KI im Maschinenbau 2026: Fünf Use Cases von Konstruktion bis Recruiting

Auf einen Blick: Der deutsche Maschinenbau mit rund einer Million Beschäftigten sitzt auf Sensordaten, Konstruktionswissen und Servicehistorien. KI hebt fünf Stellen: Generative Konstruktion, Angebots-Kalkulation, Predictive Maintenance, technische Dokumentation und Recruiting. Maschinenverordnung 2023/1230 ab Januar 2027 und die verschärfte Produkthaftungsrichtlinie ab Dezember 2026 setzen die Leitplanken.

Drei Verordnungen kommen 2026 und 2027 zusammen auf den Maschinenbau-Mittelstand zu. Die Maschinenverordnung (EU) 2023/1230 löst ab 20. Januar 2027 die Maschinenrichtlinie 2006/42/EG ab und enthält erstmals spezifische Anforderungen an KI-Komponenten in Maschinen. Die überarbeitete Produkthaftungsrichtlinie (EU) 2024/2853 gilt ab Dezember 2026 und verschärft die Beweislast für Hersteller. Die KI-Verordnung verschiebt zwar die Anhang-I-Pflichten für Sicherheits-KI in Maschinen durch das Omnibus-Paket vom 7. Mai 2026 auf den 2. August 2028, der Druck bleibt aber. Dieser Artikel geht durch die fünf Use Cases, in denen KI heute schon Hebel bringt, und zeigt, was rechtlich beachtet werden muss.

Use Case 1: Generative Konstruktion

Konstruktion ist die Stelle, an der die Sprünge 2026 am sichtbarsten sind. Generative-Design-Tools nehmen Lastenheft und Randbedingungen entgegen und schlagen Bauteilgeometrien vor, die ein Konstrukteur in dieser Form selten gezeichnet hätte. Autodesk Fusion mit Generative Design, Siemens NX AM Process Simulation, nTopology und PTC Creo Generative Topology Optimization sind die etablierten Werkzeuge.

Was geht heute zuverlässig: Topologieoptimierung für Einzelteile mit klaren Lastfällen. Wer eine Halterung gegen definierte Kräfte auslegen muss, bekommt vom Tool drei bis fünf Vorschläge, oft mit zehn bis dreißig Prozent weniger Materialeinsatz bei gleicher Steifigkeit. Das spart bei additiver Fertigung Druckzeit, beim Frästeil Rohmaterial und beim Gussteil Werkzeugkosten.

Was noch nicht zuverlässig läuft: vollständige Baugruppen-Generierung. Wer eine komplette Pumpe oder ein Getriebe von der KI auslegen lässt, bekommt Vorschläge, die normativ nicht halten. Sicherheits-Beiwerte nach Maschinenverordnung, Werkstoffkennwerte nach DIN EN und Toleranzklassen nach ISO 286 sind in den generativen Modellen nicht sauber hinterlegt. Hier bleibt der Konstrukteur mit jahrelanger Erfahrung der eigentliche Wert.

Was die Maschinenverordnung 2023/1230 hier verlangt: Wenn KI bei sicherheitsrelevanten Komponenten mitwirkt, muss der Hersteller den Beitrag der KI dokumentieren. Wer eine Schutzeinrichtung oder eine drucktragende Komponente teilweise generativ entwirft, gehört in die technische Dokumentation, welcher Teil von der KI stammt und wie der Mensch die Entscheidung freigegeben hat. Das ist neu und wird viele Konstruktionsbüros 2027 in Erklärungsnot bringen, wenn die Dokumentation fehlt.

Use Case 2: Angebots-Kalkulation und Variantenkonfiguration

Im Sondermaschinenbau ist die Angebotsphase ein klassischer Engpass. Ein erfahrener Vertriebsingenieur braucht für ein vollständig durchkalkuliertes Angebot ein bis drei Tage. Bei dreißig Anfragen pro Monat geht das nicht.

