KI im deutschen Maschinenbau: Konfigurator, After-Sales und Service-Plattform

Deutsche Maschinenbauer stehen 2026 zwischen zwei gegensätzlichen Kräften. Der Auftragseingang für Neumaschinen liegt unter dem Fünf-Jahres-Schnitt - der VDMA berichtet anhaltende Schwäche bei Investitionsgüterbedarf aus China und Osteuropa^1,2. Gleichzeitig ist die installierte Basis deutscher Maschinen im Feld so groß wie nie. Service-Umsatz und After-Sales-Gewinn sind die einzigen Segmente mit stabilen zweistelligen Margen. Für die meisten deutschen Maschinenbauer läuft die Zukunft der GuV durch das Service-Netz, nicht durch das Order-Book.

KI-Tools haben den Mittelstands-Maschinenbau-Stack an zwei Stellen gleichzeitig neu gebaut: vorne im Vertriebskonfigurator, wo komplexe Varianten-Angebote jetzt Stunden statt Wochen brauchen; und hinten im Field Service, wo First-Time-Fix-Rate und Ersatzteil-Angebots-Geschwindigkeit zum Margen-Differenzierer geworden sind. Die dritte Bahn, technische Dokumentation und Wissen, ist das Bindegewebe dazwischen.

Dieser Leitfaden bewertet die zehn KI-Tools, die 2026 für deutsche Mittelstands-Maschinenbauer wirklich zählen. Bewertet nach DACH-Markt-Fit, Integrationstiefe zu SAP und PLM, Service-Margen-Effekt und DSGVO-Position. Wer Maschinen baut und ein Unternehmen zwischen 50 und 5.000 Mitarbeitenden führt, findet hier die Grundlagen.

Warum KI jetzt den Maschinenbau erreicht

Der Druck auf den deutschen Maschinenbau ist ungewöhnlich, weil er aus fünf Richtungen gleichzeitig kommt: Neumaschinen-Nachfrage, chinesischer Wettbewerb, Servicetechniker-Mangel, EU-Regulierungswelle und ein Qualitätssprung dessen, was KI im industriellen Vertrieb und Service liefert.

• Neumaschinen-Zyklen haben nachgelassen - VDMA berichtet einen Auftragseingang unter dem Mehrjahres-Schnitt durch 2025-2026, mit deutlich nachlassendem Investitionsgüterbedarf aus China und Osteuropa^1,2,3. Service ist die stabile Linie.
• Chinesischer Wettbewerb bei Neumaschinen - Preiswettbewerb chinesischer Hersteller hat Neumaschinen-Margen in Textil, Kunststoff, Verpackung und Druck komprimiert. Service-Margen bleiben geschützt, weil sie lokale Präsenz brauchen.
• Servicetechniker-Mangel - Offene Service-Ingenieur-Stellen bleiben sechs bis zwölf Monate unbesetzt. Der Techniker ist der Engpass, nicht die Arbeit; jede Stunde Reisezeit oder verschwendete Disposition ist verlorene Marge.
• EU-Maschinenverordnung 2023/1230 - Bindend ab 14. Januar 2027⁶. Spricht KI-gesteuerte sicherheitsrelevante Komponenten explizit an. Neue Konformitäts-Anforderungen für KI in Maschinen.
• EU-Recht auf Reparatur - Richtlinie 2024/1799 erweitert Reparaturpflichten in mehr Produktgruppen und verlangt mehrsprachige Reparatur-Dokumentation⁷. Die Compliance-Last landet am härtesten bei Mittelstands-Exporteuren.
• KI-Tools haben die Schwelle überschritten - CPQ-KI liefert jetzt Ähnliche-Angebote-Suche und Bild-zu-Spezifikation-Extraktion; Service-KI liefert Ferndiagnose und Ersatzteilliste. Die Technologie ist seit 2024 nicht mehr der Engpass.

Übersetzt: Die Linie der GuV, die Ihre Dividende finanziert, ist die Servicelinie - und die Technologie, die sie erhöht, ist jetzt reif zur Einführung. Mittelstands-Maschinenbauer, die das 2026 absorbieren, schützen ihre Marge für die Dekade.

