KI im Maschinenbau: Wissen sichern, Angebote beschleunigen

KI im Maschinenbau sichert vor allem eines: das Wissen, das sonst mit erfahrenen Ingenieuren in Rente geht. 43 Prozent der deutschen Maschinenbauunternehmen setzen KI bereits produktiv ein, weitere 21 Prozent planen den Einstieg bis Ende 2025 (VDMA, Umfrage der Fachabteilung Software und Digitalisierung, Frühjahr 2025). Der größte Hebel liegt dabei seltener in der Fertigung als im Engineering selbst: Konstruktionswissen, Angebote und technische Dokumentation.

Dieser Artikel zeigt vier Einsatzfelder mit echtem Hebel für mittelständische Maschinenbauer und was die aktuelle VDMA-Umfrage über den Stand der Branche sagt. Er erklärt außerdem, warum Konstruktionsdaten im Haus bleiben sollten und wo KI an ihre Grenzen stößt. Einen Überblick über KI-Einsatzfelder quer durch den Mittelstand gibt der Pillar-Artikel KI im Mittelstand, den Blick auf den Shopfloor speziell unser Leitfaden KI in der Produktion.

Inhalt

1. KI im Maschinenbau ist Praxis, nicht mehr Pilotprojekt
2. Vier Einsatzfelder mit dem größten Hebel
3. Warum Konstruktionsdaten im Haus bleiben sollten
4. Was die KI-Verordnung bedeutet, wenn KI Teil der Maschine wird
5. Wo KI im Maschinenbau an Grenzen stößt
6. So startest du in 4 Schritten

KI im Maschinenbau ist Praxis, nicht mehr Pilotprojekt

KI im Maschinenbau hat die Phase der reinen Ankündigung verlassen. Laut einer VDMA-Umfrage der Fachabteilung Software und Digitalisierung aus dem Frühjahr 2025 setzen 43 Prozent der befragten Unternehmen KI- und Machine-Learning-Lösungen bereits produktiv ein. Weitere 21 Prozent planen den Einstieg bis Ende 2025, nochmal 27 Prozent bis 2028. Spätestens dann dürfte KI für die Mehrheit der Branche zum festen Bestandteil von Prozessen oder Produkten gehören.

Interessant ist, wo der Einsatz heute schon am weitesten ist. Softwareentwicklung führt mit 51 Prozent, vor Marketing mit 36 Prozent und Kundendienst sowie Service mit 26 Prozent. Produktion und Konstruktion liegen laut der Umfrage dahinter, obwohl genau dort viel Erfahrungswissen gebunden ist, das mit ausscheidenden Fachkräften verloren geht.

Die Unternehmen, die bereits KI einsetzen, berichten von messbaren Effekten: 35 Prozent sehen einen geringeren Personalaufwand pro Aufgabe, 31 Prozent eine höhere Motivation im Team, 31 Prozent kürzere Prozesszeiten und 30 Prozent einen höheren Automatisierungsgrad. Bemerkenswert ist außerdem, wie die Lösungen entstehen: 65 Prozent der Maschinenbauunternehmen entwickeln ihre KI-Anwendungen laut der Umfrage selbst, allerdings auf Basis von Standard-Software-Werkzeugen statt komplett eigener Programmierung.

KI im Maschinenbau ist mehr als KI in der Produktion

Die beiden Begriffe werden oft gleichgesetzt, meinen aber Verschiedenes. KI in der Produktion bezeichnet den Shopfloor, also Qualitätskontrolle, Wartung und Materialfluss zwischen Wareneingang und Versand, ausführlich beschrieben in unserem Leitfaden KI in der Produktion. KI im Maschinenbau umfasst zusätzlich die Bereiche davor: Konstruktion, Angebotswesen, technische Dokumentation und den Vertrieb komplexer, oft individuell gefertigter Maschinen.

Diese Unterscheidung ist praktisch relevant, weil der Maschinenbau anders tickt als die Serienfertigung. Viele Betriebe bauen Sondermaschinen oder kleine Stückzahlen, jedes Projekt ist anders, und ein großer Teil des Werts steckt in Ingenieurwissen statt in standardisierten Prozessen. Genau dort setzen die folgenden vier Einsatzfelder an.

