Beobachtungen vom ABB Innovation Connect Day, ABB Campus Mannheim, 1. Oktober 2026
Am 1. Oktober hat ABB auf dem Campus Mannheim gemeinsam mit dem Accelerator Up2B elf Start-ups pitchen lassen, vor rund 25 Mitarbeiterinnen und Mitarbeitern aus verschiedenen Bereichen des Konzerns. Im Anschluss folgten Speed-Datings, in denen sich klären sollte, aus welchen Gesprächen eine konkrete Zusammenarbeit entsteht. oee.ai war eines der elf Unternehmen.
Das Feld dieses Nachmittags lässt sich in einem Satz zusammenfassen: Künstliche Intelligenz ist in den Produkten angekommen.
Was ABB gesucht hat
ABB hatte das Teilnehmerfeld vorab in drei Themen einsortiert: Energieeffizienz, Prozesseffizienz sowie nahtlose Integration. Diese Sortierung sagt einiges darüber, wo ein Konzern dieser Größe Nutzen sucht. Über den Themen lag die Frage, was am Ende bei den Kunden von ABB ankommt. Daran wurden die Pitches gemessen. Innovation wird bei ABB als Teil des Selbstverständnisses beschrieben, nicht als Sonderformat neben dem Tagesgeschäft, und dieser Anspruch prägte den Nachmittag.
Woraus die Lösungen ihre Informationen ziehen
Interessanter als die Sortierung war, worauf die vorgestellten Lösungen tatsächlich aufsetzen. Die Mehrheit liest Dokumente, Spezifikationen, Stammdaten oder Quelltext, um Anforderungen aus Lastenheften zu ziehen, Teilestämme im Einkauf zusammenzuführen, Testfälle für eingebettete Systeme zu erzeugen oder Schwachstellen in Repositories zu finden.
Häufig sitzt der Kaufentscheider in der Entwicklung, im Einkauf oder in der IT, und damit dort, wo sich Nutzen zügig nachweisen lässt.
KI ist kein Unterscheidungsmerkmal mehr
Künstliche Intelligenz steckte an diesem Nachmittag fast überall wirklich im Produkt, ganz überwiegend als Sprachmodelle und Agenten. Dass ein Anbieter KI lediglich ankündigt, war die Ausnahme. Damit verschiebt sich die Frage, die ein Industrieunternehmen an einen Anbieter stellen muss. Sie lautet heute, auf welchen Daten die KI rechnet, wie belastbar diese Daten sind und wer das Ergebnis verantwortet.
Was wir gepitcht haben
Unser Beitrag war ein Verlust an einem Bearbeitungszentrum, verfolgt vom Stillstand bis zur dokumentierten Gegenmaßnahme: Ein Werkzeug bricht, die Maschine steht. Der Bediener sagt am Terminal in eigenen Worten, was passiert ist. Die KI schlägt daraufhin Gegenmaßnahmen vor, die zuvor gelernt und freigegeben wurden. Dadurch sinkt die mittlere Reparaturzeit, und in der Folge steigt die OEE. Zusätzlich wird Wissen über Schichten hinweg geteilt, und es bleibt erhalten, wenn Mitarbeiter das Unternehmen verlassen.
Diesen Use Case haben wir ABB als Piloten vorgeschlagen: zwei Maschinen, acht Wochen, von der Installation über die Datensammlung bis zum KI-Vorschlag.
Wo sich das zusammenfügt
Wer KI in der Fertigung nutzen will, löst zuerst die Datenfrage. Verfügbarkeit, Stillstände und Verluste entstehen an der Anlage, und die Information darüber liegt in den Steuerungen und bei den Menschen, die an der Maschine stehen.
In einer der Diskussionen fiel dazu ein Satz, der das gut trifft: Der Antrieb ist das First Principle der OEE. Anlagenproduktivität beginnt mit der Frage, ob sich etwas bewegt, und ein softwaregetriebener Antrieb kennt diesen Zustand in dem Moment, in dem er eintritt. ABB baut genau diese Antriebe und die zugehörigen Steuerungen. Damit steht am Anfang vieler Produktivitätsrechnungen ein ABB-Produkt.
Warum die Maschine steht, weiß der Antrieb allerdings nicht. Den Grund kennt häufig die Steuerung, ebenfalls ein ABB-Produkt, und wo sie ihn nicht kennt, ergänzt ihn der Mensch an der Anlage. Daraus macht oee.ai eine strukturierte Ursache mit einer Gegenmaßnahme, die beim nächsten Vorfall jemand nachlesen kann. Die beiden Enden dieser Kette gehören zusammen, und genau daraus lässt sich gemeinsam etwas bauen. Die Speed-Datings nach den Pitches haben dafür den Anfang gemacht.
Dank an Up2B für die Organisation und an ABB für einen offen geführten Nachmittag.