Autonome Maschinen sind ein Betriebsmodell – und KI nur ein Baustein

Ergebnisse kaufen statt Maschinen besitzen: Wie funktioniert Autonomous Operation as a Service in der Praxis? Erfahren Sie, wie standardisierte Skills als Schnittstellenverträge dienen, wie fälschungssichere Audit-Trails die Anforderungen der neuen EU-Maschinenverordnung erfüllen und was bei vollautonomen Betreibermodellen heute schon realistisch ist – und was vorerst Vision bleibt.

Das Wichtigste in Kürze

Autonomous Operation as a Service (AOaaS) verkauft Fertigungsergebnisse statt Maschinenbesitz. KI ist dabei nur ein Baustein – entscheidend ist das Gesamtsystem aus Hardware, Orchestrierung, Dateninfrastruktur und Governance.

Die Kernpunkte auf einen Blick

• Skills als Verträge: Versionierte Fähigkeiten (Skills via Verwaltungsschale/AAS) definieren garantierte Ergebnisse und Qualitätsgrenzen als Basis für die Abrechnung (Outcome-based Pricing).
• Audit-Trails & Compliance: Fälschungssichere Protokolle am Edge-Gateway stellen die Rückverfolgbarkeit autonomer Entscheidungen sicher und erfüllen die EU-Maschinenverordnung (EU) 2023/1230.
• ERP/MES-Transformation: MES-Systeme steuern dynamische Skill-Aufrufe statt starrer NC-Programme; ERPs verarbeiten automatisierte Mikrozahlungen via Datenraum (Factory-X) und FinTechs.
• Realität vs. Vision: Teilautonome Teilprozesse (z. B. Blechschneiden, Spritzguss) sind heute seriennah machbar. Vollautonome Multi-OEM-Fabriken scheitern vorerst noch an einheitlichen Standards und Haftungsfragen.

Der Wandel vom Verkauf physischer Assets hin zum Vertrieb von garantierten Arbeitsergebnissen erreicht seine nächste Evolutionsstufe: Autonomous Operation as a Service (AOaaS). Bei diesem Modell erwerben Fabrikbetreiber nicht mehr die Maschine und stellen auch nicht mehr das Bedienpersonal – sie kaufen direkt das fertige Arbeitsergebnis, etwa die vollautonom geschnittene Tonne Blech oder das fertig montierte Bauteil.

Die Kernthese dabei: Autonomer Betrieb ist primär ein hochkomplexes Betriebsmodell. Künstliche Intelligenz ist darin lediglich ein Werkzeug unter vielen. Wenn Maschinen als Ergebnis verkauft werden, rücken standardisierte, versionierte Fähigkeiten (Skills) als technische Verträge ins Zentrum der Architektur. Wie dieses Modell in der Praxis funktioniert und welche Systeme es dahinter braucht, zeigt diese Analyse in sechs Punkten.

1. Welche Bausteine braucht ein autonomes Betriebsmodell?

Ein autonomer Service lässt sich nicht allein durch das Aufspielen smarter Algorithmen realisieren. Das Betriebsmodell ruht auf vier gleichberechtigten Säulen:

• Smarte Hardware & Selbstdiagnose: Die Physis der Maschine muss in der Lage sein, Verschleiß, Geometrieabweichungen oder Materialfehler eigenständig zu erkennen und zu kompensieren.
• Orchestrierung & Autonomie-Logik: Die übergeordnete Steuerung plant, optimiert und führt Arbeitsaufträge autonom aus, ohne dass ein menschlicher Bediener eingreifen muss.
• Durchgängige Daten- & Abrechnungsinfrastruktur: Von der Sensorik an der SPS bis zum ERP- und Kernbankensystem muss ein lückenloser, fälschungssicherer Datenfluss für die nutzungsbasierte Abrechnung bereitstehen.
• Rechtliche & Operative Governance: Klare vertragliche Leitplanken regeln, wer bei Fehlbedienungen, Materialfehlern oder autonomen Fehlentscheidungen die Haftung trägt.

2. Welche Rolle spielen standardisierte Skills?

Wenn nicht mehr die Maschinenlaufzeit, sondern das konkrete Fertigungsergebnis verkauft wird, reicht eine reine Aufzeichnung von Betriebsstunden nicht aus. Hier kommen standardisierte und versionierte Fähigkeiten (Skills) ins Spiel, die als technische Verträge fungieren:

• Definition über die Verwaltungsschale (AAS): Über Standards wie die Asset Administration Shell wird eine Fähigkeit eindeutig beschrieben – etwa Skill: Fräsen_Aluminium_Toleranz_IT7 inklusive Angabe der maximalen Schnittgeschwindigkeit und des spezifischen Energieverbrauchs.
• Technische Schnittstellenverträge: Der Skill definiert präzise, welche Eingangsbedingungen vorliegen müssen (z. B. Materialgüte, Umgebungsbedingung) und welches Ergebnis die Maschine garantiert.
• Versionierung als Qualitätsversprechen: Wird die Steuerungssoftware der Maschine verändert oder optimiert, ändert sich die Version des Skills (Skill_v2.1). Dies garantiert, dass der Service stets nach exakt definierten und auditierten Parametern ausgeführt und abgerechnet wird.

