Sind Sie bereit für die KI‑Revolution in der Logistik? Die Redner der TAL 2025 teilen ihre Erfahrungen
- Trends
- Artikel
Die Automobilbranche steht vor einer Revolution. Die künstliche Intelligenz verändert etablierte Prozesse und eröffnet neue Möglichkeiten. Was für Hürden müssen Unternehmen überwinden, um KI effektiv einzusetzen? Auf der Konferenz Trends in Automotive Logistics 2025 mit der Unterüberschrift „Digital. Future-Proof?“ teilten Experten und Branchenleader ihre Erfahrungen und Erkenntnisse zu den wichtigsten Herausforderungen bei der KI-Implementierung.

Tobias Mayr, General Manager IT Inbound Logistics, BMW Group
Tobias Mayr leitet das globale IT-Team für Inbound-Logistik an sämtlichen Standorten der BMW Group und blickt auf eine 20-jährige IT-Karriere quer über alle Kontinente zurück.
Was sind die größten Herausforderungen bei der Implementierung von KI in der Industrie und wie kann man sie erfolgreich bewältigen?
1. Qualität und Verfügbarkeit von Daten
In der Automobilindustrie sind die Daten oft fragmentiert und inkonsistent.
Lösung: Implementieren Sie zuverlässige Datenverwaltungsabläufe, die Erfassung, Bereinigung und Standardisierung von Daten in allen Abteilungen sicherstellen.
2. Integration in bestehende Systeme
Ältere Systeme sind möglicherweise nicht mit modernen KI-Technologien kompatibel.
Lösung: Entwickeln Sie einen stufenweisen Integrationsplan, der die Modernisierung ermöglicht und sicherstellt, dass neue Lösungen mit vorhandenen Systemen zusammenarbeiten. Ziehen Sie den Einsatz von Middleware in Betracht, um Lücken zwischen Technologien zu schließen.
3. Einhaltung der Vorschriften und Sicherheit
Aufgrund von Regulierungsvorschriften kann die Einhaltung der Sicherheitsstandards bei der KI-Implementierung eine Herausforderung darstellen.
Lösung: Informieren Sie sich bereits im Vorfeld der Entwicklung über alle Regulierungsvorschriften, um die Anforderungen umfassend zu verstehen. Vergessen Sie nicht, strenge Tests und Validierungen durchzuführen, welche sicherzustellen, dass die KI-Systeme sämtliche Sicherheitsstandards erfüllen.
4. Mangel an Fachkräften
Es fehlt an Experten, die sich sowohl mit KI als auch der Automobilbranche auskennen.
Lösung: Investieren Sie in die Entwicklung der vorhandenen Mitarbeiter. Kooperieren Sie mit Bildungseinrichtungen, um Programme zu entwickeln, die künftige Talente auf Aufgaben in der KI und Automobiltechnologie vorbereiten.
5. Kultureller Widerstand
Mitarbeiter können sich den Veränderungen, welche die Einführung von KI mit sich bringt, widersetzen, weil sie Angst um ihren Arbeitsplatz haben oder nicht mit den neuen Technologien vertraut sind.
Lösung: Fördern Sie eine Kultur der Innovation und kontinuierlichen Verbesserung. Kommunizieren Sie die Vorteile der KI klar und beziehen Sie die Mitarbeiter in den Implementierungsprozess ein, um ihre Unterstützung zu gewinnen.

