Dr. Arno Kühn, Leiter Strategie und Forschung und Entwicklung bei it’s OWL sowie Bereichsleiter Advanced Systems Engineering am Fraunhofer IEM, über die Bedeutung von KI und Robotik, das Potential von Humanoiden in der Industrie und warum die richtigen Daten in der richtigen Qualität zusammenkommen müssen.
Herr Dr. Kühn, OWL gilt als starker Industriestandort. KI und Robotik werden in den nächsten Jahren den industriellen Mittelstand gravierend verändern. Welche Bedeutung haben diese Technologien aktuell in der Region und wo steht sie im Vergleich zum Bundesdurchschnitt?
Dr. Arno Kühn, ist Leiter Strategie bei it´s owl und Bereichsleiter Advanced Systems Engineering am Fraunhofer IEM. Foto: it´s owl
Dr. Arno Kühn: OWL bringt grundsätzlich sehr gute Voraussetzungen für industrielle KI und Robotik mit. Die Region ist stark geprägt von mittelständischer Industrie, Maschinenbau und Automatisierung, also genau den Bereichen, in denen KI nicht nur Prozesse effizienter machen, sondern Produkte, Engineering und Produktion grundlegend verändern kann. Gleichzeitig gilt: Technologische Kompetenz ist noch keine breite Anwendung. Viele Unternehmen beschäftigen sich intensiv mit KI, testen erste Lösungen oder haben Pilotprojekte gestartet. Die entscheidende Frage ist inzwischen weniger, ob KI relevant wird, sondern wie schnell daraus robuste und wirtschaftlich tragfähige Anwendungen entstehen.
Dass KI für viele Unternehmen ein konkretes Thema ist, sehen wir auch im Kompetenzzentrum Arbeitswelt.Plus. Dort haben Hochschulen, Unternehmen und die IG Metall gemeinsam untersucht, wie KI sinnvoll in der Arbeitswelt eingeführt werden kann. In einer Befragung des Kompetenzzentrums von 2025 berichten 85 Prozent der Teilnehmenden, dass ihr Unternehmen KI zumindest plant, pilotiert oder bereits einsetzt. Bundesweit kommt eine Bitkom-Erhebung im selben Jahr mit 83 Prozent auf eine ähnliche Größenordnung.
Ein Ranking lässt sich daraus nicht ableiten, die Studien sind unterschiedlich angelegt. Aber sie zeigen: OWL bewegt sich bei der Beschäftigung mit KI im Takt der bundesweiten Entwicklung. Entscheidend ist jetzt, wie schnell aus Pilotprojekten belastbare Anwendungen werden.
Daten sind eine zentrale Voraussetzung für den Einsatz von KI. Verfügen mittelständische Unternehmen über genügend nutzbare Daten und wie lassen sich diese erheben?
Dr. Arno Kühn: Das Datenproblem der Industrie ist nicht, dass überhaupt keine Daten vorhanden sind. Das Problem ist, dass die richtigen Daten in der richtigen Qualität zusammenkommen müssen, um daraus Wissen zu machen. Maschinen liefern Messwerte, in ERP-, MES- und PLM-Systemen liegen Prozess- und Produktionsinformationen, Entwicklungsabteilungen verfügen über Produktinformationen und Versuchsergebnisse. Entscheidendes Wissen steckt zudem nach wie vor in den Köpfen erfahrener Beschäftigter.
Für KI zählt nicht die maximale Datenmenge, sondern ob Daten relevant, verlässlich und mit ihrem fachlichen Kontext verknüpft sind. Gerade in der Industrie ist dieser Zusammenhang entscheidend: Welche Abweichung ist tatsächlich kritisch? Warum wurde in einem früheren Projekt eine bestimmte technische Entscheidung getroffen? Welche Randbedingungen müssen bei einer Auslegung berücksichtigt werden? Solches Erfahrungswissen ist häufig nicht strukturiert erfasst, kann für leistungsfähige KI-Anwendungen aber genauso wichtig sein wie klassische Maschinen- oder Prozessdaten. Der Startpunkt ist deshalb nicht die Frage: Welche Daten können wir sammeln? Sondern: Welche Entscheidung soll die KI besser treffen oder vorbereiten und welche Informationen braucht sie dafür?
„Unser Ziel ist nicht der nächste beeindruckende Chatbot, sondern KI, die sich in reale Entwicklungsprozesse integrieren lässt.“
KI-basierte Robotik gewinnt immer mehr an Bedeutung. Welche Faktoren müssen zusammenspielen, damit diese Systeme letztendlich effizient und sicher einsetzbar sind?
Dr. Arno Kühn: Ein Roboter, der auf einer Messe winkt und tanzt, ist noch lange keine industrielle Lösung. In der Produktion zählt, ob er dieselbe Aufgabe über lange Zeit zuverlässig, sicher, schnell und wirtschaftlich ausführt.
