KI-gestuetzte Produktionsplanung: Wenn APS-Systeme an ihre Grenzen kommen

Gehen Sie Montagmorgen in das Planungsbuero eines typischen deutschen Mittelstaendlers. Sie sehen immer dasselbe Bild. Ein erfahrener Planer, 18 Browser-Tabs, ein raumgrosses Excel, drei Anrufe in der Warteschleife und ein ausgedruckter SAP-PP/DS-Plan, der um 09:15 bereits veraltet ist. Der APS hat den Nachtlauf gefahren. Ein Lieferant ist drei Tage spaet. Eine Maschine steht still. Ein Kunde will seinen Auftrag vorgezogen. Der Plan muss in der naechsten Stunde manuell neu gebaut werden.

Das ist die Luecke, ueber die kein APS-Anbieter gern spricht. SAP PP, APO, IBP, Asprova, DELMIA Ortems, wayRTS, Inform Felios - sie alle loesen das statische Planungsproblem hervorragend. Was sie nicht koennen: auf Realitaet so schnell reagieren, wie Realitaet sich bewegt. 43 Prozent der deutschen Maschinenbauunternehmen nutzen inzwischen KI oder Machine Learning in irgendeiner Form¹⁵, aber fast keines dort, wo der Schmerz wirklich sitzt: im taeglichen Scheduling-Grind. Gleichzeitig endet die Mainstream-Wartung von SAP APO am 31. Dezember 2027⁷, der Umstieg auf IBP hat reale funktionale Luecken⁵, und Gartner prognostiziert fuer agentische KI in Supply-Chain-Software 53 Milliarden US-Dollar Ausgaben bis 2030³.

Dieser Leitfaden richtet sich an Produktionsleiter, COOs, IT-Leiter und Supply-Chain-Verantwortliche im deutschen Mittelstand, die bereits ein APS im Einsatz haben und es nicht rausreissen wollen. Er zeigt genau, wo klassische APS brechen, was eine KI-Planungsschicht wirklich macht, wie sie sich an SAP und Non-SAP-Stacks andockt und wie Sie in 90 Tagen pilotieren - mit dem Planer weiterhin in der Verantwortung.

Wo klassische APS an Grenzen stossen

APS-Systeme wurden in den 1990er- und 2000er-Jahren fuer eine Welt mit stabiler Nachfrage, langen Planungshorizonten und Batch-Neuplanung entworfen. Die Welt hat sich geaendert. Die meisten APS nicht. Hier werden die Risse im deutschen Mittelstand sichtbar.

• Batch-Zyklen sind zu langsam - Typische APS planen ein- oder zweimal pro Tag im Nacht- oder Mittagslauf. Zwischen den Laeufen haengt der Shopfloor am Planer, Excel und Erfahrungswissen. Bricht ein Werkzeug um 11:00 und der naechste Lauf ist um 22:00, ist die Produktion 11 Stunden lang ad hoc.
• Multi-Constraint-Optimierung ist starr - Die meisten APS-Solver beherrschen Kapazitaets- und Materialrestriktionen gut, scheitern aber, wenn Energie-Peaks, Werkerqualifikationen, Standzeiten und Qualitaetstoleranzen gleichzeitig beruecksichtigt werden muessen. Der Planer uebersteuert den Solver mit manuellen Heuristiken, die niemand dokumentiert.
• What-if-Analyse ist muehsam - Ein Szenario in SAP APO oder IBP heisst typisch: Planungsversion klonen, Heuristik erneut laufen lassen, Reports vergleichen. Das dauert Stunden. Der Planer macht es einmal, nicht zehnmal. Echte Szenarien-Disziplin entsteht selten.
• Planer-Heuristiken sind nicht codifiziert - Jedes Werk hat drei bis fuenf erfahrene Planer, die wissen, welche Auftraege immer auf Maschine 4 laufen, warum Kunde X nie nach Kunde Y kommt und welche Ruestsequenzen schmerzlos sind. Gehen diese Planer in Rente, geht das Wissen mit. Das APS erfasst es nicht.
• Stoerungsreaktion ist manuell - Lieferantenverzug, Kunden-Pull-in, Werkzeugbruch - das APS weiss davon erst, wenn jemand eine Transaktion aktualisiert. Der Planer erfaehrt es per Mail, Telefon oder Hallenrundgang und baut den Plan dann manuell um.
• MES-APS-Luecke - Der APS-Plan nimmt Standardtaktzeiten an. Das MES kennt tatsaechliche Geschwindigkeiten, Stillstaende und Ausbringungen. Beide sprechen oft nicht miteinander, also driftet der APS-Plan binnen Stunden weg von der Realitaet.

