Agentic AI in der Fertigung: Praktische Anwendungsfälle

Agentic AI in der Fertigung bezeichnet Softwareagenten, die Beschaffungs- und Supply-Chain-Aufgaben mit wenig schrittweiser Anleitung planen, aneinanderreihen und ausführen, von der Ausschreibungsvorbereitung bis zur Störungsüberwachung. Der Agent übernimmt schon heute einen großen Teil dieser Sourcing- und Replanungsarbeit selbstständig, doch den Lieferantenwechsel, die Preisfixierung oder die Netzwerkänderung, die daraus folgt, bestätigt weiterhin ein Mensch.

Für Einkaufs-, Planungs- und Betriebsverantwortliche in der Fertigung stellt sich selten die Frage, ob ein Agent eine Ausschreibung entwerfen oder eine verspätete Lieferung melden kann. Entscheidend ist, ob derselbe Agent Rohstoffpreise, Energieverträge, Zölle und Logistikstörungen so gut einordnet, dass eine Person seine Empfehlung schnell umsetzen und anschließend verteidigen kann. Genau daran scheitern die meisten aktuellen Einführungen noch.

Was zählt heute als Agentic AI in der Fertigung?

Agentic AI in der Fertigung bezeichnet Agenten, die mehrstufige Aufgaben auf ein Ziel hin ausführen, eine Ausschreibung entwerfen, die Compliance-Unterlagen eines Lieferanten prüfen, einen Einkaufsplan neu ordnen, weitgehend ohne dass eine Person jeden Schritt vorgibt. Das unterscheidet sie von einem Chatbot oder einem einstufigen Assistenten, der eine Frage beantwortet und dann stoppt. Fertigungsunternehmen nutzen den Begriff auch für Anwendungen auf der Werkshalle wie vorausschauende Wartung, Qualitätsprüfung und Produktionsplanung; einen breiteren Blick darauf, was diese Agenten heute in der gesamten Supply Chain schon leisten, liefert dieser Beitrag. Der schärfste Nutzen für Einkaufs- und Supply-Chain-Teams liegt derzeit bei Sourcing- und Kaufzeitpunkt-Entscheidungen unter Volatilität, worauf sich dieser Artikel konzentriert.

Die Kategorie entwickelt sich schnell. Gartner erwartet, dass bis Ende 2026 40 Prozent der Unternehmensanwendungen aufgabenspezifische KI-Agenten enthalten, gegenüber unter 5 Prozent im Jahr 2025, und prognostiziert, dass die Ausgaben für agentische Supply-Chain-Management-Software von unter 2 Milliarden US-Dollar im Jahr 2025 auf 53 Milliarden US-Dollar bis 2030 steigen, wobei die Adoptionsrate unter Unternehmen mit SCM-Software im gleichen Zeitraum von 5 auf 60 Prozent klettert.

Agent-Washing: Gartner prägte diesen Begriff für Anbieter, die bestehende Assistenten, RPA oder Chatbots als Agentic AI umetikettieren, ohne über echte autonome Fähigkeiten zu verfügen, und schätzt, dass von Tausenden selbsternannten Agentic-AI-Anbietern nur rund 130 diesem Anspruch tatsächlich gerecht werden. Im Mai 2026 weitete Gartner diese Warnung gezielt auf den Markt für Supply-Chain-Planungssoftware aus und stellte fest, dass viele aktuelle Angebote Ziele weiterhin nicht eigenständig neu ordnen, Zielkonflikte verhandeln oder ihre Ausführungslogik anpassen können, ganz gleich, was das Marketing verspricht.

Welche Beschaffungs- und Supply-Chain-Aufgaben übernehmen Agenten schon heute?

Fertigungsunternehmen mit ersten produktiven Einsätzen setzen Agenten für klar abgegrenzte Beschaffungsarbeit ein: Ausschreibungen vorbereiten, Lieferanten präqualifizieren, Angebote analysieren und Störungen überwachen, bevor sie einen Liefertermin gefährden. McKinsey dokumentiert ein Chemieunternehmen, das autonome Sourcing-Agenten für Ausschreibungsvorbereitung, Lieferantenpräqualifizierung und Angebotsanalyse in einer Verbrauchsmaterial-Kategorie einsetzte und dabei eine Effizienzsteigerung von 20 bis 30 Prozent bei den Einkaufsteams sowie eine Verbesserung der Wertschöpfung um 1 bis 3 Prozent maß. Mehrere konkrete Varianten dieses Musters, an realen Rohstoffbewegungen gespiegelt, finden sich in dieser Übersicht mit Decision-Intelligence-Beispielen für Einkaufsteams.

