Rosenbauer Automotive : KI-Offensive bei Rosenbauer: Warum China-Verbindungen besonders streng geprüft werden

Bei Rosenbauer prallen derzeit zwei Geschwindigkeiten aufeinander, die kaum weiter auseinanderliegen könnten. Ein Feuerwehrfahrzeug wird für einen Produktlebenszyklus von 15 Jahren entwickelt. Die industrielle Welt, in der der Konzern arbeitet, denkt teilweise in Zeiträumen von 25 Jahren. Daneben steht eine KI-Industrie, in der Modelle, Preise und Abrechnungssysteme innerhalb weniger Wochen wechseln. "KI fährt mit Schallgeschwindigkeit“, beschreibt CTO Thomas Biringer die Situation. Rosenbauer versucht deshalb gar nicht erst, jedem neuen Foundation Model hinterherzulaufen. Der Feuerwehrausrüster baut stattdessen eine Architektur mit zwei Geschwindigkeiten auf. 

Nie mehr die wichtigsten News aus Österreichs Industrie verpassen? Abonnieren Sie unser Daily Briefing: Was in der Industrie wichtig wird. Täglich um 7 Uhr in ihrer Inbox. Hier geht’s zur Anmeldung!

Microsoft Copilot bildet die breite Basis. Anspruchsvollere Nutzer erhalten zusätzliche Werkzeuge. In der Softwareentwicklung werden teure Frontier-Modelle mit billigeren Modellen kombiniert. Eigene KI-Kompetenz wird dort aufgebaut, wo sie strategisch notwendig ist. Standardanwendungen will Rosenbauer dagegen möglichst kaufen.

Vom Maschinenbauer zur KI-Organisation: Wie Lenze mit Tech-Tempo und Tokenbudgets umbaut

Das geschieht in einem Konzern, der 2025 mit 1,429 Milliarden Euro Umsatz das erfolgreichste Jahr seiner 160-jährigen Geschichte absolvierte. Ende 2025 beschäftigte Rosenbauer 4.922 Menschen, Mitte 2026 waren es bereits 5.039. Der Auftragsbestand erreichte zum 30. Juni 2026 rund 2,43 Milliarden Euro. Allein 2025 investierte der Konzern 35,7 Millionen Euro oder 2,5 Prozent des Umsatzes in Forschung und Entwicklung.

KI wird für Rosenbauer damit zu einer Produktivitätsfrage in einem wachsenden Unternehmen und gleichzeitig zu einem Teil der eigenen Produktwelt. Sie schreibt Code, unterstützt Mitarbeiter im Büro und optimiert Produktionsplanung. Sie analysiert internationale Steuerfragen. Sie erkennt Bauteile in der Helmfertigung. Und im nächsten Schritt soll sie Feuerwehrleuten helfen, Menschen, Hindernisse, Stromleitungen und Gefahrenlagen schneller zu erkennen.

Zwei Geschwindigkeiten

Die KI-Strategie selbst ist bewusst langfristig angelegt. Biringer und AI Manager Felix Stadler unterscheiden dabei mehrere Technologiewelten. Large Language Models und agentische KI bilden einen Block, klassische Deep-Learning-Anwendungen einen weiteren. Darüber liegen Governance, Kompetenzen und ein Prozess zur Auswahl der Use Cases. Die kurzfristige Umsetzung bleibt dagegen beweglich.

Vor rund zwei Jahren bildete Rosenbauer ein fachbereichsübergreifendes KI-Gremium. Gemeinsam mit der Vorstandsebene wurde eine Strategie formuliert. Daraus entstanden eigene Ressourcen, darunter die Position des AI Managers. In einer Konzernrichtlinie wurde festgelegt, wie KI eingesetzt werden darf. Parallel begann das Unternehmen, Mitarbeiter in Prompting, Agentenbau und der Suche nach sinnvollen Anwendungen zu schulen. Stadlers Aufgabe besteht nicht darin, täglich eine Rangliste der besten LLMs zu aktualisieren. Genau das wäre für die breite Organisation kaum beherrschbar. „Diese Technologie schreitet zu schnell voran“, sagt er. Rosenbauer setzt vielmehr stark auf Standardplattformen. Der Konzern ist tief in der Microsoft-Welt verankert und nutzt für einen großen Teil der Büroarbeit Copilot. Dahinter können unterschiedliche Foundation Models arbeiten. 

