KI-Use-Cases im Zuliefergeschäft priorisieren

In den meisten Zulieferbetrieben, mit denen wir sprechen, ist KI längst angekommen. Der Vertrieb nutzt Textwerkzeuge für Angebotsschreiben, im Werk lief ein Vision-Pilot zur Sichtprüfung, die Verwaltung übersetzt Dokumente mit einem KI-Dienst, und aus zwei Workshops liegt eine Liste mit 30 Anwendungsfällen. Was fehlt, ist keine weitere Idee. Was fehlt, ist eine Reihenfolge, die trägt: welcher Use-Case zuerst, auf welcher Datenlage, mit welcher Verantwortung.

Dieser Beitrag ordnet die Priorisierung für Geschäftsführung und IT-Leitung im Zulieferbetrieb. Er sortiert die Anwendungsfälle in die drei Felder des Zuliefergeschäfts, legt vier Bewertungsachsen an und zeigt, warum der erste umgesetzte Use-Case vor allem eines leisten muss: Vertrauen in die eigene KI-Arbeit aufbauen. Die Gesamtsicht auf die Branche gibt der Leitfaden KI-Transformation in der Automobilindustrie: Strategie, System, Wissenstransfer. sensified.ai begleitet diesen Weg als strategische KI-Leitung, von der Priorisierung bis zum laufenden System.

• Was ist das? Ein Vorgehen, mit dem Zulieferer ihre vorhandenen KI-Ideen und -Initiativen in eine belastbare Reihenfolge bringen, über vier Achsen statt nach Lautstärke.
• Warum jetzt relevant? Mit der Verordnung (EU) 2024/1689 (EU AI Act) wird die Risikoklasse eines Anwendungsfalls zur Pflichtfrage, und verstreute Initiativen ohne Ordnung binden Budget und Aufmerksamkeit.
• Welches konkrete Ergebnis? Ein priorisiertes Use-Case-Portfolio mit benanntem Owner, Datenreife-Bewertung und Messgröße je Anwendungsfall.

KI-Use-Cases im Zuliefergeschäft verteilen sich auf drei Felder: Angebot und Kalkulation, Werk mit Qualität und Instandhaltung, Verwaltung und Dokumentation. Eine tragfähige Reihenfolge entsteht über vier Achsen: Wertbeitrag, Datenreife, Integrationsaufwand und Risikoklasse nach EU AI Act. sensified.ai baut dieses Portfolio mit Ihnen auf und führt es in die Umsetzung.

• Was: eine geordnete Priorisierung vorhandener KI-Ideen, statt einer wachsenden Liste ohne Entscheidung.
• Wer profitiert: Geschäftsführung und CIO in Zulieferbetrieben mit 250 bis 2.000 Mitarbeitenden im DACH-Raum.
• Welches Ergebnis: ein erster Use-Case mit Beweiskraft und eine Roadmap, die auf ihm aufbaut.

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

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

• Die Use-Case-Liste ist selten das Problem; das Problem ist die fehlende Reihenfolge mit Verantwortung.
• Datenreife entscheidet häufiger über Erfolg als die Qualität der Idee.
• Der erste Use-Case muss Vertrauen aufbauen, sonst verliert das gesamte Portfolio den Rückhalt im Haus.

Quelle: sensified.ai, 2026.

Warum die Use-Case-Liste nicht das Problem ist

Aus unserer Sicht ist die Liste mit 30 Anwendungsfällen ein gutes Zeichen. Sie zeigt, dass die Fachbereiche KI ernst nehmen und ihre Prozesse kennen. Das Problem beginnt danach: Ohne Bewertungsrahmen wird die Reihenfolge nach Lautstärke, Hierarchie oder Neuigkeitswert entschieden. Der Vision-Pilot bekommt Budget, weil er vorzeigbar ist. Die Angebotskalkulation wartet, obwohl sie täglich Geld kostet. Und die Übersetzungslösung der Verwaltung läuft weiter, ohne dass jemand ihre Datenpfade geprüft hat.

So entsteht der Zustand, den wir in vielen Häusern sehen: viel Aktivität, wenig System. Einzelne Werkzeuge laufen, einzelne Piloten liefern Ergebnisse, aber niemand kann sagen, welcher Anwendungsfall als nächstes kommt und warum. Die Priorisierung ist deshalb keine Fleißaufgabe. Sie ist die Stelle, an der aus verstreuten Initiativen eine geführte KI-Arbeit wird.

Ordnung schlägt Ideenreichtum

„Ein Zulieferbetrieb scheitert selten an zu wenigen KI-Ideen. Er scheitert daran, dass keine Idee sauber zu Ende gebracht wird, bevor die nächste beginnt.“ Eine Reihenfolge mit Verantwortung ist mehr wert als zehn weitere Einträge auf der Liste.

