Wenn von KI Einsatz in Unternehmen die Rede ist, denken die meisten an den typischen Office-Kontext: automatisierte E-Mails, intelligente Textverarbeitung, Chatbots im Kundenservice oder Unterstützung bei der Erstellung von Content für Web und Social Media. KI-Anwendungen in der Produktion kommen in dieser Diskussion hingegen seltener vor – und wenn, dann als Zukunftsvision mit vollautonomen Fabriken, in denen humanoide Roboter arbeiten.
Dabei kann sich ein genauerer Blick in die eigene Organisation lohnen. Denn Unternehmen, die sowohl „Schreibtischarbeit“ als auch Produktion unter einem Dach vereinen, stellen zunehmend fest: Die Herausforderungen bei der KI-Einführung ähneln sich in beiden Bereichen erstaunlich stark. Die Technologie ist verfügbar. Die Anwendungsfälle existieren. Und trotzdem kommt die Umsetzung nicht in dem erhofften Tempo voran – aus Gründen, die weniger mit der Technik als vielmehr mit Menschen zu tun haben.
TL;DR:
- Nur 16 Prozent der deutschen Industrieunternehmen integrieren KI direkt in ihre Produktionsprozesse – obwohl 82 Prozent sie für wettbewerbsentscheidend halten.
- Die Herausforderungen in der Produktion ähneln denen im Büro: 70 Prozent des Implementierungsaufwands entfallen auf Menschen und Prozesse, nicht auf Technologie (BCG).
- Die größte Hürde ist die "Imagination Gap" – Mitarbeitende in der Fertigung haben keinen Referenzpunkt wie ChatGPT, um sich KI-Anwendungen konkret vorstellen zu können.
- Europäische Mittelständler wie Heismann Drehtechnik (135 MA) und Mühlhoff Umformtechnik (400 MA) zeigen: KI in der Produktion funktioniert – auch ohne Millionenbudgets.
- Das Rezept ist dasselbe wie im Office-Bereich: KI-Implementierung ist eine Führungsaufgabe, kein IT-Projekt. Systematisches Change Management schlägt Technologiekauf.
Wo steht der Mittelstand beim KI-Einsatz in der Produktion?
Die Datenlage ist ernüchternd und aufschlussreich zugleich. Eurostat betrachtet die europäische Ebene: 20 Prozent der EU-Unternehmen nutzten 2025 mindestens eine KI-Technologie – ein Anstieg von 13,5 Prozent im Vorjahr [1].
Die Kluft zwischen Großunternehmen (55 Prozent) und kleinen Unternehmen (17 Prozent) ist dabei beträchtlich. Für die DACH-Region zeigt sich ein differenziertes Bild: Deutschland und Österreich liegen im EU-Vergleich jeweils bei rund 20 Prozent (Erhebung 2024). Die Schweiz wird als Nicht-EU-Mitglied von Eurostat nicht erfasst – hier liefert die ETH-Studie aus dem Jahr 2024 die beste verfügbare Datenbasis. Im Rahmen dieser Studie, die in Zusammenarbeit mit dem Branchenverband Swissmem erstellt wurde, wurden 209 Führungskräfte der Schweizer Technologieindustrie befragt.
Die Ergebnisse: 51 Prozent der Befragten hatten den Einsatz von KI in der Fertigung noch nicht einmal in Erwägung gezogen [2]. Nicht etwa abgelehnt, sondern schlicht nicht bedacht. Professor Torbjørn Netland warnte in diesem Zusammenhang davor, dass Umfragen von Beratungshäusern die tatsächliche Adoption systematisch überschätzen, weil ihre Stichproben verzerrt seien.
Speziell für den KI-Einsatz in der Produktion – nicht in Unternehmen allgemein – liefert die „Erhebung Modernisierung der Produktion“ des Fraunhofer ISI den besten verfügbaren Datenpunkt für Deutschland: Nur etwa 16 Prozent der Industrieunternehmen integrieren KI direkt in ihre Produktionsprozesse, bei Großunternehmen 30 Prozent, bei kleinen Betrieben 13 Prozent [3]. Die zugrunde liegenden Daten stammen allerdings aus 2022 – angesichts der Dynamik im KI-Bereich ist der tatsächliche Stand heute mit hoher Wahrscheinlichkeit anders, die Größenordnung aber nach wie vor orientierend.