Drei Bahnen für KI im Maschinenbau

„KI für Maschinenbau" umfasst drei strukturell unterschiedliche Problemräume. Zu wissen, welcher zuerst dran ist, entscheidet zwischen einem Einsatz, der zurückzahlt, und einem ungenutzten Tool.

• Vertriebskonfigurator und CPQ - Vorne im Haus: aus einem Kunden-Brief oder einer Anfrage ein konfiguriertes, bepreistes, technisch valides Angebot machen. Beispiele: Tacton, encoway, in.hub.
• After-Sales und Field Service Management - Hinten im Haus: Service-Anfrage von Eingang bis Erledigung managen, inklusive Disposition, Teile, Verträge, Garantie. Beispiele: ServiceMax, IFS Cloud, Salesforce Field Service, SAP S/4HANA Service.
• Service-Diagnostik und Wissen - Die Intelligenzschicht: KI, die Ihre Maschine, Ihre Fehlerhistorie und Ihr Servicetechniker-Playbook kennt. Beispiele: Aquant, Custom-KI-Agenten.
• Teile und technische Dokumentation - Das Bindegewebe: Ersatzteilkataloge, technische Dokumentation, mehrsprachige Reparaturanleitungen. Beispiele: CADENAS PARTsolutions, Quanos SCHEMA ST4.
• Predictive Maintenance (eigene Kategorie) - IIoT-getriebene Ausfallprognose. Nicht im Scope dieses Leitfadens; siehe Plattform-Industrie-4.0-Ökosystem (Siemens MindSphere, ADAMOS, Bosch IO Suite).
• Custom-KI-Agenten - Maßgeschneiderte Agenten für die Muster, die spezifisch zu Ihren Maschinen, Kunden und Servicenetzwerken sind. Abschnitt 10.

Die 10 Tools im Vergleich

Die folgende Auswahl basiert auf öffentlich verfügbaren Anbieterdaten, VDMA-Mitglieder-Einsätzen und bestätigten Integrationen mit der deutschen SAP- und PLM-Landschaft. Jeder Eintrag erklärt, was das Tool leistet, wo es in der Konfigurator-zu-Angebot-zu-Service-Pipeline sitzt und welchen Trade-off Sie mit der Wahl eingehen.

1. Tacton - Der globale CPQ-Leader für Maschinenbauer

Stockholmer Tacton ist der weltweit führende CPQ-Anbieter für komplexe Maschinen- und Anlagenbauer^10,11. Aufgebaut auf einer Constraint-Solver-Engine, die unmögliche Konfigurationen verhindert, und integriert mit KI-Funktionen für Ähnliche-Angebote-Suche und Empfehlung. Starke DACH-Kundenbasis quer durch Maschinen-, Anlagen- und Komponentenbau.

• Herkunft - Schweden, Stockholm. 1987 gegründet.
• Primärer Use Case - CPQ für komplexe variantenreiche Maschinen: Configure-Price-Quote mit Constraint-basierter Validierung, KI-Empfehlung, Dokumentengenerierung.
• Preis - Enterprise. Fünf- bis sechsstellige Jahreskosten.
• Stärken - Constraint-Solver-Engine verhindert ungültige Konfigurationen. KI-Ähnliche-Angebote-Suche. Starke CAD- und PLM-Integration. Salesforce-CPQ-Alternative für Maschinenbauer. Globale Präsenz mit DACH-Kundenbasis.
• Schwächen - Einführungstiefe (3-12 Monate) und Kosten zu hoch für kleinere Mittelständler. Roadmap zieht Richtung Salesforce-Ökosystem.
• SAP-Integration - Ja, über Standard-CPQ-Connector.
• Hosting - EU- und US-Optionen.
• Am besten für - 200+ Mitarbeiter-Maschinenbauer mit komplexem Varianten-Produktportfolio.

2. encoway - Der DACH-native CPQ-Spezialist

Bremer encoway ist das stärkste DACH-native CPQ-Tool für deutsche Mittelstands-Maschinenbauer^13,14,15. Kundenbasis: Hager Group, KHS, Lenze, LiSEC, Phoenix Contact, TGW und SICK. Pionier der wissensbasierten Konfiguration; heute mit KI-getriebenen Product-to-Market-Funktionen ergänzt.