Woran Listen in der Praxis scheitern

Drei Muster wiederholen sich. Erstens: Die Liste mischt Größenordnungen, ein Chatbot für die Belegschaft steht neben einer Prognose für die Instandhaltung, als wären beide gleich schwer. Zweitens: Niemand hat die Datenlage je Anwendungsfall geprüft, und der attraktivste Fall scheitert später an fehlenden oder unsauberen Daten aus ERP, MES oder CAQ. Drittens: Es fehlt der Owner, also die Person, die den Fall durch Fachbereich, IT und Betrieb trägt.

Was eine tragfähige Reihenfolge leistet

Eine gute Priorisierung beantwortet drei Fragen pro Anwendungsfall: Was bringt er, was braucht er, was riskiert er? Sie macht Abhängigkeiten sichtbar, etwa dass die Kalkulationsunterstützung dieselbe Datenaufbereitung braucht wie die Nachkalkulation. Und sie schafft eine Entscheidungsgrundlage, die auch dann noch trägt, wenn im Quartal darauf neue Ideen dazukommen.

Die drei Felder des Zuliefergeschäfts: Angebot, Werk, Verwaltung

Bevor bewertet wird, lohnt die Sortierung. Im Zuliefergeschäft verteilen sich fast alle KI-Anwendungsfälle auf drei Felder, und jedes Feld hat eine eigene Logik aus Daten, Systemen und Taktung.

Angebot und Kalkulation

Hier entstehen Anwendungsfälle wie die Vorbefüllung von Kalkulationen aus historischen Aufträgen, die Prüfung von Lastenheften auf kritische Anforderungen oder die Nachkalkulation gegen Ist-Daten aus dem Werk. Die Datenbasis liegt im ERP und in Angebotsordnern, die Taktung folgt den Anfragen der OEMs und Tier-1-Kunden. Wirkung zeigt sich in Durchlaufzeit und Konsistenz der Angebote.

Werk, Qualität, Instandhaltung

Im Werk liegen Fälle wie die Auswertung von Qualitätsdaten aus dem CAQ-System, die Sichtprüfung mit Bildverarbeitung oder die Auswertung von Maschinendaten für die Instandhaltung. Die Datenbasis ist heterogen, von MES-Daten bis zu Prüfprotokollen, und die Integration in den Linienbetrieb ist anspruchsvoller als in jedem Bürprozess. Dafür ist die Wirkung hier am direktesten in Ausschuss-, Nacharbeits- und Stillstandskosten messbar.

Verwaltung und Dokumentation

Das dritte Feld umfasst Dokumentenprozesse: Reklamationsbearbeitung, technische Dokumentation, Übersetzungen, Vertrags- und Normenrecherche. Die Einstiegshürden sind niedrig, viele Werkzeuge laufen hier bereits ohne zentrale Steuerung. Genau deshalb gehört dieses Feld in die Priorisierung: Es liefert schnelle, messbare Fälle, braucht aber geordnete Berechtigungen und Datenpfade, damit aus praktischen Helfern keine unkontrollierte Schatten-IT wird.

Das Priorisierungs-Portfolio: vier Achsen statt Bauchgefühl

sensified.ai bewertet jeden Anwendungsfall über vier Achsen. Keine davon ist für sich neu, ihre Kombination erzwingt aber die Diskussionen, die sonst ausbleiben: zwischen Fachbereich, IT und Geschäftsführung.

Wertbeitrag und Datenreife zuerst

Die ersten beiden Achsen gehören zusammen gelesen. Ein Anwendungsfall mit hohem Wertbeitrag und niedriger Datenreife ist kein erster Kandidat, er ist ein Auftrag an die Datenarbeit. Umgekehrt kann ein mittlerer Wertbeitrag mit sehr guter Datenlage der richtige Einstieg sein, weil er schnell und sauber in Betrieb geht. Die Bewertung der Datenreife gehört dabei in die Hände von Menschen, die die Systeme wirklich kennen, nicht in einen Workshop-Schnellschuss.

Risikoklasse als Pflichtachse, nicht als Bremse

Die Verordnung (EU) 2024/1689 stuft KI-Systeme nach Risiko ein; die zentralen Pflichten für Hochrisiko-Systeme greifen ab dem 2. August 2026. Für die meisten Fälle in Angebot, Werk und Dokumentation ist die Einstufung unkritisch, aber sie muss dokumentiert sein. Fälle mit Bezug zu Beschäftigten, etwa in der Personaleinsatzplanung, verdienen eine genauere Prüfung. Wer die Risikoklasse von Anfang an mitbewertet, erspart sich spätere Umbauten und hat die Antwort parat, wenn Kundenaudits oder TISAX-Prüfungen nach der KI-Governance fragen.