Deshalb muss man KI-basierte Robotik als Gesamtsystem betrachten. Die beste KI hilft wenig, wenn die Kamera bei anderem Licht aussteigt, der Greifer das Bauteil nicht zuverlässig fasst oder die Taktzeit nicht erreicht wird. Am Ende muss die ganze Kette funktionieren: vom Sehen und Greifen über die Bewegung bis zur sicheren Einbindung in die Produktion.
KI-basierte Robotik wird dort interessant, wo klassische Automatisierung an Grenzen kommt, etwa bei wechselnden Produkten, unstrukturierten Umgebungen oder Aufgaben, die sich nicht vollständig vorprogrammieren lassen. Nicht die spektakulärste Technologie gewinnt, sondern die Lösung, die im industriellen Dauerbetrieb den besten Nutzen bringt.
Welche Chancen eröffnen sich neben der Effizienzsteigerung außerdem für die Industrie, wenn KI und Robotik Einzug halten?
Dr. Arno Kühn: Der spannendste Effekt von KI und Robotik ist nicht, dass bestehende Prozesse einfach schneller werden. Interessant wird es dort, wo sich Produkte, Produktion und Wertschöpfung verändern.
Ich sehe drei Entwicklungen besonders deutlich: Produktion wird flexibler, weil lernfähige Systeme besser mit Varianten und wechselnden Bedingungen umgehen können. Aus technischem Wissen entstehen neue Leistungen, etwa intelligente Services oder neue Engineering-Angebote. Und neue Märkte entstehen rund um Sensorik, Aktorik, Software, Safety und Systemintegration.
Wie stark diese Potenziale tatsächlich genutzt werden können, hängt davon ab, ob die Systeme zuverlässig, sicher und wirtschaftlich skalieren und wo künftig der größte Teil der Wertschöpfung entsteht. Eine spannende Frage ist deshalb: Welche neuen Leistungen und Geschäftsmodelle werden durch KI und Robotik überhaupt erst möglich?
Das zurzeit laufende Projekt ENGAGE-KI soll Unternehmen dabei unterstützen, künstliche Intelligenz schneller in Entwicklungs- und Engineeringprozesse zu integrieren. Was machen Sie hier konkret und wer kann daran teilnehmen?
Dr. Arno Kühn: Viele Unternehmen experimentieren inzwischen mit KI im Engineering. Jetzt beginnt die schwierigere Phase: Die Systeme müssen auf Unternehmenswissen zugreifen, mit vorhandenen Engineering-Werkzeugen zusammenspielen und Ergebnisse liefern, die Entwickler prüfen und weiterverwenden können. Genau daran arbeiten wir in ENGAGE-KI.
Ein Schwerpunkt ist, Wissen aus Anforderungen, Dokumentationen sowie Modellen und Datenbeständen für KI nutzbar zu machen. Darauf setzen Copiloten auf, die Ingenieurinnen und Ingenieure bei konkreten Aufgaben unterstützen. KI-Agenten gehen einen Schritt weiter und können Aufgaben zerlegen, Werkzeuge einbinden und mehrstufige Abläufe bearbeiten. Bei physischer KI geht es darum, diese Fähigkeiten mit Robotik zu verbinden.
Wie konkret das wird, zeigt ein KI-Sprint mit WP Kemper. Der Maschinenbauer entwickelt kundenspezifische Anlagen für Backwaren. Ein KI-Prototyp strukturiert Anfragen, gleicht Kundenwünsche mit verfügbaren Maschinen ab und unterstützt bei der Bewertung möglicher Lösungen. So soll Erfahrungswissen schneller und systematischer in neue Angebote einfließen.
Unternehmen können eigene Engineering-Herausforderungen einbringen. Dazu kommen Demonstratoren, Qualifizierungs- und Austauschformate. Unser Ziel ist nicht der nächste beeindruckende Chatbot, sondern KI, die sich in reale Entwicklungsprozesse integrieren lässt.
Ihre Initiative Stratosfare beschäftigt sich mit humanoider Robotik. Wie viel Mehrwert können Humanoide bereits heute in der Industrie bieten und wie real ist die Vorstellung, dass sie kurzfristig bestehende Robotiklösungen ersetzen?
Dr. Arno Kühn: Wer heute erwartet, dass humanoide Roboter klassische Industrieroboter kurzfristig ersetzen, stellt aus meiner Sicht die falsche Frage. Ein Industrieroboter, der einen standardisierten Prozess seit Jahren schnell und präzise beherrscht, wird nicht automatisch ersetzt, nur weil ein neuer Roboter Beine hat.