Wer zuerst profitiert: Sondermaschinenbau vor Serienfertiger

Nicht jeder Betrieb startet an derselben Stelle. Sondermaschinenbau und Anlagenbau haben den größten Hebel bei Konstruktionswissen und Angebotserstellung, weil hier jedes Projekt neu durchdacht wird und Erfahrung aus früheren Projekten den größten Unterschied macht. Serienfertiger mit wiederkehrenden Baugruppen profitieren dagegen zuerst von Qualitätskontrolle und vorausschauender Wartung, weil dort große, vergleichbare Datenmengen anfallen. Zulieferer mit engen Margen sehen den schnellsten Effekt oft bei automatisierter Dokumentation, weil jede eingesparte Ingenieurstunde direkt die Marge verbessert. Wer seinen Betrieb in einer dieser drei Gruppen wiedererkennt, hat damit schon eine erste Priorisierung für den eigenen Einstieg.

Vier Einsatzfelder mit dem größten Hebel

Konstruktionswissen sichern, bevor erfahrene Ingenieure gehen

Jahrzehnte an Projekterfahrung stecken oft in den Köpfen einzelner Konstrukteure. Geht diese Person in Rente, geht das Wissen über frühere Lösungen, gescheiterte Ansätze und branchenspezifische Besonderheiten mit. Eine Wissensdatenbank mit Dokumenten-Suche (RAG, Retrieval Augmented Generation) durchsucht Zeichnungen, Lastenhefte, Stücklisten und alte Projektberichte und beantwortet Fragen mit der Fundstelle im Originaldokument.

Stell dir vor, ein neuer Ingenieur fragt: „Wie haben wir die Kühlung bei einem ähnlichen Projekt mit diesem Leistungsbereich gelöst?" Statt eine Stunde in alten Ordnern zu suchen oder einen erfahrenen Kollegen zu unterbrechen, bekommt er die passende Konstruktionslösung inklusive Verweis auf das ursprüngliche Projekt. Das Wissen bleibt im Unternehmen, auch wenn die Person geht, die es ursprünglich aufgebaut hat.

Technisch braucht eine solche Wissensdatenbank keine Neuprogrammierung der Konstruktion. Sie indiziert vorhandene Dateien wie PDF-Zeichnungen, Excel-Stücklisten, Lastenhefte als Word-Dokumente und ERP-Exporte, meist über bestehende Schnittstellen zur ERP-Integration. Der Aufwand liegt vor allem in der ersten Aufbereitung: Welche Ordnerstrukturen gibt es, wie einheitlich sind Dateinamen und Versionsstände, und welche Dokumente dürfen überhaupt in den Suchindex. Ein sauberer erster Durchlauf über die letzten drei bis fünf Jahre reicht meist, um einen spürbaren Nutzen zu zeigen, bevor ältere Archive folgen.

Angebote für Sondermaschinen in Tagen statt Wochen

Bei individuell gefertigten Maschinen muss jedes Angebot neu kalkuliert werden, und der Vertrieb wartet dafür typischerweise auf die Technik. Eine KI-gestützte Angebotskalkulation kehrt diesen Ablauf um: Der Vertrieb konfiguriert die gewünschte Maschine in einem System, die KI gleicht die Konfiguration mit früheren, ähnlichen Projekten ab, kalkuliert Materialkosten und Fertigungszeiten und erstellt einen ersten Angebotstext zur Prüfung durch die Technik.

Wie lange ein solches Kalkulationswerkzeug in der Entwicklung dauert und was es kostet, hängt stark vom Umfang der Anbindung an ERP und Konstruktionsdaten ab. Eine erste Einordnung dazu liefert unser Leitfaden zu den Kosten individueller Software.

Technische Dokumentation ohne Ingenieure zu binden

Betriebsanleitungen, Wartungshandbücher und CE-konforme Dokumentation müssen erstellt, in mehrere Sprachen übersetzt und bei jeder Änderung aktuell gehalten werden. Diese Arbeit bindet oft genau die Ingenieure, die eigentlich an neuen Projekten arbeiten sollten. Intelligente Dokumentenverarbeitung zieht Inhalte aus Konstruktionsdaten und bestehenden Vorlagen, erstellt einen ersten Entwurf und übersetzt ihn, bevor ein Mensch die fachliche und rechtliche Freigabe prüft.

