KI im Mittelstand-Qualitätsmanagement: Wie Hidden Champions 2026 8D-Zeit, Audit-Vorbereitung und Lieferantenqualitätskosten senken

Um 14:23 Uhr an einem Donnerstag landet eine Kundenreklamation im Qualitäts-Postfach eines deutschen Mittelständlers für Präzisionsteile. Ein Tier-1-Automobilkunde hat bei einer vor drei Wochen gelieferten Charge Massabweichungen festgestellt. Der Kunde will den 8D-Report binnen 24 Stunden und eine Sofortmassnahme binnen 8. Die leitende Qualitätsingenieurin lässt liegen, was sie gerade macht, öffnet CAQ, um den Los zu finden, öffnet ERP für die Fertigungsaufträge, öffnet die Zeichnung im PLM, ruft den Linienmeister an, liest die SPC-Charts, entwirft einen vorläufigen 8D und mailt den Kunden um 23:11 Uhr. Der nächste 8D kommt am Freitag. Das Lieferantenaudit ist in drei Wochen. Zwei FMEA-Updates sind überfällig. Eine Qualitätsingenieurin trägt das alles.

Das ist die operative Realität im Mittelstands-QM 2026. Kundenaudits und Zertifizierungen wachsen (IATF 16949, ISO 9001:2026 DIS in Prüfung, MDR für Medizintechnik, AS9100 für Luftfahrt, HACCP für Lebensmittel)^4,9. Qualifizierte Qualitätsingenieure sind knapp - mehr als die Hälfte der deutschen Hersteller kann offene QM-Stellen nicht besetzen. Und die Arbeit selbst ist im Kern ein systemübergreifender Reasoning-Job, der aus einem CAQ-plus-Excel-Workflow zu einer CAQ-plus-ERP-plus-PLM-plus-E-Mail-plus-Dokumentenflut gewachsen ist, die niemand durch zusätzliches Engineering skalieren kann.

Dieser Artikel ist ein praktischer Leitfaden für die KI-Agenten-Schicht, die endlich zu der Art passt, wie Mittelstands-QM wirklich arbeitet. Sieben Use Cases mit hohem ROI, die ehrliche Build-vs-Buy-Entscheidung gegen die eingebettete CAQ-KI von Babtec, Böhme & Weihs, iqs und Fabasoft, der Kostenvergleich, die Architektur, die IATF-Auditpflichten und EU-AI-Act-Logging respektiert, und ein 90-Tage-Plan zum Live-Gang des ersten Agenten.

Warum QM der KI-Sweet-Spot im Mittelstand ist

Drei Kräfte konvergieren 2026 im Mittelstands-QM und machen es zum hebelstärksten KI-Ziel in den meisten Werken. Keine der Kräfte ist zyklisch. Alle drei verstärken sich gegenseitig.

Kraft 1: Compliance- und Auditlast wächst

• IATF 16949 für Automotive-Tier-1- und Tier-2-Zulieferer verlangt nachweisstarke Audits: aktuelle Prozess-FMEAs, abgestimmte Control Plans, verfolgte Lieferantenabweichungen, durchgeführte Layered Process Audits, dokumentierter 8D-Abschluss⁹. Das Volumen der erforderlichen Nachweise ist über das letzte Jahrzehnt um rund 50 Prozent gewachsen.
• ISO 9001:2026 liegt als Draft International Standard vor, mit zentralen Themen präziser formuliert und an moderne Bedingungen angepasst, einschliesslich Digitalisierung und Rolle von KI⁴. Rezertifizierungszyklen treffen die meisten Mittelstands-Zulieferer 2026 und 2027.
• MDR für Medizintechnik, AS9100 für Luftfahrt, HACCP für Lebensmittel, GMP für Pharma fügen jeweils ähnliche Schichten in ihren Sektoren hinzu. Multi-Sektor-Mittelständler führen mehrere Standards parallel.
• Kundenspezifische Qualitätsanforderungen von OEMs und Tier-1-Kunden legen eine weitere Schicht obendrauf - massgeschneiderte Audit-Decks, ppm-Zusagen, spezifische 8D-Formate, Lieferantenportal-Uploads.

