FERTIGUNG

Reindustrialisierung und die Realitäten des verarbeitenden Gewerbes

Von: Del Costy, Präsident und Geschäftsführer von Siemens Digital Industries

Das Wiederaufleben der amerikanischen Fertigung umfasst weit mehr als das, was in der Werkstatt passiert.

Bei der Reindustrialisierung müssen Unternehmen den gesamten Innovationszyklus von der Produktkonzeption über die Entwicklung, Validierung, Produktion und Optimierung beherrschen. Die Vereinigten Staaten sind seit langem führend in Sachen Innovation. Die Herausforderung besteht jetzt darin, diese Innovation mit modernen Fertigungskapazitäten in Einklang zu bringen, damit wir weiterhin schnell innovieren können.

Wenn wir über das Industriesegment nachdenken, befinden wir uns immer noch in der Anfangsphase der Technologieeinführung. Es sind enorme Gewinne zu erzielen — und die Menschen werden eine wichtige Rolle spielen. Und natürlich können Sie kein Gespräch führen, ohne zu fragen: Was bedeutet es, KI in der Fertigung einzusetzen?

Diese Mentalität hat geprägt, wie ich darüber denke, was heute in der Fertigung passiert. Überall, wo ich hingehe, sprechen die Leute über KI. Sie sind begierig darauf, darüber zu sprechen, was KI kann, aber weniger sprechen darüber, was KI braucht, um effektiv zu arbeiten, und das ist Kontext.

Die Fertigung erfordert ein klares Verständnis komplexer Systeme, Prozesse, Materialien und Einschränkungen. Hier kann KI in der Fertigung unglaublich mächtig sein. Es kann Horden von Daten aufklären und Muster in den Erkenntnissen finden, um Empfehlungen für Produkt-, System-, Prozess- und Anlagenverbesserungen abzugeben. Der Vorbehalt ist, dass das nur funktioniert, wenn KI auf der Realität basiert, dass die Fertigung eine Präzisionsumgebung ist. Ohne Kontext ist Intelligenz kaum mehr als Vorhersagen — und Prognosen allein reichen nicht aus, um die Branche zu verändern.

Warum Industrial AI nur so gut ist wie die Daten dahinter

Inzwischen hat jeder das Versprechen gehört: „KI wird Produktionslinien optimieren, die Produktentwicklung beschleunigen, die Qualität verbessern und Ausfälle vorhersagen, bevor sie passieren.“ Diese Möglichkeiten sind real. Aber KI kann in der Fertigung nur skalieren, wenn Daten kontextualisiert und mit der Physik von Technik und Produktion verbunden sind.

Sie können das anspruchsvollste Modell der Welt haben, aber wenn es Ihre Toleranzen, Materialien, Produktionsbeschränkungen, Validierungshistorie und betrieblichen Anforderungen nicht versteht, sind die Ergebnisse bestenfalls unzuverlässig und im schlimmsten Fall schädlich für Ihr Unternehmen. Hersteller können sich das Risiko der Implementierung einer übermäßig selbstbewussten KI nicht leisten. Sie benötigen eine KI, die jedes Mal genaue und vertrauenswürdige Empfehlungen aussprechen kann.

Das ist der Punkt, an dem viele Gespräche über Industrial AI scheitern. Allzu oft spiegeln KI-Diskussionen nicht die Einschränkungen, Prioritäten und Bedingungen der Werkstatt wider. Organisationen bringen Argumente vor, die überzeugend klingen, aber von der physischen Welt abgekoppelt sind. Und in der Fertigung ist Vertrauen ohne Gewissheit gefährlich.

Was oft nicht gesagt wird, ist, dass viele KI-Bereitstellungen auf dem Modell einer anderen Person basieren und auf den Annahmen einer anderen Person über die Funktionsweise eines Unternehmens basieren. Tatsächlich vermieten die Hersteller Informationen, die sie besitzen sollten.