Das Potenzial von Humanoiden liegt woanders: Unsere Fabriken, Werkzeuge und Arbeitsplätze sind für Menschen gebaut. Ein flexibles Robotersystem kann sich dort bewegen und unterschiedliche Tätigkeiten übernehmen. Die sichtbaren Fortschritte dürfen aber nicht mit industrieller Einsatzreife verwechselt werden. Die Herausforderung verlagert sich zunehmend zum Lernen: Wie bekommt ein Roboter gute Daten über reale Tätigkeiten, und wie entsteht daraus eine stabile Trainingspipeline? Am Ende muss das System zuverlässig, sicher und wirtschaftlich arbeiten.
Gerade in dieser frühen Phase ist gemeinsamer Zugang zu Robotik-Infrastruktur oft sinnvoller als ein eigener Roboterkauf. Im Robotics Lab unserer Initiative Stratosfare können Unternehmen Aufgaben testen, Trainingsverfahren erproben und Grenzen kennenlernen. Jetzt geht es darum, Kompetenzen aufzubauen und herauszufinden, welcher Use Case wirklich trägt.
Was empfehlen Sie Unternehmen, die zwar wissen, dass es ohne KI und Robotik künftig schwierig wird, wettbewerbsfähig zu bleiben, aber Probleme haben, konkret anzufangen?
Dr. Arno Kühn: Der schlechteste Startpunkt für ein KI-Projekt ist der Satz: „Wir müssen jetzt auch etwas mit KI machen.“ Man sollte mit einem Problem beginnen, das im Unternehmen wirklich weh tut.
Das kann eine zeitaufwendige Prüfung, die Suche nach technischen Informationen oder ein Prozess sein, bei dem Fachwissen zum Engpass wird. Dann lässt sich prüfen: Wie groß ist der Nutzen einer besseren Lösung? Welche Daten sind vorhanden? Welche Technologie passt dazu? Und woran erkennen wir, ob der Ansatz tatsächlich funktioniert?
Ich würde lieber wenige Anwendungen sauber bewerten und konsequent verfolgen, als eine lange Liste von KI-Ideen parallel zu diskutieren. Entscheidend ist dabei aber nicht nur der einzelne Anwendungsfall. Unternehmen müssen gleichzeitig die Fähigkeiten aufbauen, um KI künftig selbst bewerten, integrieren und weiterentwickeln zu können. Dafür müssen Fachbereiche und IT von Anfang an zusammenarbeiten.
Mittelständler müssen diese Lernkurve aber nicht allein durchlaufen. In unseren it’s OWL-Fokusgruppen bringen Unternehmen konkrete Herausforderungen ein und tauschen sich mit anderen Unternehmen sowie Experten aus Forschung und Praxis aus. In der Fokusgruppe Applied AI geht es etwa darum, KI-Anwendungen einzuordnen und Erfahrungen zu teilen. Ähnliche Formate gibt es für Engineering Automation oder Zukunft der Arbeit. Dort bekommen Unternehmen einen Realitätscheck, bevor sie größere Investitionen anstoßen.
Ein Blick in die Zukunft: Wo liegen die Herausforderungen in den nächsten Jahren und wo sehen Sie die Industrie in der Region bei der Anwendung von KI und Robotik im Jahr 2030?
Dr. Arno Kühn: Bis 2030 wird die entscheidende Aufgabe nicht sein, noch mehr KI-Piloten zu produzieren. Wir müssen die Anwendungen, die funktionieren, in die Breite bringen. Dafür müssen Unternehmen Altlasten angehen: Datensilos, fehlende Schnittstellen, historisch gewachsene Softwarelandschaften und Wissen, das nicht systematisch verfügbar ist. Dazu kommen Cybersecurity, funktionale Sicherheit und der Aufbau neuer Kompetenzen.
Wenn uns das gelingt, werden wir 2030 wahrscheinlich deutlich weniger über „KI-Projekte“ sprechen. KI dürfte dann in vielen Unternehmen ein normaler Bestandteil von Engineering, Produktion, Qualität oder Service sein. Ich erwarte, dass Copiloten Ingenieurinnen und Ingenieure unterstützen, Agenten komplexere Abläufe koordinieren und KI-Robotersysteme flexibler machen.
Eine dunkle Fabrik ausschließlich voller humanoider Roboter halte ich dagegen für kein realistisches Zielbild. Wir werden einen Mix sehen: klassische Roboter, Spezialmaschinen, neue KI-basierte Robotik und natürlich den Menschen.
Für OWL liegt darin eine große Chance. Industrie und Forschung arbeiten hier seit Jahren eng zusammen. Entscheidend ist, daraus jetzt gemeinsame Kompetenzen, Infrastrukturen und vor allem produktive Anwendungen zu machen.
