Warum Digitalisierung im Maschinenbau oft unsichtbar bleibt

Das bekannte „Produktivitätsparadoxon“ beschreibt den Befund, dass im Maschinenbau trotz Umsatzwachstums nach der Finanzkrise die Produktivität schwach blieb. Nach dem Startschuss für Industrie 4.0 auf der Hannover Messe 2012 zögerten viele Unternehmen mit der Umsetzung. Transformation kostet Geld, der Nutzen zeigt sich oft zeitversetzt. Dann kamen Corona, Lieferkettenkrisen und Konjunkturschwächen. Stagnierende Produktivität und steigende Lohnstückkosten verstärkten den Eindruck eines strukturellen Rückstands. Entsprechend hartnäckig hält sich die These, die deutsche Industrie habe die Digitalisierung verschlafen. 

Licht unter dem Scheffel - Warum Digitalisierung im Maschinenbau oft unsichtbar bleibt

Tatsächlich nutzen laut einer Auswertung des Fraunhofer-Instituts für System- und Innovationsforschung (ISI) Industrie-4.0-Technologien nur rund 30 % der Industrieunternehmen in Deutschland systematisch in der Produktion. Die Quote erfasst allerdings die Verbreitung, nicht aber nicht Reifegrad, Qualität und wirtschaftliche Effekte der führenden Anwendungen und der Unternehmen, die in der Industrie die Maßstäbe setzen und damit die Entwicklung bestimmen. Speziell im Maschinenbau zeige sich Digitalisierung vor allem im Prozess und im Produkt. Sie sei deshalb weniger sichtbar als in plattformgetriebenen Geschäftsmodellen, so Oliver Schöllenhammer, Geschäftsbereichsleiter Digitalisierung und KI am Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA). Viele Unternehmen stellten ihre Fortschritte regelrecht unter den Scheffel. „Es wird mehr gemacht, als sichtbar ist“, sagt er.

Ein Beispiel für Selbstunterschätzung: Nur 3 % der in einer IPA-Erhebung Befragten stimmten der Aussage zu, dass ihr Produktionssystem die Grundlage für radikale Innovationen bietet. Tatsächlich würden aber in vielen Betrieben vernetzte Maschinen, datenbasierte Anwendungen und automatisierte Prozesse bereits eingesetzt. Dies lasse den Schluss zu, dass ein Teil der digitalen Fortschritte intern gar nicht als strategische Transformation eingeordnet werde. Klar, es gebe Nachzügler, aber die gebe es schließlich überall.

Das Produktivitätsparadoxon sei auch damit erklärbar, dass viele Technologien lange zwar verfügbar, in der Praxis aber noch nicht reif genug für breite Produktivitätseffekte gewesen waren. Erst die heutige Konvergenz von KI, Automatisierung, Vernetzung und Rechenleistung mache daraus real wirksame Lösungen. Deutsche Unternehmen müssten von der hohen Entwicklungsgeschwindigkeit vor allem in China lernen, sie könnten dieses Tempo adaptieren. Und einen typischer Fehler vermeiden: von Technologien aus zu denken – mehr Rechenleistung, maschinelles Lernen, Virtualisierung – statt von dem Zielsystem, das ein Unternehmen tatsächlich erreichen will. 

Wertschöpfung statt Werkzeug - Warum Digitalisierung im Maschinenbau mehr als Technologie ist

„Digitalisierung wird im Maschinen- und Anlagenbau noch zu oft auf Sensorik, Cloud oder einzelne Softwarelösungen reduziert“, sagt Prof. Claus Oetter, Geschäftsführer des Fachverbands Software und Digitalisierung im VDMA. Tatsächlich gehe es um Produktivität, neue Wertschöpfung, Resilienz und technologische Souveränität. Erfolgreich sei Digitalisierung dann, wenn Unternehmen Maschinen, Prozesse und Geschäftsmodelle softwarezentriert weiterentwickelten und aus Daten konkreten Kundennutzen machten.

Dazu passt, dass der Maschinenbau sich schrittweise vom reinen Produktgeschäft löst. Vernetzte Maschinen schaffen die Grundlage für Remote Monitoring, Condition Monitoring, virtuelle Services oder optimierte Wartung. Darauf aufbauend entstehen datenbasierte Geschäftsmodelle wie Subskriptionen, Pay-per-Use oder Equipment-as-a-Service. Maschinen werden nicht nur verkauft, sondern nach Nutzung abgerechnet; zugleich liefern sie Zustands- und Prozessdaten, mit denen Hersteller Verfügbarkeit, Servicequalität und Margen verbessern können. Oetter bezeichnet digitale Geschäftsmodelle deshalb als Schlüssel zu neuen Wertschöpfungsmöglichkeiten. Voraussetzungen seien vernetzte Maschinen, ein klarer Kundennutzen, eine belastbare Preislogik, strategische Einbettung und Changemanagement.