In Deutschland zeichnet die Bitkom-Studie 2025 unter 552 Industrieunternehmen ebenfalls ein uneinheitliches Bild: 82 Prozent der befragten Unternehmen sind davon überzeugt, dass KI entscheidend für die Wettbewerbsfähigkeit sein wird. Gleichzeitig verfolgen 50 Prozent eine Abwarte-Strategie und beobachten zunächst, was andere tun. Nur 24 Prozent sehen sich in der Lage, das Potenzial von KI erfolgreich zu nutzen [4].
„KI kann nicht augmentieren, was nicht zuvor systematisiert wurde“ – das gilt am Schreibtisch genauso wie an der Fertigungslinie.
70 Prozent der Herausforderungen sind menschlicher Natur
Die Boston Consulting Group befragte im Rahmen ihrer „Build for the Future“-Studie 2024 über 1.000 Führungskräfte aus 59 Ländern und 20 Branchen zum Stand ihrer KI-Implementierung. Der Bericht wurde im Oktober 2024 veröffentlicht [5]. Das zentrale Ergebnis: 74 Prozent der Unternehmen haben Schwierigkeiten, messbaren Wert aus KI zu erzielen und zu skalieren. Nur vier Prozent verfügen über fortgeschrittene Fähigkeiten, die signifikante Erträge generieren.
Ein wichtiger Hinweis zur Einordnung: Diese Studie bildet den Stand von 2024 ab. Seitdem haben sich KI-Modelle mit enormer Geschwindigkeit weiterentwickelt – die Zeit zwischen der Erhebung und heute entspricht in Bezug auf technologische Leistungsfähigkeit gefühlt einer ganzen Generation. Im Vergleich dazu vollzieht sich die menschliche Adaption an neue Technologien in deutlich längeren Zyklen. Die Kernthesen der Studie – insbesondere zur Bedeutung von Menschen und Prozessen – dürften deshalb weiterhin Bestand haben, möglicherweise sogar an Relevanz gewonnen haben: Die technologischen Möglichkeiten wachsen schneller als die organisatorische Fähigkeit, sie zu nutzen.
Der entscheidende Befund liegt in der Ursachenanalyse. BCG kommt zu dem Ergebnis, dass 70 Prozent des Implementierungsaufwands auf Menschen und Prozesse entfallen sollten, 20 Prozent auf Technologie und nur 10 Prozent auf Algorithmen [5]. Die Realität in den meisten Unternehmen sieht anders aus: BCG beschreibt, dass scheiternde Unternehmen dieses Verhältnis faktisch umkehren, indem sie technische Aspekte gegenüber menschlichen priorisieren. Die Studie enthält dazu keine exakten Gegenzahlen – aber das Muster ist eindeutig: Dort, wo der Großteil der Aufmerksamkeit und Ressourcen in Algorithmen und Technologie fließt, bleibt der erhoffte Wertbeitrag oftmals aus.
Dieses Muster kennen wir bereits aus der administrativen Arbeitswelt. Und es wiederholt sich in der Produktion mit bemerkenswerter Präzision:
Mitarbeitende reagieren mit den gleichen Vorbehalten: Eine 2025 in Scientific Reports (Nature) veröffentlichte Studie von Barua et al. befragte 100 Fertigungsexperten und führte ergänzend 15 Interviews mit Führungskräften im Smart-Manufacturing-Umfeld. Das Ergebnis: Widerstand gegen Veränderung ist eine der am besten dokumentierten Herausforderungen in Produktionsumgebungen – mit der Angst vor Arbeitsplatzverlust als zentralem Treiber [6]. Rockwell Automations globale Erhebung 2024 unter 1.567 Fertigungsunternehmen stufte Change Management als das größte personalbezogene Hindernis ein [7].
Führungskräfte bremsen stärker als Mitarbeitende: McKinseys branchenübergreifende Untersuchung zum Change Management im KI-Zeitalter (August 2025) ergab, dass nicht der Widerstand der Belegschaft, sondern die teilweise abwartende Haltung der Führungsebene die größte Hürde bei der Skalierung von KI darstellt. Mitarbeitende nutzen KI bereits dreimal häufiger, als ihre Vorgesetzten vermuten [8]. Auf der IIoT World Manufacturing Day Konferenz 2025 stellten Vertreter von Siemens und Databricks fest, dass viele Manager nicht aus Ablehnung, sondern aus fehlendem Verständnis nicht in der Lage seien, KI-Initiativen wirksam zu führen [9].
