Dr. Niels Syassen verantwortet als Vorstand das Ressort Technology & Solutions der SICK AG. Im Interview mit EFESO erläutert er, wie Unternehmen gewachsene Brownfield-Strukturen schrittweise datenfähig machen, Use Cases skalierbar umsetzen und KI so einsetzen können, dass sie Menschen in Produktionsprozessen unterstützt statt ersetzt.

Worauf sollten sich Unternehmen in Ihrer Branche bei der Digitalisierung und Automatisierung konzentrieren? Gibt es z.B. besondere strategische oder operative Potenziale, die Ihrer Ansicht nach stärker zu adressieren sind? 

Dr. Niels Syassen: In der Industrieautomation sollten sich Unternehmen gezielt auf die Transformation ihrer Produktions- und Logistiklandschaften konzentrieren. Die größten Potenziale liegen darin, diese historisch gewachsenen und oft fragmentierten Brownfield-Strukturen schrittweise zu vernetzen, zu standardisieren und datenfähig zu machen.

Denn gerade diese Fragmentierung bremst viele Industrie 4.0-Initiativen aus: Unterschiedliche Anlagen, Systeme und Technologien erschweren eine schnelle Skalierung von Best Practices und reduzieren den Handlungsspielraum für durchgängige Automatisierungslösungen. Wer an diesem Punkt gezielt ansetzt, kann jedoch enorme Effizienzgewinne realisieren. Wichtig ist dabei ein pragmatischer Ansatz: Anstatt auf große, einmalige Transformationen zu setzen, sollten Unternehmen konkrete Use Cases identifizieren, umsetzen und systematisch skalieren.

Tatsächlich wird dieses Vorgehen ja bereits in der Praxis gelebt, bei den Gewinnern des INDUSTRIE 4.0 AWARD und vielen weiteren Unternehmen. Während früher oft isolierte „Leuchtturmprojekte“ dominierten, sehen wir heute zunehmend integrierte Lösungen im produktiven Einsatz, die mehrere Anwendungsfälle kombinieren und echten Mehrwert schaffen.

Bei der Orchestrierung von Use Cases bleibt es ja allerdings nicht. Spätestens bei der Skalierung wird auch das Thema „Umsetzungsgeschwindigkeit“ relevant … 

Dr. Niels Syassen: Richtig, aber nicht nur das. Unternehmen müssen Digitalisierungs- und Automatisierungstechnologien gezielt beherrschen und in messbare Produktivität übersetzen, sprich Werte schaffen. Technologien wie Cloud, KI, Datenplattformen oder Virtualisierung sind längst verfügbar. Entscheidend ist jedoch, sie aktiv zu verstehen, auszuprobieren und ihren konkreten Nutzen im eigenen Umfeld zu bewerten.

Zugleich stößt Technologie allein schnell an Grenzen. Unternehmen müssen klar definieren, wo sie mit Digitalisierung und KI hinwollen, welche Use Cases den größten Mehrwert liefern und welche Ziele sie verfolgen. Darauf aufbauend gilt es, die Umsetzung konsequent und schrittweise voranzutreiben. Dazu gehört neben dem genannten iterativen Vorgehen mit skalierbaren Use Cases eben auch eine gut durchdachte Orchestrierung von Kompetenzen, also das Zusammenspiel der Mitarbeitenden und ihrer Fähigkeiten im Umgang mit den Technologien. Das erfordert allerdings auch eine offene Lernkultur, die Raum lässt für Experimentieren und Fehler. In der man eben auch mal Ansätze verwerfen und neu ansetzen kann. 

„KI ersetzt Menschen nicht, sondern augmentiert unsere Arbeitsprozesse.“

Wie können Unternehmen ihre Industrie 4.0-Umsetzung bei einem solchen progressiven Vorgehen konkret professionalisieren? 