Kraft 2: Qualifiziertes QM-Personal ist strukturell knapp

• Demografische Klemme - Senior-Qualitätsingenieure aus der Boomer-Kohorte gehen schneller in Rente, als nachwächst. Die deutsche Mittelstands-QM-Workforce schrumpft 2 bis 3 Prozent pro Jahr.
• Skill-Mismatch - QM verlangt zunehmend systemübergreifende Datenkompetenz (CAQ, ERP, PLM, SPC, Statistik, Kundenportale). Universitäten bilden weiter QM-Ingenieure nach Theorie aus, nicht für den realen systemübergreifenden Reasoning-Job.
• Interne Konkurrenz um Engineering-Talente - QM konkurriert mit F&E, Produktionsplanung und zunehmend Data-Science-Teams um dieselben knappen Absolventen.
• Gehaltsdruck - Die Kosten pro QM-Ingenieur sind über das letzte Jahrzehnt real um 30 bis 50 Prozent gestiegen, schneller als die Produktivität in der Funktion.

Kraft 3: KI ist im QM-Workflow reif geworden

• Dokumenten-Drafting auf Auditgrad - LLMs liefern 2026 8D-, CAR-, SCAR- und Audit-Pack-Entwürfe, die bei korrekten Quelldaten von Senior-Engineer-Output ununterscheidbar sind. Der Engpass ist die Integration, nicht die Generierung.
• Systemübergreifendes Reasoning - CAQ-Daten plus ERP-Transaktionen plus PLM-Specs plus Kundenkorrespondenz plus Lieferantenhistorie ist genau der Kontext, den ein Agent zusammenfügen kann. Es ist auch genau das, was kein Mensch in jedem Fall durchgängig liest.
• EU AI Act gibt einen klaren Pfad - Die meisten QM-Use-Cases sitzen im limited-risk-Bereich, Artikel-12-Logging wird vom Agentenplattform erfüllt¹⁰. Der rechtliche Rahmen ist nicht mehr der Blocker.
• Eingebettete CAQ-KI bestätigt die Richtung - Fabasoft Approve liefert KI-unterstütztes QMS mit 8D- und FMEA-Reasoning^1,2. BabtecQ, CASQ-it und iqs haben alle KI-Funktionen angekündigt. Die Marktrichtung ist klar - die Frage ist die Implementierungstiefe.

Wo die QM-Zeit im Mittelstand wirklich bleibt

Das ehrliche Wochenbudget eines Mittelstands-Qualitätsingenieurs ist nicht das, was im Orgchart steht. Die meisten QM-Teams aus 4 bis 12 Ingenieuren verbringen ihre tatsächlichen Stunden in vier Töpfen - und KI verändert die Ökonomik jedes einzelnen.

Topf 1: Reaktive Reklamations- und 8D-Arbeit (30-45 Prozent)

Kundenreklamation kommt herein. Ingenieurin lässt liegen, was sie tat, jagt Daten durch CAQ, ERP, PLM, Linienprotokolle, entwirft den 8D, managt den Kunden bis zum Abschluss, aktualisiert interne Records. Wiederholt sich für die nächste Reklamation. Hier kostet auditfähige Dokumentation am meisten Engineering-Zeit.

Topf 2: Lieferantenqualität und SCAR-Arbeit (15-25 Prozent)

Lieferanten-ppm-Trends, Wareneingangs-Eskalationen, SCAR-Briefe, Lieferantenaudits, gemeinsame Ursachenanalysen. Mittelständler hängen typisch an 50 bis 500 Lieferanten, und im Long Tail steckt unentdecktes Risiko.

Topf 3: Audit-Vorbereitung und Zertifizierung (10-20 Prozent, in Audit-Wochen viel mehr)

IATF-, ISO-, Kundenaudits verlangen jeweils 2 bis 6 Wochen Vorbereitung, mit Nachweisen aus CAQ, ERP, PLM, DMS, Trainingsrecords, Lieferantenakten. Oft wird die Arbeit für jedes Audit wiederholt, weil zwischen den Runden keine Zeit blieb, das Paket strukturiert zu halten.

Topf 4: Proaktive Arbeit - FMEA, SPC, Schulung, Verbesserung (15-30 Prozent, der Rest)

Die Arbeit, von der alle einig sind, dass sie am wichtigsten ist. Die Arbeit, die als erstes gestrichen wird, wenn Reklamationen und Audits sich stapeln. KI verändert diese Rechnung, indem sie die ersten drei Töpfe reduziert und Zeit für die proaktive Arbeit freisetzt, die den reaktiven Zyklus verhindert.