Stichwort unterschiedliche Geschwindigkeit von Entwicklungs- und Adaptionszyklen: Das deutsche Institut für angewandte Arbeitswissenschaft (ifaa) hat bereits in einer im Jahr 2022 durchgeführten und 2023 veröffentlichten Studie mit 459 Teilnehmern aus Fertigungsunternehmen festgestellt (Anteil der KMU: 46 Prozent), dass Entscheidungsträgern weitgehend ein systematischer Ansatz für den KI-Einsatz fehle und gleichzeitig Unsicherheit über die Wirtschaftlichkeit von Investitionen herrsche. 60 Prozent der Befragten schätzten den Fachkräftemangel im KI-Bereich als großes oder sehr großes Problem ein.[10]
Unstrukturierte Prozesse verhindern den Einstieg: Genau wie KI in der Office-Umgebung dokumentierte Workflows voraussetzt, benötigt KI in der Produktion sowohl digitalisierte, strukturierte Daten als auch klar definierte Prozesse. Die Parallele ist direkt: „KI kann nicht augmentieren, was nicht zuvor systematisiert wurde“ – das gilt am Schreibtisch genauso wie an der Fertigungslinie. Ein von der Schweizer Beratung Initcon 2025 veröffentlichtes White Paper, das Erkenntnisse von RAND, Gartner und akademischer Forschung – unter anderem der University of Queensland – zusammenfasst, identifizierte zwei branchenübergreifende Hauptursachen für das Scheitern von KI-Projekten: das Versäumnis, den organisatorischen Bedarf zu ermitteln, und fehlende Datenqualität [11]. Viele Fabriken arbeiten nach wie vor mit Daten in Silos – in voneinander getrennten Systemen oder für die KI unzugänglich auf Papier. Da tröstet es kaum, dass auch im administrativen Bereich die Realität häufig nicht besser ist: Wissen steckt in individuellen E-Mail-Postfächern, Entscheidungswege sind informell und Prozesse existieren oft nur in den Köpfen einzelner Mitarbeitender, sind aber nicht als SOPs formalisiert.
Die „Imagination Gap“ ist in der Fertigung noch breiter als am Schreibtisch
Ein Phänomen, das die KI-Adoption in der Produktion besonders hemmt, ist das, was Forscher als „Imagination Gap“ bezeichnen – also die weit verbreitete Schwierigkeit von Organisationen, sich konkret vorzustellen, was KI für ihre spezifischen Abläufe leisten könnte. Der Begriff beschreibt keine mangelnde Intelligenz, sondern ein strukturelles Problem: Ohne Referenzpunkte und greifbare Beispiele fehlt schlicht die Grundlage, um sinnvolle Anwendungsfälle zu identifizieren.
Eine 2025 veröffentlichte Studie der RBC und der University of Toronto (Munk School) identifizierte diese Imagination Gap als das zentrale Hindernis: Nicht ein Mangel an Technologie oder Talent, sondern eine tiefgreifende Schwierigkeit, konkrete Anwendungsfälle zu erkennen [12]. Die Studie beschreibt mehrere Teilphänomene, die direkt auf produzierende Mittelständler übertragbar sind: eine „Paralyse des Überflusses“ (Paralysis of Abundance) bei zu vielen theoretischen Möglichkeiten, eine „Entscheidungslähmung“ (Decision Paralysis) beim ersten Anwendungsfall und einen „Champion-Schwund“ (Champion Attrition), wenn interne Befürworter das Unternehmen verlassen und die Dynamik mitnehmen.
Deloitte-Partner Jason Bechtel beschreibt das Phänomen anschaulich: Man habe gewissermaßen eine Wunderlampe, könne sich alles wünschen – aber die Leute stocken. Das zeige, dass der Vorstellungsmuskel oder auch der Neugiermuskel verkümmert sei [12].
Diese Imagination Gap ist in der Fertigung aus einem einfachen Grund breiter als in der administrativen Arbeitswelt: Büroangestellte hatten durch ChatGPT, Copilot und ähnliche Werkzeuge bereits direkten Kontakt mit KI und konnten erste Erfahrungen mit dieser Technologie sammeln. Sie haben selbst erlebt und erprobt, was möglich ist – selbst wenn sie die KI-Tools dabei vielleicht nicht systematisch nutzen. Mitarbeitende in der Produktion haben diesen Referenzpunkt nicht. Es gibt noch kein Äquivalent zu ChatGPT für die CNC-Maschine oder die Montagelinie, das die Möglichkeiten von KI greifbar und erlebbar machen würde.
