Industrielle KI-Anwendungen sind in der Regel kein Hochrisiko-KI-System — es geht um Maschinen, nicht um Menschen. Die meisten Predictive-Maintenance-, Quality-Inspection- und MES-Anwendungen fallen nicht unter Annex III. Dafür greift die neue EU-Maschinenverordnung 2023/1230 ab Januar 2027.
Dieser Leitfaden erklärt in sieben Abschnitten das regulatorische, technische und operative Bild rund um KI in Industrie 4.0 und Fertigung: was die Anforderungen konkret sind, wer wann betroffen ist, wie Sie implementieren — und was typische Fehler sind, die DACH-Unternehmen machen.
Wir schreiben aus Implementation-Erfahrung, nicht aus theoretischer Distanz. Innopulse Consulting berät Schweizer und DACH-Unternehmen in EU AI Act und Softwareengineering, und wir betreiben eigene SaaS-Produkte unter denselben Vorgaben, die wir unseren Kunden empfehlen.
Worum es geht: Kontext und Anwendungsbereich
Industrielle KI-Anwendungen sind in der Regel kein Hochrisiko-KI-System — es geht um Maschinen, nicht um Menschen. Die meisten Predictive-Maintenance-, Quality-Inspection- und MES-Anwendungen fallen nicht unter Annex III. Dafür greift die neue EU-Maschinenverordnung 2023/1230 ab Januar 2027. Die praktische Frage ist: Wen trifft das konkret, und ab wann? Im Bereich KI in Industrie 4.0 und Fertigung ist die Antwort selten binär — es gibt einen Anwendungsbereich, in dem die vollen Anforderungen greifen, und Grenzfälle, die Einzelfallprüfung brauchen.
Die folgenden Punkte umreissen den harten Kern dessen, was zu wissen ist:
- Predictive Maintenance normalerweise kein Hochrisiko
- Computer-Vision-Qualitätsinspektion meist ebenfalls Low-Risk
- Neue Maschinenverordnung EU 2023/1230 ab 20.01.2027
- Artikel 5 Maschinen-VO: Sicherheits-KI-Komponenten
Was davon für Ihr Unternehmen kritisch ist, hängt von Grösse, Branche und Kundenstruktur ab. Die folgenden Abschnitte gehen in die Details — wer schnell entscheiden muss, kann zum Abschluss mit den konkreten nächsten Schritten springen.
Regulatorischer Rahmen und zeitliche Staffelung
Der EU AI Act trat am 1. August 2024 in Kraft, aber die Anwendbarkeit ist gestaffelt. Artikel 5 (verbotene Praktiken) gilt seit dem 2. Februar 2025. General-Purpose AI-Regeln greifen seit dem 2. August 2025. Die Hauptregulierung für Hochrisiko-KI-Systeme tritt am 2. August 2026 in Kraft. Für bestehende Hochrisiko-Systeme existiert eine Übergangsfrist bis 2. August 2027.
Die relevanten Artikel müssen bis zum Enforcement-Datum 2026 implementiert sein. Wer heute startet, hat noch knapp ein Jahr — das klingt viel, ist aber bei vollständiger Konformitätsbewertung, Dokumentation und Quality Management System knapp bemessen. Die Aufsichtsbehörden (in Deutschland BNetzA, in der EU das AI Office) beginnen ab 2026 mit aktiver Marktüberwachung. Bussgelder bis zu 35 Mio. EUR oder 7% des weltweiten Jahresumsatzes machen das Risiko materiell, nicht symbolisch.
Die konkreten Anforderungen im Detail
Die folgenden Punkte sind der operative Kern von KI in Industrie 4.0 und Fertigung — das, was tatsächlich in Prozessen, Verträgen und Systemen abgebildet sein muss. Jeder Punkt hat Implementierungskonsequenzen, die über reine Compliance hinausgehen und die Geschäftspraxis formen.
- Predictive Maintenance normalerweise kein Hochrisiko
- Computer-Vision-Qualitätsinspektion meist ebenfalls Low-Risk
- Neue Maschinenverordnung EU 2023/1230 ab 20.01.2027
- Artikel 5 Maschinen-VO: Sicherheits-KI-Komponenten
- Worker-Monitoring KI kann Hochrisiko sein (Annex III Ziffer 4)
- NIS2 parallel für kritische Infrastruktur
Diese Liste ist nicht abschliessend, aber sie deckt etwa 80% der Fälle ab, die in der Praxis auftauchen. Die restlichen 20% sind Edge-Cases und Branchenspezifika, die Einzelberatung erfordern.