Daraus entsteht die klassische Mittelstand-Situation: eine siebenstellige APS-Investition, die der Planer trotzdem jeden Tag mit Excel ergaenzen muss. Die Antwort ist nicht ein besseres APS. Die Antwort ist eine Reasoning-Schicht darueber.

Was eine KI-Planungsschicht wirklich macht

Der Begriff „KI-Planung” wird fuer zu vieles verwendet. Praezise gesprochen: Eine KI-Planungsschicht ist eine Software-Ebene zwischen Ihrem APS und Ihren Planern. Sie liest Daten aus SAP, MES und verbundenen Quellen, rechnet Reasoning und Optimierung extern und schreibt Empfehlungen als vorgeschlagene Plaene, Szenarienvergleiche oder Planer-Alerts zurueck.

Sie ist kein Ersatz fuer Ihr APS. Sie ist kein Chatbot. Sie ist kein RPA-Skript. Sie ist eine dedizierte Reasoning-Engine, die das, was das APS bereits macht, um drei Faehigkeiten erweitert, die das APS nie hatte: kontinuierliche Neuplanung, reichhaltige Szenario-Analyse und kontextuelles Reasoning.

Die drei Kernfaehigkeiten

Wie die Schicht in der Praxis aussieht

• Montag 07:30 - Die KI-Schicht zieht den naechtlichen SAP-PP/DS-Plan, offene Bestellungen aus dem Einkauf, MES-Status der letzten Schicht und die Mail des Hauptstahllieferanten, die zwei Tage Verzug meldet.
• Montag 07:45 - Die Schicht rechnet fuenf Reihenfolge-Optionen: Originalplan halten, Kunde B vorziehen, Ersatzmaterial verwenden, Los splitten, Versand verschieben. Jede Option ist nach Liefertreue, Ruestkosten und OEE-Wirkung gerankt.
• Montag 08:00 - Der Planer oeffnet das Dashboard, sieht die fuenf gerankten Optionen und waehlt Option 3. Die Auswahl triggert einen Schreibvorgang in SAP als vorgeschlagenen Planungslauf.
• Montag 08:05 - Der Planer uebernimmt den Vorschlag als fixierten Plan. Der Shopfloor merkt nie, dass etwas schieflief. Der Lieferantenverzug wird abgefangen.
• Ueber Wochen und Monate - Die Schicht lernt, dass dieser Planer immer geringere Ruestkosten ueber marginale Liefertreuen-Verbesserungen stellt. Kuenftige Rankings passen sich an.

Der Schicht-Ansatz ist weniger ambitioniert und pragmatischer. Er verspricht nicht, alles zu loesen. Er verspricht, die taegliche Realitaet des Planers zu loesen, ohne die fuehrenden Systeme anzufassen. Genau deshalb funktioniert er im Mittelstand, wo APS-Ersatz-Programme regelmaessig ins Stocken geraten.

6 Use Cases mit nachweisbarem ROI

Nicht jedes Planungsproblem lohnt die Automatisierung. Sechs Use Cases liefern im Mittelstand verlaesslich messbaren ROI. Geordnet nach typischer Amortisationsgeschwindigkeit.

1. Reihenfolgeoptimierung ueber Maschinen und Kampagnen

Die taegliche Re-Sequenzierung - welcher Auftrag zuerst, welche Reihenfolge minimiert Ruestzeiten, welche Kombination trifft die Liefertreue - ist der groesste Zeitposten des Planers. Die KI-Schicht loest das kontinuierlich.

