Intelligente Werkerführung: was KI am Montageplatz leistet

Der Schrauber meldet Gutteil. 42,3 Nm, Vorgabefenster 40 bis 45 Nm, alles im grünen Bereich. Der Werker bestätigt den Schritt, das Bauteil läuft weiter. Sechs Wochen später kommt es als Reklamation zurück: Verbindung gelöst. Die Kurve war nie außerhalb der Toleranz. Sie hatte nur eine kleine Delle im Anstieg, wie sie ein angeschnittenes Gewinde erzeugt. Kein Grenzwert der Welt konnte das sehen, weil Grenzwerte Endwerte prüfen und nicht Formen. Ein Modell, das zehntausend saubere Kurven derselben Verschraubung kennt, hätte es gesehen. Genau darum geht es bei intelligenter Werkerführung.

Bevor intelligente Werkerführung überhaupt ein Thema sein kann, lohnt ein Blick auf die Ausgangslage. Der Montageplatz ist die Stelle in der Fertigung, an der die meisten Entscheidungen pro Minute fallen und am wenigsten Daten entstehen. Eine Maschine liefert Zykluszeiten, Temperaturen und Drücke im Sekundenraster. Ein manueller Montageplatz liefert im Papierbetrieb einen Haken auf einer Liste, oft am Ende der Schicht gesetzt.

Digitale Werkerführung hat diese Lücke geschlossen. Sie führt Schritt für Schritt, dokumentiert jeden Schritt mit Werker-ID und Zeitstempel und macht Prozessänderungen sofort an allen Stationen wirksam. Damit entsteht erstmals ein Datenstrom, der auswertbar ist. Und genau dieser Datenstrom ist die Voraussetzung für die nächste Stufe: ein System, das nicht nur führt und dokumentiert, sondern das Dokumentierte bewertet.

Dieser Artikel klärt, was intelligente Werkerführung technisch ist, welche KI-Funktionen am Montageplatz heute produktiv laufen und welche im Pilotstatus stecken, welche Datenbasis sie voraussetzen, wo die Grenzen liegen und was die KI-Verordnung nach dem Digital Omnibus vom Juli 2026 konkret fordert. Wer nach Definition, Nutzen und Einführungsroadmap der Grundstufe sucht, findet das im Beitrag zu digitale Werkerführung.

Was intelligente Werkerführung ist und wo die Grenze zur digitalen Werkerführung liegt

Intelligente Werkerführung ist ein Werkerführungssystem, das die am Montageplatz erfassten Prozess- und Bestätigungsdaten mit Modellen des maschinellen Lernens auswertet und daraus Hinweise, Warnungen oder Anpassungen der Schrittfolge erzeugt. Der Werker sieht weiterhin Schritte. Was sich ändert, ist die Instanz, die entscheidet, ob ein Schritt in Ordnung war.

Der Unterschied ist präzise benennbar. Ein regelbasiertes System prüft gegen eine Vorgabe, die ein Mensch definiert hat: Drehmoment zwischen 40 und 45 Nm, Winkel zwischen 30 und 45 Grad, Scan vorhanden. Ein intelligentes System prüft gegen ein Muster, das aus historischen Daten gelernt wurde: Passt dieser Kurvenverlauf zu den Verläufen, die bisher zu Gutteilen geführt haben? Beide Prüfungen sind nötig. Die zweite fängt genau das, was der ersten strukturell entgeht.

In der Praxis liegen zwischen Papier und intelligenter Führung vier unterscheidbare Stufen. Die Einordnung ist keine Marketingskala, sondern eine Datenskala: Jede Stufe erzeugt die Datenqualität, die die nächste voraussetzt.

Begrifflich kursieren mehrere Bezeichnungen für dasselbe Feld. Montageassistenzsystem, digitaler Montageassistent und intelligentes Werkerassistenzsystem bezeichnen in der Praxis Systeme derselben Klasse, mit unterschiedlicher Betonung: Der Begriff Assistenzsystem betont die Unterstützung des Werkers, der Begriff Werkerführung betont die verbindliche Schrittfolge. Für die Bewertung eines Angebots ist die Bezeichnung unerheblich. Entscheidend ist, ob das System Schritte erzwingen und dokumentieren kann und auf welcher Datenbasis es bewertet. Wir verwenden im Folgenden durchgängig den Begriff intelligente Werkerführung, weil er die Verbindlichkeit der Schrittfolge mitführt.

