Agentische KI in der Fertigung: Aufgaben und Verantwortung

Was ein KI-Agent zusätzlich übernimmt

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.

Entscheidend sind die Grenzen. Ein Werksagent braucht festgelegte Entscheidungsrechte, Prozessgrenzen, Konfidenzschwellen, Freigaben, Rückfallzustände und nachvollziehbare Protokolle. Ein zusätzlicher Systemzugang ist noch keine Erlaubnis zu handeln.

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.

Die Unterschiede zwischen gemeldetem Nutzen und breitem Einsatz sind eine praktische Herausforderung. Datenqualität, Zuständigkeiten, Anbindung und Betrieb können dabei eine Rolle spielen. Die Befragungsanteile allein zeigen aber nicht, wodurch die Lücke entsteht oder wie oft das Modell selbst die Ursache ist.

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.

Siehe auchKI für kontinuierliche Verbesserung

Eine Autonomie-Leiter

Die folgenden fünf Stufen helfen, Aufgaben und Befugnisse zu trennen. Prüfen Sie eine Stufe, bevor Sie dem Agenten weitere Handlungsrechte geben.

1. Beschreiben

   Die KI fasst den Zustand des Werks zusammen.

2. Diagnostizieren

   Die KI schlägt Erklärungen samt Belegen vor.

3. Empfehlen

   Die KI ordnet Maßnahmen und ihre Zielkonflikte.

4. Schritte koordinieren

   Die KI koordiniert Abläufe, die Menschen freigegeben haben.

5. Handeln

   Die KI führt aus, innerhalb ausdrücklicher Leitplanken.

Festlegen, wann ein Mensch freigeben oder eingreifen muss

Die australische Regierung unterscheidet in ihren Begriffserklärungen zu agentischer KI zwischen einem Menschen, der die endgültige Entscheidung trifft, und einem Menschen, der den autonomen Betrieb beaufsichtigt. Bei einer Human-in-the-loop-Freigabe wartet das System vor der betreffenden Handlung auf die befugte Person. Unter Human-on-the-loop-Aufsicht darf das System handeln, während die Person es überwacht und eingreifen kann.

Benennen Sie für die Autonomie-Leiter oben die Handlung, die freigabeberechtigte Person und den Punkt, an dem das System warten muss. Erlauben Sie Handlungen unter Aufsicht, prüfen Sie, ob die Person einen Fehler erkennen und stoppen kann, bevor seine Folgen eintreten. Ein Dashboard, das vielleicht später jemand ansieht, belegt keine rechtzeitige Aufsicht. Halten Sie einen getesteten Ersatzweg und einen Prüfpfad bereit. Die bestehenden Freigaberegeln für folgenreiche Entscheidungen bleiben bestehen.

Daten und Entscheidungsregeln vor der Autonomie prüfen

Uneinheitliche Messpunktbedeutungen, unpassende Zeitstempel, nicht zuordenbare Arbeitsaufträge, unzuverlässige Ursachenkodes und fehlende Zuständigkeiten können Agenten zu falschen Schlüssen führen. Halten Sie den betrieblichen Kontext und seine Quellen nachvollziehbar. Der Leitfaden zur Fertigungsdatenanalyse erklärt die benötigte Datenbasis.

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.

Betriebliche Ergebnisse und Fehlentscheidungen messen

Prüfen Sie, wie lange eine Diagnose dauert, welche Empfehlungen übernommen werden und wie oft Hinweise unnötig eskalieren. Verfolgen Sie anschließend die Wirkung der Maßnahmen und ob das Problem wiederkehrt. Die Zahl der Gespräche oder Vorschläge beschreibt nur die Nutzung.

Ein brauchbarer Ablauf verbindet Nachweise, Begründungen, Szenarien, Entscheidung, kontrollierte Handlung und Ergebnisprüfung. Jede Verbindung muss nachvollziehbar bleiben. Zu Validierung und Drift siehe Industrielle KI in der Fertigung.

Häufige Fehler bei der Einführung von Agenten

Prüfen Sie technische Voraussetzungen und betriebliche Zuständigkeiten gemeinsam. Diese Fehler können einen Versuch behindern; ihre Häufigkeit lässt sich aus der genannten Befragung nicht ableiten.

• 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.