• Multi-Ziel-Sequenzierung - Liefertreue, Gesamt-Ruestzeit, WIP-Kosten und Energie-Peak werden simultan gewichtet
• Lernt Planer-Praeferenzen - Die Akzeptanz/Ablehnung-Historie lehrt die Schicht, welche Trade-offs zaehlen
• Skaliert auf Tausende Auftraege - Klassische APS-Heuristiken degradieren mit der Skalierung; fuer KI gebaute Optimierungsschichten skalieren linear
• Typisches Ergebnis - 15 bis 25 Prozent kuerzere Durchlaufzeiten und 5 bis 10 Prozentpunkte hoehere OEE innerhalb von 12 Monaten¹⁸
• Beispiel - Ein Automobilzulieferer implementierte KI-gesteuertes Scheduling mit Echtzeit-Shopfloor-Daten und erzielte 25 Prozent mehr pünktliche Lieferungen¹⁸

2. Ruestzeit-Reduktion

Ruestzeiten sind der Bereich, in dem kleine Optimierungen kumulieren. In der Einzel- und Losfertigung ist die Differenz zwischen gut und schlecht sequenzierten Tagen oft 20 bis 30 Prozent der effektiven Maschinenzeit.

• Lernende Ruestmatrix - Die Schicht zieht historische Ruestzeiten ein und baut eine datengetriebene Matrix, die stets genauer ist als die in SAP-Stammdaten
• SMED-bewusste Sequenzierung - Produktfamilien, Werkzeugfamilien und Farb-Los-Sequenzen werden automatisch gruppiert
• Werkzeug-Verfuegbarkeit integriert - Werkzeugverschleiss und -lagerort grenzen Sequenzen ein, um versteckte Ruestzeit zu vermeiden
• Typisches Ergebnis - 10 bis 20 Prozent weniger Gesamt-Ruestzeit, fliesst direkt in die OEE
• Warum APS das verpasst - Klassische APS nutzen statische Ruestmatrizen, die einmal angelegt und nie aktualisiert werden

3. What-if-Szenarioplanung

Jeder Mittelstaendler steht unter permanentem What-if-Druck. Was, wenn wir den Eilauftrag nehmen? Was, wenn der Lieferant zu spaet ist? Was, wenn wir Kunde B vorziehen? Klassische APS koennen das beantworten - langsam. Eine KI-Planungsschicht rechnet zehn parallel, in Minuten.

• Lieferantenstoerung - Was, wenn das Vormaterial zwei Tage spaet eintrifft? Die Schicht rechnet den Plan mit der Restriktion und zeigt die Kettenwirkung
• Kapazitaetsaenderung - Was, wenn wir auf Maschine 3 eine Abendschicht addieren? Durchsatz, Kosten, Personalwirkung auf einen Blick
• Nachfragespitze - Was, wenn Kunde X 40 Prozent mehr ordert? Welche Kunden verspaeten sich, und wie stark
• Produktneueinfuehrung - Wie wirkt der Hochlauf der neuen SKU Y ueber sechs Wochen auf die laufende Produktion?
• Typisches Ergebnis - Planer wechseln von 1 Szenario pro Entscheidung zu 5 bis 10; kommerzielle Entscheidungen werden datenbasiert statt aus dem Bauch

4. Engpass-Detektion und Kapazitaetsprognose

Engpaesse sind rueckblickend offensichtlich. Der Wert liegt darin, sie frueh zu sehen. Eine KI-Planungsschicht schaut kontinuierlich auf Plan, Auftragsbestand und Kapazitaetsprognosen und markiert Engpaesse zwei, vier oder acht Wochen im Voraus.