Sieben Use Cases mit hohem ROI

Die Use Cases unten sind nach typischem Mittelstands-QM-ROI in den ersten 12 Monaten sortiert. Jeder Use Case integriert sich in den bestehenden CAQ-, ERP-, PLM- und Dokumentenstack - keiner verlangt, Kernsysteme zu ersetzen.

Use Case 1: 8D-/CAR-Drafting

• Was der Agent tut - Liest die eingehende Kundenreklamation, lokalisiert den betroffenen Los in CAQ und ERP, zieht SPC-Daten, Linienprotokolle, FMEA und ähnliche frühere 8Ds. Entwirft jeden Abschnitt (D1 Team, D2 Problem, D3 Sofortmassnahme, D4 Ursachenhypothesen, D5 Korrekturmassnahmen-Vorschläge, D6 Umsetzung, D7 Vorbeugung, D8 Abschluss) mit Quellverweisen. Qualitätsingenieur prüft und gibt frei.
• Wo er sitzt - Über CAQ, ERP, PLM, MES, Kundenmail, DMS. Liest über stabile APIs und schreibt Entwürfe als neue 8D-Datensätze zur Prüfung ins CAQ.
• Was er entfernt - 70 bis 90 Prozent der 8 bis 20 Engineering-Stunden pro Fall. Der Senior-Ingenieur prüft, fragt nach, entscheidet - er entwirft nicht.
• Typischer ROI - Voller FTE zurückgewonnen pro ~50 8D-Fällen pro Jahr. Schnellere Kundenantwort (Stunden statt Tage für den ersten Entwurf).
• Time-to-ROI - 3 bis 6 Monate.

Use Case 2: Reklamations-Triage und Kundenantwort-Drafting

• Was der Agent tut - Liest eingehende Kundenreklamationen über alle Kanäle (E-Mail, Kundenportal, EDI-8D, PDF). Klassifiziert Schwere, identifiziert betroffenen Los, entwirft die unmittelbare Empfangsbestätigung und den Eindämmungs-Vorschlag. Für niedrig-priorisierte Fälle entwirft er die vollständige Antwort.
• Wo er sitzt - Zwischen dem eingehenden Kanal (Sammelpostfach, Kundenportal, EDI) und dem CAQ-/8D-Workflow.
• Was er entfernt - Den Triage-Schritt, der 1 bis 2 Stunden pro Reklamation kostet, nur um zu wissen, ob sie dringend ist. Die Drafting-Zeit für die routinemässigen 60 bis 80 Prozent.
• Typischer ROI - 50 bis 70 Prozent Reduktion in Time-to-First-Kundenantwort. Wichtiger Downstream: schnellere Eindämmung, niedrigere Eskalationskosten.
• Time-to-ROI - 3 bis 6 Monate.

Use Case 3: FMEA-Unterstützung (Prozess und Konstruktion)

• Was der Agent tut - Zeigt relevante historische FMEAs, ähnliche Fehlerarten aus früheren 8D- und Feldberichten, Lieferantenhistorie zu verwandten Teilen, Garantiedaten, Kundenreklamationsmuster. Entwirft FMEA-Zeilen-Updates, wenn ein neuer Feldfall oder 8D geschlossen wird. Markiert FMEA-Zeilen, die auf Basis jüngster Evidenz neu zu prüfen sind.
• Wo er sitzt - Über CAQ, FMEA-Tools (APIS, Plato, IQ-Software), 8D-Records, Felddatenausfälle.
• Was er entfernt - Die chronische Lücke zwischen PPAP-FMEAs und FMEA als lebendigem Dokument. Die 30 bis 50 Prozent FMEA-Workshop-Zeit, die für die Suche nach historischem Kontext draufgehen.
• Typischer ROI - 30 bis 50 Prozent FMEA-Workshop-Zeit zurückgewonnen. Wichtiger: FMEAs, die die aktuelle Realität widerspiegeln, was Konstruktions- und Prozessentscheidungen im nächsten Produktzyklus verbessert.
• Time-to-ROI - 6 bis 12 Monate.