Gleichzeitig wird die Produktentwicklung nach wie vor durch jahrzehntelange Prozesse belastet. Die Markteinführung eines neuen Produkts kann zwischen 40 und 50 Monate dauern. Hinzu kommt, dass bis zu 60 Prozent der Entwicklungskosten oft für das physische Prototyping aufgewendet werden. Zu viel des F&E-Budgets wird für die Erprobung von Designs ausgegeben, anstatt sie zu innovieren.

Wenn amerikanische Hersteller konkurrieren und gewinnen wollen, müssen wir den gesamten industriellen Zyklus vom Konzept bis zur Produktion komprimieren. Industrial AI kann helfen, dieses Ziel zu erreichen, aber nur, wenn sie auf einer Datenbasis basiert, die genau widerspiegelt, wie Produkte entworfen, hergestellt und betrieben werden.

Wie man die digitale Grundlage für zuverlässige Industrial AI

Letztes Jahr investierte Siemens 15 Milliarden $ in US-Softwareunternehmen, um sicherzustellen, dass Kunden in der nächsten Ära der digitalen und datengesteuerten Transformation erfolgreich sind, und wir haben Jahrzehnte damit verbracht, die entsprechende Datengrundlage aufzubauen.

Unser Ansatz beginnt mit Systemen zur Verwaltung des Produktlebenszyklus, die jede Konstruktionsrevision, jede technische Änderung und jedes Validierungsergebnis in der eigenen Umgebung des Kunden erfassen und speichern. Dieses institutionelle Wissen bleibt dort, wo es hingehört: beim Hersteller.

Wir kombinieren das mit physikbasierten Simulationstechnologien, die KI-Empfehlungen anhand realer technischer Modelle validieren, anstatt uns ausschließlich auf statistische Ergebnisse zu verlassen. Wenn KI-Vorschläge anhand der Gesetze der Physik getestet werden können, gewinnen Hersteller die Gewissheit, dass sie auf der Grundlage der Ergebnisse handeln können.

Der dritte Teil ist Automatisierung. Mit der Siemens-Technologie, die Design und Produktion verbindet, hören Daten nicht bei der Konstruktion auf. Es erstreckt sich auf den Betrieb und bietet in Echtzeit Einblick in die Leistung von Produkten, Linien und Anlagen in Echtzeit. Zusammen schaffen diese Funktionen etwas, das keine eigenständige KI-Plattform replizieren kann: kontextualisierte Daten, die über den gesamten Lebenszyklus hinweg miteinander verbunden sind.

Wir nennen das den digitalen Thread. Es verbindet die Designabsicht mit der Produktionsrealität und bewahrt das organisatorische Wissen, während sich Produkte und Systeme weiterentwickeln. Es bietet der KI den Kontext, den sie benötigt, um aussagekräftige Ergebnisse zu erzielen.

Und diese Unterscheidung ist wichtig. Zuverlässige Industrial AI kann nicht im Nachhinein eingebaut werden. Hersteller können ihre Domain-Intelligence nicht auslagern und bessere Ergebnisse erwarten. Sie benötigen eine vernetzte Grundlage, die Produkte, Prozesse und Produktion miteinander verbindet, sodass Industrial AI im gesamten Unternehmen eingesetzt werden kann und nicht in isolierten Silos.

Der Wert dieses Ansatzes wird deutlich, wenn wir uns ansehen, wie Unternehmen ihn in die Praxis umsetzen.

Wie wir die Reindustrialisierung umsetzen müssen

Die Vereinigten Staaten haben sich das ehrgeizige Ziel gesetzt, ihre Wirtschaft zu reindustrialisieren.

Die amerikanische Industrie hat durch Automatisierung, Software und digitale Zwillingstechnologie bereits enorme Fortschritte erzielt. Diese Innovationen haben den Herstellern geholfen, produktiver, widerstandsfähiger und anpassungsfähiger zu werden.

