KI in der Automobilindustrie: vier Ebenen, ein Startpunkt

Wenn in einer Beiratssitzung oder einem Führungskreis über KI in der Automobilindustrie gesprochen wird, meint jeder am Tisch etwas anderes. Der eine denkt an automatisiertes Fahren, die andere an Assistenz in der Softwareentwicklung, der dritte an Kameraprüfung an der Linie, die vierte an schnellere Angebote. Alle vier haben recht, und genau das ist das Problem: Solange die Ebenen nicht getrennt werden, gibt es keine Entscheidung, keinen Verantwortlichen und keinen ersten Schritt.

Dieser Beitrag ordnet die vier Ebenen für Geschäftsführung und IT-Leitung. Er vertieft die Einstiegsfrage des Leitfadens KI-Transformation in der Automobilindustrie: Strategie, System, Wissenstransfer. sensified AI begleitet diesen Weg als strategische KI-Leitung, von der Standortbestimmung bis zum System im laufenden Betrieb.

• Was ist das? Eine Landkarte der vier KI-Ebenen in der Automobilindustrie: im Fahrzeug, im Engineering, in der Produktion und im Unternehmen, mit Logik, Regulierungsrahmen und Zuständigkeit je Ebene.
• Warum jetzt relevant? 93 Prozent der Automobilunternehmen haben laut KPMG eine KI-Strategie, aber weniger als 1 Prozent der Unternehmen haben KI vollständig integriert. Die Lücke entsteht, weil Ebenen vermischt und Startpunkte falsch gewählt werden.
• Welches konkrete Ergebnis? Drei Kriterien, mit denen Entscheider die erste Ebene für das eigene Haus wählen, statt alle vier gleichzeitig zu diskutieren.

Künstliche Intelligenz (KI) in der Automobilindustrie umfasst vier getrennte Ebenen: KI im Fahrzeug (Fahr- und Assistenzfunktionen), KI im Engineering (Entwicklung und Absicherung), KI in der Produktion (Qualität, Anlagen, Planung) und KI im Unternehmen (Angebot, Verwaltung, Wissen). Jede Ebene hat einen eigenen Regulierungsrahmen und eine eigene Wirtschaftlichkeitslogik. Für Zulieferer und Mittelständler liegt der schnellste belastbare Startpunkt in der Regel auf den Ebenen Unternehmen und Produktion.

• Was: eine geordnete Trennung der vier KI-Ebenen, statt einer Sammeldebatte ohne Entscheidung.
• Wer profitiert: Geschäftsführung und IT-Leitung von Automobilzulieferern und Mittelständlern mit 250 bis 2.000 Mitarbeitenden im DACH-Raum.
• Welches Ergebnis: ein begründeter Startpunkt je Haus, mit klarer Zuständigkeit und messbarem Wertbeitrag.

Quelle: sensified AI, strategische KI-Leitung für den Mittelstand, 2026.

Die Zahlen dienen der Orientierung; maßgeblich für Ihre Entscheidung ist die konkrete Daten- und Prozesslage in Ihrem Haus.

• KI in der Automobilindustrie ist kein einzelnes Thema. Es sind vier Ebenen mit eigener Logik, eigenem Tempo und eigener Zuständigkeit.
• Die teuersten Fehlstarts entstehen, wenn ein Haus auf der falschen Ebene beginnt, etwa mit fahrzeugnaher KI ohne regulatorische Vorbereitung.
• Der Startpunkt wird an drei Kriterien entschieden: Datenlage, Wertbeitrag und Regulierungsrahmen.

Quelle: sensified AI, 2026.

Warum der Sammelbegriff KI in der Automobilindustrie in die Irre führt

Der Begriff KI in der Automobilindustrie fasst Anwendungen zusammen, die außer der zugrunde liegenden Technologie wenig gemeinsam haben. Ein neuronales Netz, das Fußgänger erkennt, folgt anderen Regeln, anderen Freigabeprozessen und anderen Investitionslogiken als ein Sprachmodell, das Lastenhefte zusammenfasst oder Angebote vorbereitet. Wer beides in einer Diskussion verhandelt, vergleicht Investitionen, die nicht vergleichbar sind.