Welche KI-Funktionen am Montageplatz 2026 praxisreif sind

Die Diskussion über KI-Werkerführung leidet daran, dass Pilotprojekte und Serienbetrieb sprachlich nicht getrennt werden. Am Montageplatz lässt sich diese Trennung sauber ziehen, weil die Datenvoraussetzungen je Funktion sehr unterschiedlich sind. Die folgende Einordnung beschreibt sieben Funktionen und den Reifegrad, den sie im Serienbetrieb erreicht haben.

Die Grenze zwischen serienreif und Pilot verläuft nicht entlang der Modellkomplexität, sondern entlang der Frage, ob es eindeutig gelabelte Negativfälle gibt. Anomalieerkennung in Kurven funktioniert, weil sie nur wissen muss, wie normal aussieht. Ein Root-Cause-Vorschlag funktioniert erst, wenn Ursachen in der Vergangenheit systematisch erfasst wurden, und genau das ist in den meisten Abweichungsmanagement-Systemen Freitext.

Wer die Funktionen über den Montageplatz hinaus einordnen will, findet den breiteren Rahmen im Beitrag zu KI in der Qualitätssicherung der Fertigung. Für die vorausschauende Seite, also die Prognose von Qualitätsproblemen aus Prozessparametern, ist Predictive Quality der passende Einstieg.

Wie KI Montagefehler erkennt, die in der Toleranz liegen

Das ist der Kern des Themas, und er wird selten präzise erklärt. Eine klassische Schraubfallüberwachung prüft Endwerte: Drehmoment am Abschaltpunkt, Drehwinkel ab Fügemoment, gegebenenfalls Gradient in einem definierten Fenster. Diese Prüfung ist notwendig und normativ verankert. VDI/VDE 2862 Blatt 1 verlangt für Schraubfälle der Kategorie A, also solche mit Gefahr für Leib und Leben, eine Überwachung jeder einzelnen Verschraubung. Sie sagt aber nicht, dass die Überwachung eines Endwerts jeden Fehler findet.

Denn der Endwert ist ein Skalar, und der Prozess ist eine Kurve. Zwei Verschraubungen können dasselbe Endmoment erreichen und völlig unterschiedliche Wege dorthin nehmen. Der Weg enthält die Information über den Zustand von Gewinde, Bauteil, Fügepartner und Werkzeug.

Die folgende Übersicht ordnet typische Montagefehler ihrem Merkmal im Kurvenverlauf zu und hält fest, ob eine reine Endwertprüfung sie findet. Die Fehlerbilder stammen aus CSP-Kundenprojekten in Automotive und Maschinenbau.

Ein Anomaliemodell arbeitet hier anders als eine Regel. Es lernt aus einer großen Menge unauffälliger Kurven derselben Verschraubung eine Vorstellung von normal und meldet Abweichungen von dieser Vorstellung. Der entscheidende Punkt: Es braucht keine Beispiele der Fehlerbilder oben. Es braucht genug Beispiele des Normalfalls. Deshalb ist diese Funktion die am Montageplatz am schnellsten produktiv setzbare. Die technische Umsetzung und die Auswertungslogik sind im Beitrag zur Kurvenausreißererkennung mit Curve Anomaly AI beschrieben.

Was KI bei Variantensteuerung und Schrittempfehlung übernimmt

Die Variantenverwechslung ist die häufigste Fehlerklasse bei Werkerführung in der Montage mit hoher Variantenvielfalt. Hier ist eine klare Abgrenzung nötig, weil in diesem Feld besonders viel als KI verkauft wird, was keine ist.

