Generative Künstliche Intelligenz (GenAI) prägt zunehmend den Maschinen- und Anlagenbau: „Bereits zehn der insgesamt 45 betrachteten Anwendungsfälle können 58 Prozent des Potenzials der Margenverbesserung ausschöpfen und damit eine deutliche Effizienzsteigerung in der Branche erreichen“, sagt Guido Reimann, stellvertretender Geschäftsführer VDMA Software und Digitalisierung.
Die Zahlen stammen aus der Studie ‚GenAI im Maschinen- und Anlagenbau – Vom Versprechen zur Profitabilität‘, die der VDMA Fachverband Software und Digitalisierung zusammen mit Strategy&, Strategieberatung von PWC, erstellt hat. Die Untersuchung basiert auf der Befragung von 247 Industrieunternehmen in Deutschland, Österreich und der Schweiz sowie der Analyse von 45 möglichen GenAI Use Cases und deren Potenzial für mehr Produktivität und Profitabilität.
Hohe Erwartungen und zusätzliche Gewinne
Aus der Untersuchung geht hervor, dass GenAI einen signifikanten Einfluss auf Umsatzsteigerung, Kostenoptimierung und Effizienzerhöhung in den Unternehmen hat. Insgesamt könnte die zielgerichtete Implementierung von GenAI die operative Marge der Branche um bis zu 10,7 Prozent erhöhen – den zusätzlichen Gewinn prognostizieren die Studienverantwortlichen auf 28Mrd.€ für den Maschinen- und Anlagenbau in Deutschland. Vor diesem Hintergrund erscheinen die steigenden Erwartungen an den Einsatz von Künstlicher Intelligenz (KI) nachvollziehbar: 52 Prozent der Führungskräfte sehen KI als potenziellen ‚Gamechanger‘ für die Branche.
GenAI als Treiber der digitalen Transformation
Die vielversprechendsten GenAI-Anwendungen sehen die Befragten in den Kernprozessen der Unternehmen. Sie nennen hier insbesondere Vertrieb und Marketing (53 Prozent) sowie Forschung & Entwicklung (43 Prozent), aber auch in Produktion und After Sales wird ein höheres Potenzial gesehen.
Herausforderungen und strategische Empfehlungen
Wie aus der Studie weiter hervor geht, beschränkt sich die Nutzung bislang häufig auf experimentelle oder „Proof-of-Concept“-Projekte. Zentrale Herausforderung ist die mangelnde Datenqualität: 25 Prozent der befragten Unternehmen sehen dies als größte Hürde. Fast gleichauf, mit 24 Prozent, folgen fehlende GenAI-Spezialisten. Ebenfalls 24 Prozent der Unternehmen nennen technische Herausforderungen, insbesondere in Bezug auf die IT-Infrastruktur.