Aber unsere Kunden treten in eine neue Phase ein. Sie versuchen, neue Kapazitäten aufzubauen, bestehende Abläufe zu modernisieren und weltweit wettbewerbsfähig zu bleiben — und das alles, während sie mit einem anhaltenden Fachkräftemangel konfrontiert sind.

Industrial AI baut auf dieser starken digitalen Grundlage auf und hilft Kunden dabei, das zu erweitern, wozu ihre Mitarbeiter in der Lage sind. Es bietet Ingenieuren, Bedienern und Technikern neue Tools, um produktiver zu werden, Innovationen zu beschleunigen und mehr zu erreichen.

Die Herausforderung besteht nicht mehr darin, KI zu erfinden. Es setzt KI auf Unternehmensebene ein. Heute hat nur ein kleiner Prozentsatz der Organisationen KI erfolgreich in ihren gesamten Betrieb integriert. Diese Bereitstellungslücke zu schließen, ist eine der wichtigsten industriellen Herausforderungen — und Chancen — des nächsten Jahrzehnts.

Darauf konzentriert sich Siemens: Unseren Kunden zu helfen, von den Ambitionen der KI zum Einsatz von KI überzugehen, und das Versprechen der KI in echte Produktivitätssteigerungen in der gesamten amerikanischen Industrie umzusetzen.

Wie PepsiCo digitale Zwillinge und KI nutzt, um die Fertigungsleistung zu beschleunigen

Mit einem unserer Kunden, PepsiCo, haben wir ein replizierbares Framework entwickelt, das Digital-Twin-Technologie, Industrial AI und eine vernetzte IT/OT-Architektur kombiniert, um skalierbare Verbesserungen in den Bereichen Fertigung, Lagerung und Logistik zu ermöglichen.

Die Ergebnisse waren signifikant. In einer Gatorade-Anlage in den USA erzielte PepsiCo innerhalb von nur drei Monaten eine 20-prozentige Steigerung des Durchsatzes. Das Unternehmen schätzt außerdem eine Reduzierung der Investitionsausgaben um 10 bis 15 Prozent, indem virtuelle Validierung verwendet wird, um versteckte Kapazitäten aufzudecken, bevor physische Investitionen getätigt werden.

Der digitale Zwilling hat dazu beigetragen, die Zeitpläne für die Planung und Optimierung von Anlagen von Monaten auf Tage zu verkürzen. Durch die Erstellung physikbasierter Modelle unter Verwendung realer Betriebsdaten aus mehreren Einrichtungen können Teams Leistungsbasislinien erstellen, Engpässe identifizieren, den Materialfluss verstehen und genau bestimmen, wo und warum Energie verbraucht wird.

Mehr als 90 Prozent der Produktionsprobleme können erkannt werden, bevor die Produktion überhaupt beginnt.

Das ist die Stärke eines Digital-First-Ansatzes, den PepsiCo nutzt. Techniker optimieren Layouts, bevor Geräte bewegt werden. Der Materialfluss wird validiert, bevor ein Förderband berührt wird. Energieintensive Prozesse werden identifiziert, bevor sie zu betrieblichen Herausforderungen führen. Entscheidungen basieren eher auf Daten als auf Annahmen.

Wenn Produktinnovation, Prozessentwicklung und Produktionsausführung miteinander verbunden sind, gewinnen Unternehmen die Geschwindigkeit und das Vertrauen, das für die Modernisierung ihrer bestehenden Infrastruktur erforderlich ist. Genau so gewinnen Hersteller den Wettlauf mit der Zeit.

Während es bei der Reindustrialisierung sicherlich darum geht, bestehende Abläufe zu verbessern, ist eine weitere wichtige Komponente der Bau völlig neuer Produktionsmodelle.

Wie Haddy die Zukunft der verteilten Fertigung demonstriert

Ein weiteres Beispiel für ein Unternehmen, das das integrierte Software-, Hardware- und Automatisierungsportfolio von Siemens nutzt, ist Haddy, ein KI-gestütztes Unternehmen für 3D-Robotik, das die Zukunft unserer Fertigung grundlegend verändert.