Die Steuerung der richtigen Variante ist keine KI-Aufgabe. Sie ist eine Integrationsaufgabe: Das MES übergibt den Fertigungsauftrag, die Werkerführung leitet daraus die korrekte Anweisungsvariante ab, der Werker muss nichts auswählen. Wenn ein Anbieter das als intelligente Funktion bezeichnet, ist das eine Fehlbezeichnung. Wie diese Kopplung technisch aussieht, ist im Beitrag zu Werkerassistenzsysteme mit MES-Anbindung ausgeführt.

Was KI in diesem Feld tatsächlich beiträgt, liegt eine Ebene darüber: Plausibilität. Das regelbasierte System weiß, welche Variante laut Auftrag gebaut werden soll. Das Modell erkennt, dass der beobachtete Ablauf nicht zu dieser Variante passt, auch wenn kein einzelner Schritt gegen eine Regel verstößt. Typische Signale: eine Taktzeit, die für diese Variante zu kurz ist, eine Schrittreihenfolge, die von der üblichen abweicht, oder ein Momentverlauf, der zu einem anderen Fügepartner passt.

Weil Hinweise unterschiedlich belastbar sind, braucht die Reaktion am Montageplatz eine Stufung. Vier Stufen haben sich bewährt, von hart nach weich:

Diese Eskalationsleiter ist gleichzeitig die Grundlage für die rechtliche Einordnung von intelligenter Werkerführung weiter unten. Stufe 1 und 2 sind Prozessüberwachung. Stufe 3 ist Entscheidungsunterstützung für einen Menschen. Erst wenn Stufe 4 dazu verwendet würde, die Leistung einzelner Werker zu bewerten, verändert sich die Rechtslage grundlegend.

Wie KI die Einarbeitung am Montageplatz verkürzt

Digitale Werkerführung verkürzt die Einarbeitung, weil das System führt statt der Erinnerung eines erfahrenen Kollegen. In CSP-Kundenprojekten liegt die typische Verkürzung an einer Montagestation bei einem Faktor zwischen zwei und vier, gemessen von der Ersteinweisung bis zur selbstständigen Arbeit auf normalem Fehlerniveau. Der Beitrag zu Einarbeitung in der Fertigung verkürzen behandelt diesen Effekt im Detail.

Was intelligente Werkerführung darüber hinaus beiträgt, liegt in drei Punkten, und keiner davon ist spektakulär.

Erstens Sprache. Anweisungstexte lassen sich modellbasiert in Zielsprachen ausgeben und bei Änderungen synchron halten. Das klingt trivial, löst aber ein echtes Betriebsproblem: Bisher war die Mehrsprachigkeit einer Anweisung an manuelle Übersetzungsschleifen gebunden, weshalb in der Praxis nach der dritten Prozessänderung nur noch die deutsche Fassung aktuell war. Eine veraltete Fremdsprachenfassung ist gefährlicher als keine.

Zweitens Detailtiefe. Adaptive Führung zeigt einem eingearbeiteten Werker die Kurzform und einem neuen Mitarbeitenden die ausführliche Fassung mit Zwischenbildern. Der Nutzen ist belegbar, die Umsetzung heikel: Sobald die Zuordnung auf Fehlerhistorie statt auf einer Qualifikationsmatrix basiert, entsteht eine Leistungsbewertung. Dazu unten mehr.

Drittens Fehlerschwerpunkte. Ein Modell erkennt, an welchen Schritten neue Mitarbeitende systematisch länger brauchen oder häufiger korrigieren. Das ist kein Werkerbefund, sondern ein Anweisungsbefund: Diese Schritte sind schlecht beschrieben. In der Praxis ist das der unterschätzte Hebel, weil er die Anweisungsqualität dauerhaft verbessert statt nur einen einzelnen Einarbeitungsfall.

Welche Datenbasis intelligente Werkerführung voraussetzt

Die Modellfrage ist in diesem Feld die einfachere. Die Datenfrage entscheidet über Erfolg und Scheitern. Sechs Voraussetzungen müssen erfüllt sein, und sie sind nicht verhandelbar, weil jede einzelne eine Eigenschaft betrifft, die sich nachträglich nicht rekonstruieren lässt.

