Künstliche Intelligenz : „Eine echte Revolution."

In Sachen KI hat sich in vielen Vorstandsetagen der Ton verändert. 2024 war das Jahr der Machbarkeitsstudien, 2025 das Jahr der Budgetdiskussionen, 2026 wird zum Jahr der Ergebnisverantwortung. Die entscheidende Frage lautet nicht länger „Was können wir mit KI anfangen?“ – sondern: „Wie erzielen wir damit messbare Wirkung?“

So analysiert es zumindest der aktuelle Report Global Tech Trends der Unternehmensberatung Deloitte. Treiber dieses Mentalitätswandels ist danach die schiere Geschwindigkeit der technologischen Entwicklung. Die Zahlen sprechen für sich: Das Telefon benötigte rund 50 Jahre, um 50 Millionen Nutzer zu erreichen. Das Internet schaffte dieselbe Marke in sieben Jahren. Generative KI-Tools durchbrachen die Schwelle von 100 Millionen Nutzern in wenigen Monaten und liegen laut TechCrunch inzwischen bei rund 800 Millionen wöchentlichen Nutzern, entsprechend etwa zehn Prozent der Weltbevölkerung.

Parallel dazu kollabieren die Betriebskosten: Laut Stanford AI Index 2025 sind die Inferenzkosten binnen zwei Jahren um den Faktor 280 gesunken. Doch sinkende Stückkosten führen nicht automatisch zu sinkenden Gesamtausgaben. Im Gegenteil: Weil Nutzung und Use Cases exponentiell wachsen, steigen die absoluten KI-Budgets vieler Unternehmen deutlich an. Erste Industrieunternehmen berichten von monatlichen Rechnungen im zweistelligen Millionenbereich. Nicht das einzelne Modell ist teuer – die Skalierung ist es.

Für industrielle Entscheider ist das keine akademische Beobachtung. KI greift direkt in die operative Wertschöpfung ein: in Durchlaufzeiten, Ausschussquoten, Forecast-Genauigkeit, Energieeffizienz oder Service-Level. Damit wird sie vom Innovations- zum Performance-Thema. Und Performance ist Chefsache.

Immer top informiert über Österreichs Industrie? Jetzt unser Daily Briefing abonnieren – die wichtigsten News und Analysen, werktäglich um 7 Uhr direkt in Ihr Postfach.

Besonders sichtbar wird der Wandel dort, wo KI physisch wird. Amazon hat nach eigenen Angaben den millionsten Roboter im Einsatz und optimiert die Koordination dieser Flotte mit KI-gestützten Systemen, die Wegezeiten reduzieren und Produktivität steigern sollen. Bei BMW fahren Autos kilometerweit autonom durch Produktionsstraßen. Bei Siemens in Erlangen verpacken Roboter selbsttätig über 8000 verschiedene Komponenten und Handelswaren. Das Ergebnis: eine deutliche Optimierung der Versandprozesse, Zwischenlager oder manuelle Eingriffe konnten reduziert werden

Die Beispiele zeigen eine klare Richtung: Der Schwerpunkt von KI-Anwendungen verschiebt sich von Analyse zu Autonomie. Möglich macht dies die rasante technische Reifung sogenannter Vision-Language-Action-Modelle, die visuelle Wahrnehmung, Sprachverständnis und motorische Steuerung verbinden. Edge-Prozessoren ermöglichen Entscheidungen in Millisekunden, ohne den Umweg über zentrale Cloud-Infrastrukturen.

>>> Cybersecurity-Fehler mit Ansage: Was Unternehmen von einem Autodiebstahl lernen können

Humanoide Roboter gelten als nächster logischer Evolutionsschritt für KI-Systeme. Laut UBS werden bis 2035 rund zwei Millionen Humanoide in der Industrie im Einsatz sein – bis 2050 könnten es 300 Millionen werden, bei einem adressierbaren Marktvolumen von bis zu 1,7 Billionen US-Dollar. Goldman Sachs berichtet, dass die Fertigungskosten für humanoide Roboter zwischen 2023 und 2024 bereits um 40 Prozent gesunken sind. Probeläufe für den Einsatz von Humanoiden gibt es bereits: BMW etwa testet sie in South Carolina für Aufgaben, an denen klassische Industrieroboter scheitern: Präzisionsgriffe, beidhändige Koordination, komplexe Montage. In Rehabilitationszentren unterstützen erste humanoide Systeme Therapeuten bei der Patientenbetreuung.