Use Case 4: Audit-Vorbereitung (Kunde, Zertifizierung, statutarisch)

• Was der Agent tut - Zieht die relevanten Records für ein bevorstehendes IATF-, ISO-9001-, Kunden- oder statutarisches Audit. Entwirft das Audit-Paket: aktuelle Prozess-FMEAs, abgestimmte Control Plans, Lieferantenabweichungs-Log, 8D-Abschlussliste, Schulungsnachweise, Layered-Audit-Historie. Markiert Lücken mit Zeit zum Schliessen vor dem Audit.
• Wo er sitzt - Über CAQ, ERP, PLM, Schulungssystemen, DMS. Liefert ein strukturiertes Audit-Paket, das das Team prüft.
• Was er entfernt - 2 bis 6 Wochen Pre-Audit-Vorbereitung pro Großaudit, wiederholt für jedes Audit.
• Typischer ROI - 60 bis 80 Prozent der Audit-Vorbereitungszeit zurückgewonnen. Weniger Auditfeststellungen, weil Lücken rechtzeitig sichtbar werden.
• Time-to-ROI - 3 bis 9 Monate (erster Großaudit-Zyklus).

Use Case 5: Lieferanten-ppm-Überwachung und SCAR-Drafting

• Was der Agent tut - Überwacht Wareneingangs-Prüfergebnisse, ppm-Trends, Lieferantenabweichungen, auf Lieferanten zurückgeführte Kundenreklamations-Ursachen. Entwirft SCARs mit Belegen, bereitet Lieferanteneskalations-Pakete vor, fasst Lieferantenhistorie für Category-Buyer zusammen.
• Wo er sitzt - Über CAQ (Lieferanten-ppm, Wareneingang, Reklamationshistorie), ERP (Beschaffungshistorie, Verträge), Kundenreklamations-Records.
• Was er entfernt - Manuelles ppm-Tracking in Excel. Den SCAR-Drafting-Aufwand. Den blinden Fleck im Long Tail der Lieferanten.
• Typischer ROI - 0,5 bis 1,5 Prozent Reduktion der Lieferantenqualitätskosten (ppm-getriebene Eskalationen, Retouren, Linienstopps). Ein FTE zurückgewonnen pro ~150 aktiv überwachten Lieferanten.
• Time-to-ROI - 6 bis 12 Monate.

Use Case 6: PPAP-/APQP-/IMDS-Dokumentation

• Was der Agent tut - Bei neuen Teilfreigaben entwirft er das PPAP-Paket (Konstruktionsnachweise, Prozess-FMEA, Control Plan, Messsystemanalyse, Erstprozessuntersuchungen, Probenbestätigung). Entwirft APQP-Phasenlieferungen. Generiert IMDS-Materialdeklarationen aus PLM- und Lieferantendaten.
• Wo er sitzt - Über PLM, CAQ, Lieferantendaten, IMDS-Portal.
• Was er entfernt - 30 bis 60 Prozent des PPAP-Aufwands pro neuem Teil. Kritisch, wenn Launch-Volumen wächst, Launch-Teams aber nicht.
• Typischer ROI - Voller FTE zurückgewonnen pro ~100 PPAPs pro Jahr. Schnellere Launches.
• Time-to-ROI - 6 bis 12 Monate.

Use Case 7: SPC-Anomalie-Reasoning

• Was der Agent tut - Wenn SPC-Charts ausser Kontrolle laufen, liest der Agent den Chart-Kontext über CAQ (Messhistorie), MES (Maschinenstatus, Werkzeugwechsel, Schicht), PLM (jüngste Konstruktionsänderung) und Lieferantenrecords (Loswechsel) und schlägt die wahrscheinlichste Ursache vor. Entwirft eine Untersuchungszusammenfassung.
• Wo er sitzt - Über CAQ-SPC, MES, PLM, Lieferantendaten.
• Was er entfernt - Die Detektivarbeit, die 1 bis 4 Stunden pro Out-of-Control-Ereignis kostet. Kritisch, weil die meisten OOC-Fälle nur kursorisch untersucht werden, wenn Ingenieure überlastet sind.
• Typischer ROI - 50 bis 70 Prozent OOC-Untersuchungszeit zurückgewonnen. Höhere Ursachen-Treffsicherheit, wenn Untersuchungen tatsächlich stattfinden.
• Time-to-ROI - 6 bis 12 Monate.

Build vs Buy: CAQ-eingebettet, Spezial, Custom

Jedes Mittelstands-QM-Team wählt zwischen drei Wegen, KI in den Qualitäts-Workflow zu bringen. Die richtige Antwort hängt vom Use Case, der internen Fähigkeit und davon ab, wie systemübergreifend die QM-Realität ist.