• Herkunft - Deutschland, Bremen. 2000 gegründet.
• Primärer Use Case - CPQ für variantenreiche Produkte und Maschinen; Portfolio- und Vertriebsmanagement mit KI-Empfehlungen.
• Preis - Fünfstellig bis mittlere fünfstellige Jahreskosten.
• Stärken - Von Anfang an für den deutschen Mittelstand gebaut. Tiefe PLM- und SAP-Integration. Moderne UI und Konfigurator-UX. Starke Referenzen quer durch DACH-Maschinenbau.
• Schwächen - Kleinerer globaler Fußabdruck als Tacton. Weniger Bekanntheit außerhalb DACH.
• SAP-Integration - Ja, nativ.
• Hosting - DE / EU.
• Am besten für - 50-1.000 Mitarbeiter DACH-Maschinen- und Komponentenbauer.

3. in.hub - Die IIoT- und KI-Brücke für deutsche Industrie

Chemnitzer in.hub kombiniert industrielles IoT mit KI-Konfiguration und Operations¹⁶. Der Pitch unterscheidet sich vom reinen CPQ: in.hub verwandelt Maschinen- und ERP-Daten in sowohl Konfigurator-Inputs als auch Service-Routing-Intelligenz. Stark für Maschinenbauer, die digitale-Service-Umsätze auf Basis ihrer installierten Basis aufbauen.

• Herkunft - Deutschland, Chemnitz.
• Primärer Use Case - IIoT-Daten-getriebener Vertrieb und Service: Brücke zwischen installierter-Basis-Telemetrie und Konfigurator-/Service-Workflow.
• Preis - Projektbasiert, gestaffelt.
• Stärken - Kombiniert Telemetrie und CPQ in einem Stack. DACH-nativ. Starker Fit für Digital-Services-Erlös-Modelle.
• Schwächen - Kleinerer Anbieter; weniger etabliert als Tacton oder encoway. Best für spezifische Digital-Service-Anwendungsfälle, nicht generisches CPQ.
• SAP-Integration - Ja, über Projekt-Connectoren.
• Hosting - DE.
• Am besten für - Mittelstands-Maschinenbauer, die Maschinendaten neben der Hardware monetarisieren.

4. ServiceMax (PTC) - Der FSM-Spezialist für anlagenintensive Hersteller

ServiceMax, jetzt PTC-Tochter, ist der Field-Service-Management-Spezialist der Wahl für Maschinenbauer^17,23. Aufgebaut um Anlagen-Hierarchien, Predictive Maintenance, Service-Verträge und Garantie-Automatisierung. Die DACH-Basis ist stark; die PTC-Eigentümerschaft verstärkt die Brücke zu Creo, Windchill und ThingWorx.

• Herkunft - USA. 2023 von PTC übernommen.
• Primärer Use Case - Field Service Management für anlagenintensive, regulierte Industrien: Maschinenbau, Energie, Versorger, Luftfahrt.
• Preis - Enterprise. Mittlere fünfstellige bis sechsstellige Jahreskosten.
• Stärken - Starke Anlagen-Hierarchien und Service-Vertrags-Management. Native PTC-CAD- und PLM-Brücke. Predictive-Maintenance-Integration. Garantie- und Anspruchs-Automatisierung.
• Schwächen - US-Default-Hosting; EU-Plan verfügbar, aber Vertrag schwerer. Einführungstiefe nicht für kleine Teams.
• SAP-Integration - Ja, per API.
• Hosting - US Default; EU-Option.
• Am besten für - 200+ Mitarbeiter-OEMs mit signifikanter installierter Basis und Service-Umsatz.

5. Salesforce Field Service - Die CRM-verankerte KI-FSM

Salesforce Field Service bringt KI-gestützte Disposition, Planung und Routenplanung ins Salesforce-Ökosystem^20,23. Der Einstein-Planungs-Optimierer weist den richtigen Techniker dem richtigen Job zur richtigen Zeit zu. Die richtige Wahl für OEMs, die Salesforce als primäres CRM nutzen.

