KI verändert bereits heute, wie Fertigungsunternehmen ihre Produktion planen, Anlagen warten, auf Störungen in der Lieferkette reagieren und in Sekundenbruchteilen Entscheidungen in der Fertigung treffen. Doch all das funktioniert nicht ohne die Cloud.
Branchenübergreifend ist Cloud längst mehr als reine Infrastruktur. Sie wird zur Execution Layer für KI – also zu der Ebene, auf der KI sicher und skalierbar arbeiten kann. In der Fertigung steht dabei besonders viel auf dem Spiel. KI kann physische Maschinen, Montagelinien und die operative Kontinuität beeinflussen. Modelle, die in Pilotprojekten funktionieren, können im Betrieb schnell an Grenzen stoßen, wenn sie nicht mit den richtigen Daten und Factory-Systemen verbunden sind.
Der globale Report von NTT DATA, Cloud-led innovation in the era of AI: The new rules for driving value with cloud, zeigt diese Readiness-Lücke deutlich. Nur 14 % der befragten Unternehmen – und nur 10 % in Automotive und Manufacturing – bezeichnen sich selbst als „cloud-evolved“. Das bedeutet: Sie haben den höchsten Reifegrad in der Cloud erreicht, bei dem cloudbasierte Innovation fest in der zentralen Geschäftsstrategie verankert ist. Gleichzeitig sagen 99 %, dass KI, einschließlich Agentic AI, ihren Bedarf an Cloud-Investitionen erhöht hat.
Der Report beschreibt diesen Wandel anhand von sechs Regeln für Wertschöpfung mit Cloud in der KI-Ära. Für Fertigungsunternehmen stechen drei davon besonders hervor, weil sie nah an der Realität der Fabrik liegen: Architektur, Anwendungen und Sicherheit. Zwei dieser Regeln – Cloud-Architektur und moderne Anwendungen – werden von Fertigungsunternehmen sogar etwas höher gewichtet als im branchenübergreifenden Durchschnitt. Die dritte Regel betrifft Cloud Security.
Cloud-Architektur entscheidet, wie weit KI in der Fertigung skalieren kann
Cloud-Architektur ist zu einer strategischen Entscheidung für Fertigungsunternehmen geworden. Wenn sie festlegen, wo KI-Workloads platziert werden sollen, nennen 52 % der Fertigungsunternehmen Datensicherheit, Datenschutz und Compliance als zentrale Kriterien. Weitere 53 % verweisen auf den Bedarf nach mehr Kontrolle über Infrastruktur und Customization.
Diese Ergebnisse spiegeln die Realität in der Fertigung wider. KI-Workloads müssen unter Umständen sensible Produktionsdaten, geistiges Eigentum, Lieferanteninformationen oder Qualitätsdaten verarbeiten. Manche Workloads müssen nah an der Edge laufen, weil Latenz entscheidend ist. Andere benötigen hybride, private oder souveräne Umgebungen – aufgrund regulatorischer, sicherheitsrelevanter oder operativer Anforderungen.
Deshalb darf Cloud-Architektur nicht auf eine einfache Public-versus-Private-Cloud-Debatte reduziert werden. Ein Predictive-Maintenance-Modell, das auf Echtzeitdaten von Maschinen angewiesen ist, hat andere Anforderungen als ein Enterprise-Planning-Tool. Ein Digital Twin zur Produktionsoptimierung muss möglicherweise OT-, Engineering- und Supply-Chain-Daten aus mehreren Systemen integrieren. Ein AI Agent, der autonome Planung unterstützt, braucht klare Leitplanken: was er tun darf, auf welche Daten er zugreifen kann und wann ein Mensch eingebunden werden muss.
Architektur ist der Ausgangspunkt für intelligente Abläufe. Wer zu lange wartet, um zu entscheiden, wo KI-Workloads platziert werden, begrenzt möglicherweise genau die KI-Use-Cases, die eigentlich skaliert werden sollen.
- LESEN SIE AUCH: Warum langsame KI-Einführung in der Fertigung teurer ist
Moderne Anwendungen machen aus KI operativen Mehrwert
In der Fertigung entsteht Wert in Workflows: Produktionsplanung, Bestandsmanagement, Qualitätsüberwachung, Anlagenwartung, Auftragsabwicklung und Reaktion auf Störungen. Wenn diese Workflows in fragmentierten, veralteten oder schlecht integrierten Systemen feststecken, hat KI nur wenig Spielraum.