Weg 1: CAQ-eingebettete Hersteller-KI (Fabasoft Approve, BabtecQ, CASQ-it, iqs)

• Was Sie bekommen - Agentische Funktionen im CAQ. Fabasoft Approve liefert KI-unterstütztes 8D-Drafting und FMEA-Unterstützung^1,2. BabtecQ, CASQ-it und iqs integrieren KI-Funktionen in ihre Produktlinien.
• Wo es passt - Workflows, die im CAQ bleiben. Mittelstands-QM-Teams, die Anbieterbeziehungen konsolidieren und den Hersteller-Roadmap-Takt akzeptieren wollen.
• Wo es nicht passt - Workflows, die zu ERP, PLM, Kundenmail, Lieferantenportal oder Produktions-MES kreuzen. Differenzierende QM-Logik, die der Hersteller nicht anpasst.
• Typische Kosten - Im Bundle oder moderat zur bestehenden CAQ-Lizenz, plus nutzungsbasierter Verbrauch. Versteckter Kostenpunkt: die Cloud-Migration, die oft erst die Agent-Features freischaltet.

Weg 2: Spezialisierte QM- und FMEA-Plattformen

• Was Sie bekommen - Best-in-Class in einer engen Domäne. APIS, Plato, IQ-Software für FMEA. Spezialisierte Lieferantenqualitäts-Plattformen. SPC-fokussierte Analytik-Tools. Audit-Management-SaaS.
• Wo es passt - Wenn Sie einen spezifischen QM-Use-Case haben (meist FMEA oder Audit-Management) und der Workflow weitgehend in sich geschlossen ist.
• Wo es nicht passt - Use-Case-übergreifende Workflows. Differenzierende Logik, die der Hersteller nicht auf Ihren konkreten Mittelstands-Prozess anpasst.
• Typische Kosten - 30.000 bis 250.000 Euro pro Jahr pro Spezialplattform, plus Implementierung, plus Integration zurück zu CAQ und ERP.

Weg 3: Custom-KI-Agenten auf Ihrem QM-Stack

• Was Sie bekommen - Eine Agentenschicht, gebaut für Ihre QM-Workflows, sitzend über CAQ, ERP, PLM, Kundenmail, DMS, Lieferantenportal. Use-Case-übergreifend, systemübergreifend, portierbar über CAQ-Hersteller, und der Agent gehört Ihnen statt gemietet zu sein.
• Wo es passt - Wenn Use Cases Systeme kreuzen. Wenn Ihr QM-Prozess Teil Ihres Wettbewerbsvorteils ist (meiste Hidden Champions). Wenn Sie mehrere Standards parallel führen (IATF + ISO + AS9100). Wenn Sie mitten in einer CAQ-Migration sind.
• Wo es nicht passt - Wenn Use Cases wirklich in sich geschlossen sind und eine CAQ-eingebettete Funktion das schon gut macht. Wenn das Volumen zu klein für einen Custom-Build ist.
• Typische Kosten - 40.000 bis 120.000 Euro pro Use Case für den Build, plus 2.000 bis 8.000 Euro pro Monat pro aktivem Agenten, plus LLM-Inferenz im Cent-Bereich pro Task.

Der ehrliche 3-Jahres-Kostenvergleich

Nehmen wir einen Mittelstands-Automotive-Tier-2-Zulieferer: 350 Mitarbeiter, 80 Millionen Euro Umsatz, 12 QM-Ingenieure, IATF 16949 und ISO 9001 zertifiziert, ~60 8D-Fälle pro Jahr, 2 Großaudits pro Jahr, 180 aktive Lieferanten. Drei Jahre auf drei Wegen.

Was nicht in der Tabelle steht

• Schnellere Kundenantwort - Erster 8D-Entwurf in Stunden statt Tagen. Messbar in Kunden-Scorecards.
• Vermiedene Linienstopps - Schnellere Eindämmung und frühere Lieferanteneskalation. Schwer präzise zuzuordnen, real in der Praxis.
• QM-Ingenieur-Retention - Ingenieure mit funktionierender Agentenschicht bleiben länger als Ingenieure, die unter reaktiver Drafting-Arbeit begraben sind.
• Strategische Optionalität - Mit der Agentenschicht ist der nächste QM-Use-Case ein 2-Monats-Projekt, kein Jahresprojekt.

Die CAQ-plus-ERP-plus-Agent-Architektur

Die Architektur, die die ersten 18 Monate in einer Mittelstands-QM-Funktion überlebt, ist bewusst gewählt und audit-konform. Das CAQ bleibt System of Record fürs Qualitätswesen. Der Agent liest über stabile APIs über CAQ, ERP, PLM, Kundenmail, DMS und Lieferantenportal. Der Agent umgeht das CAQ für den offiziellen Record nie - er entwirft hinein.