• Rollende Engpass-Projektion - Die Schicht projiziert Kapazitaetsauslastung wochenweise ueber jeden Arbeitsplatz
• Versteckte Restriktionen - Werkzeugverfuegbarkeit, qualifizierte Werker und QS-Kapazitaet werden neben Maschinenkapazitaet markiert
• Proaktive Empfehlungen - Die Schicht schlaegt vor, welche Auftraege vorzuziehen, zu verschieben oder an einen Lohnfertiger auszulagern sind
• Typisches Ergebnis - 10 bis 20 Prozentpunkte hoehere Liefertreue, weil der Engpass vor der Krise adressiert wird
• Beispiel - Ein Fortune-500-Hersteller reduzierte ungeplante Stillstaende um 45 Prozent durch KI-gestuetztes Kapazitaetsmanagement¹⁹

5. Stoerungsreaktion (Lieferantenverzug, Maschinenstillstand)

Stoerungen sind die Kategorie, in der APS am schwaechsten und KI-Planung am staerksten ist. Das APS erfaehrt von einer Stoerung erst, wenn jemand eine Transaktion aktualisiert. Die KI-Schicht kann unstrukturierte Quellen aufnehmen - Lieferantenmails, MES-Alerts, Logistik-Updates - und in Minuten reagieren, nicht in Stunden.

• Lieferanten-Mail-Parsing - Verzugsmeldungen werden automatisch erkannt und offenen Bestellungen zugeordnet
• MES-Event-Streaming - Maschinenausfaelle triggern sofortige Reihenfolge-Vorschlaege
• Alternative-Sourcing-Vorschlaege - Die Schicht schlaegt Ersatzmaterialien oder -lieferanten vor, wo Stammdaten es zulassen
• Express-Fracht-Trade-off - Kosten fuer Express vs. Kosten fuer verspaetete Lieferung werden automatisch quantifiziert
• Typisches Ergebnis - Reaktionszeit von Stoerung zu angepasstem Plan faellt von 4 bis 8 Stunden auf 20 bis 40 Minuten

6. Kundenpriorisierung und Auftrags-Reshuffling

Kunde A ist strategisch mit 60-Tage-Forecast. Kunde B ist Einmalauftrag mit Premiumzahlung. Kunde C rutscht ohne Reaktion in die Pönale. Jeden Tag balancieren Planer das aus. Die KI-Schicht macht die Trade-offs explizit und dokumentiert.

• Kundenklassen-Logik - Strategisch, bevorzugt und transaktional mit unterschiedlichen Slack-Toleranzen
• Pönalenbewusste Sequenzierung - Verspaetungs-Pönalen werden zur quantifizierten Restriktion, nicht zur mentalen Notiz
• Margen-Trade-offs - Auftraege mit hoeherer Marge werden bei knapper Kapazitaet bevorzugt sequenziert
• Vertrieb und Produktion sprechen dieselbe Sprache - Vertrieb sieht dieselbe Trade-off-Sicht wie der Planer - Prioritaetsstreitigkeiten enden
• Typisches Ergebnis - 5 bis 10 Prozentpunkte hoehere Liefertreue bei strategischen Kunden, ohne die Gesamtperformance zu schaden

SAP- und Non-SAP-Architektur

Die Architekturfrage ist die, die im Mittelstand die meisten KI-Planungsprojekte blockiert. Die IT will genau wissen, wo die Schicht sitzt, was sie liest, was sie schreibt und wie sie abgesichert ist. Hier das Muster, das funktioniert.

SAP PP, APO und IBP: das Verbindungsmuster

Die KI-Schicht verbindet sich ueber Standard-Schnittstellen - keine Middleware, kein Custom-ABAP ueber das hinaus, was Sie bereits haben. Die Details unterscheiden sich je nach SAP-Stack.

• SAP PP auf S/4HANA - Lesen via OData-APIs, CDS-Views oder Public Cloud APIs. Planauftraege, Fertigungsauftraege, Stuecklisten, Arbeitsplaene, Arbeitsplaetze sind exponiert. Write-back ueber Standard-BAPIs oder die Production-Planning-API fuer Scheduling-Moves.
• SAP APO (PP/DS und SNP) - Lesen aus dem liveCache ueber Standard-BAPIs oder OData. Planversionen und Optimierer-Output sind zugaenglich. Write-back schlaegt Aenderungen in einer dedizierten Planversion vor; der Planer uebernimmt. Achtung: SAP APO Mainstream-Wartung endet 31.12.2027⁷; Investitionen in die KI-Schicht sollten portabel sein.
• SAP IBP - Lesen und Schreiben via IBP REST-APIs fuer Supply Planning, Response Planning und Demand Planning. Die native KI/ML in IBP ist begrenzt und verlangt oft einen Data Scientist⁵. Eine externe KI-Schicht schliesst die Luecke, ohne dass Sie auf SAP warten muessen.
• SAP PP/DS in S/4HANA - Nachfolger von APO PP/DS mit besser zugaenglichen APIs als das Legacy-APO. Die KI-Schicht liest PP/DS-Optimierer-Output und schlaegt Anpassungen ueber die S/4HANA-APIs vor.
• Sicherheitsmodell - Die KI-Schicht nutzt einen dedizierten Service-User mit Lesezugriff auf Planungsdaten. Write-back verwendet einen separaten User mit Berechtigung auf spezifische Planversionen und Auftragsarten. Jede Aktion landet im SAP-Standard-Audit-Trail.