• Herkunft - USA, San Francisco.
• Primärer Use Case - Field Service innerhalb Salesforce-Ökosystem mit KI-Planung, Disposition, Routenplanung.
• Preis - Enterprise. Pro Nutzer mit Service Cloud Plattform.
• Stärken - Native CRM-Integration. Starke KI-Planung. Breites Partner- und App-Ökosystem. Bekannte UX für Salesforce-trainierte Teams.
• Schwächen - US-gehostet per Default. Weniger Tiefe bei Schwermaschinen-Anlagen-Hierarchie als ServiceMax. Lizenzkosten kumulieren mit Service Cloud.
• SAP-Integration - Über MuleSoft oder Partner-Connectoren.
• Hosting - US Default; EU-Option.
• Am besten für - Mittelstands-OEMs, die bereits auf Salesforce CRM standardisiert sind.

6. IFS Cloud - Die anlagenintensive Enterprise-FSM

IFS Cloud Field Service Management zielt auf anlagenintensive Industrien mit ausgereiften KI-Funktionen für Wartungsoptimierung und Ressourcenplanung^18,19. Stark für Maschinen, Energie, Luft- und Raumfahrt, Verteidigung. Die DACH-Präsenz ist real; die Einführungstiefe auch.

• Herkunft - Schweden, Linköping.
• Primärer Use Case - Ende-zu-Ende-FSM mit starkem Service-Vertrags-Management, mehrstufigen Anlagen-Hierarchien, prädiktiver Analytik.
• Preis - Enterprise. Sechsstellig p.a.
• Stärken - Tiefe Anlagen-Industrie-Passung. Starke Service-Verträge. Reife DACH-Kundenbasis. EU-basierter Anbieter.
• Schwächen - Schwere Einführung (6-12 Monate). Nicht für kleine Teams. UI zeigt Enterprise-Erbe.
• SAP-Integration - Ja, inklusive SAP S/4HANA.
• Hosting - EU.
• Am besten für - 500+ Mitarbeiter-Maschinen- und Anlagenbauer mit globaler Service-Operation.

7. Aquant - Die KI-erste Service-Intelligenz-Schicht

Aquant ist der KI-erste Service-Intelligenz-Spezialist^22,23. Der Pitch unterscheidet sich von FSM: Aquant sitzt auf Ihrem bestehenden Field-Service-Stack und ergänzt diagnostische Intelligenz, Ähnliche-Vorfälle-Suche und Best-Techniker-Routing, trainiert auf Service-Historie. Die richtige Wahl für OEMs, deren FSM passt, deren Service-Intelligenz aber nicht.

• Herkunft - USA, New York.
• Primärer Use Case - KI-Diagnose-Intelligenz auf FSM aufgesetzt: Ähnliche-Vorfälle-Suche, Best-Techniker-Matching, Service-Historie-Auswertung.
• Preis - Mittlere fünfstellige bis sechsstellige Jahreskosten.
• Stärken - KI-first per Design. Starke Diagnose-Modelle. Sitzt auf ServiceMax, Salesforce, IFS, SAP, ohne sie zu ersetzen. Schnelle Time-to-Value.
• Schwächen - Braucht Daten: erfordert sinnvolle Service-Historie zum Training. US-gehostet. Weniger DACH-verankert als europäische Anbieter.
• SAP-Integration - Über API.
• Hosting - US Default; EU-Option.
• Am besten für - Mittelstands-OEMs mit bestehendem FSM und reicher Service-Historie, die schnellen Diagnose-Hub suchen.

8. SAP S/4HANA Service mit Joule - Die Single-Stack-Option

Für deutsche Maschinenbauer, die SAP Ende-zu-Ende fahren, ist SAP S/4HANA Service mit dem Joule-KI-Assistenten der Weg des geringsten Widerstands²¹. Der Pitch: im SAP-Perimeter bleiben, KI-Funktionen mitnehmen, wie sie kommen, Drittanbieter-Integrationskosten vermeiden. Trade-off: SAP-KI-Funktionen hinken Best-of-Breed um 12-24 Monate hinterher.