Der vier-schichtige QM-Stack

• Schicht 1: Qualitätsereignisse und Quellen - Kundenreklamationen (E-Mail, Portal, EDI), Lieferantenabweichungen, Wareneingangsprüfung, SPC-Alarme, interne Audits, Kunden-Auditfeststellungen. Die Ereignisse, die QM-Arbeit auslösen.
• Schicht 2: KI-Agenten - Lesen eingehende Ereignisse, reasonen über CAQ plus ERP plus PLM plus E-Mail, entwerfen 8D / SCAR / Audit-Pakete, eskalieren mit Kontext. Die neue Reasoning-Schicht.
• Schicht 3: CAQ als System of Record - Babtec, Böhme & Weihs (CASQ-it), iqs, Fabasoft Approve, Q-DAS, Pickert, Plato, IQ-Software. Der offizielle Qualitätsrecord, Audit-Wahrheitsquelle.
• Schicht 4: Angrenzende Systeme - ERP (SAP, Dynamics, abas, proALPHA) für Aufträge und Lose, PLM (Teamcenter, Windchill, Aras) für Specs, MES für Produktion, DMS für Dokumente, Lieferantenportale für externe Sicht.

Wo der Agent liest und schreibt

IATF, ISO 9001:2026, EU AI Act und Betriebsrat

QM-KI sitzt komfortabel im Regulierungsrahmen, wenn sie bewusst designt ist. Zwei Muster lassen Deployments sowohl Kundenaudits als auch interne Compliance-Reviews überleben.

IATF-16949- und ISO-9001:2026-Überlegungen

• Das CAQ bleibt der offizielle Record - Auditoren verfolgen Nachweise im CAQ, nicht im Agenten. Der Agent entwirft in CAQ-Datensätze, die Menschen freigeben.
• Quellverweis bei jeder Aussage - Jede Aussage, die der Agent in einem 8D, SCAR oder Audit-Paket macht, zeigt auf den CAQ-Datensatz, die ERP-Transaktion oder das Dokument, das sie stützt. Auditoren verifizieren in Sekunden.
• Human-in-the-Loop bei jeder Freigabe - 8D-Kundenfreigabe, SCAR-Freigabe, Auditfeststellungs-Antwort - Mensch signiert. Der Agent entfernt die Drafting-Zeit, nicht das Ingenieur-Urteil.
• ISO 9001:2026 adressiert Digitalisierung und KI explizit⁴ - Der DIS formuliert Erwartungen an Nachweise, Audit Trail und menschliche Aufsicht, die die obige Agentenarchitektur nativ erfüllt.
• Audit-Trail-Logging - Jede Agent-Aktion wird sowohl für ISO/IATF-Audit-Verteidigung als auch für EU-AI-Act-Artikel-12-Konformität geloggt. Ein Log, zwei Zwecke.

EU-AI-Act-Klassifikation für QM-Use-Cases

• Minimal oder limited risk - 8D-Drafting, Audit-Vorbereitung, Lieferantenüberwachung, FMEA-Unterstützung, SPC-Anomalie-Reasoning, Reklamations-Triage und Antwort-Drafting. Alle Standard-QM-Use-Cases.
• High risk - KI in Beschäftigungsentscheidungen (HR-Scoring von QM-Ingenieuren); KI, die autonom sicherheitskritische Produktfreigaben ohne menschliche Prüfung erteilt; biometrische Verifikation.
• Logging-Pflicht (Artikel 12) - Auch limited-risk-Systeme müssen loggen, was der Agent gemacht hat, auf welchen Daten, mit welchem Ergebnis. Standard in jeder Agentenplattform.
• Dokumentation - Risikoklassifikations-Dokument, Datenquellen, Entscheidungslogik, menschlicher Override-Pfad. Standard-Datenblatt.

Betriebsrat-Überlegungen

• Die meisten QM-Agenten sind aggregiert - Fall, Linie, Lieferant, Kunde, Los. Nicht individuelle QM-Ingenieur-Leistung. Der einfachste Weg.
• Vorsicht bei Ingenieur-Produktivitätsmetriken - Wenn der Agent individuelle Fallabschlussraten oder Auditfeststellungs-Durchsatz ausweist, ist das Mitbestimmungsterritorium. Metriken auf Team- oder Prozessebene designen.
• Frühe Konsultation zahlt sich aus - Den Betriebsrat zu Projektstart zu briefen, nicht am Ende, ist der Unterschied zwischen 3 Monaten Verzögerung und keiner Verzögerung.