Die sechs Datenvoraussetzungen

1. Bauteilbezug. Jeder erfasste Prozesswert braucht eine eindeutige Zuordnung zu einem konkreten Bauteil, üblicherweise über die Seriennummer als durchgehenden Primärschlüssel. Ohne diesen Bezug lässt sich ein Modellhinweis keinem Teil zuordnen, und die Reklamation im Feld lässt sich nicht mit dem Prozessverlauf verknüpfen. IATF 16949 verlangt diese Zuordnung in Abschnitt 8.5.2 ohnehin.
2. Zeitreihen statt Endwerte. Die Kurve muss gespeichert werden, nicht nur das Abschaltmoment. Als Orientierung für Schraubprozesse: eine Abtastung, die den Anstieg mit mindestens einigen Dutzend Stützpunkten abbildet. Wer nur Endwerte archiviert, kann Kurvenanomalien nicht erkennen, unabhängig vom eingesetzten Modell.
3. Werker- und Werkzeug-ID je Schritt. Ohne Werkzeug-ID ist Verschleißdrift nicht von Bauteilstreuung zu trennen. Die Werker-ID ist für die Rückverfolgbarkeit nach IATF 16949 erforderlich, ihre Verwendung in Modellen ist jedoch strikt zweckzubinden.
4. Gelabelte Negativfälle. Für reine Anomalieerkennung genügen Gutfälle. Für jede Funktion, die eine Fehlerursache benennen soll, braucht es Vorfälle mit verlässlich zugeordneter Ursache. Freitext im Abweichungsmanagement ist dafür nicht ausreichend, ein Fehlerkatalog mit stabilen Klassen ist es.
5. Zeitliche Tiefe. Der Datensatz muss mindestens einen vollständigen Werkzeugwechselzyklus und einen Materialchargenwechsel umfassen. Andernfalls lernt das Modell Eigenschaften eines Werkzeugs oder einer Charge als Normalzustand und meldet nach dem Wechsel flächendeckend Anomalien.
6. Einheitliche Prozessdefinition. Derselbe Schritt muss auf allen Linien und in allen Schichten unter derselben Schritt-ID und mit derselben Semantik erfasst werden. Uneinheitliche Prozessdefinitionen sind der häufigste Grund, warum ein Modell aus einem Pilot auf einer zweiten Linie nicht mehr funktioniert.

Der Aufbau dieser Basis ist kein KI-Projekt, sondern ein Prozessdatenprojekt. Es ist die gleiche Arbeit, die für belastbare Auswertungen ohne KI ebenfalls nötig ist, weshalb sie sich auch dann rechnet, wenn das Modell später nie kommt. Die methodischen Schritte sind im Beitrag zur Prozessdatenanalyse in der Qualitätssicherung beschrieben.

Der Satz, den wir in Projekten am häufigsten sagen müssen, lautet: Ihr Modell wird nicht besser als Ihre Schritt-ID. Wer denselben Montageschritt auf Linie 1 anders benennt als auf Linie 2, hat kein KI-Problem. Er hat ein Stammdatenproblem, das sich nur als KI-Problem äußert.

Amadeus Lederle, Chief Technology Evangelist, CSP Intelligence GmbH

Was die KI-Verordnung für KI am Montageplatz vorschreibt

Dieser Abschnitt ist im September 2026 der praktisch relevanteste, weil sich die Fristen kurzfristig geändert haben. Die KI-Verordnung, Verordnung (EU) 2024/1689, gilt seit dem 1. August 2024. Die Änderungsverordnung (EU) 2026/1744, bekannt als Digital Omnibus on AI, wurde am 24. Juli 2026 im Amtsblatt veröffentlicht und trat am 27. Juli 2026 in Kraft, also sechs Tage vor dem ursprünglichen Stichtag für die Hochrisiko-Pflichten. Sie verschiebt diese Pflichten um sechzehn Monate.

Für den Montageplatz sind drei Einordnungen zu unterscheiden, und die Unterscheidung hängt am Zweck des Systems, nicht an der Technik.

