Wenn solche Effizienzgewinne im Engineering erzielt werden – welche konkreten Auswirkungen hat das auf die Wettbewerbsfähigkeit von Maschinen- und Anlagenbauern?
Der strategische Nutzen liegt weniger darin, dass einzelne Mitarbeiter einfach noch mehr Aufgaben auf den Tisch bekommen, sondern in einem drastisch höheren Engineering-Durchsatz. Wenn ein Unternehmen mit derselben Mannschaft mehr Projekte bearbeiten, Angebote schneller abgeben und Änderungen kurzfristiger umsetzen kann, verbessert das unmittelbar seine Marktposition. Gerade im Schaltschrankbau entscheiden neben dem Preis und Qualität vor allem Lieferzeit und Flexibilität. Produktivitätsgewinne im Engineering wirken sich deshalb positiv auf die gesamte Wertschöpfungskette aus: von kürzeren Angebotslaufzeiten über weniger Fehler in der Fertigung bis hin zur schnelleren Inbetriebnahme beim Kunden. Unser wichtigster Wettbewerbsvorteil in Europa lautet künftig nicht mehr: „Wir zeichnen schneller“, sondern: „Wir können Engineering-Wissen skalieren und mit derselben Organisation mehr hochwertige Kundenlösungen liefern.“
Laut Ihrer Studie sagen viele Unternehmen, dass sie kaum noch Zeit für Neues haben – wie soll ihnen da der Einstieg in KI gelingen, woher nehmen sie die Zeit dafür?
Eine gute und entscheidende Frage und zugleich das klassische Dilemma: Über die Hälfte der Befragten gibt an, dass ihnen schlicht die Zeit für Innovationen und strukturelle Verbesserungen fehlt. Ausgerechnet diejenigen, die am dringendsten neue Produktivität benötigen, haben am wenigsten Kapazität, sie aufzubauen. Ein ‚Big Bang‘, also ein Einstieg über eine abstrakte Riesen-Strategie oder einen kompletten Prozessumbau ist hier weniger zielführend. Sinnvoller ist es, sich zunächst zwei oder drei konkrete Zeitfresser vorzunehmen – etwa die Materiallistenerstellung oder die Fehlerprüfung. Die dadurch gewonnene Zeit investiert man dann schrittweise in die nächsten Optimierungen. Ein pragmatischer Einstieg folgt vier klaren Prinzipien:
• Der Problemfokus: Immer mit einem realen operativen Problem beginnen, nicht mit der Technologie.
• Die Beherrschbarkeit: Einen Prozess wählen, bei dem Fehler handhabbar und Ergebnisse sofort überprüfbar sind.
• Die Praxisnähe: Erfahrene Konstrukteure früh einbeziehen, da sie Qualität und Praxistauglichkeit am besten beurteilen.
• Die Messbarkeit: Die erzielten Produktivitätsgewinne konkret messen und anschließend gezielt im Unternehmen skalieren.
Wichtig ist dabei auch die kulturelle Dimension: Die Belegschaft darf KI nicht als heimliches Rationalisierungsprojekt erleben, sondern als Entlastung von Routinearbeiten, für die sie eigentlich überqualifiziert ist. Das Ziel lautet: mehr echtes Engineering mit den vorhandenen Fachkräften.
Generative KI soll optimierte Schaltschranklayouts aus Schaltplänen ableiten können. Welche Entscheidungen übernimmt dann die KI und welche Verantwortung liegt weiterhin beim Ingenieur?
Die KI kann unzählige Entscheidungen vorbereiten und in definierten Grenzen auch selbstständig treffen. Bei einem Schaltschranklayout betrifft das vor allem technisch logische und geometrische Aufgaben wie