Implementierung in der Praxis
Von der Theorie zur Umsetzung: KI in Industrie 4.0 und Fertigung erfordert meist mehrere parallele Workstreams. Ein typischer Projektplan sieht drei Phasen:
- Inventarisierung (2-4 Wochen): Ist-Zustand erfassen, betroffene Systeme und Prozesse mappen, Stakeholder identifizieren, Gap-Analyse gegen Anforderungen.
- Design (4-6 Wochen): Zielzustand definieren, Policies ausformulieren, technische Massnahmen spezifizieren, Rollen und Verantwortlichkeiten zuweisen.
- Umsetzung und Betrieb (8-12 Wochen): Implementierung, Testing, Dokumentation, Schulung, Übergang in den Regelbetrieb mit Monitoring und Review-Zyklen.
Die häufigste Falle ist, in Phase 3 zu springen, ohne 1 und 2 sauber abzuschliessen. Die Folge sind inkonsistente Implementierungen, technische Schulden und in der Review sichtbare Compliance-Lücken. Die Investition in die ersten beiden Phasen zahlt sich typischerweise dreifach aus.
Typische Fehler und wie Sie sie vermeiden
Aus Beratungs- und Auditerfahrungen haben sich fünf Fehler als besonders verbreitet herauskristallisiert:
- Anwendungsbereich unterschätzen — viele glauben fälschlich, der AI Act gelte nur für KI-Anbieter, betrifft aber auch Betreiber (Deployer)
- Trainingsdaten-Dokumentation vernachlässigen — Artikel 10 verlangt Transparenz über Herkunft und Qualität
- Human-Oversight-Mechanismen symbolisch umsetzen — Aufsichtsbehörden erwarten echte Interventionsfähigkeit
- Konformitätsbewertung unterschätzen — bei Modul H1 mit Benannter Stelle dauert das 6+ Monate
- Verzicht auf ISO/IEC 23894 als Orientierung — der Standard ist harmonisiert und reduziert Dokumentations-Aufwand
Die gute Nachricht: alle fünf sind systematisch vermeidbar. Wer in der Design-Phase diese Punkte explizit adressiert, hat die häufigsten Stolperfallen bereits eliminiert.
Der DACH-Kontext und regionale Unterschiede
In der Schweiz, Deutschland und Österreich gelten teilweise unterschiedliche Regeln und Marktrealitäten. Für KI in Industrie 4.0 und Fertigung bedeutet das konkret:
- Schweiz: Ausserhalb EU, aber oft über Artikel 2 oder Marktzugang indirekt betroffen. Schweizer Alleinstellung ist selten sinnvoll — die meisten Compliance-Frameworks laufen parallel zu EU-Regimes.
- Deutschland: Strengste Umsetzung der EU-Regeln, aktive Aufsichtsbehörden (BfDI, BayLDA, LDI), höchstes Abmahnrisiko für Consumer-Produkte.
- Österreich: Enger an EU-Standards, Aufsicht ist weniger proaktiv als DE, Datenschutzbehörde Österreich ist pragmatisch aber streng in Enforcement.
Wer in allen drei Märkten aktiv ist, baut sinnvollerweise ein Maximum-Compliance-Regime, das alle Anforderungen gleichzeitig abdeckt. Kleinere Unternehmen können mit Swiss-First oder Germany-First starten und dann regional ausrollen.
Nächste Schritte und konkrete Empfehlungen
Wer mit KI in Industrie 4.0 und Fertigung beginnen will, hat einen klaren nächsten Schritt: eine strukturierte Gap-Analyse zwischen Ist- und Soll-Zustand. Typischer Aufwand: 2-4 Wochen bei einem Team von 2-3 Personen, inklusive Stakeholder-Interviews und Dokumenten-Review.
Drei konkrete Hebel für die kommenden 30 Tage:
1. Inventar erstellen: Welche Systeme, Prozesse, Datenflüsse sind im Scope? Wer ist verantwortlich? Wo liegen die grössten Unsicherheiten?
2. Policy-Framework skizzieren: Welche Policies existieren schon, welche fehlen? Nicht sofort ausformulieren — erst die Topologie.
3. Kritischen Pfad identifizieren: Welche drei Schritte reduzieren am meisten Risiko und können in den nächsten 60 Tagen umgesetzt werden?
Innopulse Consulting unterstützt DACH-Unternehmen bei genau diesen Themen — von Gap-Analyse über Policy-Entwicklung bis zur technischen Implementierung. Wer eine zweite Meinung oder Implementation-Support braucht, kann uns unter info@innopulse.io erreichen oder direkt einen Termin anfragen. Die ersten 30 Minuten sind kostenlos — danach arbeiten wir auf klaren, messbaren Deliverables.