Dr. Niels Syassen: Indem sie fokussiert und iterativ vorgehen. Grundsätzlich lassen sich schnell viele Optionen und Ideen auf den Tisch bringen, aber nicht hinter jeder steckt ein Mehrwert. Erfolgreiche Unternehmen definieren deshalb zunächst klare Domänen, also konkrete Bereiche mit Potenzial, zum Beispiel innerhalb der Fertigung. Dort sammeln sie gezielt Ideen und entwickeln passende Use Cases im Zusammenspiel mit allen Mitarbeitenden, die der Use Case betrifft.

Der nächste Schritt ist dann, bewusst klein anzufangen. Statt sofort perfekte Lösungen bauen zu wollen, geht es erst einmal ums Experimentieren: mit überschaubarem Aufwand testen, schnell lernen und herausfinden, ob wirklich Potenzial vorhanden ist. Bewährt sich ein Ansatz, folgt die Pilotierungsphase. Hier wird die Lösung bereits produktiv in einem Teilbereich eingesetzt, um Erfahrungen unter realen Bedingungen zu sammeln. Erst wenn auch das funktioniert, sollte der Rollout auf weitere Bereiche oder ggfls. die gesamte Produktion erfolgen.

Es geht nicht mehr nur darum, bestehende Prozesse effizienter zu machen, sondern explorativ neue Lösungen zu entwickeln. Im Grunde beruht ein solches Vorgehen auf klassischen Innovationsansätzen mit klaren Entscheidungsstufen: Nach jeder Phase wird bewertet, ob es sinnvoll ist, weiterzumachen. So lernen Unternehmen schnell, vermeiden Überinvestitionen und bauen gleichzeitig Schritt für Schritt Kompetenzen auf. Und genau dieses iterative Vorgehen ist aus meiner Sicht ein entscheidender Erfolgsfaktor für Industrie 4.0.

Wichtig ist dabei auch zu verstehen, dass dieses Vorgehen sich deutlich von klassischen Optimierungsprojekten unterscheidet. Es geht nicht mehr nur darum, bestehende Prozesse effizienter zu machen, sondern explorativ neue Lösungen zu entwickeln. Dafür braucht es eine echte Innovationskultur – und die Fähigkeit, diese neue Arbeitsweise im Unternehmen konsequent zu lernen und zu etablieren.

Ein Großteil der Bewerber des INDUSTRIE 4.0 AWARD arbeitet in diesem Kontext bereits mit KI, jedoch mit deutlichen Unterschieden bei der Schwerpunktsetzung und der Ergebnisorientierung. Wie ordnen Sie den aktuellen „AI-Impact“ in produzierenden Unternehmen ein? Wo sehen Sie z.B. noch ungenutzte Handlungsfelder? 

Dr. Niels Syassen: Keine Frage, die bereits vorhandenen Auswirkungen von KI sind ebenso bemerkenswert wie die unglaubliche Geschwindigkeit und Dynamik, mit der sich die Technologie weiterentwickelt. Die Leistungsfähigkeit von KI verdoppelt sich praktisch alle paar Monate bei gleichbleibenden Kosten. Oder umgekehrt: Die gleichen Anwendungen werden in kürzester Zeit deutlich günstiger. Genau daraus entsteht aber auch eine neue zentrale Herausforderung für Unternehmen: Wer heute einen KI-Use-Case implementiert, kann nicht mehr klassisch über zehn Jahre planen. Stattdessen braucht es flexible, modulare Architekturen, die unabhängig von einzelnen Modellen funktionieren. Schließlich werden sich die Modelle stetig verändern, neue Anbieter kommen hinzu. Entsprechend muss die schnelllebige Technologie-Ebene klar von der eigentlichen Use-Case-Ebene entkoppelt werden. Sonst ist man permanent gezwungen, Grundsatzentscheidungen neu zu treffen und verliert wertvolle Geschwindigkeit.

