Industrial AI im Maschinenbau: Podcast mit Lisa Reehten

Warum Industrial AI an der Datenqualität hängt

In Industry Insights spricht Lisa Reehten von Resourcly über Industrial AI, Datensilos und die Zusammenarbeit zwischen Industrieunternehmen und Startups. Im Mittelpunkt steht die Frage, warum viele KI-Projekte noch nicht über Pilotphasen hinauskommen.

Anja Ringel Anja Ringel Managing editor and podcast host for 'Produktion'

8. Juli 2026 - 12:06

In dieser Folge von Industry Insights spricht Anja Ringel mit Lisa Reehten (Commercial Director bei Resourcly) darüber, warum saubere Daten für KI-Anwendungen in der Industrie entscheidend sind und weshalb viele Projekte noch an fehlender Durchgängigkeit, Silos und knappen IT-Kapazitäten scheitern.

Anna McMaster, Resourcly; Grafik: Claudia Weber

Summary: Lisa Reehten, Commercial Director bei Resourcly, spricht in der neuen Folge von Industry Insights mit Anja Ringel über Industrial AI. Im Fokus stehen Datenqualität, gewachsene Systemlandschaften und KI-Projekte im Maschinenbau. Die Folge zeigt, warum saubere Daten, durchgängige Prozesse und klare Rollout-Perspektiven entscheidend sind.

Industrial AI gilt in vielen Unternehmen als Schlüssel, um Prozesse effizienter zu machen und die Wettbewerbsfähigkeit zu stärken. In der Praxis zeigt sich jedoch häufig: Bevor KI einen messbaren Nutzen stiften kann, müssen Unternehmen an einer deutlich grundlegenderen Stelle ansetzen: Bei ihren Daten.

Darüber spricht Anja Ringel in der neuen Folge von Industry Insights mit Lisa Reehten, Commercial Director bei Resourcly. Reehten kennt sowohl die Konzernwelt als auch das Startup-Umfeld. Vor ihrer aktuellen Rolle war sie unter anderem bei IBM und Bosch Clima Solutions tätig. Im Podcast ordnet sie ein, warum Industrial AI anders funktioniert als allgemeine KI-Anwendungen und warum Daten aus CAD-Systemen, Stücklisten, ERP, PLM oder Sensordaten nicht ohne Weiteres nutzbar sind.

Ein zentrales Problem sieht Reehten dabei in gewachsenen Systemlandschaften. In vielen Industrieunternehmen liegen technische Informationen über verschiedene Datenbanken, Abteilungen und Systeme verteilt. Konstruktion und Einkauf müssten teils mit zahlreichen Fenstern und Quellen arbeiten, um Informationen zu einem Bauteil zusammenzuführen. Kommt dann noch eine uneinheitliche Benennung von Teilen hinzu, wird aus dem vermeintlichen Datenschatz schnell ein Effizienzproblem.

Sie wollen mehr über den Deutschen Maschinenbau-Gipfel erfahren? Klicken Sie hier!

Industrial AI beginnt nicht bei großen Visionen

„Wenn die Datenbasis nicht stimmt und ich ein Teil 18-mal im System habe, weil es 17-mal unterschiedlich heißt, wie soll ich dann gut mit Lieferanten verhandeln?“, sagt Reehten im Gespräch. Für sie ist deshalb klar: Industrial AI beginnt nicht bei großen Visionen, sondern bei konkreter Datenqualität – etwa bei der Frage, welche Zeichnungen, technischen Datenblätter oder Spezifikationen fehlen und wie sich diese Lücken messbar schließen lassen.

Im Podcast geht es auch darum, warum viele Unternehmen bei KI-Projekten im Pilotmodus stecken bleiben. Reehten beschreibt eine Mischung aus überlasteten IT-Abteilungen, isolierten Fachbereichsinitiativen und fehlender Durchgängigkeit. Gerade im Maschinenbau, wo technische Daten oft über Jahrzehnte gewachsen sind, reiche es nicht, einzelne Anwendungsfälle losgelöst zu betrachten.

Auch interessant

Startups können schneller testen

Ein zweiter Schwerpunkt der Folge ist die Zusammenarbeit zwischen etablierten Industrieunternehmen und Startups. Reehten sieht hier vor allem die Geschwindigkeit als entscheidenden Faktor. Während in großen Organisationen Budgets, Gremien und Zuständigkeiten oft lange Vorläufe erzeugen, könnten Startups schneller testen, anpassen und umsetzen. Gleichzeitig warnt sie vor reinen Pilotprojekten ohne klare Perspektive für den Rollout.

Wie Unternehmen ihre Datenbasis pragmatisch verbessern können, warum Datensicherheit nicht pauschal als Bremsklotz gelten muss und welche Missverständnisse zwischen Konzernen und Startups häufig entstehen, hören Sie in der neuen Folge von Industry Insights.