Die deutsche Bundesregierung hat diese Lücke erkannt. Das vom BMBF geförderte Programm ProKI-Netz – ein Demonstrations- und Transfernetzwerk für KI in der Produktion – wurde bereits 2022 ins Leben gerufen, um kleinen und mittleren Unternehmen die Möglichkeiten von KI durch physische Demonstratoren zu zeigen. Die BMBF-Förderphase lief von 2022 bis 2024; das Netzwerk wurde anschließend in die Strukturen der Wissenschaftlichen Gesellschaft für Produktion (WGP) integriert und bleibt über acht Forschungsstandorte an führenden deutschen Universitäten aktiv [13]. Ebenso hat der vom BMUV und DFKI geförderte Green-AI Hub Mittelstand mittlerweile über 20 Pilotprojekte mit deutschen KMU durchgeführt und die Ergebnisse als Open-Source-Lösungen veröffentlicht [14].
Beide Programme existieren, weil Unternehmen Unterstützung benötigen, um KI-Anwendungsfälle in der Produktion erkennen und bewerten zu können – dabei helfen greifbare Demonstrationen und begleitete Pilotprojekte. Ein systematisches Enablement – also die gezielte Befähigung von Mitarbeitenden und Führungskräften, KI-Potenziale im eigenen Kontext zu erkennen und zu nutzen – schließt diese Lücke nachhaltiger als jeder Technologiekauf.
Und es funktioniert doch: Europäische Mittelständler liefern den Beweis
Trotz der breit dokumentierten Adoptionshürden zeigen mehr und mehr mittelständische Unternehmen, dass KI in der Produktion konkrete Ergebnisse liefert – ganz ohne Millionenbudgets oder Großkonzernstrukturen.
Die Heismann Drehtechnik GmbH aus Velbert (135 Mitarbeitende) entwickelte ab Oktober 2024 über den Green-AI Hub gemeinsam mit dem DFKI ein KI-gestütztes System zur Fehlererkennung und automatisierten Nachjustierung an CNC-Mehrspindel-Drehmaschinen. Materialschwankungen hatten bislang zu Produktionsunterbrechungen geführt, die aufwendige manuelle Nachjustierungen erforderten. Das KI-System analysiert nun Maschinendaten, erkennt Abweichungen frühzeitig und gibt mitarbeiterübergreifende Empfehlungen für Parameteranpassungen. Geschäftsführer Martin Gawenda resümiert: Innerhalb eines Monats sei es möglich gewesen, den Ausschuss spürbar zu reduzieren. Die Implementierung im Rahmen des Pilotprojekts dauerte sechs Monate [14].
Die Mühlhoff Umformtechnik GmbH aus Uedem (rund 400 Mitarbeitende, Automobilzulieferer für BMW, Daimler und VW) entwickelte 2023/2024 gemeinsam mit dem Fraunhofer IML im Rahmen des Mittelstand-Digital Zentrums Ruhr-OWL ein KI-basiertes Bilderkennungssystem für die Behälterinventur. Kameragestützte Computer Vision erkennt und klassifiziert Behältertypen auf Außenlagerflächen automatisch – unabhängig von Witterungsbedingungen. Unnötige Staplerfahrten entfallen [15].
Eine Befragung von 55 Top-Entscheidern führender Mittelstands- und Familienunternehmen im Rahmen der „Zukunftsmacher“-Studie (November 2025) ergab: 64 Prozent berichten von messbaren Effizienzgewinnen durch KI – einige von bis zu 80 Prozent [16].
Die Herausforderung liegt also nicht darin, ob KI im produzierenden Mittelstand funktioniert. Sie funktioniert nachweislich. Die Herausforderung liegt darin, Unternehmen über die Schwelle von initialen Experimenten, Pilotprojekten und Abwartehaltung hinauszubringen.
Warum ist KI Implementierung ein Führungsthema?