Wichtig für die Planung: Die neuen Termine sind fest und nicht mehr an die Verfügbarkeit harmonisierter Normen gekoppelt. Der Digital Omnibus hat diesen Auslösemechanismus aus dem Entwurf entfernt und durch feste Daten ersetzt. Gleichzeitig ist die Verschiebung kein Grund zum Abwarten: Die Pflicht zur KI-Kompetenz nach Artikel 4 gilt unverändert, und die Nachweise, die ein Hochrisiko-System später braucht, entstehen aus dem Betrieb. Wer erst 2027 anfängt, Protokolle zu führen, hat 2027 keine Historie.

Diese Einordnung ist eine fachliche Orientierung und ersetzt keine rechtliche Prüfung des Einzelfalls. Prüfen Sie die Einordnung Ihres konkreten Systems gemeinsam mit Rechtsabteilung, Datenschutz und Arbeitnehmervertretung.

Was KI am Montageplatz nicht leistet

Intelligente Werkerführung hat klar benennbare Grenzen. Fünf davon sind in Projekten regelmäßig der Punkt, an dem Erwartung und Ergebnis auseinanderfallen. Sie offen zu benennen ist die Voraussetzung dafür, dass ein Projekt mit realistischen Zielen startet.

Der wichtigste Satz zu diesem Abschnitt: Vier der fünf Grenzen sind keine Modellgrenzen. Sie sind organisatorische Grenzen. Das ist eine gute Nachricht, weil organisatorische Grenzen verschiebbar sind, und eine unangenehme, weil das Verschieben Arbeit im eigenen Haus bedeutet und nicht durch die Auswahl eines anderen Anbieters gelöst wird.

Intelligente Werkerführung in vier Schritten einführen

Die Einführung intelligenter Werkerführung folgt einer anderen Logik als die Einführung der digitalen Grundstufe. Dort beginnt man mit einer Station. Hier beginnt man mit einem Fehlerfall, weil sich der Nutzen nur an einem konkreten Fehlerbild nachweisen lässt.

Der häufigste Abbruchpunkt ist Schritt 3. Ein Modell, das in vier Wochen Schattenbetrieb zwei echte Treffer und vierzig Fehlalarme produziert, ist nicht produktionsreif, auch wenn die zwei Treffer beeindruckend sind. Definieren Sie das Abbruchkriterium vor dem Start und nicht danach, weil die Versuchung sonst groß ist, die Schwelle nachträglich anzupassen.

Ebenso wichtig: Schritt 1 ist bei den meisten Unternehmen nicht in vier Wochen erledigt, sondern endet mit dem Ergebnis, dass die Datenlage nicht ausreicht. Das ist kein Projektabbruch, sondern das eigentliche Ergebnis. Der Aufbau der Datenbasis ist dann das Projekt, und intelligente Werkerführung ist das Ziel danach.

Manufacturing OS am Montageplatz: PGX, IPM und Curve Anomaly AI

Das Manufacturing OS von CSP deckt die vier Stufen der Reifegradmatrix bis zur intelligenten Werkerführung in einer Architektur ab, statt sie auf getrennte Systeme mit Schnittstellenprojekten zu verteilen. Für den Montageplatz sind drei Bausteine relevant.

Die Reihenfolge ist dabei die Kernaussage: PGX erzeugt den Schrittbezug, IPM erzeugt die Zeitreihe, Curve Anomaly AI bewertet sie. Wer die Bewertung ohne die beiden ersten Bausteine einkauft, kauft ein Modell ohne Datenbasis. Einen Überblick über das Werkerführungsmodul und die Möglichkeit einer Demo finden Sie auf der Produktseite zur Werkerführung PGX.

Fazit

Intelligente Werkerführung ist keine neue Produktkategorie, sondern eine Auswertungsschicht über einer Datenbasis, die die digitale Grundstufe erst erzeugt. Ihr spezifischer Nutzen ist eng umschrieben und dafür belastbar: Sie findet die Montagefehler, die formal innerhalb der Toleranz liegen und der Endwertprüfung deshalb strukturell entgehen.