In den nächsten Jahren können wir mit einer entsprechend exponentiellen, rasanten Entwicklung von „Industrial AI“-Lösungen rechnen: robusten, praxisnahen KI-Lösungen, die Orientierung in der Fertigung geben, Entscheidungen vereinfachen, Effizienz steigern und Produktivität erhöhen. Besonders spannend ist dabei, dass klassische Strukturen wie die Automatisierungspyramide zunehmend aufgebrochen werden. Durch KI und Digitalisierung entstehen vielmehr netzwerkartige Architekturen, in denen sich neue Use Cases flexibel ergänzen lassen. Unternehmen sind dadurch deutlich weniger starr in ihren Systemen gebunden. Und auch das eröffnet wiederum ganz andere, neue Möglichkeiten und Geschäftsfelder. 

Welche Aufgabe oder welchen Prozess könnte ein AI Use Case beispielsweise adressieren? 

Dr. Niels Syassen: In der Produktion von SICK kommt zum Beispiel KI bei der Betriebsmittelentstörung zum Einsatz. Stellen Sie sich vor, dass nachts irgendwo in der Produktion ein Problem auftritt – aber die erfahrenen Mitarbeitenden, die normalerweise sofort wissen, was zu tun ist, sind nicht vor Ort.

KI ersetzt Menschen nicht, sondern augmentiert unsere Arbeitsprozesse. Hier hilft unser AI Use Case weiter: Der Operator vor Ort muss nicht auf Informationen von Mitarbeitenden warten. Er spricht oder schreibt unser System einfach an, in jeder Sprache. Sprachbarrieren spielen praktisch keine Rolle mehr. Dadurch wird die Interaktion zwischen Mensch und Maschine einfach und niedrigschwellig. Die KI bereitet die Informationen automatisch auf, stellt bei Bedarf Rückfragen und erstellt direkt ein Ticket. Anschließend wird der Fall an einen weltweit verfügbaren Servicetechniker weitergeleitet. Dieser sieht sofort alle relevanten Informationen, kann live auf Maschinendaten zugreifen und bekommt zusätzlich Unterstützung bei der Fehlersuche – beispielsweise durch einen weiteren KI-Agenten, der auf Fehlerbilder und Erfahrungswerte aus den letzten 20 Jahren zurückgreift.

Wir bewegen uns zudem in unserer Sensorfertigung bereits im Bereich der „Agentic Industrial AI“: Die KI übernimmt eigenständig bestimmte Aktionen im System, ohne dass permanent ein Mensch eingreifen muss. Somit entsteht ein enormer Produktivitätsschub in der Entstörung. Eben darin liegt für mich das eigentliche, besonders spannende KI-Potenzial: KI ersetzt Menschen nicht, sondern augmentiert unsere Arbeitsprozesse. 

Was verstehen Sie unter dieser „Augmentierung“? Und inwiefern kann das die Rolle von Menschen bei der zukünftigen Evolution der Automatisierung prägen? 

Dr. Niels Syassen: Sicherlich bestehen auch in Zukunft in vielen Produktionsumfeldern manuelle Prozesse weiter fort. Nicht jede Produktion lässt sich vollständig automatisieren. Entweder, weil bestimmte Arbeitsschritte zu komplex sind, sich nicht gut skalieren lassen oder eine maschinelle Lösung schlicht zu teuer wäre. Aus diesen Gründen bleibt der Mensch ein zentraler Bestandteil der Fertigung. Spannend wird es dort, wo KI den Menschen gezielt unterstützt und dadurch Produktivität und Qualität deutlich verbessert.

Ein gutes Beispiel ist die Qualitätskontrolle, etwa bei den „Quality-Gates“ am Ende eines Produktionsschritts. Das Problem dabei: Wenn dort ein Fehler entdeckt wird, ist er bereits passiert. Mit KI kann man diesen Ansatz viel früher in den Prozess verlagern. Führt beispielsweise ein Mitarbeiter einen hochkomplexen Lötvorgang an Spezialbauteilen durch, kann eine KI-gestützte Kamera den Prozess in Echtzeit begleiten. Sie überprüft etwa die Löttemperatur, erkennt, ob die richtigen Kontakte verbunden werden, und gibt sofort Hinweise, wenn etwas nicht passt. Somit lassen sich Fehler vermeiden, bevor sie überhaupt entstehen. Der Mensch bleibt dabei unverzichtbar, wird aber durch intelligente Systeme unterstützt und entlastet.