Das Modell einer agentischen Supply Chain von Deloitte nennt zwei Rollen, die genau in dieses Muster passen. Ein Procurement Agent übernimmt das laufende Procure-to-Pay-Geschäft und unterstützt vorgelagerte Sourcing-Entscheidungen. Ein Sourcing Agent modelliert alternative Sourcing-Optionen und Szenarien zur Netzwerkumstrukturierung, die eine Person prüft. Keiner der beiden bindet von sich aus Kapital; beide bereiten den Boden für eine schnellere, besser informierte Entscheidung.

Der Nutzen summiert sich, weil so viele Beschaffungsdaten in der Fertigung derzeit ungenutzt bleiben. McKinsey beziffert den Anteil der tatsächlich für Entscheidungen genutzten verfügbaren Daten auf unter 20 Prozent, eine Lücke, die agentische Systeme schließen sollen, sobald Ausgaben-, Lieferanten-, Vertrags- und Marktvergleichsdaten an einem Ort liegen, den ein Agent abfragen kann. Das IBM Institute for Business Value stellte fest, dass 62 Prozent der Supply-Chain-Verantwortlichen erkennen, dass in Arbeitsabläufe eingebettete Agenten schnelleres Handeln ermöglichen, und dass 76 Prozent der Chief Supply Chain Officers eine insgesamt verbesserte Prozesseffizienz erwarten, sobald Agenten repetitive, wirkungsstarke Aufgaben übernehmen.

Wo die endgültige Entscheidung weiterhin bei einer Person liegt

Selbst ein leistungsfähiger Agent hält vor der Kapitalbindung oder der Änderung einer Lieferantenbeziehung inne. In jedem seriösen Rahmenwerk, das für diesen Beitrag geprüft wurde, bleiben endgültige Entscheidungen über die Aufnahme oder Abwahl eines Lieferanten, die Umstrukturierung eines Sourcing-Netzwerks sowie folgenreiche oder mehrdeutige Zielkonflikte ausdrücklich menschlich. Insbesondere die Verhandlung delegiert kein Fertigungsunternehmen an Software: Ein Agent kann Optionen und ihre Konsequenzen modellieren, doch das Gespräch mit dem Lieferanten führt die Person, der diese Beziehung gehört.

Diese Aufteilung zeigt sich auch darin, wie Supply-Chain-Verantwortliche den Wandel ihrer eigenen Teams einschätzen. Gartners Umfrage vom Februar 2026 unter 509 Supply-Chain-Verantwortlichen ergab, dass 55 Prozent erwarten, Agentic AI werde den Bedarf an Einstiegspositionen senken, und 51 Prozent mit breiteren Stellenkürzungen rechnen, während 86 Prozent zustimmen, dass ihre Organisation neue Prozesse für den Aufbau künftiger Talentpipelines braucht. Menschliche Arbeit verschiebt sich in Richtung Urteilsvermögen, Ausnahmebearbeitung und Lieferantenbeziehungen, also genau die Aufgaben, die ein Agent weiterhin nicht übernehmen kann.

Warum Agenten eine Verankerung im externen Markt brauchen, nicht nur interne Daten

Ein Agent, der Kaufzeitpunkte plant oder eine Lieferung neu plant, ist nur so gut wie das, was er sieht, und interne ERP- und Planungssysteme zeigen einen sich bewegenden Rohstoffpreis, einen sich verengenden Energievertrag oder einen sich ändernden Zollsatz erst dann, wenn die Kostenwirkung bereits in einem Bericht auftaucht. Genau in dieser Verzögerung beweist ein gut verankerter Agent seinen Wert, und genau dort liefert ein schlecht verankerter Agent eine selbstsichere, aber falsche Empfehlung.