• Herkunft - Deutschland, Walldorf.
• Primärer Use Case - Ende-zu-Ende-SAP-natives Service-Management mit eingebetteter KI.
• Preis - Über SAP-Enterprise-Vertrag.
• Stärken - Single Stack, Single Vendor, Single Datenmodell. EU-gehostet via SAP. Deutsch-nativ. Joule-KI-Funktionen wachsen monatlich.
• Schwächen - KI-Funktionen hinken Best-of-Breed. Service-Modul weniger reif als Finance- und Logistik-Kernmodule.
• SAP-Integration - Dies ist SAP.
• Hosting - EU (SAP-Rechenzentren).
• Am besten für - Mittelstands-Maschinenbauer, die bereits tief auf S/4HANA sind und Single-Stack-Risiko bevorzugen.

9. CADENAS PARTsolutions - Der deutsche Ersatzteilkatalog-Backbone

Augsburger CADENAS PARTsolutions ist die de-facto deutsche Brücke zwischen CAD/PLM und Vertrieb/Service für Teile²⁵. Der Pitch: katalogfähige CAD-Teile, verfügbar für Engineering, Vertrieb und Service aus einer Single-Source-of-Truth. Genutzt von Hunderten deutscher Mittelstands-Komponenten- und Maschinenbauer.

• Herkunft - Deutschland, Augsburg.
• Primärer Use Case - Strategisches Teilemanagement: katalogfähige CAD-Teile und Stücklisten-Daten quer über Engineering, Vertrieb und Service.
• Preis - Gestaffelt. Mittlere fünfstellige bis sechsstellige Jahreskosten.
• Stärken - DACH-nativ. Tiefe CAD- und PLM-Integration. Starkes Lieferanten-Daten-Netzwerk. Fundamentale Schicht für Vertriebskonfigurator und Service-Ersatzteile.
• Schwächen - Spezialisiert: kein CPQ oder FSM, sondern Teiledaten-Schicht. Standalone-Wert braucht CPQ- oder FSM-Konsum.
• SAP-Integration - Ja.
• Hosting - EU.
• Am besten für - Komponenten- und Maschinenbauer, die ein einheitliches Teile-Datengerüst über Konfigurator und Service bauen.

10. Quanos SCHEMA ST4 - Der DACH-Standard für technische Dokumentation

Nürnberger Quanos (SCHEMA ST4) ist der DACH-Standard für strukturierte technische Dokumentation²⁶. Genutzt, um mehrsprachige Betriebs- und Service-Handbücher sowie Ersatzteilkataloge im Maßstab zu produzieren. KI-Funktionen für Übersetzung, Content-Wiederverwendung und Recht-auf-Reparatur-konforme Outputs beschleunigen sich 2025-2026.

• Herkunft - Deutschland, Nürnberg.
• Primärer Use Case - Strukturierte technische Dokumentation: Maschinenhandbücher, Service-Dokumentation, mehrsprachige Compliance-Outputs.
• Preis - Enterprise, gestaffelt.
• Stärken - DACH-Standard. Starke DITA- und S1000D-Ausrichtung. Gebaut für mehrsprachige Compliance-Doku. Etablierte KI-Roadmap für Übersetzung und Reuse.
• Schwächen - Einführungstiefe signifikant. Best für größere Doku-Teams.
• SAP-Integration - Über Standard-Connectoren.
• Hosting - EU.
• Am besten für - Maschinenbauer, die mehrsprachige Dokumentation über viele Produktlinien liefern.

Vergleichsmatrix auf einen Blick

Dieselben Daten nebeneinander, bewertet nach dem, was für eine deutsche Maschinenbauer-Entscheidung 2026 zählt.

Die Service-Margen-Story

Der strategische Case für KI im Maschinenbau ist keine Produktivitäts-, sondern eine Margen-Schutz-Geschichte. Service ist die Linie, die die Dividende finanziert, und sie steht durch Technikermangel und steigende Kundenerwartungen unter Druck. KI-Tools verändern die Einheitsökonomie jedes Service-Vorfalls.

