49. FVI-Expertenfrühstück

Thema: „Was bleibt, wenn die Maschine rechnet?“ – Warum KI menschliches Erfahrungswissen nicht ersetzt, sondern dessen Bedeutung sogar erhöht.

Die Session stellte bewusst nicht einzelne KI-Tools in den Mittelpunkt, sondern die Frage, wie Unternehmen mit KI arbeiten können, ohne ihre eigene Entscheidungsfähigkeit zu verlieren. Besonders deutlich wurde dabei: Daten und KI können Muster erkennen – aber der entscheidende Kontext steckt häufig weiterhin in den Köpfen erfahrener Mitarbeiter.

• Die Maschine kennt die Daten – der Mensch kennt den Kontext: Ein besonders anschauliches Beispiel war ein vermeintlich problemlos laufender Antrieb. Sensordaten, Temperatur und Historie sahen unauffällig aus, weshalb eine KI eine Verlängerung des Wartungsintervalls empfehlen könnte. Der erfahrene Instandhalter widerspricht jedoch, weil er das tatsächliche Lastprofil, häufige Anfahrvorgänge und zusätzliche thermische Belastungen kennt. Seine Leistung besteht nicht darin, besser zu rechnen, sondern darin, den Gültigkeitsbereich der Daten richtig einzuordnen. Genau hier liegt menschliche Urteilskraft.
• Wissen sichern reicht nicht – Unternehmen müssen Urteilsvermögen sichern: Beim Ausscheiden erfahrener Mitarbeiter werden heute häufig Dokumentationen, Datenbanken oder Wikis aufgebaut. Das rettet Regeln und Fakten, aber oft nicht die entscheidenden Ausnahmen: Warum wurde in einer bestimmten Situation bewusst anders gehandelt? Welche Warnzeichen führen dazu, einer Systemempfehlung zu widersprechen? Die zentrale Erkenntnis der Episode lautet deshalb: Unternehmen müssen nicht nur Wissen konservieren, sondern auch begründete Abweichungen, Randbedingungen und Erfahrungsurteile erfassen.
• KI sollte Entscheidungen vorbereiten, nicht Verantwortung ersetzen: Der prägnanteste Satz der Session war: „Der Mensch entscheidet, die Maschine rechnet.“ KI kann analysieren, Zusammenhänge herstellen, Varianten liefern oder Lösungsvorschläge erstellen. Die Verantwortung für die Entscheidung bleibt jedoch beim Menschen. Besonders kritisch wird es, wenn KI-generierte Ergebnisse ungeprüft durch mehrere Hierarchieebenen weitergereicht werden und dadurch eine Verantwortungsdiffusion entsteht: Am Ende wirkt das Ergebnis professionell, obwohl möglicherweise schon die ursprüngliche Fragestellung falsch war.
• Effizienz darf nicht einfach zu noch mehr Arbeit führen: In der Diskussion wurde ein weiterer wichtiger Punkt deutlich: Wenn KI Zeit spart, darf die gewonnene Effizienz nicht automatisch bedeuten, dass Mitarbeiter lediglich noch mehr Aufgaben erhalten. Freie Zeit kann stattdessen genutzt werden, um Prozesse zu verbessern, Wissen zu dokumentieren, Systeme weiterzuentwickeln und neue Lösungswege auszuprobieren. Gleichzeitig entsteht durch KI ein neues Problem: Wenn jeder Mitarbeiter in kürzester Zeit große Mengen an Reports, Analysen und Vorschlägen erzeugt, verschiebt sich der Flaschenhals von der Erstellung zur Bewertung und Verantwortung. Qualität und Prägnanz werden damit wichtiger als reine Output-Menge.

Einordnung: Von gespeichertem Wissen zu Operativer Intelligenz

Diese Episode passt nahezu ideal zu unserer Strategie bei Hahn PRO: ADAM soll nicht den erfahrenen Techniker ersetzen, sondern dessen Wissen, Kontext und Urteilskraft im operativen Alltag nutzbar und dauerhaft verfügbar machen.

• Erfahrungswissen steckt im Kopf statt im System: Die Episode zeigt das Kernproblem sehr deutlich: Datenbanken kennen häufig den Normalfall, aber nicht die Ausnahme. Genau diese Ausnahme entscheidet in der Instandhaltung jedoch oft darüber, ob eine Anlage weiterläuft oder ungeplant stillsteht. Mit ADAM machen wir dieses implizite Wissen zu einem digitalen Unternehmenswert. Über sprachbasierte Rückmeldungen können Techniker nicht nur dokumentieren, was sie getan haben, sondern auch warum. Diese Informationen fließen in die Digitale Lebenslaufakte einer Anlage ein. So entsteht Schritt für Schritt eine Form von Operativer Intelligenz, die Maschinendaten, Dokumentation und menschliche Erfahrung miteinander verbindet. ADAM wird damit zum digitalen Tresor für den Erfahrungsschatz der Instandhaltung.
• Zu viele Daten, aber zu wenig nutzbarer Kontext: In vielen Brownfield-Umgebungen liegen Informationen verteilt in ERP-Systemen, Dokumenten, Tickets, Ordnern und den Köpfen einzelner Mitarbeiter. Das Problem ist deshalb nicht zwingend ein Mangel an Daten, sondern deren Auffindbarkeit und Einordnung. Unser Ansatz ist ADAM-First und Brownfield-Native: Wir warten nicht darauf, dass sämtliche Stammdaten perfekt bereinigt und jedes Altsystem vereinheitlicht wurde. ADAM verbindet vorhandene Informationen und macht sie über intelligente Suche und KI-Assistenten direkt nutzbar. Der Techniker muss nicht wissen, in welchem System eine Information liegt, er braucht im richtigen Moment die passende Information zur Anlage und zur konkreten Störung.
• KI darf den Menschen nicht aus dem Entscheidungsprozess drängen: Die Diskussion über Haftung und Verantwortung trifft einen Kern unserer Produktphilosophie. Eine Blackbox, die eigenständig Entscheidungen trifft, wäre in vielen operativen Situationen der falsche Ansatz. Wir verstehen ADAM deshalb als Augmentations-Technologie: als digitalen Kollegen und nicht als digitalen Vorgesetzten. Der Lösungs-Assistent kann historische Fälle, Dokumente und bekannte Lösungswege zusammentragen. Der Mensch bewertet diese Informationen jedoch anhand der realen Situation vor Ort. Gleichzeitig sorgt der Rückmelde-Assistent dafür, dass genau diese neue Erfahrung wieder strukturiert in der Digitalen Lebenslaufakte landet. So entsteht ein kontinuierlicher Kreislauf aus Suchen, Entscheiden, Handeln und Lernen.

Fazit: Je besser Maschinen rechnen können, desto wichtiger wird die Fähigkeit des Menschen, Ergebnisse einzuordnen, zu hinterfragen und Verantwortung zu übernehmen und genau dafür braucht es Systeme wie ADAM, die Daten nicht nur sammeln, sondern menschliches Erfahrungswissen in Operative Intelligenz verwandeln.