Besonders deutlich wird der Effekt bei Exportmaschinen, die in vier oder fünf Sprachfassungen ausgeliefert werden müssen. Ändert sich eine Sicherheitsangabe in der deutschen Ausgangsversion, zieht diese Änderung bisher oft eine manuelle Anpassung in jeder Sprachversion nach sich, mit dem Risiko, dass eine Fassung übersehen wird. Ein KI-gestützter Übersetzungsschritt hält alle Sprachfassungen an derselben Quelle synchron, die inhaltliche und rechtliche Prüfung jeder Fassung bleibt trotzdem beim Menschen.

Vorausschauende Wartung senkt Stillstand und Kosten

Sobald eine gebaute Maschine im Feld läuft, wird Wartung zum eigenen Geschäftsfeld. Predictive Maintenance wertet Sensordaten wie Vibration, Temperatur oder Stromaufnahme aus und erkennt Verschleißmuster, bevor ein Bauteil ausfällt. Laut McKinsey Global Institute (2015) lassen sich damit Wartungskosten um 10 bis 40 Prozent senken und ungeplante Ausfallzeiten um bis zu 50 Prozent reduzieren. Für Maschinenbauer ist das doppelt interessant: als Einsatzfeld in der eigenen Fertigung und als zusätzliches Serviceangebot für die Maschinen, die bei Kunden im Feld stehen.

Die technischen Grundlagen dazu, welche Daten nötig sind und wie der Unterschied zur klassischen Wartung nach Kalenderintervall aussieht, erklärt unser Leitfaden KI in der Produktion im Detail.

Warum Konstruktionsdaten im Haus bleiben sollten

CAD-Zeichnungen, Stücklisten und Projekthistorie gehören für viele Maschinenbauer zu den wertvollsten Betriebsgeheimnissen. Eine Sondermaschine unterscheidet den Hersteller oft genau durch das Konstruktionsdetail, das ein Wettbewerber nicht kennt. Wird eine Wissensdatenbank oder ein Kalkulationswerkzeug an einen Cloud-Dienst angebunden, wandert dieses Wissen zwangsläufig über fremde Server.

Lokale KI löst dieses Problem, indem das Sprachmodell auf eigener Hardware im Betrieb läuft, statt Anfragen an einen externen Anbieter zu senden. Zeichnungen, Stücklisten und interne Projektberichte verlassen das Haus nicht. Das ist besonders dann relevant, wenn Kunden selbst vertrauliche Spezifikationen liefern, etwa bei Sondermaschinen für die Pharma- oder Automobilbranche, die über eigene Geheimhaltungsvereinbarungen verfügen.

Was die KI-Verordnung bedeutet, wenn KI Teil der Maschine wird

Sobald KI nicht nur im Büro, sondern als Sicherheitskomponente in einer Maschine selbst arbeitet, etwa in einer Steuerung, die über Sicherheitsfunktionen entscheidet, greift ein anderer Teil der EU-KI-Verordnung als bei reinen Software-Werkzeugen für Konstruktion oder Angebote. Solche eingebauten Systeme fallen unter Anhang I der Verordnung. Die Frist dafür wurde durch den Digital Omnibus auf den 2. August 2028 verschoben, ein Jahr später als ursprünglich vorgesehen.

Reine Büro-Anwendungen wie eine Wissensdatenbank oder ein Kalkulationswerkzeug zählen dagegen in aller Regel nicht zu dieser Kategorie. Die Einstufung hängt daran, ob die KI eine Sicherheitsfunktion der Maschine selbst übernimmt, nicht daran, ob irgendwo im Unternehmen KI eingesetzt wird. Die vollständige Einordnung der acht Hochrisiko-Bereiche und was der Digital Omnibus konkret verschiebt, erklärt unser Leitfaden Hochrisiko-KI im EU AI Act.