Wohin Service-Marge tatsächlich fließt

• Technikerzeit - Reise, Vor-Ort-Diagnose, Teilebeschaffung, Dokumentation. Typisch 50-65 Prozent der Servicekosten. KI senkt das durch Remote-Triage, Vorab-Ersatzteilangebote und Routenoptimierung.
• Ersatzteile - Lagerhaltungskosten, Express-Versand bei Fehl-Dispositionen, Verschrottung. 15-25 Prozent der Servicekosten. KI-Ersatzteilkataloge senken die Falsch-Teil-Quote.
• First-Time-Fix-Fehler - eine Folge-Visite ist das teuerste Ereignis der Service-Ökonomie. KI-Diagnostik treibt First-Time-Fix von 70-75 Prozent auf 85-90 Prozent in reifen Einsätzen.
• Garantie und Kulanz - manuelle Garantie-Bearbeitung leckt Marge. KI-Garantie-Automatisierung in ServiceMax und SAP S/4HANA Service zieht das fest.
• Service-Vertrags-Underwriting - Pauschal-Service-Verträge, die ihre Kostenziele verfehlen. KI-Kostenprognose bei Angebotserstellung verhindert das.
• Kundenabwanderung durch schlechten Service - der stille Killer. Schlechte Service-Erlebnisse verschieben den nächsten Auftrag zum Wettbewerber.

Die Konfigurator-zu-Angebot-zu-Service-Pipeline

Die stärksten deutschen Mittelstands-Maschinenbauer fahren KI über eine durchgängige Pipeline: vom Vertriebskonfigurator zum Angebot, vom Angebot zum gefertigten Auftrag, von der gelieferten Maschine zum Service der installierten Basis, vom Service zurück zur Kaufentscheidung der nächsten Maschine. Die Pipeline zählt mehr als jedes einzelne Tool.

Die fünf Stufen und wo KI andockt

1. Eingehende Anfrage und Spezifikations-Interrogation - Kunde schickt PDF oder E-Mail mit Anforderungen. KI extrahiert Spezifikation, klassifiziert, leitet an die richtige Produktfamilie.
2. Konfiguration und Angebot - Tacton oder encoway verwandelt die Spezifikation in eine konfigurierte Maschine, validiert gegen Engineering-Regeln, erzeugt Preise, produziert das Angebotsdokument.
3. Engineering und Auftragsfreigabe - Konfigurierte Stückliste fließt von CPQ zu PLM (Windchill, Teamcenter, Aras) und ERP (SAP, ProAlpha). KI hilft mit Ähnliche-Designs-Suche und verkürzt die Engineering-Zeit.
4. Auslieferung und Inbetriebnahme - Maschine versandt mit technischer Dokumentation aus Quanos SCHEMA ST4 in Kundensprachen. KI managt Übersetzung und Content-Wiederverwendung.
5. Service der installierten Basis - ServiceMax / IFS / Salesforce managt den Service-Vertrag; CADENAS liefert Teiledaten; Aquant ergänzt Diagnose-Intelligenz; die Schleife speist in den nächsten Verkaufszyklus.

EU-Maschinenverordnung, KI-Verordnung und Recht auf Reparatur

Drei EU-Verordnungen landen 2025-2027 auf dem deutschen Maschinenbau und formen jede KI-Entscheidung. Jede ergänzt Compliance-Arbeit; jede schafft auch eine Öffnung, in der KI-Tools die neue Last absorbieren können.

EU-Maschinenverordnung 2023/1230 (bindend ab 14. Januar 2027)

• Ersetzt die Maschinenrichtlinie - neues Konformitäts-Regime für Maschinen, die in der EU in Verkehr gebracht werden⁶.
• Explizite KI-Bestimmungen - Maschinen mit KI-gesteuerten sicherheitsrelevanten Komponenten fallen in den Anwendungsbereich.
• Cyber-Resilienz-Anforderungen - die Verordnung richtet sich am Cyber Resilience Act aus; service-verbundene Maschinen müssen cyber-physische Sicherheit nachweisen.
• Digitale Dokumentation akzeptiert - die Verordnung akzeptiert digitale Betriebs- und Service-Dokumentation ausdrücklich.
• Notifizierte-Stelle-Beteiligung - Hochrisiko-KI-Komponenten brauchen Konformitäts-Bewertung durch notifizierte Stellen.

