Beginnen Sie mit Entscheidungen, die viel Untersuchung erfordern und begrenzte Folgen haben.
Eine klare Grenze zwischen Copiloten und Agenten
Drei erste Anwendungsfälle mit hohem Untersuchungsaufwand und begrenzten Folgen
Eine Autonomie-Leiter mit fünf Stufen und eine Liste dessen, was menschlich bleiben muss
Ein KI-Agent ist kein Chatbot neben dem Dashboard
Ein Copilot für die Fertigung hilft einer Person, Daten abzufragen, Informationen zusammenzufassen, eine Analyse zu entwerfen oder Wissen abzurufen. Ein Agent geht weiter. Er arbeitet über mehrere Schritte auf ein definiertes Ziel hin: Er beobachtet, sammelt Belege, wählt die nächste analytische Handlung, ruft Software oder Dienste auf, schlägt eine begrenzte Handlung vor oder führt sie aus und beobachtet das Ergebnis.
Das wichtige Wort in der Fertigung ist begrenzt. Ein brauchbarer Werksagent bedeutet nicht „KI führt die Fabrik“. Er hat Entscheidungsrechte, Prozessgrenzen, Konfidenzschwellen, Freigabepflichten, Rückfallzustände und einen Prüfpfad.
| Copilot | Agent | |
|---|---|---|
| Arbeitet durch | Beantworten einer Anfrage | Verfolgen eines Ziels über mehrere Schritte |
| Typisches Ergebnis | Eine Zusammenfassung, ein Diagramm, ein Entwurf | Eine Untersuchung, geordnete Optionen, eine begrenzte Handlung |
| Braucht | Datenzugriff | Datenzugriff, Werkzeuge, Entscheidungsrechte und Leitplanken |
| Hauptrisiko | Eine falsche Antwort, die eine Person bemerken kann | Eine falsche Handlung innerhalb eines Systems |
| Kontrolle | Der Nutzer liest und entscheidet | Schwellenwerte, Freigaben und Prüfpfad |
Warum das Thema jetzt aktuell ist
Deloittes Ausblick für die Fertigung 2026 nennt agentische KI unter den Investitionen, die Wettbewerbsfähigkeit und Agilität steigern können, und beschreibt agentische Systeme, die über mehrere Systeme hinweg handeln, „mit einem Menschen in der Schleife für die endgültigen Freigaben“ (im Original: „with a human in the loop for final approvals“). Deloittes Studie „AI in Manufacturing 2026“ unter mehr als 140 Fertigern ergab, dass 84 % bereits messbaren Nutzen aus KI ziehen, während nur rund 20 % der Anwendungsfälle skaliert sind.
Diese Lücke zwischen Pilotnutzen und skaliertem Nutzen ist das praktische Problem. Sie liegt selten am Modell. Sie liegt an Daten, Governance und Betrieb, und dort entscheidet sich, ob Agenten funktionieren.
Gute erste Anwendungsfälle: viel Untersuchung, begrenzte Folgen
Wählen Sie Arbeit, die Menschen Stunden an Untersuchung kostet und bei der ein falscher Vorschlag von einer Person bemerkt wird, bevor er Schaden anrichtet.
- Stillstands-Untersuchungsagent: Sammelt den Zeitverlauf des Stopps, Maschinenzustände, jüngste Instandhaltung, Produkt- und Rüstkontext sowie ähnliche frühere Ereignisse und schlägt Ursachenkandidaten vor. Ein Ingenieur bestätigt Diagnose und Gegenmaßnahme.
- Planreparatur-Agent: Erkennt eine Material- oder Anlagenstörung, bewertet machbare Umplanungsoptionen, schätzt Folgen für Service und Rüsten und legt dem Planer Optionen vor.
- Agent für kontinuierliche Verbesserung: Erkennt ein wiederkehrendes Verlustmuster, entwirft eine Problembeschreibung, verknüpft die Belege, findet verwandte frühere Untersuchungen und schlägt ein begrenztes Experiment vor.