Drei Entscheidungen bestimmen, ob ein Projekt trägt. Erstens die Datenentscheidung: Zeitreihen statt Endwerte, Bauteilbezug, Werkzeug-ID. Zweitens die Reaktionsentscheidung: Was am Platz mit einem Hinweis passiert, gestuft nach Modellsicherheit. Drittens die Zweckentscheidung: Prozessüberwachung oder Leistungsbewertung, denn davon hängt die gesamte rechtliche Einordnung nach der KI-Verordnung ab.

Wer diese drei Entscheidungen vor der Anbieterauswahl trifft, führt ein Prozessprojekt mit KI-Anteil. Wer sie danach trifft, führt ein KI-Projekt mit Prozessproblemen.

Häufig gestellte Fragen

Was ist intelligente Werkerführung?

Intelligente Werkerführung ist ein Werkerführungssystem, das die am Montageplatz erfassten Prozess- und Bestätigungsdaten mit Modellen des maschinellen Lernens auswertet und daraus Hinweise, Warnungen oder Anpassungen der Schrittfolge erzeugt. Der Werker wird weiterhin Schritt für Schritt geführt. Neu ist die Bewertungsinstanz: Statt nur gegen vom Menschen definierte Grenzwerte zu prüfen, vergleicht das System den beobachteten Prozessverlauf mit Verläufen, die historisch zu Gutteilen geführt haben. Typische Funktionen sind Anomalieerkennung in Schraub- und Einpresskurven, bildbasierte Vollständigkeitsprüfung und risikobasierte Priorisierung von Prüfschritten.

Worin unterscheidet sich intelligente Werkerführung von digitaler Werkerführung?

Digitale Werkerführung führt regelbasiert: Sie zeigt den richtigen Schritt, erzwingt Bestätigungen, sperrt bei Verstoß gegen definierte Grenzwerte und dokumentiert automatisch. Intelligente Werkerführung ergänzt eine auswertende Schicht darüber, die Muster in den erfassten Daten bewertet. Der praktische Unterschied liegt in der Fehlerklasse, die erkannt wird: Regelbasierte Prüfung findet Werte außerhalb der Toleranz, modellbasierte Auswertung findet Auffälligkeiten innerhalb der Toleranz, etwa eine Delle im Momentanstieg bei korrektem Endmoment. Digitale Werkerführung ist dabei die Voraussetzung, nicht die Alternative: Ohne den von ihr erzeugten Schrittbezug fehlt die Datenbasis für jedes Modell.

Welche KI-Funktionen am Montageplatz sind heute praxisreif?

Serienreif sind 2026 vier Funktionen: Anomalieerkennung in Prozesskurven wie Schraub-, Einpress- und Fügekurven, bildbasierte Vollständigkeitsprüfung bei fixierter Kameraposition und stabiler Beleuchtung, mehrsprachige Anweisungsausgabe mit versionssynchroner Pflege und risikobasierte Priorisierung von Prüfschritten in Verbindung mit einem Prüfplan. Im Pilotstatus stehen adaptive Schrittführung nach Erfahrungsstand, Root-Cause-Vorschläge bei Abweichungen und sprachbasierte Abweichungserfassung. Die Grenze verläuft nicht entlang der Modellkomplexität, sondern entlang der Frage, ob eindeutig gelabelte Negativfälle vorliegen.

Kann KI Montagefehler erkennen, die innerhalb der Toleranz liegen?

Ja, und genau darin liegt ihr spezifischer Beitrag am Montageplatz. Eine klassische Schraubfallüberwachung prüft Endwerte wie Abschaltmoment und Drehwinkel. Ein Anomaliemodell prüft die Form des gesamten Kurvenverlaufs. Damit werden Fehlerbilder erkennbar, die den Endwert nicht verletzen: angeschnittenes Gewinde durch eine Delle in der Anstiegsphase, fehlende Unterlegscheibe durch einen verkürzten Anzugsweg bei korrektem Moment, Späne im Gewinde durch unregelmäßige Zacken im Verlauf, Werkzeugverschleiß durch langsame Drift der Kurvenform über Wochen. Voraussetzung ist, dass die vollständige Zeitreihe gespeichert wird und nicht nur der Endwert.