Non-SAP-APS: Asprova, DELMIA Ortems, wayRTS, Inform Felios

Ein grosser Teil der Mittelstand-Hersteller nutzt Non-SAP-APS, meist neben SAP-ERP oder einem branchenspezifischen ERP. Das Integrationsmuster bleibt gleich - Daten lesen, Optimierung rechnen, Empfehlungen schreiben.

• Asprova - Japanisches APS, weltweit an ueber 2900 Produktionsstandorten im Einsatz. Exponiert eine COM-Schnittstelle und Excel-Import/Export, beides lesbar und beschreibbar. Stark in der Einzelfertigung mit komplexen Arbeitsplaenen.
• DELMIA Ortems - APS von Dassault Systemes mit Finite-Capacity-Scheduling und Constraint-Management. Integration ueber die 3DEXPERIENCE-Plattform oder Standard-Datenbankzugang. Stark in Automotive, Aerospace und Industrie-Equipment.
• wayRTS - Deutsches APS mit starker Mittelstand-Basis. Standard-Relational-DB-Zugang macht die Integration einfach. Die KI-Schicht liest den Plan, rechnet Optimierung und schlaegt Updates ueber das wayRTS-Scripting vor.
• Inform Felios - Deutsch entwickelte KI-basierte Optimierungssoftware fuer Produktionsplanung mit starker Mittelstand-Anwenderschaft. Bereits KI-basiert, profitiert aber ebenfalls von einer Schicht, die kontinuierliche Neuplanung und Szenario-Analyse abbildet¹⁵.
• Blue Yonder - Leader im Gartner Magic Quadrant 2026 fuer Supply Chain Planning Solutions: Discrete Industries⁴. Blue Yonder investiert stark in agentische KI und autonome Planung; die Schicht ergaenzt organisationseigene Logik oben drauf.

Der End-to-End-Datenfluss

1. Quellsysteme - SAP, APS, MES, Lieferantenportal, Mail, IoT-Sensordaten puschen Daten an eine Staging-Schicht
2. Datenschicht - Rohdaten werden bereinigt, mit Stammdaten verknuepft und ueber ein semantisches Modell an die KI-Schicht exponiert
3. KI-Schicht - Optimierung, Szenario-Analyse und Reasoning laufen hier. Output sind gerankte Empfehlungen mit Trade-off-Metriken
4. Planer-Oberflaeche - Empfehlungen erscheinen in einer Side-by-side-Sicht neben dem aktuellen Plan. Planer akzeptiert, passt an oder lehnt ab
5. Write-back - Akzeptierte Empfehlungen landen als vorgeschlagene Planversionen in SAP oder im APS und werden vom Planer bestaetigt
6. Audit und Lernen - Jede Aktion wird protokolliert. Akzeptanz-/Ablehnungsentscheidungen fliessen in die Lernschleife fuer den naechsten Lauf

Das 90-Tage-Pilot-Playbook

Der groesste Fehler in KI-Planungsprojekten ist, mit Write-back zu starten. Starten Sie read-only. Der Planer vergleicht KI-Empfehlungen mit seinen eigenen Plaenen fuer ein paar Wochen. Ist der Wert sichtbar, gehen Sie auf Write-back. Ist er es nicht, verlassen Sie das Projekt mit minimalen Sunk Costs.