Der technische Grund ist einfach. Große Sprachmodelle wissen nur, worauf sie trainiert wurden, was schnell veralten kann, und sie können eine plausibel klingende, aber falsche Antwort liefern, sobald sich die Realität bereits verändert hat, wie Google Cloud in seiner Übersicht zum Model Context Protocol erklärt. Anthropic führte dieses Protokoll, bekannt als MCP, im November 2024 als offenen Standard ein, der ein KI-System über eine einzige Implementierung mit externen Datenquellen und Werkzeugen verbindet und damit die sonst nötige maßgeschneiderte Integration für jedes Quelle-Werkzeug-Paar ersetzt. McKinseys eigenes durchgerechnetes Beispiel eines Supply-Chain-Agenten belegt denselben Punkt in der Praxis: Um Nachfrage vorherzusagen, Störungsrisiken zu erkennen und Transport sowie Bestand dynamisch neu zu planen, muss der Agent über interne Planungs- und Lagersysteme hinaus auf Wettervorhersagen, Lieferantendaten und Nachfragesignale zugreifen.

Für die Beschaffung in der Fertigung bedeutet das konkret Rohstoffpreise, Energievertragsfenster, Logistiklaufzeiten und Zollsätze. Eine speziell auf die Fertigung zugeschnittene Datenquelle, die genau diese Mischung über MCP abdeckt, fehlt bislang weitgehend: Die bisher gefundenen Marktplatz-Beispiele stützen sich stark auf Finanzdienstleistungsdaten, während industrielle Rohstoff- und Logistiksignale noch dünn gesät sind. Genau in dieser Lücke setzt Sybilions externe Signal- und Entscheidungsschicht an, die über einen MCP-Connector bereitgestellt wird, damit ein Beschaffungs- oder Planungsagent live Rohstoff-, Energie- und Logistiksignale als Werkzeug abrufen und seine Argumentation auf dem aktuellen Stand halten kann. KD Feddersen nutzte dieselbe Schicht, um beim Kaufzeitpunkt für Rohstoffe rund 4 Millionen US-Dollar Marge zu sichern, ein Ergebnis, das davon abhing, dass die Markteinschätzung während des laufenden Prozesses aktuell blieb.

Ein praktisches Anwendungsbeispiel: Replanung unter Zoll- und Kostenvolatilität

Stellen Sie sich einen Metallteile-Hersteller vor, der mitten im Quartal einen sich ändernden Zolltarif beobachtet. Die geschätzten Zollkosten für die Primärmetallherstellung erreichten im April 2026 fast 4,2 Prozent der Vorleistungskosten dieser Branche, ein höherer Anteil als der vorherige Höchststand im Januar 2026. Zollvolatilität ist zur meistgenannten Störgröße der Supply-Chain-Planung geworden: 72 Prozent der 2026 befragten Handelsfachleute nannten sie die folgenreichste regulatorische Veränderung, gegenüber 41 Prozent ein Jahr zuvor, wobei 82 Prozent der Organisationen eine direkte Auswirkung auf ihre Lieferketten meldeten und 39 Prozent höhere Lieferanten- und Materialkosten als direkte Folge angaben. Wo die Planung bei einem solchen Schock typischerweise bricht, beschreibt dieser Beitrag über Lücken zwischen Planung und Beschaffung, die das Kostenrisiko erhöhen.

Ein Agent, der auf solchen Live-Daten aufsetzt, kann die wahrscheinliche Kostensteigerung frühzeitig erkennen und die realistischen Reaktionsoptionen nebeneinander modellieren: den Kauf vor Inkrafttreten eines neuen Zollsatzes vorziehen, das Sourcing zu einem weniger stark besteuerten Ursprungsland verlagern, oder die Position halten und die kurzfristigen Mehrkosten tragen, während eine mögliche Trendwende beobachtet wird. Jede Option trägt ihre eigene Annahmenkette, und der Einkaufsverantwortliche entscheidet weiterhin, welche davon umgesetzt und gegenüber der Finanzabteilung vertreten wird. Die Größenordnung unterscheidet sich stark von Unternehmen zu Unternehmen: Siemens investiert über 200 Millionen Euro in eine vollautomatisierte Fabrik der Zukunft am Standort Amberg bis 2030, ein Vorzeigeprogramm im Großkonzern-Maßstab. Die meisten mittelständischen Fertigungsunternehmen arbeiten in einer deutlich kleineren Größenordnung und setzen Agenten gezielt für einzelne Kaufzeitpunkt- und Replanungsentscheidungen ein, statt einen ganzen Standort neu aufzubauen.