Branchenübergreifend sind mangelnde Data Readiness und Analytics-Herausforderungen der wichtigste Grund, warum Unternehmen mit dem Aufbau cloudnativer KI-Anwendungen unzufrieden sind. Für Fertigungsunternehmen ist dieses Problem besonders ausgeprägt, weil die benötigten Daten überall verstreut sind – von Enterprise-Resource-Planning- und Supply-Chain-Plattformen bis hin zu den Sensoren in der Fabrik.
Modernisierung bedeutet daher nicht nur, Code neu zu schreiben oder Anwendungen in Cloud-Plattformen zu verschieben. Es geht auch darum, das Business besser in die Lage zu versetzen, Signale zu erkennen, Entscheidungen zu treffen und zu reagieren. Unsere Studie zeigt außerdem: 55 % der Fertigungsunternehmen halten Industry-Cloud-Lösungen für extrem wichtig für ihre Cloud-Strategie. Das verdeutlicht den Bedarf an Funktionen, die auf Fertigungs-Workflows, Datenstrukturen und Governance ausgerichtet sind.
Fertigungsunternehmen sollten Agentic AI nicht als Abkürzung für Modernisierung missverstehen. Agents können Absichten interpretieren und Arbeit orchestrieren. Aber sie brauchen weiterhin verlässliche Systems of Record, starke Application Programming Interfaces, sauber gesteuerte Daten und klare Geschäftsregeln.
Sicherheit gibt Fertigungsunternehmen die Freiheit, schneller zu handeln
Security ist branchenübergreifend die wichtigste Investitionspriorität für Cloud. Sicherheits-, Governance-, Risiko- und Compliance-Bedenken im Zusammenhang mit autonomen Agents sind außerdem die größte Herausforderung für die Einführung von Agentic AI in cloudbasierten Lösungen in den nächsten 12 bis 18 Monaten.
Für Fertigungsunternehmen ist diese Priorität sehr praktisch begründet. Ihre Angriffsflächen erstrecken sich heute über IT-Systeme, OT-Umgebungen, vernetzte Produkte, Cloud-Plattformen, Edge Devices, Lieferantennetzwerke und zunehmend autonome KI-gestützte Workflows. Sicherheitslücken können nicht nur die Vertraulichkeit von Daten gefährden, sondern auch Produktionsverfügbarkeit, Arbeitssicherheit, geistiges Eigentum und Kundenverpflichtungen.
Sichere Abläufe im großen Maßstab müssen deshalb als Designprinzip behandelt werden. Wenn Fertigungsunternehmen mehr Assets verbinden, mehr operative Daten erfassen und mehr KI in Entscheidungsprozesse einführen, darf Security nicht nachträglich ergänzt werden. Sie muss von Beginn an in Architektur, Identitäten, Netzwerke, Data Governance und Plattformbetrieb eingebettet sein.
Die Grundlagen sind bekannt, aber sie gewinnen jetzt weiter an Bedeutung: starkes Identity and Access Management, klare Richtlinien zum Schutz von Daten, Zero-Trust-Prinzipien, kontinuierliches Monitoring, definierte Verantwortlichkeiten und konsistente Governance über Anbieter und Umgebungen hinweg. In KI-gestützten Umgebungen müssen diese Kontrollen auch berücksichtigen, wie Agents auf Daten zugreifen, Workflows auslösen und mit Business-Systemen interagieren.
Der nächste Schritt in Richtung intelligente Fertigung
Letztlich ist KI kein Zauberstab, den man einfach über die Montagelinie schwenkt. Sie ist ein leistungsstarkes Werkzeug – aber nur so gut wie die Cloud-Grundlage, auf der sie läuft.
Jetzt ist der richtige Zeitpunkt für Fertigungsunternehmen, eine sichere, vernetzte Umgebung aufzubauen, in der KI ihre Wirkung entfalten kann. Wer aus dem KI-Hype gelebte Realität machen will, sollte seine Cloud-Strategie jetzt genau prüfen.
IHR NÄCHSTER SCHRITT
Lesen Sie unseren Bericht Cloud-led innovation in the era of AI: The new rules for driving value with cloud, um tiefer in die Studienergebnisse einzusteigen.