Vier Ebenen, vier Logiken, vier Zuständigkeiten

Die Trennung ist einfach, wird aber selten sauber gezogen. KI im Fahrzeug ist Produkttechnologie: Sie fährt im Produkt mit, unterliegt der Typgenehmigung und den strengsten Anforderungen der KI-Verordnung. KI im Engineering ist Werkzeugtechnologie für die Entwicklung: Sie beschleunigt Arbeit an Anforderungen, Software und Absicherung. KI in der Produktion ist Prozesstechnologie im Werk: Sie senkt Ausschuss, stabilisiert Anlagen und verbessert Planung. KI im Unternehmen ist Prozesstechnologie in den Büro- und Wissensprozessen: Angebote, Dokumente, Verwaltung, internes Wissen.

Jede Ebene hat einen natürlichen Eigentümer. Fahrzeug-KI gehört zur Produktentwicklung und Homologation, Engineering-KI zur Entwicklungsleitung, Produktions-KI zur Werk- und Qualitätsleitung, Unternehmens-KI zu Geschäftsführung und IT-Leitung gemeinsam. Eine Sammeldebatte ohne diese Zuordnung produziert Arbeitskreise. Eine getrennte Debatte produziert Entscheidungen.

Was die Zahlen über die Lücke sagen

KPMG hat für den Branchenreport Automotive 2026 Entscheider deutscher Unternehmen befragt: 93 Prozent der Automobilunternehmen haben demnach eine eigene KI-Strategie, in jedem zweiten Haus steuert die oberste Führungsebene das Thema. Zugleich zeigt die zugrunde liegende Gesamtstudie über alle Branchen: Weniger als 1 Prozent der Unternehmen haben KI vollständig und systematisch über alle Bereiche integriert. Strategie ist vorhanden, Integration fehlt. McKinsey misst im globalen Bild dasselbe Muster: 88 Prozent der Unternehmen nutzen KI in mindestens einer Funktion, aber nur rund ein Drittel skaliert über Einzelanwendungen hinaus.

Vier Ebenen, keine Entscheidung

„Wer alle vier Ebenen gleichzeitig diskutiert, entscheidet auf keiner.“ Die Lücke zwischen 93 Prozent Strategie und weniger als 1 Prozent Integration ist keine Technologielücke. Sie ist eine Ordnungslücke: Ohne Trennung der Ebenen gibt es keinen Eigentümer, kein Budget und keinen ersten belastbaren Schritt.

Ebene 1: KI im Fahrzeug, der regulierte Sonderfall

KI im Fahrzeug umfasst Fahr- und Assistenzfunktionen, Insassenüberwachung, Sprachbedienung und zunehmend die Funktionslogik des softwaredefinierten Fahrzeugs. Diese Ebene prägt die öffentliche Debatte, weil sie sichtbar ist und weil Hersteller sie in den Mittelpunkt ihrer Kommunikation stellen. Für die Investitionsentscheidung eines Zulieferers oder Mittelständlers ist sie dennoch der Sonderfall, den man zuletzt betritt.

Wo diese Ebene spielt

Fahrzeug-KI fährt im Produkt mit. Sie unterliegt der Typgenehmigung, den Sicherheitsanforderungen der Fahrzeugindustrie und im Rahmen der KI-Verordnung (EU) 2024/1689 den Pflichten für Hochrisiko-Anwendungen, deren Stufen bis 2028 greifen. Entwicklungszyklen sind lang, Freigaben teuer, und die Verantwortung reicht bis in die Produkthaftung. Wer hier mitspielt, tut das als Teil eines OEM-Programms mit entsprechenden Verträgen, Audits und Nachweispflichten, in der Lieferkette regelmäßig flankiert durch Anforderungen wie ein TISAX®-Assessment.

Warum sie selten der erste Schritt des Mittelstands ist

Für die Mehrheit der Zulieferer ist Fahrzeug-KI eine Ebene, auf der sie liefern, wenn der Kunde es verlangt, und keine Ebene, auf der sie ihre eigene KI-Transformation beginnen. Der Grund ist nüchtern: Der Wertbeitrag entsteht erst nach Jahren, die regulatorische Last ist maximal, und die Kompetenzen dafür lassen sich nicht nebenbei aufbauen. Ein Haus, das seine ersten KI-Erfahrungen ausgerechnet auf der am stärksten regulierten Ebene sammeln will, wählt den steilsten Weg mit dem spätesten Ergebnis.

Ebene 2: KI im Engineering, Tempo in der Produktentwicklung

Die zweite Ebene betrifft alle Häuser, die Fahrzeugsoftware oder komplexe Komponenten entwickeln: KI als Werkzeug in der Entwicklungsarbeit. Assistenz beim Umgang mit Anforderungen und Lastenheften, Unterstützung beim Schreiben und Prüfen von Software, Hilfe bei Testfällen und bei der Pflege der Nachweisketten, die Automotive-Kunden verlangen.