Wie Superkind hineinpasst

Superkind baut Custom-KI-Agenten, die auf bestehenden Mittelstands-QM-Stacks sitzen - Babtec, Böhme & Weihs (CASQ-it), iqs, Fabasoft Approve, Q-DAS, Pickert, Plato, IQ-Software - und den ERP-, PLM-, DMS- und E-Mail-Systemen daneben. Wir ersetzen das CAQ nicht. Wir bauen die Reasoning-Schicht, die das macht, wofür das CAQ über den vollen QM-Workflow nicht gebaut wurde.

Kernfähigkeiten für QM-Umgebungen

• CAQ-Abdeckung - Babtec, Böhme & Weihs (CASQ-it), iqs, Fabasoft Approve, Q-DAS qs-STAT, Pickert RQM, Plato e1ns, IQ-Software. Stabile Schnittstellen und Datenbankkonnektoren.
• FMEA-Tool-Integration - APIS IQ-FMEA, Plato e1ns, IQ-Software FMEA, Excel-basierte Legacy-FMEAs. Agenten lesen bestehende FMEAs und schlagen Updates vor.
• ERP-Abdeckung - SAP S/4HANA, ECC, Business One; Dynamics 365 Business Central, F&O; abas, proALPHA, Sage, Infor. Stabile Schnittstellen (BAPI, RFC, OData, IDoc, REST, MCP).
• PLM-Abdeckung - Siemens Teamcenter, PTC Windchill, Aras Innovator, Dassault 3DEXPERIENCE. Agenten lesen Engineering-Specs, Zeichnungen, Änderungshistorie.
• MES-Integration - MPDV Hydra, Industrie Informatik cronetwork, GFOS, iTAC, SAP MII, Siemens Opcenter. Agenten ziehen Linienprotokolle und Maschinenzustand für SPC- und 8D-Reasoning.
• Kundenmail und Portale - Outlook Sammelpostfächer, Kundenportale (Covisint, SupplyOn etc.), EDI-8D-Feeds. Der Agent besitzt den eingehenden Kanal und entwirft ins CAQ.
• 8D-/SCAR-/Audit-Paket-Drafting - Liest über CAQ plus ERP plus PLM plus E-Mail plus DMS, entwirft das Dokument mit Quellverweisen, schreibt Entwurf ins CAQ zur Prüfung.
• Lieferanten-ppm-Reasoning - Überwacht ppm-Trends, entwirft SCARs, bereitet Lieferanteneskalationen mit Belegen vor.
• Human-in-the-Loop-Checkpoints - Sie definieren, welche 8Ds, SCARs, Audit-Pakete Freigabe brauchen und bei welcher Konfidenz. Agenten eskalieren mit Kontext.
• Audit Trail und Artikel-12-Logging - Jede Agentenentscheidung wird geloggt. Ergänzt den CAQ-Audit-Trail statt ihn zu ersetzen.
• EU-Deployment und DSGVO-Konformität - Agenten laufen auf EU-Cloud oder Ihrer eigenen Infrastruktur. Daten verlassen den definierten Perimeter nicht.
• 8 bis 12 Wochen bis zur ersten Produktionsimplementierung - Von der Prozessanalyse bis zum Live-Betrieb auf einem fokussierten ersten Use Case.

Der 90-Tage-Plan

Dieser Plan deckt die Auswahl des richtigen ersten QM-Use-Case, die Validierung der CAQ- und ERP-Daten, das Deployment des Agenten mit eingeschränktem Scope und das Erreichen erstem messbaren Wert ab. Nutzen Sie ihn, um QM-Leitung, Auditor-Verantwortliche, IT und Finance auszurichten.