Was funktioniert: KI als Vorkalkulations-Assistent auf Basis abgeschlossener Projekte. Wer die letzten fünfzig durchgerechneten Anfragen sauber dokumentiert hat, also mit Material, Fertigungsaufwand, Konstruktionsstunden, Sonderkosten und finalem Angebotspreis, kann ein Modell trainieren oder einem LLM als Kontext geben. Die KI nimmt eine neue Anfrage, vergleicht sie mit ähnlichen vergangenen Projekten und liefert eine Vorkalkulation in fünfzehn Minuten statt einem Tag.

Variantenkonfiguratoren mit KI-Schicht sind die zweite produktive Stelle. CPQ-Systeme wie Tacton CPQ, configure one oder Combeenut bieten seit 2025 KI-Erweiterungen, die aus Kundenanfragen in Freitext eine technische Spezifikation ableiten und passende Varianten vorschlagen. Das ist besonders nützlich, wenn der Vertrieb mit Kundenanfragen in unstrukturiertem Format umgehen muss.

Was die Grenze ist: Endpreis-Bestätigung. Die KI kann den 80-Prozent-Fall schnell, aber sie kennt nicht die aktuelle Auslastung der eigenen Werkstatt, nicht die Verhandlungs-Historie mit dem Kunden und nicht die strategischen Margen-Entscheidungen. Diese Schritte gehören weiterhin in die Hand eines Menschen mit Vertriebsverantwortung.

Use Case 3: Predictive Maintenance und Servicefall-Analyse

Hier sitzt der Hebel im Mittelstand am tiefsten, und gleichzeitig die größte Datenschuld. Maschinenbau-KMU haben Sensoren in den ausgelieferten Anlagen, oft seit Jahren. Was sie selten haben: eine saubere Datenarchitektur, in der Schwingungsdaten, Temperaturkurven, Stromaufnahmen und Servicefälle zueinander gehören.

Was funktioniert, wenn die Datenbasis stimmt: Anomalieerkennung auf Sensorzeitreihen. Tools wie Siemens MindSphere, PTC ThingWorx, Cognite Data Fusion oder Open-Source-Stacks auf InfluxDB plus Grafana plus eigenen KI-Modellen erkennen Abweichungen vom Normalbetrieb deutlich vor einem Schaden. Bei kontinuierlich laufenden Aggregaten wie Pumpen, Lüftern oder Spindeln sehen wir in der Praxis Vorwarnzeiten von zwei bis sechs Wochen vor dem Ausfall.

Servicefall-Analyse ist die zweite produktive Stelle. Wer Servicemeldungen seit Jahren als Tickets im CRM hat, kann ein LLM darauf ansetzen und Muster finden, die einem einzelnen Servicetechniker entgehen. Beispiel: Eine bestimmte Baureihe zeigt nach 18 Monaten gehäuft Lagerprobleme an einer bestimmten Welle. Diese Erkenntnis fließt in die nächste Generation als Konstruktionsänderung zurück.

Was die Datenarbeit kostet: Die meisten Maschinenbau-KMU brauchen zwei bis sechs Monate Aufräumarbeit, bevor die KI sinnvoll arbeiten kann. Sensoren benennen, Servicetickets normalisieren, Stammdaten aufräumen, Aggregations-Layer bauen. Wer das überspringt, kommt in der KI-Phase nicht weiter, weil das Modell auf Datenmüll trainiert.

Use Case 4: Technische Dokumentation und Übersetzung

Technische Dokumentation ist im Maschinenbau eine Pflicht mit erheblichem Aufwand. Die Maschinenverordnung 2023/1230 verlangt eine Bedienungsanleitung in den Amtssprachen aller Länder, in denen die Maschine vertrieben wird. Wer in der EU verkauft, hat damit oft zehn bis dreiundzwanzig Sprachen.

Was funktioniert: KI-gestützte Übersetzung mit Fachterminologie. Tools wie DeepL Pro mit eigenem Glossar, Across, MemoQ mit KI-Plugin oder Lengoo arbeiten mit eigener Terminologiedatenbank des Herstellers. Wer einmal seine Fachbegriffe sauber pflegt, bekommt Übersetzungen, die ein Lektor in zwei bis vier Stunden pro 100 Seiten auf Endqualität bringt. Das ist gegenüber klassischer Übersetzung ein Faktor drei bis fünf.

