Generative Künstliche Intelligenz kann die Produktivität und Profitabilität im Großanlagenbau beschleunigen. 84% der befragten Unternehmen einer Gemeinschaftsstudie vom VDMA Großanlagenbau und Strategy& stufen GenAI als wichtig oder sehr wichtig für ihre künftige Profitabilität ein. Den größten Hebel verorten 88% in der Reduktion von Kosten, während für den Umsatz kurzfristig nur begrenzte Effekte erwartet werden.
Die Analyse untersucht Wirkungspotenziale, Reifegrade, Umsetzungshürden sowie konkrete Hebel zur Skalierung von GenAI im Anlagenbau. Die Ergebnisse basieren auf einer Befragung von 120 anlagenbauenden Unternehmen im deutschsprachigen Raum sowie der Analyse von 40 Anwendungsfällen in wertschöpfungsnahen Bereichen wie Einkauf, Produktion und Projektierung.
GenAI ermöglicht Profitabilitätspotenzial
Die Studie zeigt, dass GenAI ein erhebliches Profitabilitätspotenzial eröffnet. Im Durchschnitt erwarten die Unternehmen, ihre Gewinnmargen um 6,7% durch den skalierbaren Einsatz der Technologie steigern zu können. Den größten Effekt sehen sie in der Verbesserung und Automatisierung von Prozessen. Besonders großes Potenzial entfalten Anwendungen im Engineering, in Vertrieb und Marketing sowie in der Entwicklung.
KI wird im Anlagenbau bereits intensiv genutzt
Generative Künstliche Intelligenz wird im Anlagenbau bereits intensiv genutzt. 59% der Unternehmen setzen die Technologie in täglichen Prozessen und Arbeitsabläufen ein, weitere 35% planen den kurzfristigen Einsatz. Insgesamt erkennen damit 94% der Befragten das Potenzial dieser Technologie und investieren in die Umsetzung. Bei der auf einer breiteren Datenbasis aufbauenden Studie von VDMA Software und Digitalisierung und Strategy& aus dem November 2024 gaben 88% der befragten Maschinen- und Anlagenbauer an, GenAI nutzen zu wollen.
Nachholbedarf bei der Skalierung
Trotz der Dynamik in der Nutzung gelingt die Skalierung bislang nur wenigen Firmen. Lediglich 33% der bereits aktiven Unternehmen implementieren GenAI systematisch und übergreifend im gesamten Unternehmen. 11% beschränken sich auf einzelne Abteilungen, 23% verbleiben in Pilotprojekten. Implementiert wird vor allem in operativen Kernfunktionen wie Planung und Projektierung, Vertrieb und Marketing sowie Entwicklung – dort, wo die Effekte auf Herstellkosten, Betriebsausgaben und Angebotsarbeit unmittelbar sichtbar werden.
Auf dem Weg zum breiten GenAI-Einsatz identifiziert die Studie auch mehrere Hürden. Erstens fehlen häufig spezifische Kompetenzen, wodurch Trainings-Programme erfolgskritisch werden. Zweitens mangelt es vielerorts an einer klaren strategischen Ausrichtung; ohne Zielbild, klaren Wegmarken sowie eines gut gesteuerten Prozesses bleiben Investitionen fragmentiert. Drittens bremsen technische Barrieren wie etwa die Verfügbarkeit und Qualität von Daten sowie eine unzureichende Infrastruktur die Geschwindigkeit und Skalierbarkeit. Viertens erschweren Widerstände in der Organisation und bei Sozialpartnern die Umsetzung.