Wo KI im Maschinenbau an Grenzen stößt

Nicht jedes Einsatzfeld ist sofort nutzbar. Aus der Digital-Erfahrung seit 2007 von Gründer Jannis Gerlinger, von UX/UI über E-Commerce bis KI, zeigt sich bei jeder Digitalisierungswelle dasselbe Muster: Projekte scheitern seltener an der Technik als an diesen vier vermeidbaren Punkten.

Ältere Maschinen liefern keine Daten. Predictive Maintenance braucht Sensordaten. Maschinen, die vor Jahren ohne Vibrations- oder Temperatursensorik gebaut wurden, lassen sich nicht per Software nachrüsten, eine Sensor-Nachrüstung kostet zusätzliches Budget und Zeit.

Kunden geben Produktionsdaten zögerlich weiter. Ein Serviceangebot auf Basis von Maschinendaten setzt voraus, dass der Kunde diese Daten überhaupt teilt. Gerade bei sensiblen Branchen ist das ein eigenes Verkaufsgespräch, nicht nur eine technische Frage.

Ein Projekt ohne Verantwortlichen bleibt eine Demo. Ein KI-Pilot, den die IT nebenbei betreut, den aber niemand aus Konstruktion oder Vertrieb täglich nutzen will, überlebt selten den ersten Vorführtermin. Erfolgreiche Projekte haben einen Verantwortlichen, der den Engpass selbst spürt, etwa den Vertriebsleiter, der auf jedes Angebot zu lange wartet.

Erfahrene Ingenieure prüfen die Ausgabe, sie ersetzen sie nicht automatisch. Eine Wissensdatenbank findet frühere Lösungen schnell, bewertet aber nicht, ob sie für ein neues Lastenheft wirklich passt. Diese fachliche Prüfung bleibt Aufgabe der Konstruktion, genau wie die rechtliche Freigabe einer automatisiert erstellten Betriebsanleitung. KI verkürzt die Suche, nicht die Verantwortung.

So startest du in 4 Schritten

• Ein konkreter Engpass ist benanntWissenssuche, Angebote, Dokumentation oder Wartung, nicht alles auf einmal
• Digitale Datenlage geprüftZeichnungen, Lastenhefte und Projektberichte als durchsuchbare Dateien statt Papierordner
• Verantwortlicher aus der Fachabteilung benanntJemand aus Konstruktion oder Vertrieb, der den Piloten täglich nutzt
• Entscheidung über Cloud oder lokalen Betrieb getroffenBesonders relevant, wenn Kunden vertrauliche Spezifikationen liefern

Fazit: Der Hebel liegt vor der Fertigung

KI im Maschinenbau rechnet sich am schnellsten dort, wo heute Ingenieurwissen in Köpfen statt in Systemen steckt: beim Konstruktionswissen, das mit erfahrenen Kollegen verschwindet, bei Angeboten, auf die Kunden wochenlang warten, und bei Dokumentation, die Ingenieure von eigentlicher Projektarbeit abhält. 43 Prozent der Branche nutzen KI bereits produktiv (VDMA, Frühjahr 2025), der Abstand zum Wettbewerb entsteht nicht durch das größte Projekt, sondern durch den ersten sauber zu Ende gebauten Anwendungsfall.

Der zweite Baustein ist die Frage, wo die Daten verarbeitet werden. Konstruktionswissen ist bei den meisten Maschinenbauern das eigentliche Betriebsgeheimnis, ein lokaler Betrieb hält es im Haus, statt es Cloud-Anbietern anzuvertrauen.

Jannis Gerlinger KI-Berater und Geschäftsführer, JANGER GmbH

Jannis Gerlinger berät kleine und mittlere Unternehmen bei der Einführung von Künstlicher Intelligenz und setzt die Lösungen selbst um: KI-Assistenten, Automationen und individuelle Web-Apps. Als Geschäftsführer der JANGER GmbH arbeitet er seit 2007 an digitalen Systemen für Handwerk, Handel und Industrie, von Onlineshops bis zu internen Werkzeugen. Seine vom TÜV Rheinland geprüfte Qualifikation in Verkaufspsychologie verbindet technisches Know-how mit einem tiefen Verständnis für Geschäftsprozesse.