Tomáš Brotz, Automation Engineer for Automotive Standards, Siemens
Tomáš kam zu Siemens nach über 20 Jahren Erfahrung mit globalen Projekten im Automotive-Bereich als Experte für Standardisierung in der industriellen Automatisierung.
Was sind die größten Herausforderungen bei der Implementierung von KI in der Industrie und wie kann man sie erfolgreich bewältigen?
Die Herausforderungen sind unterschiedlich, was die Umsetzung in der Produktion selbst und in den Endprodukten anbelangt. Im Rahmen der Produktion kann KI in Planung, Qualitätskontrolle oder Konstruktion genutzt werden. Nicht zu vergessen der erfolgreiche Einsatz von KI bei der automatisierten Konzipierung standardisierter Projekte und der anschließenden Softwarenentwicklung mit Tools wie Industrial Copilot. Eine große Herausforderung ist der Einsatz von KI beim autonomen Fahren, wofür die rechtlichen Rahmenbedingungen erst noch geschaffen werden müssen. Diese Herausforderung muss von der Automobilindustrie in Abstimmung mit der Politik bewältigt werden, wobei insbesondere ethische Fragen zu klären sind und das Vertrauen der Öffentlichkeit gewonnen werden muss.

Michal Štěrba, Chief Executive Officer, GZ Media
Michal ist Generaldirektor und Vorstandsmitglied von GZ Media, einem weltweit führenden Hersteller von Schallplatten, der kürzlich in die USA und nach Kanada expandierte.
Was sind die größten Herausforderungen bei der Implementierung von KI in der Industrie und wie kann man sie erfolgreich bewältigen?
Die größte Herausforderung besteht in der Änderung der Denkweise und Kultur des Unternehmens. Verlassen Sie sich nicht darauf, dass ein externer Berater Wunder vollbringt. Nutzen Sie den gesunden Menschenverstand und die natürliche Intelligenz, auch wenn KI zum Einsatz kommt. Beginnen Sie mit dem Ziel, das erreicht werden soll, und suchen Sie dann nach geeigneten Mitteln zur Umsetzung.

Thilo Jörgl, Managing Partner, impact media projects, TEST CAMP INTRALOGISTICS
Thilo ist Journalist und Experte für Lieferketten, Automatisierung und Robotik. Er ist Geschäftsführer der impact media projects und leitet mehrere große Logistikinitiativen.
Was sind die größten Herausforderungen bei der Implementierung von KI in der Industrie und wie kann man sie erfolgreich bewältigen?
Ich würde die Antwort in fünf Punkten zusammenfassen:
1. Kein echter Mehrwert
Viele Unternehmen wollen KI nur einsetzen, weil sie in aller Munde ist, und nicht, weil sie nach einem echten Mehrwert in Bereichen wie Kundenzufriedenheit, Cross- und Up-Selling, Prozessoptimierung oder Qualitätsverbesserung suchen.
2. Unzureichende Kommunikation
Werden die Nutzer nicht über den Einsatz von KI informiert, ist ihnen gar nicht bewusst, dass sie mit einem KI-gestützten System interagieren. Das kann Vertrauensverlust und Ablehnung zur Folge haben.
3. Schlechte Datenqualität
KI-Systeme identifizieren in der Regel wiederkehrende Muster aus großen Datenmengen. Bei einer unzureichenden Datenbasis sind die Ergebnisse irrelevant.
4. Blindes Vertrauen
Auch wenn IT-Systeme mitunter eine erstaunliche „Intelligenz“ aufweisen, sind sie nicht immer für KI geeignet, beispielsweise dann, wenn sie keine ausreichend operationalisierbaren Daten liefern.
5. Mangelnde Transparenz
Aufgrund der Vielzahl von Einflussfaktoren und Methoden zur Bestimmung von KI-Ergebnissen kann es schwierig oder sogar unmöglich sein, im Nachhinein zu verstehen, wie ein bestimmtes Ergebnis erzielt worden ist.