Die Reihenfolge ist eine Führungsentscheidung

„Ein Portfolio über vier Achsen liefert keine automatische Antwort. Es liefert die Grundlage, auf der Geschäftsführung und CIO eine begründete Reihenfolge entscheiden.“ Genau diese Entscheidung, sichtbar getroffen und verantwortet, unterscheidet geführte KI-Arbeit von einer Ideensammlung.

Der erste Use-Case ist ein Vertrauens-Beweis

Der erste priorisierte Anwendungsfall trägt eine Last, die über seinen Business-Case hinausgeht: An ihm entscheidet sich, ob die Organisation der eigenen KI-Arbeit vertraut. Ein Fall, der leise scheitert oder als Pilot versandet, bestätigt jeden Skeptiker im Haus. Ein Fall, der im Alltag läuft und eine nachvollziehbare Messgröße verbessert, öffnet die Tür für alles Weitere.

Deshalb gelten für den ersten Fall eigene Kriterien: eine saubere Datenlage, ein klar umrissener Prozess, eine Messgröße mit Baseline und Zeitraum, ein Fachbereich, der den Fall will. Und er muss von Beginn an für den Betrieb gebaut sein, mit Monitoring, Verantwortung und Übergabepfad. Ein Vorführeffekt ohne Betriebsreife ist kein Beweis, er ist eine Hypothek.

Ein benannter Owner je Use-Case: so sieht das aus

Jeder Anwendungsfall im Portfolio bekommt einen benannten Owner aus dem Fachbereich. Der Owner ist nicht der Projektleiter der IT und nicht der externe Partner. Er verantwortet, dass der Fall fachlich richtig geschnitten ist, dass die Messgröße stimmt und dass der Prozess die Lösung im Alltag auch nutzt. Daneben stehen eine technische Verantwortung in der IT und eine Governance-Verantwortung für Risikoklasse, Datenpfade und Berechtigungen.

Diese Dreiteilung klingt formal, verhindert aber das häufigste Scheitern: Lösungen, die technisch funktionieren und fachlich niemandem gehören. In der Praxis reicht dafür eine schlanke Struktur, ein Portfolio-Review im Monatsrhythmus und eine Seite Dokumentation je Fall. Wie die übergreifende Führungsrolle besetzt wird, wenn im Haus kein Senior-KI-Profil verfügbar ist, ordnet der Beitrag KI-Leitung für Automobilzulieferer: extern führen, intern verankern.

Selbst-Check: fünf Fragen für die Führungsebene

Fünf Fragen zeigen in wenigen Minuten, wo Ihr Haus bei der Use-Case-Priorisierung steht.

• Können Sie die drei wichtigsten KI-Anwendungsfälle Ihres Hauses mit Wertbeitrag und Messgröße benennen?
• Ist für jeden laufenden Fall die Datenlage geprüft und dokumentiert?
• Hat jeder Fall einen benannten Owner im Fachbereich?
• Ist die Risikoklasse nach EU AI Act je Fall bewertet und festgehalten?
• Gibt es eine entschiedene Reihenfolge, die auch neue Ideen einordnet, statt sie nur zu sammeln?

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

Nächste Schritte

Wenn in Ihrem Haus KI-Werkzeuge laufen und eine Use-Case-Liste existiert, ist die Vorarbeit geleistet. Der nächste Schritt ist die Ordnung: bewerten, entscheiden, den ersten Fall sauber in Betrieb bringen. Der Weg dahin ist überschaubar, und Sie entscheiden nach jedem Schritt neu.

1. Discovery-Call über 30 Minuten, kostenlos und mit ehrlichem Fit-Check: Wir ordnen Ihre vorhandenen Initiativen und die Liste gemeinsam ein.
2. Portfolio-Aufbau: Wir bewerten Ihre Anwendungsfälle über die vier Achsen, mit Datenreife-Prüfung an den echten Systemen.
3. Strategie und Betrieb: Wir bringen den ersten Fall mit Messgröße und Owner in den Betrieb und bauen die Roadmap darauf auf.

Die Gesamtsicht auf Strategie, System und Wissenstransfer gibt der Leitfaden KI-Transformation in der Automobilindustrie: Strategie, System, Wissenstransfer; den Weg von verstreuten Werkzeugen zur geführten Architektur vertieft der Beitrag Verstreute KI-Tools im Zulieferbetrieb: der Weg zur geführten Architektur.