Die Fertigungsindustrie kennt eine Aufteilung, die nur wenige andere Branchen haben. Auf der einen Seite steht die operative Technik: Steuerungssysteme, Sensoren, predictive Maintenance und Qualitätskontrolle mit Bilderkennung. Diese Systeme wurden oft formell angeschafft, sind in Maschinen oder Produktionslinien eingebaut und unterliegen bestehenden Engineering- und Sicherheitsverfahren. Auf der anderen Seite steht die Büro- und Stabsumgebung: Einkauf, Planung, Engineering-Unterstützung, Kundenkontakt und Verwaltung. Dort taucht generative KI auf dieselbe Weise auf wie in jeder anderen Organisation — über einen Browser, ein einzelnes Konto, ein einzelnes Abonnement.
Das Verhältnis zwischen diesen beiden Ebenen bestimmt, wie ein Governance-Ansatz aufgebaut werden muss. Während die operative Technik relativ gut dokumentiert ist, weil sie Teil von Kapitalinvestitionen und Wartungsverträgen ist, ist die Büroebene oft nirgends festgehalten. Wer nur auf die Produktionslinie schaut, sieht nur einen Bruchteil dessen, was in der Organisation an KI eingesetzt wird.
Eine Übersicht genehmigter Software erzählt selten die ganze Geschichte. Ein Ingenieur, der eine Zeichnung zusammenfassen lässt, ein Planer, der ein KI-Tool nutzt, um Lieferpläne umzustellen, ein Einkäufer, der Angebote von einem externen Modell vergleichen lässt — das geschieht oft, ohne dass ein Antrag gestellt oder eine Lizenz registriert wurde. Das ist keine Nachlässigkeit; es ist eine praktische Folge von Zeitdruck und der Verfügbarkeit kostenloser oder günstiger Tools.
Diese Schatten-KI ist für einen Geschäftsführer oder Risikomanager der eigentliche Ansatzpunkt. Die Frage ist nicht nur, was die Organisation angeschafft hat, sondern was täglich genutzt wird, um Arbeit schneller zu erledigen. Das herauszufinden erfordert einen anderen Ansatz als ein technisches Audit: Es erfordert, dass Menschen bereit sind zu erzählen, was sie nutzen, ohne dass sich dieses Gespräch wie eine Rechenschaftspflicht anfühlt. Wer fragt „wer hat hier ohne Erlaubnis etwas genutzt", bekommt keine Antwort. Wer fragt „was nutzen Sie, um Ihre Arbeit zu erledigen", bekommt eine Antwort.
Nicht jede KI-Nutzung in der Fertigungsindustrie trägt dasselbe Gewicht. Eine KI-Anwendung, die an der Konstruktionsvalidierung oder Qualitätskontrolle eines Endprodukts mitwirkt, berührt Sicherheit und Haftung auf eine andere Weise als ein Tool, das eine E-Mail an einen Lieferanten verfasst. Ein System, das die Produktionsplanung beeinflusst, kann Auswirkungen auf Lieferzeiten und vertragliche Verpflichtungen haben; ein Tool, das interne Notizen zusammenfasst, in der Regel nicht.
Diese Differenzierung ist die Grundlage der Klassifizierung: Nicht jede KI-Nutzung muss dieselbe Aufsicht erhalten, aber die Unterscheidung muss getroffen werden, und zwar auf Grundlage dessen, was das System tut und worauf es Einfluss hat — nicht auf Grundlage dessen, wo es angeschafft wurde. Ein Tool, das von einem einzelnen Mitarbeiter heruntergeladen wurde, kann ebenso viel Einfluss auf das Ergebnis an einen Kunden haben wie ein System, das über einen formellen Prozess eingekauft wurde.
Die Fertigungsindustrie arbeitet selten für sich allein. Zulieferer, Subunternehmer und Kunden sind Teil desselben Prozesses, und die KI-Nutzung bei einer dieser Parteien kann Einfluss darauf haben, was eine Organisation selbst liefert. Wenn ein Zulieferer KI nutzt, um Spezifikationen zu interpretieren oder Qualitätsberichte zu erstellen, entsteht eine Abhängigkeit, die in den eigenen Systemen nicht sichtbar ist, aber dennoch relevant für denjenigen, der Verantwortung für das Endprodukt trägt.
Dies ist ein Unterschied zu Branchen, in denen der Kernprozess sich größtenteils innerhalb der eigenen Mauern abspielt. Ein Governance-Ansatz für die Fertigungsindustrie muss daher nicht nur die interne Nutzung erfassen, sondern auch ein Bild davon entwickeln, wo in der Kette KI eine Rolle bei Entscheidungen spielt, die die Organisation letztlich betreffen.
Die meisten Fertigungsunternehmen verfügen bereits über Risikostrukturen: für Produktsicherheit, für Qualitätsmanagement, für Lieferantenbewertung. KI-Governance funktioniert besser, wenn sie an das bereits Bestehende anknüpft, statt ein neuer, isolierter Prozess zu werden. Eine Klassifizierung von KI-Anwendungen nach Risikostufe kann zum Beispiel an bestehende Bewertungskriterien für Lieferanten oder an das Qualitätsmanagementsystem gekoppelt werden, sodass die Berichterstattung an die Geschäftsführung oder den Aufsichtsrat nicht als separater Prozess neben bestehenden Rechenschaftslinien steht, sondern darin aufgenommen wird.
Wie genau dieser Anschluss gestaltet wird, unterscheidet sich je nach Organisation und hängt von der bestehenden Governance-Struktur ab. Andere Branchen kennen vergleichbare Fragestellungen aus einer anderen Struktur heraus: in dem Transportsektor besteht eine vergleichbare Spannung zwischen operativen Systemen und Büronutzung, in dem Agrarsektor ist die Kettenabhängigkeit oft noch direkter spürbar, und in den unternehmensnahen Dienstleistungen fehlt die operative Ebene größtenteils, wodurch Schatten-KI dort nahezu die einzige Ebene ist, die erfasst werden muss.
Ein Inventar der KI-Nutzung und eine Klassifizierung nach Risiko geben einer Organisation Einblick in das, was vor sich geht, und wo Aufsicht nötig ist. Diese Frage steht in Verbindung mit einer anderen Frage, die sich viele Fertigungsunternehmen stellen: welcher Teil der Arbeit selbst, auf der Ebene einzelner Aufgaben, eigentlich von KI übernommen werden kann. Während Governance erfasst, was geschieht und wer dafür Verantwortung trägt, berechnet der Werkscan von FTE TO AI pro Aufgabe, welcher Teil tatsächlich für eine Übernahme infrage kommt — eine Frage, die sich erst dann gut beantworten lässt, wenn zuvor klar ist, was bereits läuft.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.