foto freepik

Der neue Cisco AI Readiness Index 2025 [1] zeichnet ein ernüchterndes Bild: Nur 12 Prozent der deutschen Unternehmen sind optimal auf den Einsatz von künstlicher Intelligenz vorbereitet. Während Deutschland im europäischen Vergleich zwar auf Platz 2 liegt, hinken fast zwei Drittel der Unternehmen noch hinterher. Besonders alarmierend: Lediglich 32 Prozent sind im kritischen Bereich »Daten« gut aufgestellt. Die entscheidende Frage lautet also: Wie schaffen es Unternehmen, von der Experimentierphase in die systematische Umsetzung zu kommen?

Christoph Kull, President Business Applications bei Proalpha, kommentiert die Ergebnisse der Cisco-Studie und erklärt, wie der industrielle Mittelstand die KI-Readiness-Lücke systematisch schließen kann:

»Die Cisco-Studie zeigt deutlich: Deutschland hinkt bei der KI-Readiness hinterher. Doch sie liefert auch die Lösung – denn KI-Vorreiter bringen Pilotprojekte viermal häufiger in die Produktion und erzielen 50 Prozent häufiger messbaren Mehrwert. Das eigentliche Problem ist also nicht KI selbst, sondern die Art und Weise, wie Unternehmen an das Thema herangehen. Viele Mittelständler stecken in einer Endlosschleife aus Strategiepapieren und Pilotprojekten fest, während der entscheidende Schritt fehlt: die systematische Umsetzung.

Der Grund dafür liegt häufig in der falschen Herangehensweise. Unternehmen investieren in teure Custom-Entwicklungen, die an der Legacy-IT, fehlendem Know-how, hohen Kosten oder an mangelnder Datenqualität scheitern. Dabei existieren längst ready-to-use Industrial AI Apps, die speziell für Fertigungsunternehmen entwickelt wurden und vom ersten Tag an Mehrwert schaffen – ob bei der Bestandsoptimierung, in der Produktionsplanung oder beim CO₂-Tracking für die ESG-Berichtspflicht.

Unsere Kunden zeigen, dass es funktioniert: emz Hanauer optimierte über 1.000 Teile mittels AI-gestützter Bestandsplanung und INOTEC steigerte die Liefertreue von 86 auf 96 Prozent. Der gemeinsame Nenner? Alle setzen auf unsere vorpaketierten und sofort einsatzfähigen AI Apps statt auf jahrelange Eigenentwicklung.

Der Schlüssel liegt darin, KI raus aus den Chefetagen und rein in die Fachabteilungen zu bringen – dorthin, wo die Datenhoheit und das Prozesswissen liegen. Wer jetzt auf eine systematische Integration statt Experimente setzt, wird zu den Vorreitern gehören. Die anderen bleiben im ‘Ich-probier‘s-mal-aus-Modus‘ stecken.«

[1] www.cisco.com/c/dam/m/en_us/solutions/ai/readiness-index/2025-m10/documents/cisco-ai-readiness-index-2025-realizing-the-value-of-ai.pdf

Realizing the Value of AI

Um Wert aus KI zu schöpfen, braucht es mutige Ziele und belastbare Grundlagen. Der Cisco AI Readiness Index zeigt, dass eine kleine, aber beständige Gruppe von Unternehmen — die »Pacesetter« — über alle Kennzahlen hinweg besser abschneidet [1]. Etwa 13 % der Organisationen weltweit fallen seit drei Jahren in diese Kategorie.

Pacesetter schaffen es viermal wahrscheinlicher, KI‑Piloten in Produktion zu bringen, und 50 % wahrscheinlicher, messbaren Nutzen aus KI zu berichten. Insgesamt verspüren 82 % der Organisationen in den letzten sechs Monaten einen stärkeren Druck, Renditen aus KI zu liefern; Readiness scheint dabei den Unterschied zu machen.

Pacesetter messen Performance konsequent: Fast alle Pacesetter messen den Wert, verglichen mit 32 % der Unternehmen insgesamt; Pacesetter bewegen Use Cases häufiger in Produktion (77 % vs. 18 % global) und 70 % von ihnen sind zuversichtlich, dass ihre KI‑Use-Cases profitabel sein werden.

KI liefert Ergebnisse: 60 % aller Unternehmen berichten von Profitabilitäts‑ oder Umsatzzuwächsen; bei den Pacesettern liegt der Wert über 90 %. 53 % aller Unternehmen erwarten innerhalb eines Jahres Umsatzwachstum durch KI, bei Pacesettern sind es 79 %.

KI schafft smarteres Arbeiten, bessere Customer‑Experience und schnellere Innovation. Pacesetter berichten signifikant höhere Verbesserungen bei Produktivität, Kundenerlebnis und Innovation im Vergleich zum globalen Durchschnitt.

Agenten können größeren Mehrwert liefern, wenn man die Grundlagen schafft: 83 % der Unternehmen planen, Agenten im nächsten Jahr einzusetzen; bei Pacesettern liegt der Anteil bei 96 %, und über die Hälfte erwartet, dass Agenten innerhalb von zwölf Monaten mit Teams zusammenarbeiten werden. Agenten legen Schwächen in zugrundeliegenden Systemen offen — nur 15 % der Unternehmen halten ihre Netzwerke für flexibel, rund ein Drittel glaubt, sie ausreichend sichern zu können, und etwa 32 % haben Workforce‑Pläne; bei Pacesettern sind diese Werte deutlich höher.

Technische Verschuldung der KI ist ein echtes Risiko: »AI Infrastructure Debt« beschreibt die Abkürzungen, Lücken und notdürftigen Lösungen, die sich ansammeln, wenn Unternehmen KI hastig einführen. Warnsignale sind steigende Kosten, wiederkehrende Verzögerungen beim Skalieren, unzureichende Fähigkeiten zur Erkennung AI‑spezifischer Bedrohungen, Ressourcenengpässe bei GPUs und veraltete Infrastruktur, die die Rendite schmälert.

Fünf Empfehlungen der Pacesetter:

klare Strategie und Prioritäten;
frühzeitige Infrastrukturinvestitionen;
Daten als disziplinierte Grundlage;
Führung des Transformationsprozesses inklusive Change Management;
Innovationsfreude mit klaren Sicherheits‑ und Governance‑

[1] www.cisco.com/c/dam/m/en_us/solutions/ai/readiness-index/2025-m10/documents/cisco-ai-readiness-index-2025-realizing-the-value-of-ai.pdf

5460 Artikel zu „Industrie KI“

News | Business Process Management | Industrie 4.0 | Künstliche Intelligenz | Services | Strategien

Industrielle KI braucht eine ganzheitliche IT

28. September 2025

Für den breiten Einsatz von künstlicher Intelligenz bauen Industrieunternehmen idealerweise ganzheitliche IT-Plattformen, so genannte AI Factories, auf. Diese müssen allerdings die Anforderungen verschiedener Anwendungsklassen unter einen Hut bringen. Dell Technologies erläutert, welche das sind und wie der Plattform das gelingt. Viele Industrieunternehmen haben bereits erste KI-Anwendungsfälle erfolgreich umgesetzt und gehen jetzt einen breiteren Rollout…