Eine Autonomie-Leiter
Autonomie ist kein Schalter. Nutzen Sie fünf Stufen und steigen Sie jeweils nur eine auf.
- Beschreiben
Die KI fasst den Zustand des Werks zusammen.
- Diagnostizieren
Die KI schlägt Erklärungen samt Belegen vor.
- Empfehlen
Die KI ordnet Maßnahmen und ihre Zielkonflikte.
- Orchestrieren
Die KI koordiniert Abläufe, die Menschen freigegeben haben.
- Handeln
Die KI führt aus, innerhalb ausdrücklicher Leitplanken.
Das Schwierige ist nicht das Modell
Agenten scheitern, wenn Tags uneinheitliche Bedeutung haben, Zeitstempel nicht zueinander passen, Arbeitsaufträge sich nicht mit Anlagen und Ereignissen verknüpfen lassen, Ursachencodes unzuverlässig sind, Standardarbeit nicht niedergeschrieben ist oder Entscheidungen keinen Verantwortlichen haben. Agentische Betriebsführung braucht eine operative Kontextschicht, nicht nur ein Sprachmodell. Wie man sie aufbaut, steht in Fertigungsdatenanalyse.
Halten Sie die menschliche Freigabe überall dort, wo eine Handlung Sicherheit, Produktkonformität, regulatorische Kontrollen, kritische Instandhaltung, Kundenzusagen oder hochwertige Produktionsänderungen berührt. Richten Sie die Autonomie nach Folge, Umkehrbarkeit, Konfidenz und danach, wie schnell eine falsche Handlung entdeckt würde.
Einen Agenten wie ein Betriebssystem messen, nicht wie einen Chatbot
Berichten Sie nicht über Gespräche, Tokens oder erzeugte Vorschläge. Berichten Sie über Zeit bis zur Diagnose, Annahmequote von Empfehlungen, falsche Eskalationen, verhinderten oder zurückgewonnenen Verlust, Entscheidungslatenz, Ergebnis der Maßnahme und Wiederholung.
Die Chance liegt nicht darin, dass „KI Ihr Dashboard erklärt“. Sie liegt in einer lückenlosen Kette von Belegen über Schlussfolgerung, Szenario und Entscheidung bis zu kontrollierter Handlung und verifiziertem Ergebnis. Zu Validierung und Drift lesen Sie Industrielle KI in der Fertigung.
Häufige Fehler bei der Einführung von Agenten
Die meisten Agentenprojekte stocken aus organisatorischen, nicht aus technischen Gründen.
- Mit dem Modell beginnen statt mit der Entscheidung, der es dienen soll.
- Einem Agenten Schreibrechte geben, bevor er sich in einer reinen Leserolle bewährt hat.
- Aktivität messen, etwa Anfragen und Vorschläge, statt Ergebnisse.
- Den Prüfpfad auslassen, sodass niemand nachvollziehen kann, warum der Agent gehandelt hat.
- Annehmen, schlechte Datenqualität werde vom Modell aufgefangen.
Praxis-Checkliste
- Die begrenzte Entscheidung benennen, für die der Agent gedacht ist.
- Festlegen, wem diese Entscheidung gehört und was der Agent allein tun darf.
- Schwellenwerte, Freigaben und Rückfallzustände aufschreiben.
- Bei Beschreiben oder Diagnostizieren beginnen und jeweils nur eine Stufe aufsteigen.
- Zuerst Datenbedeutung, Zeitabgleich und Ursachencodes klären.
- Die menschliche Freigabe für Sicherheit, Qualität und Kundenzusagen behalten.
- Jede Beobachtung, Handlung und jedes Ergebnis für die Prüfung protokollieren.
- Diagnosezeit, Annahme, zurückgewonnenen Verlust und Wiederholung messen.
Häufige Fragen
Fragen vor der Anmeldung
Quellen und Vertiefung
Maßgebliche Referenzen für Recherche und Prüfung dieses Leitfadens.