Wem gehört die industrielle Intelligenz?

Produktionsdaten, KI und die Frage, wer künftig über Ihre Wertschöpfung entscheidet.

Eine Maschine erkennt eine Abweichung, bevor Ausschuss entsteht. Ein KI-Modell verbindet Qualitätsdaten mit Produktionsparametern. Das ERP erkennt Materialengpässe, bevor ein Fertigungsauftrag gefährdet ist.

Der wirtschaftliche Wert entsteht aus dem Zusammenspiel von Maschinendaten, ERP, MES, Qualität, Prozesswissen und zunehmend KI. Genau deshalb wird eine zunächst technische Frage zur Managementfrage:

Die Entwicklung ist im industriellen Alltag angekommen

2025 nutzten rund 20 Prozent der EU-Unternehmen mit mindestens zehn Beschäftigten mindestens eine KI-Technologie. Dazu zählen Anwendungen für Produktionsprozesse, Unternehmenssteuerung, Sicherheit und Forschung. Quelle: Eurostat, KI-Nutzung 2025.

Parallel dazu verlagern sich Rechenleistung und Datenverarbeitung in Cloud-Modelle. Rund 47 Prozent der EU-Unternehmen nutzten 2025 fortgeschrittene oder intermediäre Cloud-Dienste, etwa für ERP, Datenbanken oder die Entwicklung von Anwendungen. Quelle: Eurostat, Digital-Decade-Indikatoren 2026.

Damit verändert sich die Ausgangslage. Neben dem Speicherort zählt, wer auf Daten zugreifen kann, wer ihre Bedeutung kennt und wer daraus im Betrieb handlungsfähige Entscheidungen macht.

Datenzugang, Nutzung und Kontrolle zusammen denken

Der Titel dieses Artikels ist bewusst zugespitzt. Bei industriellen Daten gibt es keinen universellen Eigentumsbegriff wie bei einer Maschine. Praktisch relevant sind Zugangsrechte, Nutzungsrechte, vertragliche Kontrolle, Schutzrechte, Schnittstellen und technische Portabilität.

Der EU Data Act gilt seit dem 12. September 2025. Er stärkt die Möglichkeiten von Nutzern vernetzter Produkte, auf erfasste Nutzungsdaten zuzugreifen und sie ausgewählten Dritten bereitzustellen. Die Kommission nennt Industriemaschinen ausdrücklich als Anwendungsfall. Für abgeleitete Informationen greifen diese Zugangsregeln nicht pauschal; Geschäftsgeheimnisse und geistige Eigentumsrechte sind gesondert zu berücksichtigen. Quelle: Europäische Kommission, Data Act erklärt.

Für Unternehmen entsteht damit mehr Handlungsspielraum. Um ihn wirtschaftlich zu nutzen, müssen Daten und Prozesswissen zusammenkommen.

Vier Ebenen bestimmen den tatsächlichen Wert

Nehmen wir eine Produktionsanlage, deren Sensordaten künftig für Qualitätsprognosen genutzt werden sollen.

Mit jeder Ebene wächst der potenzielle Geschäftswert. Gleichzeitig steigen die Anforderungen an Datenqualität, Schnittstellen, Verantwortlichkeiten und Betriebsfähigkeit. Klären Sie deshalb vor der Auswahl eines KI-Werkzeugs oder einer Cloud-Plattform, welche dieser Ebenen Sie selbst kontrollieren müssen.

Der Industrial-Intelligence-Check

Für einen konkreten Anwendungsfall helfen sechs Fragen, bevor eine Plattform- oder Anbieterentscheidung getroffen wird.

So wird aus einer abstrakten Diskussion über Datensouveränität ein konkreter Entscheidungsfall.

Ein guter Pilot beginnt beim Geschäftsziel

Angenommen, ein Unternehmen möchte Ausschuss durch eine KI-gestützte Qualitätsprognose verringern. Zunächst wird definiert, welche Kennzahl verbessert werden soll. Dann wird festgelegt, welche Daten dafür tatsächlich benötigt werden. Anschließend lassen sich Architektur und Plattform sinnvoll vergleichen.

Vor dem Pilotstart steht außerdem fest, wann das Ergebnis als ausreichend gilt:

• Wie zuverlässig erkennt die Lösung relevante Abweichungen?
• Wie viel manuelle Prüfung bleibt übrig?
• Was kosten Datenaufbereitung und Betrieb?
• Wie fließt das Ergebnis in den tatsächlichen Produktionsprozess ein?

Dieses Vorgehen lässt sich auf weitere KI-Anwendungsfälle übertragen: Zweck, notwendige Daten, Betriebsmodell, Testkriterien und Verantwortung werden vor einer breiten Einführung gemeinsam festgelegt.

Souveränität heißt, Kontrolle bewusst zu gestalten

Eigenbetrieb, Private Cloud, öffentliche Cloud-Dienste und Software-as-a-Service können jeweils sinnvoll sein. Ausschlaggebend sind der konkrete Anwendungsfall und die Verantwortung, die Ihr Unternehmen selbst tragen möchte.

Welche Kontrolle benötigen wir für diese Anwendung und welche Verantwortung können wir bewusst abgeben?

Der Data Act enthält auch Regeln zum Wechsel zwischen Datenverarbeitungsdiensten. Sie sollen Hindernisse für einen Anbieterwechsel und die parallele Nutzung mehrerer Dienste abbauen. Die praktische Umsetzbarkeit bleibt Teil Ihrer Entscheidung über Architektur und Vertrag. Quelle: Europäische Kommission, Anbieterwechsel.

Welche Rolle spielt STACKIT?

STACKIT kann für solche Szenarien eine mögliche souveräne Plattform sein. Unsere Sourcing Advisory vergleicht Betriebsmodelle und Anbieter anhand Ihrer Anforderungen. Zu den auf unserer Website vorgestellten Plattformpartnern gehören STACKIT, Google Cloud und T-Systems. Die Auswahl erfolgt ergebnisoffen.

Für industrielle KI ist diese Reihenfolge entscheidend. Prozesswissen, Datenmodell, Schnittstellen, Verantwortlichkeiten und Betriebsfähigkeit bestimmen gemeinsam, ob eine Plattform im Unternehmen Wirkung entfalten kann.

Was Sie für Ihre nächste Entscheidung vorbereiten können

Wählen Sie einen einzelnen industriellen Anwendungsfall. Beantworten Sie die sechs Fragen aus dem Check gemeinsam mit Fachbereich, Produktion, IT und kaufmännischer Verantwortung.

Der passende nächste Schritt bei LD7

LD7. Vom Beschluss zur Wirkung.

Quellen und Einordnung

Stand: 29. September 2026. Die Eurostat-Daten beziehen sich auf 2025 und die erfassten Wirtschaftsbereiche mit mindestens zehn Beschäftigten einschließlich Selbstständiger. Sie beschreiben Nutzung, nicht den wirtschaftlichen Erfolg einzelner Projekte. Der Cloud-Wert bezieht sich auf fortgeschrittene oder intermediäre Dienste.

• Eurostat: Use of artificial intelligence in enterprises
• Eurostat: Towards Digital Decade targets for Europe, Juni 2026
• Europäische Kommission: Data Act explained
• Verordnung (EU) 2023/2854: Data Act

Die konkrete rechtliche Anwendbarkeit ist je Produkt, Vertrag und Datenart zu prüfen. Die vier Ebenen und der Check sind eine fachliche Strukturierung von LD7.