EU-KI-Verordnung (vollständig anwendbar ab 2. August 2026)

• Die meiste Maschinenbau-KI ist begrenztes oder minimales Risiko - Konfiguratoren, FSM, Service-Diagnostik sitzen typisch im minimalen Risiko.
• KI in sicherheitsrelevanten Maschinen-Komponenten ist Hochrisiko - richtet sich an der Maschinenverordnung aus; verlangt Konformitäts-Bewertung, Dokumentation, Aufsicht.
• KI-Kompetenz-Pflicht - Artikel-4-Pflicht gilt; alle Mitarbeitenden, die KI-Tools einsetzen oder betreiben, schulen.
• Transparenz-Pflicht bei KI-Kunden-Interaktionen - Artikel 50; relevant, wenn Sie KI-Kundenservice, KI-Konfigurator-Chat oder KI-Voice-Service-Agenten einsetzen.

EU-Recht-auf-Reparatur-Richtlinie 2024/1799

• Erweitert Reparaturpflichten auf kommerzielle Maschinen für bestimmte Produktgruppen⁷.
• Nationale Umsetzung bis Juli 2026.
• Mehrsprachige Reparatur-Dokumentation für betroffene Produkte vorgeschrieben.
• Zugang zu Ersatzteilen und Werkzeugen für unabhängige Werkstätten in vielen Fällen.
• KI-Tools absorbieren die Last - Quanos SCHEMA ST4, CADENAS und KI-Übersetzungstools werden zum realistischen Compliance-Pfad.

7 Kriterien für die Auswahl

In dieser Reihenfolge anwenden. Die ersten drei sind Pflicht: Ein Tool, das eines verfehlt, fliegt für typische Mittelstands-Maschinenbau-Anwendung raus. Die übrigen vier sind Gewichtungs-Kriterien für die Finalrunde.

1. SAP- und PLM-Integrationstiefe - Nativ oder stabile API zu Ihrem ERP und PLM. Tools ohne erzeugen Stammdaten-Chaos.
2. DSGVO-Position und Hosting - EU-Hosting bevorzugt. US-Default-Tools brauchen SCC, AVV und Transfer Impact Assessment.
3. Roadmap-Ausrichtung an EU-Maschinenverordnung und KI-Verordnung - Anbieter muss eine Konformitäts-Geschichte für sicherheitsrelevante KI-Komponenten haben.
4. Service-Margen-Effekt - Tools, die First-Time-Fix oder Service-Vertrags-Marge bewegen, zählen mehr als Tools, die Folien hübscher machen.
5. DACH-Marktpräsenz und Referenzen - deutsche Mittelstands-Kunden; idealerweise VDMA-Mitglieds-Referenzen.
6. Einführungstiefe vs Bürogröße - 6-12-Monate-Enterprise-Rollouts sind nicht für 50-Personen-Teams.
7. Anbieter-Tempo und Partnerschafts-Kultur - Ihr Anbieter muss sich an Ihrem Maschinenzyklus orientieren, nicht an Silicon-Valley-Quartalszyklen.

Häufige Fehler

Die meisten gescheiterten KI-Rollouts in Mittelstands-Maschinenbau-Häusern scheitern aus denselben sechs Gründen. Jeder ist vorhersehbar und vermeidbar.

1. Tool kaufen, bevor Stammdaten sauber sind - ein kanonischer Produkt-Master quer durch CRM, CPQ, PLM und FSM ist die größte Vorarbeit. Ohne ihn kann KI keine Daten verbinden und der Einsatz stockt.
2. Den globalen Leader trotz EU-Hosting-Anforderung kaufen - HighRadius-Mustererror übertragen auf FSM. Die meisten Mittelstands-DSBs blocken US-Default-Pläne ohne SCC und TIA. EU-Plan vorab wählen oder Monate Rechts-Review einplanen.
3. Den Servicetechniker-Change unterschätzen - Field-Service-Ingenieure widersetzen sich Tools, die wie Überwachung wirken. KI-Disposition landet schlecht, wenn nicht mit dem Service-Team co-designt.
4. Die Maschinenverordnung-Roadmap-Frage überspringen - Tools ohne Konformitäts-Story für sicherheitsrelevante KI-Komponenten werden ein 2027-Problem. Vor der Unterschrift fragen.
5. CPQ und FSM als unabhängige Entscheidungen behandeln - die Daten fließen durch beide; Anbieterwahl sollte Pipeline-weite Datenpassung betrachten, nicht isolierten Modul-Fit.
6. Steuerberater und Wirtschaftsprüfer ignorieren - Service-Vertrags-Umsatzrealisation, Garantie-Rückstellungen und Teile-Inventur werden von FSM-Wechseln berührt. Finance und Audit früh einbeziehen.