Doch mit jeder Autonomieebene steigt die Komplexität. Die physische Welt ist nicht deterministisch. Latenzzeiten, Sensorausfälle, minimale Abweichungen in Material oder Umgebung – all das wird zum Risikofaktor. Die Robotikforscherin Ayanna Howard von der Ohio State University in den USA bringt es auf den Punkt: „In digitalen Systemen mag eine Verzögerung von ein oder zwei Sekunden tolerierbar sein. In der physischen Bewegung kann sie bedeuten, dass ein Roboter stolpert oder ein Bauteil fallen lässt.“ Ihr Plädoyer ist eindeutig: „Ich bin fest davon überzeugt, dass immer irgendwo ein Mensch in den Regelkreis eingebunden sein sollte. Immer. Und ich sage das als Robotikerin.“

>>> Industrie im Cyberstress: NIS2-Panne bringt Unternehmen in Zugzwang

Während Roboter die physische Produktion verändern, vollzieht sich in Verwaltung, Einkauf, Entwicklung und Service eine leisere, aber nicht minder tiefgreifende Transformation. Agentische Systeme – also KI-Programme, die eigenständig Aufgaben planen, ausführen und überwachen – versprechen Effizienzsprünge in wissensintensiven Prozessen.

Die Realität ist allerdings ernüchternd. Studien von Deloitte zeigen, dass bislang nur 11 Prozent der Unternehmen agentische Systeme produktiv einsetzten, viele befinden sich noch in Pilotphasen oder verfügen über keine klare Strategie. Gartner wiederum prognostiziert, dass bis 40 Prozent der Projekte bis Ende 2027 wieder eingestellt werden könnten.

Das Problem liegt selten in der Modellqualität. Es liegt in der Prozessarchitektur. Unternehmen versuchen häufig, bestehende Abläufe mit KI zu beschleunigen, statt sie grundlegend neu zu gestalten. Agenten werden auf historisch gewachsene, siloartige Strukturen gesetzt – mit entsprechend begrenztem Effekt. Das Muster, das erfolgreiche von gescheiterten Projekten trennt, lautet Redesign, nicht Automatisierung.

Dort, wo die Einführung gelingt, wird konsequenter gedacht. So hat etwa der Kaffeeröster Tchibo bereits vor mehr als vier Jahren mit dem Einsatz von Predicitve AI begonnen, um etwa Supply Chain Prozesse besser in den Griff zu bekommen. „Predictive Returns“ prognostiziert, welche Artikel in welcher Menge retourniert werden. „Das ist eine echte Revolution. Wir müssen Prozesse und Geschäftsmodelle komplett anders denken”, sagt Christoph Kastaun, Director IT bei Tchibo. Als konsequenten, nächsten Schritt führt Tchibo die Agentic AI Plattform ROAST ein, etwa zur Warenbestandsanalyse.  Damit dieser Schritt gelingt, muss nicht nur die IT, sondern auch das Management an Bord geholt werden. „Wir haben den gesamten Vorstand geschult, damit sie die Möglichkeiten erkennen“, erklärt Kastaun.

>>> Lidl-Transformation: Wie der Discounter still und heimlich zum Tech-Riesen wird

Eine oft unterschätzte Konsequenz der KI-Welle betrifft die Infrastruktur. Die Antwort vieler Unternehmen auf die rasant steigenden KI-Kosten lautet Hybridisierung. Variable Lasten bleiben in der Cloud, stabile Workloads wandern teilweise zurück ins eigene Rechenzentrum, latenzkritische Anwendungen an den Edge. Die Konsequenz: GPU-Kapazitäten, Energieverfügbarkeit und Kühlkonzepte werden zu Wettbewerbsfaktoren. Für industrielle Unternehmen kann das zum Vorteil werden. Rechenleistung wird behandelt wie Energie oder Logistikfläche: als strategische Ressource. KI ist damit nicht nur eine Softwarefrage. Sie ist ein infrastrukturelles Thema ersten Ranges.

Organisation unter Beschleunigungsdruck

Parallel zur technologischen Transformation wandelt sich die Organisation. KI verkürzt Innovationszyklen, verschiebt Kompetenzprofile und verändert Entscheidungslogiken. Planungshorizonte schrumpfen, Wissen veraltet schneller. Das erzeugt Druck zur Veränderung. Doch die sollte durchdacht sein und einer vorgegebenen Struktur folgen. Alan Davidson, CIO von Broadcom, formuliert es so: „Modernisierung darf nie von der Technologie ausgehen, sondern muss immer vom Geschäftsproblem her gedacht werden. Wer ohne klar definierten Business‑Nutzen in KI investiert, läuft Gefahr, viel Geld auszugeben und keinen echten Mehrwert zu erzielen.“

Daniel Dines, CEO des Automatisierungs- und KI Spezialisten UiPath warnt in diesem Zusammenhang aber vor endlosen Proof-of-Concept-Schleifen. „Anstatt in einem Kreislauf ewiger Machbarkeitsnachweise stecken zu bleiben, sollte man sich lieber dem größten Problem stellen und auf ein großes Ergebnis hinarbeiten“, sagt er. Geschwindigkeit schlägt Perfektion.