Erstellung in der Ausgangssprache ist die zweite Stelle. Wer eine Konstruktionsänderung hat, kann mit einem LLM aus dem Änderungsprotokoll, dem CAD-Modell und der bestehenden Doku eine aktualisierte Beschreibung erzeugen. Das ist kein Ersatz für den technischen Redakteur, aber eine deutliche Beschleunigung der Routinearbeit.

Was zu beachten ist: Die neue Produkthaftungsrichtlinie (EU) 2024/2853 verschärft die Beweislast. Wenn die Bedienungsanleitung lückenhaft ist und der Anwender deshalb einen Schaden erleidet, kann ihm das Gericht eine Beweislasterleichterung gewähren. Wer also KI-Übersetzungen ohne menschlichen Lektor freigibt, baut sich ein Haftungsrisiko, das in fünf Jahren teuer wird.

Use Case 5: Recruiting und Skill-Mapping

Der Maschinenbau hat ein Fachkräfteproblem. Konstrukteure, Servicetechniker und SPS-Programmierer sind knapp. KI hebt zwei Stellen: passende Kandidaten finden und vorhandene Mitarbeiter weiterentwickeln.

Was beim Recruiting funktioniert: Sourcing-Tools wie HireEZ, Recruitee oder LinkedIn Recruiter mit KI-Schicht finden in einem Bewerbermarkt mit ähnlichen Profilen die Kandidaten, die zur konkreten Stelle passen. Das ist effizienter als klassisches Boolean Search. Die KI versteht, dass jemand mit Siemens TIA Portal und IFM-Sensorik-Erfahrung auch für eine Stelle mit Beckhoff TwinCAT in Frage kommen kann.

Was beim Skill-Mapping funktioniert: Wer die bestehenden Mitarbeiter mit ihren Qualifikationen sauber dokumentiert hat, kann mit KI-Tools wie 365Talents, Cornerstone Skills Graph oder einem eigenen LLM-basierten Setup Kompetenzlücken sichtbar machen. Bevor ein 60.000-Euro-Recruiting läuft, lohnt ein Blick auf interne Profile, die mit zwei Schulungstagen die Lücke schließen könnten.

Was rechtlich gilt: Recruiting-KI ist Hochrisiko-KI nach Anhang III KI-VO, wenn sie Bewerber bewertet oder Auswahlentscheidungen wesentlich beeinflusst. Die Verschiebung des Anhang III durch das Omnibus-Paket vom 7. Mai 2026 auf den 2. Dezember 2027 schiebt die Konformitätsbewertung auf, aber DSGVO Art. 22 Verbot automatisierter Einzelentscheidungen gilt weiter, und § 26 BDSG schützt Beschäftigtendaten. Vollautomatisches Ablehnen ohne menschliche Prüfung ist und bleibt rechtlich problematisch.

Maschinenverordnung 2023/1230 und KI-Sicherheitskomponenten

Die Maschinenverordnung ist der eigentliche Branchen-Game-Changer. Ab dem 20. Januar 2027 löst sie die Maschinenrichtlinie 2006/42/EG ab, und sie nennt erstmals KI als Sicherheitskomponente. Was bedeutet das praktisch?

Wenn eine Maschine eine KI-Komponente enthält, die eine Sicherheitsfunktion ausführt, also etwa eine Kollisionsvermeidung bei einem kollaborativen Roboter, eine adaptive Geschwindigkeitsanpassung an Werkstoffvariationen oder eine vorausschauende Notabschaltung, dann muss der Hersteller diese KI-Komponente in der Konformitätsbewertung berücksichtigen. Bei einigen Kategorien greift dann auch die KI-Verordnung Anhang I, deren Pflichten durch das Omnibus-Paket allerdings auf den 2. August 2028 verschoben wurden.

Die Beweislast bei der überarbeiteten Produkthaftungsrichtlinie wird strenger. Wer als Hersteller behauptet, die KI-Komponente sei sicher, muss das nachweisen können, wenn ein Schaden eintritt. Wer keine Dokumentation hat, wie die KI trainiert wurde, mit welchen Daten und gegen welche Testfälle, kommt in eine Beweislast-Lage, die kaum zu gewinnen ist.