3. Wie lassen sich Fähigkeiten dokumentieren und abrechnen?

In einem AOaaS-Modell basiert die Abrechnung auf dem tatsächlich erbrachten Skill-Aufruf und der Qualität des Ergebnisses (Outcome-based Pricing):

• Kopplung von Skill und Abrechnungssatz: Ein komplexer, hochpräziser Fertigungsschritt erzeugt einen höheren Abrechnungssatz pro Minute oder Stück als ein einfacher Schrubbvorgang.
• Edge-Protokollierung: Das IoT-Gateway an der Maschine erfasst die Ausführung des Skills in Echtzeit. Es protokolliert, ob der Prozess innerhalb der vorgegebenen Qualitätstoleranzen abgeschlossen wurde.
• Smart Contracts & FinTech-Anbindung: Die Ausführungsbestätigung wird kryptografisch signiert und via Datenraum (z. B. Factory-X) an Abrechnungssysteme (Mittelstand.ai, DZ Bank) übermittelt. Der Rechnungsbetrag wird auf Basis der validierten Skill-Dokumentation direkt freigegeben.

4. Welche Bedeutung haben Nachvollziehbarkeit und Governance?

Wenn die Maschine Entscheidungen eigenständig trifft, wird die Nachvollziehbarkeit (Traceability) zur Überlebensfrage für das Geschäftsmodell:

• Audit-Trail für autonome Entscheidungen: Kommt es zu Ausschuss oder einem Werkzeugbruch, muss im Nachhinein lückenlos rekonstruierbar sein, auf welcher Datenbasis die KI oder die autonome Steuerung entschieden hat.
• Erfüllung regulatorischer Vorgaben: Die neue EU-Maschinenverordnung (EU) 2023/1230 fordert ab Januar 2027 den Nachweis, dass unbefugte Eingriffe oder fehlerhafte KI-Eingriffe keine Sicherheitsrisiken verursachen. Eine fälschungssichere Protokollierung aller Parameter- und Skill-Anpassungen ist dafür zwingend vorgeschrieben.
• Vertragliches Risikomanagement: Die Governance regelt die Abgrenzung: Liegt der Fehler am vom Betreiber bereitgestellten Rohmaterial oder an einem fehlerhaften Skill-Update des Herstellers?

5. Welche Anforderungen entstehen an ERP und MES?

Klassische Enterprise-Resource-Planning- (ERP) und Manufacturing-Execution-Systeme (MES) sind auf den Kauf von Maschinen und die starre Schichtplanung ausgelegt. Für AOaaS müssen sie fundamental umgebaut werden:

• Dynamische Auftragsübermittlung: Das MES sendet nicht mehr starre NC-Programme, sondern ruft abstrahierte Skills an der Maschine auf (Execute: Skill_Welding_v3).
• Echtzeit-Schnittstellen für OpEx-Abrechnung: Das ERP-System muss in der Lage sein, feingranulare, nutzungs- und qualitätsbasierte Mikrozahlungen zu verarbeiten und direkt in die Kostenstellenrechnung des Betreibers einzubuchen.
• Integration des Digitalen Produktpasses (DPP): Die bei der Skill-Ausführung erfassten Energie- und Qualitätsdaten fließen direkt in den digitalen Produktpass des gefertigten Bauteils ein.

6. Was ist heute bereits realistisch umsetzbar, was bleibt vorerst Vision?

Heute bereits realistisch:

• Teilautonome Pay-per-Part-Modelle: In klar abgegrenzten Prozessen (z. B. beim Blechschneiden, 3D-Druck oder bei Standard-Spritzgussmaschinen) funktioniert die automatisierte Skill-Abrechnung und Remote-Überwachung bereits seriennah.
• Standardisierte Datenräume: Durch den Abschluss des Projekts Factory-X stehen die technischen Bausteine für den sicheren, rechtssicheren Datentransfer zwischen OEM, Betreiber und Banken im Regelbetrieb bereit.

Vorerst noch Vision:

• Vollautonome Multi-OEM-Fabriken: Die herstellerübergreifende, vollständig autonome Selbstorganisation komplexer Prozessketten (wo Maschinen verschiedener OEMs autonom Aufträge untereinander verhandeln und ausführen) scheitert heute noch an fehlenden einheitlichen Skill-Standards und komplexen Haftungsfragen.
• Reine Unattended-Operation bei High-End-Prozessen: Bei hochkomplexen Einzelfertigungen bleibt der Mensch als Überwachungsinstanz vor Ort auf absehbare Zeit unersetzlich.

Fazit

Autonomous Operation as a Service ist die logische Weiterentwicklung von Equipment-as-a-Service. Wer dieses Modell erfolgreich im Markt etablieren will, darf nicht bei der Implementierung intelligenter Algorithmen stehen bleiben. Der Schlüssel liegt in der Beherrschung des Gesamtsystems: Von der Standardisierung digitaler Skills über die regulatorische Compliance gemäß Maschinenverordnung bis hin zur nahtlosen Anbindung an FinTechs und ERP-Systeme.

Wie der Übergang von der risikobehafteten Public Cloud hin zu einer souveränen, dezentralen Architektur konkret gelingt und wie Ihr Unternehmen die dafür notwendigen Governance-Strukturen etabliert, zeigt unser umfassendes Whitepaper. Es bietet Ihnen nicht nur tiefe Einblicke in die technologischen Schutzmechanismen, sondern liefert auch die entscheidende Roadmap, um den Spagat zwischen maximaler Sicherheit und agiler Vernetzung erfolgreich zu meistern.

Wie Manufacturing-X und der Digitale Produktpass die industrielle Wertschöpfung verändern

 

Das Whitepaper demonstriert, wie Fertigungsunternehmen Daten sicher über Unternehmensgrenzen hinweg teilen, ohne die Kontrolle über ihr Know-how zu verlieren. Es erklärt die Rolle von Gaia-X, IDSA und Datenraum-Konnektoren, vergleicht Catena-X mit smartMA-X und liefert einen praxisnahen Leitfaden für den Einstieg in souveräne Datenökosysteme.

JETZT LESEN

X