Der Reiz dieser Ebene liegt im Engpass: Entwicklungskapazität ist in fast jedem Haus knapper als Aufträge. Wer Entwicklerstunden aus Routinearbeit zurückgewinnt, gewinnt Liefertermine. Zugleich gilt: Die Werkzeuge wirken erst, wenn sie in die vorhandene Werkzeugkette und die Freigabeprozesse eingebettet sind, und die Nachweisanforderungen der Kunden bleiben bestehen. Die Einführung ist deshalb eine Frage von Prozess und Qualifizierung, keine Frage der Lizenzbeschaffung. Für die Führungsebene heißt das: Diese Ebene gehört in die Hand der Entwicklungsleitung, mit klaren Regeln, welche Arbeitsergebnisse KI-gestützt entstehen dürfen und wie sie geprüft werden.

Ebene 3: KI in der Produktion, Qualität und Anlagen im Werk

Die dritte Ebene ist das Werk: Kameraprüfung, die Fehlerbilder erkennt und Pseudoausschuss senkt. Anlagendaten, die Stillstände ankündigen, bevor sie eintreten. Planung, die Reihenfolgen und Rüstzeiten besser legt. Diese Ebene hat für produzierende Zulieferer den direktesten Bezug zur Kostenposition, denn Ausschuss, Nacharbeit und Stillstand stehen in jeder Deckungsbeitragsrechnung.

Ihre Voraussetzung ist die Datenlage im Werk. Prüfdaten, Maschinendaten und Qualitätsdaten müssen zugänglich und ausreichend strukturiert sein; die Systeme müssen an die bestehende Werk- und Qualitätslandschaft angebunden werden, damit Effekte skalierbar und belegbar sind. Genau deshalb beginnt diese Ebene mit einer Standortbestimmung je Linie und Prozessfeld, wie sie der Beitrag KI gegen Margendruck: wo Zulieferer Produktivität aufbauen, die Preisrunden übersteht vertieft. Ein einzelnes Pilotprojekt an einer Prüfstation ist schnell aufgesetzt. Ein System, das über Linien hinweg trägt und dessen Wirkung mit Baseline und Messmethode belegt ist, braucht Ordnung, und diese Ordnung ist Führungsarbeit.

Ebene 4: KI im Unternehmen, Angebot, Verwaltung und Wissen

Die vierte Ebene ist die unspektakulärste und zugleich die, auf der die meisten Häuser am schnellsten belastbare Ergebnisse erreichen: die Büro- und Wissensprozesse. Angebot und Kalkulation, Dokumentenverarbeitung, Verwaltung, Vertragsprüfung, internes Wissen, das heute in Laufwerken und Köpfen verstreut liegt.

Drei Gründe machen diese Ebene zum häufigsten Startpunkt. Erstens die Datenlage: Dokumente, Vorgänge und Systemdaten liegen bereits vor, ohne dass Sensorik nachgerüstet werden muss. Zweitens die Regulierung: Die meisten Anwendungen dieser Ebene fallen in niedrige Risikoklassen der KI-Verordnung, brauchen also Transparenz und dokumentierte Zuständigkeit, aber keine Hochrisiko-Konformitätsverfahren. Drittens die Sichtbarkeit: Ein Angebotsprozess, der schneller und konsistenter wird, ist für Geschäftsführung und Vertrieb unmittelbar erlebbar und schafft die interne Akzeptanz für die nächsten Schritte. Wie Sie Anwendungsfelder dieser Ebene in eine belastbare Reihenfolge bringen, zeigt der Beitrag KI-Use-Cases im Zuliefergeschäft priorisieren: Angebot, Werk, Verwaltung.

Wo Entscheider beginnen: drei Kriterien für die erste Ebene

Die Reihenfolge der Ebenen ist keine Geschmacksfrage und keine Frage der lautesten Abteilung. Sie lässt sich an drei Kriterien entscheiden, die sich je Haus in wenigen Wochen sauber erheben lassen.