Wochen 1 bis 3: Use-Case-Auswahl und Datenaudit

• Die drei grössten QM-Schmerzpunkte quantifizieren - 8D-Engineering-Stunden pro Fall, Time-to-First-Kundenantwort, Audit-Vorbereitungswochen, Lieferanten-ppm-Trend, FMEA-Aktualität. Zahlen, keine Meinungen.
• Drei Kandidaten-Use-Cases aus den sieben auswählen - Jeden auf Umsatz-/Kosten-Hebel, Deployment-Komplexität, Datenreife und organisatorische Reife bewerten.
• Einen Use Case für den 90-Tage-Pilot wählen - Bias zu 8D-Drafting (höchster Einzel-ROI) oder Audit-Vorbereitung (wenn ein Großaudit innerhalb 6 Monaten ansteht).
• Die CAQ-Daten prüfen, die der Use Case braucht - Reklamations-Datensätze, Ursachencodes, Lieferantenstamm, 8D-Status-Felder. Lücken identifizieren.
• API-Zugang bestätigen - CAQ-Datenbank oder REST-API, ERP (BAPI / OData / RFC / IDoc / REST / MCP), PLM-API, E-Mail-Integration. Plan dokumentieren.
• Betriebsrat briefen, wenn Use Case Mitarbeiterdaten berührt - Die meisten QM-Use-Cases bleiben aussen vor. Bestätigen und dokumentieren.

Wochen 4 bis 8: Bauen und Testen

• Detailliertes Prozess-Mapping - Inputs, Outputs, Entscheidungspunkte, System-Berührungen, Ausnahmetypen, Eskalations-Trigger.
• Agent-Build gegen das Prozess-Mapping - Prompt- und Tool-Design, CAQ-/ERP-/PLM-Integration, Eskalationsschwellen, Human-in-the-Loop-Checkpoints, Quellverweis-Logik.
• Test gegen reale historische Fälle - 8Ds, Reklamationen und Lieferantenabweichungen des letzten Quartals ziehen. Den Agenten dagegen laufen lassen. Mit menschlichen Outputs Seite an Seite vergleichen.
• Quellverweis-Qualität validieren - Jede Aussage des Agenten muss auf einen verifizierbaren Quelldatensatz zeigen. 100 Prozent der Pilot-Outputs stichprobenartig prüfen.
• IATF-, ISO- und Artikel-12-Logging bestätigen - Das Agent-Log deckt beide Audit Trails gleichzeitig ab.
• Team schulen - Qualitätsingenieure, Audit-Vorbereitungs-Team, Lieferantenqualitäts-Ingenieure. Hands-on-Workflow für Prüfen, Korrigieren und Feedback geben.

Wochen 9 bis 12: Produktion und Lernen

• Auf eingeschränkten Scope deployen - 20 Prozent der Fälle, ein Kundensegment oder eine Produktfamilie. Parallelbetrieb mit dem bestehenden Prozess.
• Wöchentliche Review-Kadenz - Jede Eskalation, jede Korrektur. Was hat der Agent falsch gemacht, warum, was ist die richtige Antwort.
• Gegen Baseline messen - Zurückgewonnene Stunden pro Fall, Time-to-First-Kundenantwort, Quellverweis-Genauigkeit, Ingenieur-Zufriedenheit. Wenn die Zahlen sich nicht bewegen, diagnostizieren, bevor skaliert wird.
• Skalieren, sobald Metriken bestätigen - Zwei bis drei Wochen stabiler Betrieb im eingeschränkten Scope, bevor auf das volle Volumen skaliert wird.
• Lehren für den nächsten Use Case dokumentieren - Wo lag der Rahmen richtig, wo falsch, was würden Sie anders machen. Der zweite QM-Agent wird doppelt so schnell deployt.

Verwandte Artikel

• MES oder KI-Agent: Wo die Grenze auf dem Mittelstand-Shopfloor 2026 verläuft
• ERP oder KI-Agent: Wo die Grenze in Mittelstands-Prozessen 2026 verläuft
• KI-Agenten in der Fertigung: Wie deutsche Hersteller Stillstand, Defekte und Kosten senken
• Predictive Maintenance für Hidden Champions: Von Sensordaten zum autonomen Wartungsagenten
• KI für Field Service: Wie Mittelstands-Maschinenbau Techniker disponiert und Tickets schneller schliesst
• KI im Einkauf: Wie Mittelstands-Einkäufer Agenten über Sourcing, Verhandlung und Compliance einsetzen
• KI für Lieferantenverträge und Lieferketten-Sorgfaltspflichten im Mittelstand

Häufig gestellte Fragen

Henri Jung

Co-Founder bei Superkind

Co-Founder von Superkind, wo er KMU und Konzernen hilft, Custom-KI-Agenten einzusetzen, die wirklich zu der Art passen, wie ihre Teams arbeiten. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schliessen. Er glaubt, dass der Mittelstand alles hat, was er braucht, um in KI zu führen - er braucht nur den richtigen Ansatz.