Tool kaufen oder Agent bauen?

Standardtools decken 70 bis 90 Prozent eines Mittelstands-Maschinenbau-Workflows ab. Die letzten 10 bis 30 Prozent sind, wo Maschinenbauer hängen bleiben: branchenspezifische Service-Verträge, Mehrgesellschafts-Vertriebs-Pipelines, regionale Partner-Netzwerk-Routenplanung, exotische Konfigurator-Constraints, kundenspezifische SLAs, Maschinendaten-Formate, die nur Ihrer Produktlinie eigen sind. Drei Optionen.

Wie Superkind passt

Superkind verkauft keinen weiteren CPQ oder FSM. Die Standardtools oben sind gut in dem, was sie tun, und wir empfehlen sie, wenn sie passen. Superkind kommt dort hinzu, wo Standardtools nicht weiterkommen: Custom-KI-Agenten, die die Muster Ihrer Maschinen-Produktlinien, Ihres Service-Netzwerks und Ihrer Kunden-SLAs kodifizieren.

• Prozess-First-Discovery - Wir gehen Ihre Konfigurator-zu-Angebot-zu-Service-Pipeline mit Vertriebs-, Engineering- und Service-Leitung durch. Wir kartieren jede Regel, jeden Workaround, jedes Service-Playbook, das nur in einem Kopf lebt.
• Sitzt auf Ihrem SAP- und PLM-Stack - Die Agenten docken an S/4HANA, ProAlpha, abas, Windchill, Teamcenter, Aras, CPQ und FSM. Wir ersetzen nicht - wir erweitern.
• Übernimmt, was Tools nicht können - Maschinen-spezifische Konfigurator-Constraints, regionale Service-Partner-Routenplanung, kundenspezifische SLA-Logik, exotische Teile-Klassifikations-Regeln, eigene Maschinendaten-Formate.
• Live in 8 bis 12 Wochen - Erster produktiver Use Case innerhalb eines Quartals. Ihr Team arbeitet ab Tag eins mit dem Agenten und formt ihn durch Feedback.
• Outcomes statt Lizenzen - Preise pro Use Case mit klarem ROI im Voraus. Keine Seat-Lizenzen, kein Plattform-Lock-in.
• DSGVO-bereit per Design - EU-Hosting, unterzeichneter AVV, unveränderliche Logs. Von Anfang an für deutsches Steuer-, Zivil- und Maschinenrecht gebaut.
• Spielt gut mit Ihrem Stack - Wir laufen oft neben Tacton, encoway, ServiceMax, IFS oder SAP. Der Agent übernimmt, was das Standardtool als Ausnahme markiert oder gar nicht abdeckt.
• Maschinenverordnung-Konformitäts-Story - Wir bauen mit Konformitäts-Bewertung im Blick für jede sicherheitsrelevante KI-Komponente und arbeiten mit Ihrer notifizierten Stelle.

Häufige Fragen

Henri Jung

Co-founder von Superkind, wo er Mittelständlern und Konzernen hilft, maßgeschneiderte KI-Agenten einzuführen, die tatsächlich zu ihren Teams passen. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem, was echte Unternehmen daraus gewinnen, zu schließen. Vor Superkind hat er jahrelang mit Mittelständlern an Digitalisierung gearbeitet und gesehen, wie viele KI-Projekte scheitern, weil sie mit der Technologie statt mit dem Prozess starten. Er glaubt, dass der Mittelstand alles hat, um in KI zu führen - er braucht nur den richtigen Ansatz.