Im KI-Rennen gilt Deutschland bisher eher als Zuschauer. Die Schlagzeilen bei den Sprachmodellen gehören den US-Unternehmen OpenAI (ChatGPT), Anthropic (Claude) oder chinesischen Modellen (z. B. DeepSeek). Doch bei industrieller KI, die Maschinen, Werkstoffe und Prozesse versteht, könnte sich das Blatt wenden. Dafür braucht es einen Rohstoff, den man nicht kaufen kann: proprietäre Industriedaten.

Die These: Daten als Kronjuwelen

„Daten sind die Kronjuwelen“, sagt jüngst Henning Fehrmann, Chef der Hamburger Fehrmann Tech Group, in der Welt am Sonntag. Sein Unternehmen sammelt seit den 1970er-Jahren Werkstoff-, Prüf- und Produktionsdaten, verknüpft mit über 80 Fachdatenbanken. Die KI-Plattform MaterialsX zeigt, was daraus wird. Technische Kundenanfragen, für die früher Experten Tage oder Wochen brauchten, beantworten Vertriebler heute zu 95 Prozent selbst – in Minuten. Die Entwicklung neuer Legierungen schrumpft von fünf bis zehn Jahren auf Monate. Fehrmanns These: US-Start-ups versuchen mit Milliarden, Industriedaten künstlich zu erzeugen, doch Laborwelten ersetzen die Realität nur begrenzt.

Der Befund: Viel Einsatz, wenig Tiefe

Doch so richtig hat sich diese Erkenntnis in der Praxis noch nicht umgesetzt. Laut Bitkom nutzen 40 Prozent der Industrieunternehmen KI zur Steuerung und Planung, 45 Prozent arbeiten mit digitalen Zwillingen. Zugleich sehen sich 46 Prozent als Nachzügler oder abgeschlagen. Über alle Branchen setzen zwar erstmals 57 Prozent der Firmen KI ein, in Produktionsabläufen aber erst 22 Prozent. Und 87 Prozent der Anwender schöpfen das Potenzial kaum aus.

Das Nadelöhr: Daten im Tresor

Das eigentliche Nadelöhr bei der industriellen KI-Anwendung sind die Daten. Nach Befragungen des IW geben nur rund 20 Prozent der Unternehmen Daten an andere ab, etwa 40 Prozent empfangen welche. Laut ZEW schließen rund 70 Prozent der Firmen, die noch nie Daten geteilt haben, dies auch für die nächsten zwei Jahre aus. Die Kronjuwelen liegen im Tresor: gut geschützt, aber kaum vernetzt. Zu groß erscheinen vielen offensichtlich die Risiken. Denn wer seine Daten leichtfertig an Modelle oder Infrastrukturen ohne volle Datensouveränität gibt, riskiert den Abfluss seines wertvollsten Vermögens.

Der Gesetzgeber versucht, die Datennutzung zu beschleunigen. So gibt der EU Data Act Betreibern vernetzter Maschinen seit September 2025 einen Anspruch auf ihre Nutzungsdaten. Seit dem 12. September 2026 müssen neue Produkte den Datenzugang ab Werk vorsehen. Mit der von der Bundesregierung, Wirtschaft und Wissenschaft vorangetriebenen Initiative Manufacturing-X soll die Vernetzung gefördert werden.

Der Weg in acht Schritten

Unabhängig davon können mittelständische Unternehmen auch selbst tätig werden, auch mit öffentlicher Förderung.  

1. Bestand erfassen: Prüfberichte, Rezepturen, Servicefälle, Maschinendaten – und das Wissen in den Köpfen.
2. Anwendungsfall wählen: ein konkretes Problem mit messbarem Nutzen, etwa die Analyse von Ausschuss oder die Beantwortung von Vertriebsanfragen.
3. Daten aufbereiten: bereinigen, beschreiben, vereinheitlichen. Es gilt: Was an Qualität hineingeht, kommt auch heraus („quality in, quality out“).
4. Rechte klären: Der Data Act gibt Betreibern Anspruch auf ihre Maschinendaten. Hersteller brauchen umgekehrt die Erlaubnis ihrer Kunden.
5. Souverän rechnen: eigene Server oder europäische Clouds nutzen. Vertraglich ausschließen, dass Anbieter mit den eigenen Daten trainieren.
6. Klein starten: erst einen Pilot testen, dann ausbauen.
7. Datenräume vorbereiten: erste Anlagen in der Verwaltungsschale (englisch: Asset Administration Shell, kurz AAS) abbilden, dem Standard für digitale Zwillinge.