HAWE Hydraulik nutzt produktionsnahe Digitalisierung bereits im laufenden Betrieb. Maschinen unterschiedlicher Generationen sind angebunden, Produktions-, Qualitäts- und Zustandsdaten werden systematisch erfasst und für Planung, Steuerung und Analyse genutzt. Der nächste Schritt ist die operative Nutzung von Live-Daten. Erkennt eine Maschine ein neues Werkzeug, wird automatisch ein Prüfprozess ausgelöst und dem Werker sofort ein fertiger Prüfplan bereitgestellt. Manuelle Schritte entfallen, der Prozess wird schneller und robuster. „Digitalisierung ist kein Produkt von der Stange. Sie funktioniert nur dann, wenn sie konsequent an den realen Prozessen und Bedürfnissen des Unternehmens ausgerichtet ist“, sagt Dr.-Ing. Jens Folmer, Manager Digital Transformation bei HAWE. Johannes Simon, Teamleiter Operational Excellence, ergänzt: „Viele Unternehmen haben heute viele Daten – die eigentliche Herausforderung ist, diese Daten im Produktionsalltag schnell und sinnvoll nutzbar zu machen.“ Für HAWE liegt die Herausforderung vor allem in der Verknüpfung von OT und IT. Deshalb setzt das Unternehmen neben klassischer IT stärker auf Low-Code, Citizen Development und die Befähigung der Fachbereiche. Auch Trumpf zeigt, wie Digitalisierung direkt im Produkt entsteht: Mit dem KI-gestützten „Cutting Assistant“ lassen sich Schneidparameter für Laserschneidanlagen auf Basis gescannter Schnittkanten und wiederholter Optimierungsschleifen anpassen. Trumpf verspricht damit Zeit- und Materialeinsparungen sowie eine verbesserte Schnittkantenqualität. 

Über 3 % mehr Produktivität - Wie Digitalisierung im Maschinenbau die Produktivität steigert

Die Innovationsdynamik von HAWE und Trumpf bedarf keines Nachweises. Aber auch viele kleinere Unternehmen kämen mit intelligenten Lösungen gut voran, ohne dies breit zu kommunizieren, betont Experte Schöllenhammer. „Solche produktintegrierten Lösungen verschwinden in pauschalen Digitalisierungsdebatten oft hinter der Frage, ob ein Unternehmen bereits ein großes Transformationsprogramm ausgerufen hat.“

Gleiches gilt für den Einsatz von KI. Der VDMA beobachtet eine deutlich konkretere Diskussion als noch vor wenigen Jahren: Machine-Learning-Modelle können zum Beispiel Produktionsplanung, Anomalieerkennung und technische Dokumentation optimieren. „Viele Unternehmen sehen das Potenzial, steckten aber noch in Pilotphasen“, so Guido Reimann, stellvertretender Geschäftsführer von VDMA Software und Digitalisierung. Auch hier sei es entscheidend, KI nicht als isoliertes Experiment zu behandeln, sondern in Kernprozesse einzubetten und am messbaren Nutzen auszurichten. Schöllenhammer: „Der Engpass liegt nicht mehr primär im Erkenntnisgewinn. Es geht darum, es einfach zu tun.“

Wie aus einer IPA-Studie hervorgeht, lassen sich durch den Einsatz digitaler Technologien Produktivitätszuwächse von 0,2 bis 3,3 % pro Jahr erzielen. Für intelligente Fabriken werden 2,8 bis 4,4 % pro Jahr genannt. Digitale Geschäftsmodelle können die Wertschöpfung pro Mitarbeitendem um bis zu 20 % steigern. Nach IPA-Angaben haben vier Felder zusammen rund 50 % Einfluss auf Produktivitätssteigerungen: Modularisierung und Software-defined Production, Industrial Metaverse, Agentic AI und KI-Workflows sowie Embodiment of AI.

Fraunhofer IPA adressiert die Nachzügler: Die größten Hemmnisse seien fehlende organisatorische Veränderungsbereitschaft, fehlende Fähigkeit, verfügbare Technologien in bestehende Prozesse zu integrieren, und fehlende technische Grundlagen, insbesondere Daten. Angela Graf vom Bayerischen Forschungsinstitut für Digitale Transformation (bidt) bringt es auf den Punkt: „Digitale Transformation ist weniger eine technologische als eine organisationale Herausforderung.“