GPT, Claude oder Kimi? Auf diese KI-Wette setzt KNAPP

Entscheidend ist für Stadler inzwischen weniger, ob ein Modell in einem Benchmark fünf Prozent besser abschneidet. „Es ist mittlerweile viel weniger relevant, welches das neueste KI-Modell ist. Wichtiger ist, wie dieses Sprachmodell in die Arbeitsumgebung integriert ist“, sagt Biringer. Die Maxime: Ein hypothetisches Spitzenmodell nützt wenig, wenn es weder Unternehmensdaten noch Prozesse kennt. Ein etwas schwächeres Modell, das dagegen kontrolliert auf relevante Informationen zugreifen kann, kann im Alltag deutlich wertvoller sein.

Haiku erledigt, Opus plant

Am deutlichsten wird diese Mehrmodellstrategie in der Softwareentwicklung. Genau dort spürt Rosenbauer auch jene Kostenverschiebung, die derzeit zahlreiche Industrieunternehmen überrascht. Die Copilot-Kosten für klassische Office-Anwendungen sind über einen mehrjährigen Rahmenvertrag relativ gut planbar. In der Softwareentwicklung verändert sich die Rechnung dagegen in Richtung verbrauchsabhängiger Nutzung. GitHub hat sein Copilot-Abrechnungssystem mit 1. Juni 2026 fundamental umgestellt. Früher wurden höherwertige Modelle über sogenannte Premium Requests und Modellmultiplikatoren verrechnet. Seither hängt der Verbrauch von zwei Faktoren ab. Welches Modell läuft und wie viele Input-, Output- und Cache-Tokens die jeweilige Interaktion benötigt. Daraus entstehen AI Credits. Ein AI Credit entspricht einem US-Cent. Copilot Business kostet öffentlich 19 Dollar je Nutzer und Monat und umfasst regulär 1.900 AI Credits. Copilot Enterprise kostet 39 Dollar und enthält 3.900 Credits. Bestehende Unternehmenskunden erhalten bis 1. September 2026 vorübergehend höhere Kontingente. Danach sinken sie auf die regulären Mengen. Zusätzlicher Verbrauch wird nutzungsabhängig verrechnet.

„KI verbieten ist das Doofste“: Warum Henn Claude ungewöhnlich viel zutraut

Rosenbauer hat die Preisbewegung unmittelbar bemerkt. Die Reaktion des Unternehmens ist nicht, die leistungsfähigsten Modelle zu sperren. Die Entwickler sollen lernen, Intelligenz wirtschaftlich einzusetzen. Ein teures Modell zerlegt zunächst eine komplexe Entwicklungsaufgabe, erstellt einen Plan und denkt über die Architektur nach. Anschließend übernimmt ein kleineres, billigeres Modell große Teile der Ausführung. Konkret nennt Rosenbauer Claude Haiku von Anthropic und Gemini Flash von Google für kostengünstigere Arbeitsschritte. Für die anspruchsvolleren Teile greifen Entwickler unter anderem zu Claude Opus oder GPT-5.5 in Codex. Die Mitarbeiter dürfen dabei selbst auswählen, welches Modell für ihre Aufgabe am sinnvollsten ist. Modellkompetenz wird damit zu einer kaufmännischen Fähigkeit des Entwicklers.

Der größte Geldfluss in der Breite geht derzeit dennoch Richtung Microsoft. Rosenbauer sitzt tief im M365- und Azure-Ökosystem. Copilot ist deshalb die naheliegende KI-Oberfläche. Biringer bezeichnet die Abhängigkeit von Microsoft auch nicht als neues Phänomen. Rosenbauer will Unternehmensdaten möglichst so strukturieren, dass ein darunterliegendes Modell prinzipiell austauschbar bleibt. Wenn sich Preise, regulatorische Bedingungen oder Leistungsfähigkeit verschieben, soll nicht die gesamte Datenwelt neu gebaut werden müssen.

Das ist besonders relevant, weil der internationale LLM-Markt derzeit zwischen USA, Europa und China neu sortiert wird. Bei chinesischen Open-Weight-Modellen ist Rosenbauer vorsichtig. Ein lokal betriebenes Modell wäre grundsätzlich denkbar. Alles mit „China-Connect“ werde aber doppelt geprüft, sagt Biringer. Auch ein US-Modell wird auf Datenstandort, Verträge und Datenfluss geprüft. Gleichzeitig sieht Rosenbauer den geopolitischen Wettbewerb positiv. „So ein Konkurrenzkampf zwischen USA und China ist für uns nur vorteilhaft", sagt er. Wettkampf schaffe immer bessere Marktbedingungen für den Kunden. "Und der Kunde sind wir".