Phase 1: Read-only-digitaler-Zwilling (Wochen 1-4)

1. Woche 1: Prozess und Datenzugang - Zwei bis drei erfahrene Planer interviewen. Dokumentieren, wie sie tatsaechlich planen - Workarounds eingeschlossen. Genaue Daten-Bedarfe aus SAP oder APS identifizieren. Lesezugang ueber Standard-Service-User einrichten.
2. Woche 2: Verbindung und Datenmodell - Lese-Verbindung zum APS aufbauen. Planauftraege, Arbeitsplaene, Stuecklisten, offene Bestellungen und MES-Status in ein Staging ziehen. Datenqualitaet gegen das pruefen, was die Planer am Bildschirm sehen.
3. Woche 3: Erstes Optimierungsmodell - Erste Version des Reihenfolge-Optimierers und der Szenario-Engine bauen. Mit Daten der letzten Woche laufen lassen. KI-Plan gegen den tatsaechlich gefahrenen Plan vergleichen. Offensichtliche Treffer und Misses identifizieren.
4. Woche 4: Side-by-side-Dashboard - Planer-Sicht bauen, die aktuellen Plan versus KI-Empfehlung mit Trade-off-Metriken zeigt. An den Senior-Planer uebergeben. Noch kein Write-back. Reine Beobachtung.

Phase 2: Shadow Running (Wochen 5-10)

5. Woche 5-6: Taeglicher Abgleich - Jeden Tag prueft der Planer die KI-Empfehlung vor seinem normalen Planungslauf. Er akzeptiert oder lehnt jede Empfehlung als Meinung ab, faehrt aber weiterhin seinen eigenen Plan. Die Daten trainieren die Schicht.
6. Woche 7-8: What-if-Szenarien - Szenario-Analyse scharfschalten. Planer rechnen 5 bis 10 Szenarien pro strategischer Entscheidung. Vertrieb und Produktion nutzen dieselbe Szenario-Sicht fuer gemeinsame Entscheidungen.
7. Woche 9: Stoerungsreaktion - Lieferanten-Mail-Parsing und MES-Event-Streaming ergaenzen. Die Schicht erzeugt jetzt auch ereignisbasierte Vorschlaege, nicht nur zum Planungszeitpunkt.
8. Woche 10: Go/No-go-Review - Zahlen auspacken. Wie viel Prozent der KI-Empfehlungen haette der Planer akzeptiert? Welche messbare KPI-Veraenderung haette sich ergeben? Entscheidung ueber Write-back-Phase.

Phase 3: Write-back und Ausweitung (Wochen 11-14)

11. Woche 11: Erster Write-back - KI-Vorschlaege schreiben in eine dedizierte Planversion in SAP oder APS. Planer prueft, passt an, und fixiert. Nichts umgeht den Planer.
12. Woche 12: Voller Parallelbetrieb - Jeder Planungszyklus erzeugt sowohl den klassischen APS-Plan als auch den KI-Vorschlag. Planer waehlt den auszufuehrenden Plan. KPIs verfolgen beide.
13. Woche 13: Zweiten Use Case scharfschalten - Wenn Reihenfolgeoptimierung live ist, folgt Ruestzeit-Reduktion oder Engpass-Detektion. Daten- und Integrationsinfrastruktur stehen bereits.
14. Woche 14: Regelbetrieb und Messung - KPIs werden monatlich gegen Baseline getrackt. Planer-Feedback steuert die kontinuierliche Verbesserung. Planung fuer naechstes Werk oder naechsten Use Case.

Human-in-the-Loop im Alltag

Der haeufigste Einwand gegen KI-Planung ist: „Wir koennen keine Maschine das Werk fahren lassen.” Korrekt. Und keine ernsthafte KI-Planungsschicht tut das. Human-in-the-Loop ist kein Zugestaendnis an das Risiko - es ist das gesamte Design-Muster.