Kriterium 1: Datenlage

Die erste Frage lautet: Auf welcher Ebene liegen heute schon Daten vor, die zugänglich, strukturiert und rechtlich nutzbar sind? Ein Werk mit durchgängiger Prüfdatenerfassung hat auf Ebene drei einen Vorsprung. Ein Haus mit gepflegtem Dokumenten- und Angebotsbestand startet auf Ebene vier schneller. Wo Daten erst erzeugt oder erschlossen werden müssen, verschiebt sich der Ertrag nach hinten, und das gehört ehrlich in die Reihenfolge.

Kriterium 2: Wertbeitrag

Die zweite Frage lautet: Wo zahlt ein produktives System direkt auf eine Größe ein, die Geschäftsführung und Beirat ohnehin verfolgen? Ausschusskosten, Angebotsdurchlaufzeit, gebundene Stunden je Vorgang, Liefertermintreue. Ein Startpunkt, dessen Wirkung sich in einer bestehenden Kennzahl zeigt, trägt die Diskussion über das erste Jahr. Ein Startpunkt, dessen Nutzen erst erklärt werden muss, verliert sie.

Kriterium 3: Regulierungsrahmen

Die dritte Frage lautet: Welche Pflichten löst die Anwendung aus, und ist das Haus dafür heute auskunftsfähig? Die KI-Verordnung ordnet Anwendungen nach Risikoklassen; die Pflicht zur KI-Kompetenz der Beschäftigten gilt bereits seit Februar 2025, die Stufen für Hochrisiko-Anwendungen greifen bis 2028. Wer die Risikoklasse je Anwendungsfall früh prüft, wählt Startpunkte, deren Pflichten zum eigenen Reifegrad passen, und vermeidet Umbauten mitten im Betrieb.

Die Reihenfolge ist die Strategie

„Die Frage ist nicht, welche KI-Ebene wichtig ist. Alle vier sind es. Die Frage ist, in welcher Reihenfolge Ihr Haus sie betritt.“ Datenlage, Wertbeitrag und Regulierungsrahmen ergeben je Haus eine andere Antwort, und genau diese Antwort ist der Kern einer KI-Strategie, die trägt.

Selbst-Check: fünf Fragen für die Führungsebene

Fünf Fragen zeigen in wenigen Minuten, ob Ihr Haus die Ebenen bereits getrennt hat oder noch in der Sammeldebatte steckt.

• Können Sie benennen, auf welcher der vier Ebenen Ihre bisherigen KI-Initiativen jeweils liegen?
• Hat jede dieser Initiativen einen benannten Eigentümer aus der passenden Führungsfunktion?
• Wissen Sie, welche Risikoklasse der KI-Verordnung Ihre laufenden Anwendungen jeweils berühren?
• Gibt es eine begründete Reihenfolge, welche Ebene Ihr Haus als nächste betritt?
• Würden Geschäftsführung und IT-Leitung diese Reihenfolge übereinstimmend nennen?

Bleiben zwei oder mehr Fragen offen, ist ein Discovery-Call der passende nächste Schritt.

Nächste Schritte

Wenn Ihr Führungskreis KI bisher als Sammelthema diskutiert hat, ist der erste Schritt keine Toolauswahl. Der erste Schritt ist die Trennung der Ebenen und die Wahl des Startpunkts anhand der drei Kriterien. So gehen Sie vor:

1. Discovery-Call über 30 Minuten, kostenlos und mit ehrlichem Fit-Check: Wir ordnen ein, welche der vier Ebenen für Ihr Haus jetzt relevant sind.
2. Standortbestimmung: Wir erheben Datenlage, Wertbeitrag und Regulierungsrahmen je Ebene und leiten die Reihenfolge ab.
3. Strategie und Betrieb: Wir überführen den gewählten Startpunkt in ein System, das in Produktion läuft, mit Wissenstransfer in Ihr Haus.

Die übergeordnete Einordnung gibt der Leitfaden KI-Transformation in der Automobilindustrie: Strategie, System, Wissenstransfer. Wie das aufgebaute Können dauerhaft ins eigene Haus kommt, vertieft der Beitrag Build-Operate-Transfer für Zulieferer: KI-Kompetenz ins eigene Haus holen. Warum viele Pilotprojekte den Sprung in die laufende Wertschöpfung verpassen, ordnet der Beitrag Generative KI in der Automobilindustrie: vom Pilotprojekt zur Wertschöpfung im Zulieferbetrieb ein. Und wer für diesen Weg externe Unterstützung prüft, findet im Beitrag Spezialisierte KI-Beratung für den Automotive-Sektor: Spezialisten von Generalisten unterscheiden ein Prüfraster.