Welche Daten braucht ein intelligentes Werkerassistenzsystem?

Sechs Voraussetzungen müssen erfüllt sein. Erstens Bauteilbezug über eine eindeutige Seriennummer als durchgehenden Primärschlüssel. Zweitens vollständige Zeitreihen je Prozessschritt statt Endwerte. Drittens Werker- und Werkzeug-ID je Schritt, weil Verschleißdrift sonst nicht von Bauteilstreuung zu trennen ist. Viertens gelabelte Negativfälle, sobald eine Funktion Ursachen benennen soll. Fünftens zeitliche Tiefe über mindestens einen Werkzeugwechselzyklus und einen Materialchargenwechsel. Sechstens eine einheitliche Prozessdefinition mit derselben Schritt-ID über alle Linien und Schichten. Fehlt eine dieser Voraussetzungen, liefert kein Modell belastbare Ergebnisse, unabhängig von seiner Güte.

Ist intelligente Werkerführung nach dem EU AI Act ein Hochrisiko-System?

Das hängt am Zweck, nicht an der Technik. Ein System, das ausschließlich prozess- und bauteilbezogen auswertet, etwa Kurvenanomalien je Verschraubung meldet, fällt nicht unter Anhang III der Verordnung (EU) 2024/1689. Sobald dieselbe Datenbasis genutzt wird, um Leistung oder Verhalten einzelner Werker zu bewerten oder Aufgaben nach Modellurteil zuzuweisen, greift Anhang III Nummer 4 mit dem vollen Hochrisiko-Pflichtenkatalog. Die Änderungsverordnung (EU) 2026/1744, der Digital Omnibus on AI, hat den Geltungsbeginn dieser Pflichten vom 2. August 2026 auf den 2. Dezember 2027 verschoben, für KI als Sicherheitsbauteil regulierter Produkte nach Anhang I auf den 2. August 2028. Unverändert gilt die Pflicht zur KI-Kompetenz nach Artikel 4 seit dem 2. Februar 2025. Ebenfalls unverändert gilt seit diesem Datum das Verbot von Emotionserkennung am Arbeitsplatz nach Artikel 5. In Deutschland kommt die Mitbestimmung nach § 87 Absatz 1 Nummer 6 BetrVG hinzu.

Darf KI in der Montage über Gutteil oder Schlechtteil entscheiden?

Nein, nicht als abschließende Freigabeentscheidung. KI-gestützte Verfahren erweitern die Prüfung, weil sie Auffälligkeiten innerhalb der Toleranz sichtbar machen. Die Entscheidung selbst muss nachvollziehbar und menschlich verantwortet bleiben. Artikel 14 der KI-Verordnung verlangt für Hochrisiko-Systeme wirksame menschliche Aufsicht, IATF 16949 und die EU-Produkthaftungsrichtlinie 2024 setzen nachvollziehbare Entscheidungen voraus. Praktisch bedeutet das eine gestufte Reaktion: harte Sperre nur bei deterministischem Regelverstoß, bei Modellhinweisen dagegen Kennzeichnung des Bauteils und dokumentierte Entscheidung durch eine qualifizierte Person.

Lohnt sich intelligente Werkerführung auch bei kleinen Losgrößen?

Für Anomalieerkennung in Prozesskurven meist nicht, weil das Verfahren eine ausreichende Menge vergleichbarer Vorgänge je Schraubfall oder Prüfmerkmal voraussetzt. Bei Einzel- und Kleinserienfertigung liegt der größere Hebel auf der digitalen Grundstufe: prozessabhängige Schrittführung, Sperrlogik bei kritischen Schritten, automatische Dokumentation und Rückverfolgbarkeit je Bauteil. Diese Funktionen wirken unabhängig von der Stückzahl. Zwei KI-Funktionen bleiben auch bei kleinen Losgrößen sinnvoll, weil sie nicht auf Prozessmengen beruhen: mehrsprachige Anweisungsausgabe und die Auswertung, an welchen Schritten Anweisungen systematisch unklar sind.