Die Parallelen zwischen KI-Einführung in der Office-Umgebung und in der Fertigung sind kein Zufall. Sie verweisen auf eine grundlegende Erkenntnis: KI-Implementierung ist in erster Linie ein Führungs- und Change-Management-Thema – unabhängig davon, ob die betroffenen Prozesse an einem Schreibtisch oder an einer Fertigungslinie stattfinden.
Für Geschäftsführerinnen und Geschäftsführer produzierender Mittelständler ergeben sich daraus drei Prioritäten:
Erstens: Die Vorstellung, dass KI in der Produktion zwingend hohe Investitionen in Robotik und Sensorik erfordert, ist unzutreffend. Viele der wirkungsvollsten Anwendungen – von der automatisierten Arbeitssicherheitsanalyse über die vorausschauende Wartung bis zur Produktionsplanung – basieren auf vorhandenen Daten und zugänglichen Werkzeugen. Die gemeinsame VDMA/PwC-Studie zeigt allerdings, dass mehr als die Hälfte der befragten DACH-Unternehmen weniger als 100.000 Euro für KI-Investitionen einplant.[17] Das kann für den Einstieg ausreichen – sofern die Mittel gezielt eingesetzt werden.
Zweitens: Die Imagination Gap lässt sich nicht durch Technologiekauf schließen, sondern durch systematisches Enablement – also die gezielte Befähigung von Teams, KI-Potenziale im eigenen Arbeitskontext zu erkennen und zu nutzen. Mitarbeitende in der Fertigung brauchen die Möglichkeit, KI-Anwendungen in ihrem Kontext zu erleben und eigene Ideen zu entwickeln. Die Unternehmen, die in der Forschung als erfolgreich identifiziert wurden – Heismann und Mühlhoff – haben diesen Weg über strukturierte Partnerschaften mit Forschungseinrichtungen gefunden. Nicht über top-down verordnete Technologieprogramme.
Drittens: Wer die KI-Einführung als IT-Projekt behandelt, wird in der Produktion an denselben Stellen ins Stocken geraten wie bei der KI-Integration in der administrativen Arbeit. Das Rezept – 70 Prozent Menschen und Prozesse, 20 Prozent Technologie, 10 Prozent Algorithmen – gilt für die Produktionshalle genauso. Change Management, klare Prozessdokumentation und sichtbare Führungsverantwortung sind keine weichen Faktoren, sondern die harten Voraussetzungen für messbaren Erfolg.
Die Bitkom-Studie fasst die Lage prägnant zusammen: 42 Prozent der deutschen Industrieunternehmen geben an, ihnen fehle die Expertise, KI in ihre Prozesse zu integrieren.[4] Das ist kein Technologieproblem. Das ist eine Führungsaufgabe – und Führungsaufgaben können gelöst werden: systematisch und schrittweise.
Sie möchten KI in Ihrem Unternehmen einsetzen und haben Fragen zur KI-Implementierung?
Gerne analysieren wir mit Ihnen in einem ersten unverbindlichen Strategiegespräch, wie der Einsatz von KI in Ihrem Unternehmen aussehen könnte und was dabei zu beachten ist.
Quellenverzeichnis
[1] Eurostat, „20% of EU enterprises use AI technologies“, Dezember 2025. https://ec.europa.eu/eurostat/web/products-eurostat-news/w/ddn-20251211-2
[2] ETH Zürich / Swissmem, „AI reality lags the hype in Swiss tech industries“, Juni 2024. Befragung von 209 Führungskräften im Frühjahr 2024. https://ethz.ch/en/news-and-events/eth-news/news/2024/06/ai-reality-lags-the-hype-in-swiss-tech-industries.html
[3] Fraunhofer ISI, „Künstliche Intelligenz in der Produktion“, Mitteilungen aus der ISI-Erhebung Nr. 83, Dezember 2024. Datengrundlage: Erhebung Modernisierung der Produktion 2022. https://www.isi.fraunhofer.de/en/presse/2024/presseinfo-28-ki-produktion.html
[4] Bitkom, „Industrie 4.0: 42 Prozent der Unternehmen setzen KI in der Produktion ein“, Bitkom-Studie 2025. https://www.bitkom.org/Presse/Presseinformation/Industrie-4.0-Unternehmen-KI-Produktion