3.000 Euro für eine Steuerfrage oder ein sauberer KI-Chatbot

Die betriebswirtschaftlich vielleicht interessantesten Anwendungen liegen für Rosenbauer nicht zwingend in der Softwareentwicklung. Biringer nennt internationale Steuerfragen als Beispiel. Heute beginnt ein Spezialfall häufig damit, dass ein Wirtschaftsprüfer oder Steuerberater eingeschaltet wird. Bei grenzüberschreitenden Themen muss dieser möglicherweise wiederum Experten im jeweiligen Land kontaktieren. „Pro Abfrage fallemn dafür mehrere Tausend Euro an“, weiß Biringer. Rosenbauer beschäftigt sich deshalb in einem Forschungsprojekt mit der Frage, wie internationales Steuerwissen in einem Chatbot für Voranalysen verfügbar gemacht werden kann. Die KI ersetzt damit nicht zwingend den Wirtschaftsprüfer. Sie verändert die Arbeitsteilung. Statt jede Erstfrage extern analysieren zu lassen, kann das Unternehmen zunächst selbst die Rechtslage, Quellen und möglichen Handlungsoptionen strukturieren. Der externe Spezialist wird erst bei der qualifizierten Bewertung und Haftungsfrage benötigt.

Rosenbauer versucht bei seinen LLM-Anwendungen, einen ROI zu rechnen. „Was ist die Einsparung, damit man das nicht zum Spaß macht?“, beschreibt Stadler die Logik.

Rosenbauer wächst. Der aktuelle Auftragsbestand von mehr als 2,4 Milliarden Euro liegt weit über einem Jahresumsatz. Das Unternehmen benötigt Kapazität. Die strategische Frage lautet deshalb: Könnte Umsatzwachstum stärker aus Produktivitätsgewinnen entstehen, eben weil man Effizienzen hebt? Diese Frage stellt sich der Konzern sehr konkret. KI wird damit zum Skalierungsinstrument.
 

Produktions-KI spielt eine kleinere Rolle als man denkt

Nur zwei stärker getaktete Produktionslinien eignen sich nach Biringers Beschreibung für einen klassischen KI-Optimierungsansatz. Produktionsplanung und optimale Ausbringung werden bereits mit Modellen unterstützt. Ein Sonderfall ist die Helmfertigung. Dort entstehen höhere Stückzahlen und Bilderkennung eignet sich beispielsweise dazu, Positionen von Bauteilen und Qualitätsmerkmale zu kontrollieren. Rosenbauer entwickelt dafür nicht zwangsläufig jedes Vision-Modell selbst. Wenn ein etablierter Anbieter Geometrien oder Bauteile zuverlässig über Kamerabilder erkennt, wird die Lösung gekauft. Rosenbauer will möglichst viele KI-Anwendungen über Standardanbieter beziehen und möglichst wenig Sonderlösungen aufbauen. Das schützt vor einem anderen KI-Risiko: dem Startup-Friedhof. „Gute KI-Startups haben ein Jahr ein Geschäft und ein Jahr später sind sie an irgendeinen Großen verkauft“, sagt Biringer. Für einen Feuerwehrfahrzeughersteller mit 15-jährigen Produktzyklen ist das ein ernstes Problem. Eine KI-Funktion kann nicht auf einem Anbieter beruhen, der zwei Jahre später verschwunden ist.

Die langfristig spannendste KI-Welt liegt deshalb womöglich gar nicht in Rosenbauers Büros. Sie liegt auf dem Feuerwehrauto. Biringer beschreibt Bilderkennung als einen der derzeit weitest entwickelten Bereiche. Rosenbauerexperimentiert mit Sensorik, die Menschen, Hindernisse und andere Gefahren erkennt. In einem Tunnelprojekt wurde untersucht, wie solche Systeme unter schwierigen Bedingungen funktionieren. „Selbst die beste KI hilft dir nichts, wenn nicht die richtigen robusten Sensoren zur Verfügung stehen“, sagt Biringer.