Und ja, die Rolle des Menschen in der Produktion verändert sich selbstverständlich. Es entstehen neue Aufgabenprofile, und dafür braucht es die Bereitschaft, sich weiterzuentwickeln und neue Kompetenzen aufzubauen. Wer Prozesse plant und orchestriert, arbeitet künftig stärker mit KI-gestützten Engineering-Assistenten. Und auch Mitarbeitende auf dem Shopfloor müssen nicht nur ihre eigentliche Tätigkeit beherrschen, sondern lernen, mit KI-Systemen, Assistenten oder Co-Piloten sinnvoll zusammenzuarbeiten. Skill-Development, Training und kontinuierliches Umlernen gewinnen in Zukunft also weiter an Bedeutung. 

Sehen Sie neben AI einen weiteren Trend – technologisch, oder aus den Rahmenbedingungen industrieller Transformation hervorgehend – der die Bedeutung von Industrie 4.0 wesentlich beeinflussen wird?  

Dr. Niels Syassen: Digitale Zwillinge finden in wesentlich größerem Umfang als bislang neue Einsatzfelder, da sich mittlerweile Standards etabliert haben, die nun in die breite Anwendung gehen. Ein Beispiel ist die „Asset Administration Shell“: Mit diesem Rahmenwerk lassen sich Komponenten wie Sensoren standardisiert digital beschreiben, inklusive aller technischen Merkmale, Dokumentationen und Softwareinformationen. Unternehmen können diese digitalen Zwillinge direkt herunterladen und automatisiert in ihre eigenen Systeme integrieren, etwa in PLM- oder Engineering-Systeme.

Wenn z.B. ein Maschinenbauer Sensoren verschiedener Hersteller nutzt, lassen sich die Daten künftig automatisch einbinden und aktualisieren. Das spart enorm viel manuellen Aufwand, etwa wenn E-Mail-Abstimmungen oder ein Austausch unterschiedlicher Datenformate entfallen. Der große Mehrwert liegt aber auch hier in der Effizienz: In Use Cases mit Industriepartnern haben wir festgestellt, dass sich die Engineering-Zeiten auf diesem Wege um 30 bis 50 Prozent reduzieren lassen. Für Maschinenbauer ist das ein echter Gamechanger.

Darüber hinaus entwickelt sich die Industrie zunehmend in Richtung virtueller Planung und Simulation. Produktionsanlagen werden künftig zuerst vollständig digital aufgebaut und getestet, bevor überhaupt eine physische Umsetzung stattfindet. Unternehmen können simulieren, ob eine Anlage optimal funktioniert, wie flexibel sie erweiterbar ist oder wie sich einzelne Komponenten im Betrieb verhalten. Virtualisierungstechnologien ermöglichen das schon heute, inklusive realistischer physikalischer Eigenschaften und Funktionsmodelle. Interessant ist, dass die technologische Basis dieser virtuellen Welten der KI in vielen Bereichen sehr ähnelt. Parallel entstehen hier ebenfalls offene Standards wie OpenUSD, ursprünglich aus der Film- und Gaming-Industrie, die sich zunehmend als Industriestandard etablieren. Ich bin überzeugt, dass sich ein großer Teil von Entwicklung, Testing und Optimierung künftig zuerst in die virtuelle Welt verlagern wird, bevor Systeme tatsächlich ausgerollt werden. 

Mehr über den INDUSTRIE 4.0 AWARD erfahren

Weiter zur INDUSTRIE 4.0 AWARD Website >