Praxis: Heller Maschinenwerk GmbH in Schwäbisch Gmünd

Heller Maschinenwerk, ein fiktiver mittelständischer Sondermaschinenbauer mit 220 Mitarbeitern in Schwäbisch Gmünd, hat im Frühjahr 2026 mit drei der fünf Use Cases gestartet: generative Konstruktion bei Halterungen und Trägern, Vorkalkulation im Angebotsprozess und Predictive Maintenance bei den ausgelieferten Spindeln.

Was sie tun: Sie nutzen Autodesk Fusion mit Generative Design für eine definierte Bauteilklasse, also Halterungen und Konsolen mit klaren Lastfällen. Die generierten Geometrien werden additiv gefertigt, wenn die Stückzahl niedrig ist, gefräst, wenn die Stückzahl höher ist. Die Vorkalkulation läuft über einen eigenen Claude-Workspace, der mit Daten aus den letzten achtzig Projekten gefüttert ist. Predictive Maintenance läuft auf einem Open-Source-Stack mit InfluxDB und Grafana, das KI-Modell ist ein eigenes auf Basis von scikit-learn.

Was sie nicht tun: Sicherheits-KI in den eigenen Maschinen. Heller liefert klassische CE-konforme Maschinen ohne autonom entscheidende Sicherheitskomponenten. Damit umgehen sie Anhang I KI-VO und die Konformitätsbewertung mit KI-Anteil komplett.

Die Forschungszulage nach Forschungszulagengesetz wurde für die KI-Entwicklung der Vorkalkulation und der Anomalieerkennung beantragt. Bei rund 180.000 Euro Personalaufwand für FuE in zwölf Monaten erwarten sie eine Förderung von 35 Prozent für KMU nach Wachstumschancengesetz, also rund 63.000 Euro. Die Bescheinigung der FuE-Eigenschaft bei der BSFZ haben sie im März 2026 beantragt, der Bescheid steht zum Zeitpunkt der Recherche noch aus.

Förderung und Kompetenzaufbau

Die Forschungszulage ist für Maschinenbau-KMU mit eigener Entwicklung der am besten passende Hebel. Personalkosten für FuE-Mitarbeiter sind förderfähig, Auftragsforschung anteilig zu 70 Prozent, und für Einzelunternehmer und Mitunternehmer gibt es 70 Euro pro Stunde Eigenleistung. Bei einer Bemessungsgrundlage von bis zu zehn Millionen Euro pro Wirtschaftsjahr ergibt sich für KMU eine maximale Förderung von 3,5 Millionen Euro pro Jahr. Eine Anfrage an die Förderübersicht klärt auch die Möglichkeit, gleichzeitig Mitarbeiter über das Qualifizierungschancengesetz nach § 82 SGB III für die KI-Kompetenz weiterzubilden.

Mittelstand-Digital Zentren sind die zweite Adresse. Das Zentrum Maschinenbau in Aachen bietet kostenfreie Erstberatung und konkrete Pilot-Begleitung. Wer einen Use Case strukturiert angehen will, ohne sofort einen Berater einkaufen zu müssen, findet dort einen sauberen Einstieg.

Eigene Haltung: Wir sehen bei Maschinenbau-KMU regelmäßig den gleichen Fehler. Die Geschäftsführung kauft ein Tool, weil ein Mitbewerber damit auf der Messe geworben hat. Sechs Monate später steht das Tool im Schrank, weil die Datenbasis nicht stimmt oder kein Mensch im Haus die Verantwortung übernommen hat. Wer KI im Maschinenbau ernst meint, fängt mit dem Use Case an, der die kleinste Datenarbeit braucht. Das ist im Mittelstand fast immer die Vorkalkulation oder die technische Dokumentation. Predictive Maintenance kommt erst, wenn die Datenarchitektur steht.

Use Case x Aufwand x Hebel

Wer systematisch eine ganze Mannschaft auf KI-Praxis bringen will, statt einzelne Werkzeuge zu kaufen, findet im Digitalisierungsmanager eine viermonatige geförderte Weiterbildung. Mit Bildungsgutschein 0 Euro, komplett online, mit Modulen zu Datenarbeit, Prompt Engineering, n8n-Automation und Compliance.