Wie der Planer in Kontrolle bleibt

• Jede Empfehlung ist ein Vorschlag - Die KI-Schicht schreibt nie direkt in den Live-Plan. Sie schreibt in eine vorgeschlagene Planversion, die der Planer explizit promotet
• Trade-off-Metriken sind immer sichtbar - Jede Empfehlung zeigt Liefertreue, Ruestkosten, WIP-Wirkung und OEE-Projektion. Der Planer beurteilt die Trade-offs
• Die Begruendung wird erklaert - Die Schicht erklaert, warum sie eine Reihenfolge vorschlaegt („zieht Kunde B vor, um die gleiche Werkzeugfamilie wie Kunde A zu nutzen, spart 90 Minuten Ruestzeit”)
• Der Planer kann anpassen und neu rechnen - „Diese Reihenfolge sperren, Rest neu optimieren” ist eine Standardoperation, kein Spezialfeature
• Akzeptanz/Ablehnung ist Trainingssignal - Die Schicht lernt die Praeferenzen ueber Wochen und Monate. Ablehnungen sind keine Ausfaelle, sondern Schaerfung
• Alle Aktionen werden protokolliert - Jeder Vorschlag, jede Annahme, jede Anpassung im Audit-Trail. Unerlaesslich fuer EU-KI-VO Artikel 14 Compliance²³

Autonomiestufen, die im Mittelstand funktionieren

Die meisten Mittelstand-Hersteller pendeln sich auf Stufe 1 ein, mit Stufen-2-Inseln fuer gut definierte Routinen. Stufe 3 ist selten die richtige Antwort - nicht weil die Technik es nicht koennte, sondern weil die Organisation es nicht will und nicht braucht. Stufe 1 birgt bereits den Grossteil des ROI.

Betriebsrat, DSGVO und EU-KI-Verordnung

Produktionsplanungs-KI in Deutschland trifft auf drei regulatorische Rahmen: Betriebsrat, DSGVO und EU-KI-Verordnung. Gute Nachricht: Produktionsplanung liegt in allen dreien auf der sauberen Seite - aber es gibt spezifische Dinge zu beachten.

Betriebsrats-Abstimmung

• Produktionsplanung selbst ist nicht mitbestimmungspflichtig - Klassische Maschinen- und Auftragsplanung ist operativ, keine personelle Angelegenheit
• Einfluss auf Schichtplanung loest Mitbestimmung aus - Empfiehlt die KI-Schicht Schichtmuster oder Ueberstunden, ist der Betriebsrat nach BetrVG Paragraf 87 einzubinden
• Leistungsueberwachung loest Mitbestimmung aus - Erfasst die Schicht individuelle Planer-Leistung (Akzeptanzraten, Zykluszeiten), den Betriebsrat frueh einbinden
• Betriebsvereinbarung - Die meisten Mittelstaendler haben bereits eine Rahmen-BV fuer digitale Tools. Eine KI-Planungsschicht passt meist mit einer kleinen Ergaenzung hinein
• Transparenz ist die gewinnende Haltung - Dem Betriebsrat genau zeigen, was die Schicht macht, welche Daten sie nutzt und welche Entscheidungen sie beeinflusst. Konfrontative Haltung scheitert, kollaborative gelingt

DSGVO-Aspekte

• Produktionsplanungsdaten sind meist nicht personenbezogen - Auftraege, Arbeitsplaene, Stuecklisten, Kapazitaeten und Ruestmatrizen sind Betriebsdaten, keine Personendaten
• Personenbezogene Randfaelle - Werkerqualifikationen, Schichtplaene oder Leistungsmetriken sind personenbezogen und brauchen Rechtsgrundlage, typisch berechtigtes Interesse oder Artikel-88-Kollektivregelung
• Service-User-Zugang - Die KI-Schicht nutzt Service-User, keine persoenlichen Credentials. Klare Trennung vereinfacht die DSFA
• Datenresidenz - Fuer deutsche Hersteller EU-Datenresidenz bevorzugen. Der EU-basierte Sovereign-Cloud-Stack reift schnell
• Aufbewahrung - Log-Aufbewahrung fuer KI-Entscheidungen sollte der bestehenden SAP-Audit-Retention entsprechen - typisch 10 Jahre fuer steuerrelevante, weniger fuer rein operative Daten