Haddys MicroFactory-Modell zeigt diese Realität, indem es industrielle Produktionskapazitäten mit hocheffizienter Wirtschaftlichkeit kombiniert, um alles herzustellen, von der Dekoration von Vergnügungsparks bis hin zu Booten für die Marine. Dieses Unternehmen, ein kürzlich Gewinner eines Siemens Techcellence-Preis, überbrückt kommerzielle und verteidigungspolitische Anforderungen und hilft dabei, Unternehmensinnovationen mit nationaler Industrietauglichkeit zu verbinden.

Was das Modell, das Haddy verwendet, so überzeugend macht, ist die Art und Weise, wie KI die Fertigungsleistung durch eine geschlossene Feedback-Schleife kontinuierlich verbessert:

Schritt 1 — Der Teil spricht: Eine Kamera erkennt eine winzige Oberflächenvertiefung, die von einem Menschen kaum wahrgenommen werden kann.

Schritt 2 — Das System hört zu: Das System erkennt eine Druckspitze vier Minuten vor Auftreten des Defekts. KI verbindet diese Signale und identifiziert eine Beziehung.

Schritt 3 — Es ermittelt die Ursache: Die Analyse zeigt, dass im Vorfeld des Trocknungsprozesses, bevor mit dem Drucken begonnen wurde, ein Materialabbau stattgefunden hat.

Schritt 4 — Es repariert sich von selbst: Die Trocknertemperatur wird automatisch angepasst. Die Produktion läuft ohne Unterbrechung weiter.

Schritt 5 — Es bestätigt: Die nächsten zehn Schichten werden erfolgreich gedruckt. Das Problem wird protokolliert und als gelöst aufgezeichnet.

Schritt 6 — Jede Maschine wird intelligenter: Die Lösung wird von allen Haddy-Druckern weltweit gemeinsam genutzt, es machen permanent und wiederholbar.

Diese Schleife ist nicht nur durch Automatisierung möglich. Es ist ein kombiniertes Hardware-, Software- und Automatisierungspaket, das institutionelles Lernen im industriellen Maßstab ermöglicht.

Reindustrialisierung erfordert die Verbindung von Innovation und Produktion

Die gute Nachricht über die Bemühungen zur Reindustrialisierung in allen amerikanischen Branchen ist, dass Hersteller die Technik nicht neu erfinden müssen, um bahnbrechende Ergebnisse zu erzielen. Durch die Kombination bewährter technischer Frameworks mit Simulation und Industrial AI werden außergewöhnliche Effizienzsteigerungen möglich.

Die Organisationen, die das nächste Jahrzehnt der Fertigung anführen, werden diejenigen sein, die das stärkste Fundament für industrielle KI geschaffen haben. Sie werden die Unternehmen sein, die ihre Fachkenntnisse beibehalten, Design und Produktion miteinander verbunden und dafür gesorgt haben, dass jede KI-gestützte Entscheidung anhand der Physik validiert werden kann. Umsetzung probabilistischer KI-Empfehlungen in deterministische Ergebnisse.

Das ist die Lektion, die wir aus Unternehmen wie PepsiCo, Haddy und vielen anderen ziehen, die erkannt haben, dass dies nicht nur ein Wettbewerbsvorteil ist, sondern auch der Weg zur Beschleunigung der Produktion in den USA.

Amerikanische Städte und Unternehmen, die sich bereits der Reindustrialisierung verschrieben haben, haben nicht auf ein Signal gewartet, um mit dem Wiederaufbau ihrer Zukunft zu beginnen. Das amerikanische verarbeitende Gewerbe kann es sich auch nicht leisten, zu warten.

Schaffen Sie das Fundament, besitzen Sie die Informationen und arbeiten Sie mit Organisationen zusammen, die wissen, wie man Innovation mit Produktion verbindet, und gemeinsam können wir die nächste Ära der amerikanischen Reindustrialisierung beschleunigen.

Veröffentlicht: 17. August 2026