Häufige Fragen

Welche KI-Tools sind im Maschinenbau Stand Mai 2026 produktiv einsetzbar?

In der Konstruktion sind Autodesk Fusion Generative Design, Siemens NX, PTC Creo und nTopology stabil. In der Vorkalkulation funktionieren Claude Pro oder ChatGPT Team mit eigenem Workspace gut, wenn die Datenbasis aus den letzten Projekten gepflegt ist. Für Predictive Maintenance setzen Mittelständler oft auf Siemens MindSphere, PTC ThingWorx oder eigene Open-Source-Stacks mit InfluxDB und Grafana. Bei der technischen Dokumentation sind DeepL Pro, Across und MemoQ mit KI-Plugin die etablierten Werkzeuge.

Was bedeutet die Maschinenverordnung 2023/1230 für KI-Komponenten?

Die Maschinenverordnung ersetzt ab 20. Januar 2027 die Maschinenrichtlinie 2006/42/EG. Sie verlangt erstmals, dass KI-Komponenten in Sicherheitsfunktionen in der Konformitätsbewertung berücksichtigt werden. Hersteller müssen dokumentieren, wie die KI trainiert wurde, mit welchen Daten und welchen Testfällen sie geprüft wurde. Wenn die KI-Komponente zugleich in eine Anhang-I-Kategorie der KI-VO fällt, gelten dort zusätzliche Pflichten, deren Inkrafttreten durch das Omnibus-Paket vom 7. Mai 2026 auf 2. August 2028 verschoben wurde.

Lohnt sich die Forschungszulage nach FZulG für KI-Entwicklung?

Ja, wenn das KI-Projekt eine planmäßige Suche nach neuen Erkenntnissen beinhaltet, also Grundlagenforschung, industrielle Forschung oder experimentelle Entwicklung. Die Förderquote liegt bei 25 Prozent für alle Unternehmen, für KMU nach Wachstumschancengesetz seit März 2024 bei 35 Prozent. Die Bemessungsgrundlage ist auf zehn Millionen Euro pro Wirtschaftsjahr begrenzt, woraus für KMU eine maximale Förderung von 3,5 Millionen Euro entsteht. Standardisierte KI-Implementierung wie ChatGPT für Briefentwürfe ist nicht förderfähig. Antragstellung läuft zweistufig: erst Bescheinigung der FuE-Eigenschaft bei der BSFZ, dann steuerlicher Antrag beim Betriebsfinanzamt.

Wie sollte ein Maschinenbau-KMU mit KI starten, wenn die Datenbasis schwach ist?

Mit dem Use Case, der die geringste Datenarbeit braucht. Das ist in der Regel die Vorkalkulation, wenn fünfzig saubere Altprojekte vorliegen, oder die technische Dokumentation, wenn ein Fachglossar vorhanden ist. Predictive Maintenance verlangt eine Datenarchitektur, die zwei bis sechs Monate Aufbauarbeit braucht, bevor das KI-Modell sinnvoll arbeitet. Wer mit dem teuersten Use Case beginnt, scheitert oft an der Datenfrage und verliert die Akzeptanz im Team. Das Zentrum Maschinenbau in Aachen bietet kostenfreie Erstberatung für strukturierte Pilot-Begleitung.

Über den Autor

Dr. Jens Aichinger ist promovierter Wirtschaftspädagoge und Inhaber von SkillSprinters, einem DEKRA-zertifizierten Bildungsträger. Er entwickelt seit 2024 KI-gestützte Weiterbildungs- und Prozessautomatisierungslösungen für den Mittelstand. Über Skill-Sprinters läuft auch der Digitalisierungsmanager, eine 4-monatige geförderte Weiterbildung.

30 Minuten Klarheit kosten nichts. Wenn Du KI im Betrieb einsetzt oder überlegst einzusetzen, kommt es nicht auf das Tool an. Es kommt auf die Frage: wo entstehen Risiken, wo Hebel? In 30 Minuten gehen wir Deine konkrete Lage durch und Du weisst, wo Du anfangen solltest. Termin reservieren oder kostenlosen KI-Schnupperkurs starten.

Zuletzt geprüft am 26. Mai 2026.