Viele Industrieunternehmen führen erste Pilotprojekte mit KI-Agenten durch. Diese Softwareagenten übernehmen eigenständig Aufgaben wie Qualitätskontrolle, vorausschauende Instandhaltung und Optimierung des Materialflusses. In Pilotprojekten soll geprüft werden, wie die Agenten in die Betriebsabläufe integriert werden können. Einige Firmen haben bereits kleinere Implementierungen vorgenommen. Nun rückt die Frage in den Fokus, wie sich die Technologie über einzelne Testläufe hinaus im gesamten Unternehmen einsetzen lässt. IFS beschreibt hier einige der Stolperfallen.
Skepsis und Widerstände: Eines der größten Hindernisse ist laut IFS die Zurückhaltung gegenüber gravierenden Veränderungen. Unternehmen befürchten, die Kontrolle über wichtige Prozesse zu verlieren, und Mitarbeitende könnten Autonomie abgeben müssen. Gerade bei Automatisierungen, die zuvor von Menschen gesteuert wurden, ist mit Widerständen in der Belegschaft zu rechnen. Diese Sorgen könnten dazu führen, dass Projekte nicht über die Pilotphase hinauskommen. Ein klarer Kommunikationsplan und Schulungsangebote gelten als notwendig, um Ängste zu mindern. Messung und Praxisunsicherheit: Ohne klar definierte Kennzahlen ist es schwierig nachzuvollziehen, wie sich agentische KI auf Produktivität, Kosten oder Effizienz auswirkt. KI-Agenten arbeiten in komplexen, dynamischen Umgebungen, was einen objektiven Vergleich erschwert. Anwendungsfälle: Oft ist nicht ersichtlich, welche komplexen Prozesse sich tatsächlich automatisieren lassen. Unternehmen benötigen laut IFS dafür fundierte Fachkenntnisse und ein tiefes Verständnis ihrer internen Abläufe. Andernfalls laufen sie Gefahr, KI-Agenten nur für einfache Aufgaben einzusetzen und das Potenzial nicht auszuschöpfen.
Datenherausforderungen: Agentische KI setzt verfügbare und qualitativ hochwertige Daten voraus. Viele Industrieunternehmen betreiben noch Altsysteme, wodurch ihre Datenlandschaft fragmentiert ist. Für den breiten Einsatz von KI-Agenten muss ein Data Framework geschaffen werden, das große Datenmengen nahezu in Echtzeit verarbeiten kann. Die Aufbereitung und Integration dieser Daten gilt als eine der größten Hürden. Unternehmen sehen hier einen zentralen Vorbereitungsschritt für den erfolgreichen Roll-out. Empfehlungen für den Roll-out
„Für einen erfolgreichen organisationsweiten Roll-out von agentischer KI müssen Industrieunternehmen strategische Investitionen tätigen und methodisch vorgehen“, erklärt Stefan Issing, Presales Director DACH bei IFS. Er rät, klare Rollen und Geschäftsergebnisse für die Agenten zu definieren und die Dateninfrastruktur vorzubereiten. Zudem sollten Onboarding-Initiativen für Mitarbeitende umgesetzt und funktionsübergreifende Teams gebildet werden. So könne ein reibungsloser Übergang von Pilotprojekten zum Produktionsbetrieb gelingen.