Rostislav Schwob, Supply Chain Solutions Director, Aimtec
Rostislav ist Vorstandsmitglied von Aimtec und leitet langfristig Projekte mit Ausrichtung auf Digitalisierung und Automatisierung von Logistik und Produktion weltweit. Er rief das System Aimtec DCIx ins Leben und beteiligt sich aktiv an der Strategie des Unternehmens und der Entwicklung von Produkten, die neueste Trends unter Berücksichtigung der Kundenbedürfnisse reflektieren.
Was sind die größten Herausforderungen bei der Implementierung von KI in der Industrie und wie kann man sie erfolgreich bewältigen?
Die größte Herausforderung bei der Implementierung von KI in der Automobilindustrie – und nicht nur dort – besteht darin sicherzustellen, dass sie einen echten Wert generiert. KI kann eine Lösung vorbereiten, welche sich leicht nutzen, überprüfen und bestätigten lässt. Ein anderer muss dann die endgültige Freigabe erteilen. KI vermag den Menschen noch nicht zu ersetzen, kann ihm aber die Arbeit erleichtern.
Ist das Feedback aber nicht einfach und ungezwungen, werden Menschen es nicht geben, weil es für sie keinen Sinn ergibt. Bei einem gut konzipierten Prozess erhalten wir hingegen eine funktionierende Lösung und ein System für dauerhafte Veränderung.

Mojmír Barák, Koordinator Logistiksysteme, Škoda Auto
Mojmír Barák leitet derzeit das Digital Delivery Center im Rahmen der Logistik von Škoda Auto, wo sein Team die digitale Transformation beschleunigen will.
Was sind die größten Herausforderungen bei der Implementierung von KI in der Industrie und wie kann man sie erfolgreich bewältigen?
Wie bei jeder Technologie geht es auch hier um die Bereitschaft der Systeme und der Menschen. Bei Systemen ist es wichtig, die Zielarchitektur zu kennen und Integration, Daten und Plattformen gut durchdacht zu haben, um den einfachsten, schnellsten, aber auch nachhaltigsten Betrieb des gesamten Ökosystems zu gewährleisten. Was die Menschen anbelangt, bedarf es Aufklärung und einer aktiven Community. Wenn es gelingt, eine Gemeinschaft von Enthusiasten aufzubauen, wird dies die Implementierung und Entwicklung erheblich beschleunigen.

Václav Kopecký, Head of Key Accounts ČR, STILL ČR
Bei STILL ČR leitet Václav ein Team von Key-Account-Managern und verfügt über mehr als 20 Jahre Berufserfahrung in der Logistik. Neben konventionellen Lösungen befasste er sich in den letzten Jahren hauptsächlich mit Automatisierungsprojekten, die in unterschiedlichsten Marktsegmenten umgesetzt wurden.
Was sind die größten Herausforderungen bei der Implementierung von KI in der Industrie und wie kann man sie erfolgreich bewältigen?
Einer der größten Stolpersteine besteht zweifellos darin, dass KI-Systeme im Einklang mit den EU-Rechtsvorschriften stehen müssen, insbesondere in Hinblick auf Transparenz, Sicherheit und Datenschutz. Lieferanten müssen die Fahrer und andere Nutzer darüber informieren, dass sie KI einsetzen und wie. Nicht zu vergessen die Sicherheit und Zuverlässigkeit, was gründliche Tests und Sicherheitsvorkehrungen erforderlich macht, um Missbrauch zu verhindern.
Unternehmen müssen Daten über die KI-Nutzung erheben und verantwortungsvoll behandeln, z. B. indem sie das Einverständnis der Fahrer und anderer Nutzer einholen, Daten vor unbefugtem Zugriff schützen usw. Schließlich müssen Unternehmen die ethischen Auswirkungen des Einsatzes von KI-Systemen in ihren Fahrzeugen berücksichtigen und die Haftung für durch autonome Fahrzeuge verursachte Unfälle, mit fehlerhafter Objekterkennung verbundene Risiken usw. regeln.
Artikel teilen
Top News aus Logistik, IT und Produktion
Melden Sie sich für das Aimtec Insights an!
Mit Anmeldung zum Newsletter erkläre ich meine Einwilligung in die Verarbeitung personenbezogener Daten.
Erhalten Sie regelmäßig aktuelle News aus Logistik, Produktion
und IT per E-Mail!
Für das Aimtec Insights anmelden
Mit Anmeldung zum Newsletter erkläre ich meine Einwilligung in die Verarbeitung personenbezogener Daten.