[5] Boston Consulting Group, „Where’s the Value in AI?“, Oktober 2024. Befragung von über 1.000 CxOs aus 59 Ländern, branchenübergreifend. https://www.bcg.com/press/24october2024-ai-adoption-in-2024-74-of-companies-struggle-to-achieve-and-scale-value
[6] Barua, D. A., Sami, S. A. & Barua, L., „Leveraging artificial intelligence for smart production management in industry 4.0″, Scientific Reports (Nature), November 2025. Befragung von 100 Fertigungsexperten und 15 Interviews. https://pmc.ncbi.nlm.nih.gov/articles/PMC12644757/
[7] Rockwell Automation / Plex, „9th Annual State of Smart Manufacturing Report“, 2024. https://plex.rockwellautomation.com/en-us/blog/key-takeaways-9th-annual-state-smart-manufacturing-report.html
[8] McKinsey & Company, „Reconfiguring work: Change management in the age of gen AI“, August 2025. Branchenübergreifende Untersuchung. https://www.mckinsey.com/capabilities/quantumblack/our-insights/reconfiguring-work-change-management-in-the-age-of-gen-ai
[9] IIoT World, „Why AI Success in Manufacturing Starts with Leadership, Not Code“, 2025. https://www.iiot-world.com/smart-manufacturing/discrete-manufacturing/ai-in-manufacturing-leadership-success/
[10] ifaa – Institut für angewandte Arbeitswissenschaft, „KI in der Industrie: Potenziale und Hindernisse“, Erhebung 2022, veröffentlicht 2023. 459 Teilnehmer aus dem produzierenden Gewerbe, davon 46 % KMU. https://www.humanresourcesmanager.de/future-of-work/studie-zum-einsatz-von-kuenstlicher-intelligenz-ifaa/
[11] Initcon, „Why AI Projects Fail: Key Causes and Lessons“, 2025. White Paper basierend auf Erkenntnissen von RAND, Gartner und akademischer Forschung u.a. der University of Queensland. https://www.initcon.ch/wp-content/uploads/2025/06/Why-AI-Projects-Fail-V1.0.pdf
[12] RBC / University of Toronto Munk School, „Bridging the Imagination Gap“, 2025. https://www.rbc.com/en/thought-leadership/the-growth-project/bridging-the-imagination-gap-how-canadian-companies-can-become-global-leaders-in-ai-adoption/
[13] BMBF / ProKI-Netz, Projektatlas Künstliche Intelligenz in der Produktion, 2024. Förderphase 2022–2024, fortgeführt unter der Wissenschaftlichen Gesellschaft für Produktion (WGP). https://www.zukunft-der-wertschoepfung.de/wp-content/uploads/2024/10/Mediathek_ProjektAtlas_KI_2024.pdf
[14] Green-AI Hub Mittelstand (BMUV/DFKI), Pilotprojekt Heismann Drehtechnik GmbH, Start Oktober 2024. https://www.green-ai-hub.de/pilotprojekte/pilotprojekt-heismann
[15] Mittelstand-Digital Zentrum Ruhr-OWL / Fraunhofer IML, „Transportbehälterdaten in Echtzeit durch KI-Bilddatenverarbeitung“, Mühlhoff Umformtechnik, 2023/2024. https://mittelstand-digital-ruhr-owl.de/muehlhoff-umformtechnik-entwickelt-eine-neue-lagerverwaltung-fuer-transportbehaelter/
[16] Smarter Service, „Die Zukunftsmacher 2025 – Wie KI den Mittelstand stärker, effizienter und widerstandsfähiger macht“, November 2025. https://www.smarter-service.com/2025/11/06/die-zukunftsmacher-2025-wie-ki-den-mittelstand-staerker-effizienter-und-widerstandsfaehiger-macht/
[17] VDMA / PwC Strategy&, „Künstliche Intelligenz wird zum Schlüssel für mehr Profitabilität im Maschinenbau“, 2025. https://www.moebelfertigung.com/branche/kuenstliche-intelligenz-wird-zum-schluessel-fuer-mehr-profitabilitaet-im-maschinenbau
[18] Zack Friedman, „How AI Is Actually Changing Manufacturing“, YouTube, 2025. https://www.youtube.com/watch?v=eggdmbRh7c0
Dieser Beitrag wurde unter anderem inspiriert durch das Video „How AI Is Actually Changing Manufacturing“ von Zack Friedman (2025)[18], das eindrücklich zeigt, wie vielfältig KI-Anwendungen in der Fertigung bereits sind – von einfachen LLM-Anwendungen bis hin zu adaptiver Robotik.