EU-KI-Verordnung-Einstufung

• Produktionsplanung faellt in minimales Risiko - Sie steht in keinem der Hochrisiko-Anhaenge der EU-KI-Verordnung
• Artikel 4 KI-Kompetenz - Jeder Nutzer muss geschult sein, was das System tut und nicht tut²⁵. Kleines, wiederholbares Schulungsprogramm, keine Compliance-Buerde
• Artikel 14 menschliche Aufsicht - Das Human-in-the-Loop-Design erfuellt das per Konstruktion²³. Jeder Vorschlag wird vor Ausfuehrung geprueft
• Volle Anwendung 2. August 2026 - KI-Kompetenz und Aufsicht gelten bereits. Hochrisiko-Regeln (hier nicht anwendbar) greifen zum Stichtag²⁴
• Dokumentation - Kurzdokument, das System, Zweck, Daten und Aufsichtsmechanismus beschreibt. Fuenf Seiten reichen

Wie Superkind passt

Superkind baut massgeschneiderte KI-Schichten fuer Produktionsplanung und Operations. Der Ansatz ist derselbe, der im Mittelstand in jeder anderen Domaene funktioniert: zuerst read-only, planer-gefuehrt, use-case-fokussiert, kein Rip-and-replace.

• Andockbar an Ihr bestehendes APS - SAP PP, APO, IBP, Asprova, DELMIA, wayRTS, Felios, Blue Yonder oder Eigenbau. Keine Migration noetig. Die Schicht liest, was da ist
• Prozess-First-Discovery - Wir sprechen mit den Planern, die tatsaechlich planen, mappen wie Neuplanung heute laeuft, und identifizieren, wo KI die Oekonomie aendert - bevor Code geschrieben wird
• Zuerst read-only digitaler Zwilling - Wochen 1 bis 4 liefern eine Shadow-Sicht auf KI-Empfehlungen neben Ihrem aktuellen Plan. Nachgewiesener Wert vor Write-back
• Planer-gefuehrtes Design - Jede Empfehlung ist Vorschlag. Planer behalten Autoritaet. Stufe 1 Human-in-the-Loop ist Standard. Stufe 2 nur, wenn der Planer es will
• Outcome-basierte Preise - Wir bepreisen pro Use Case mit messbaren KPIs, die vorher definiert werden. Keine Seat-Lizenzen. Kein Mehrjahres-Lock-in
• Multi-Plant-Skalierung - Erstes Werk in 10 bis 14 Wochen. Zweites Werk typisch 40 bis 60 Prozent des Aufwands. Daten und Architektur kumulieren
• Ueberlebt APS-Migration - Die Schicht ist portabel ueber SAP APO, IBP und S/4HANA PP/DS. Wenn Sie 2027 von APO auf IBP gehen, wandert sie mit
• EU-Datenresidenz standardmaessig - Die KI-Schicht kann in EU-Regionen mit europaeischen LLM-Anbietern laufen, wo Souveraenitaet zaehlt. DSGVO, EU-KI-VO und Betriebsratsarbeit sind Teil des Standard-Scopes

Entscheidungsrahmen: Ist Ihr Werk bereit?

Nicht jedes Mittelstands-Werk braucht jetzt eine KI-Planungsschicht. Hier ein Rahmen zur Entscheidung.

Haeufig gestellte Fragen

Henri Jung

Mitgruender von Superkind. Er hilft Mittelstand und Unternehmen, massgeschneiderte KI-Agenten zu deployen, die tatsaechlich zu den Arbeitsweisen der Teams passen. Henri brennt dafuer, die Luecke zwischen dem, was KI kann, und dem Wert, den sie in realen Unternehmen liefert, zu schliessen. Vor Superkind hat er jahrelang mit mittelstaendischen Herstellern an digitalen Transformationen gearbeitet und aus der Naehe gesehen, wie viele APS-Projekte in der Luecke zwischen System und Planer stecken bleiben. Er glaubt, dass der Mittelstand alles hat, was es braucht, um in der KI-gestuetzten Fertigung zu fuehren - es braucht nur die richtige Schicht ueber dem, was bereits da ist.