Was nützliche Einsätze von Agent-Washing unterscheidet

Die Fertigungsunternehmen, die echten Nutzen aus Agentic AI ziehen, sind nicht zwingend jene, die die meisten Aufgaben automatisieren. Es sind jene, die auf ein konkretes wirtschaftliches Ergebnis verweisen und belegen können, warum die Empfehlung des Agenten auch dann standhielt, als sich der Markt gegen die Erwartung entwickelte. Gartners eigene Prognose von 53 Milliarden US-Dollar für 2030 bei agentischer Supply-Chain-Software steht neben der Warnung, dass die meisten aktuellen Angebote Ziele noch nicht eigenständig neu ordnen oder Zielkonflikte verhandeln können, weshalb das Etikett eines Tools ein schlechter Indikator dafür bleibt, was es tatsächlich kann.

Der praktische Test für ein Einkaufs- oder Supply-Chain-Team in der Fertigung fällt enger aus, als es die meisten Vertriebspräsentationen nahelegen. Fragen Sie, auf welche Daten der Agent über das eigene ERP hinaus zugreifen kann, was mit seiner Empfehlung geschieht, wenn sich diese externen Daten über Nacht ändern, und wer freigibt, bevor Geld bewegt wird. Ein Tool, das alle drei Fragen gut beantwortet, leistet agentische Arbeit, die ihren Preis wert ist. Eines, das das nicht kann, bleibt vorerst ein Assistent mit neuem Etikett.

Predict. Decide. Commit.

Häufig gestellte Fragen

Kann Agentic AI direkt mit Lieferanten verhandeln?

Nein, aktuelle Rahmenwerke belassen die Verhandlung als menschliche Aufgabe. Ein Agent kann Sourcing-Alternativen, Preisszenarien und ihre Zielkonflikte modellieren, doch das Gespräch mit einem Lieferanten und die letztlich vereinbarten Konditionen bleiben bei der Person, der diese Beziehung gehört und die das Ergebnisrisiko trägt.

Welchen Effizienzgewinn können Einkaufsteams realistisch erwarten?

Ein dokumentiertes Pilotprojekt in der Chemieindustrie, das autonome Sourcing-Agenten für Ausschreibungsvorbereitung, Lieferantenpräqualifizierung und Angebotsanalyse einsetzte, erzielte eine Effizienzsteigerung von 20 bis 30 Prozent bei den Einkaufsteams und eine Verbesserung der Wertschöpfung um 1 bis 3 Prozent. Diese Zahl stammt aus einem einzigen dokumentierten Fall und dient als Beispiel für das Potenzial; die tatsächlichen Ergebnisse hängen von Kategorie und Datenreife ab.

Ist Agentic AI in der Fertigung dasselbe wie Software für vorausschauende Wartung?

Nein, es handelt sich um unterschiedliche Anwendungen derselben zugrunde liegenden Technologie. Agenten für vorausschauende Wartung und Qualitätsprüfung arbeiten mit Anlagen und Prozessdaten auf der Werkshalle. Beschaffungs- und Supply-Chain-Agenten arbeiten an Sourcing, Kaufzeitpunkt und Replanung, worauf sich dieser Artikel konzentriert.

Was passiert, wenn ein Fertigungsunternehmen Agentic AI ohne externe Marktdaten einsetzt?

Ohne aktuelle Rohstoff-, Energie- oder Logistikdaten arbeitet ein Agent nur mit internen Aufzeichnungen und veralteten Trainingsdaten, was zu einer selbstsicheren Empfehlung führen kann, die auf einem längst überholten Preis oder Liefertermin beruht. Das Ergebnis ist eine plausibel klingende Antwort, die genau dann falsch ist, wenn es darauf ankommt.

Wie viele Agentic-AI-Projekte in Fertigung und Supply Chain dürften scheitern?

Gartner geht davon aus, dass mehr als 40 Prozent der Agentic-AI-Projekte bis Ende 2027 eingestellt werden, getrieben von steigenden Kosten, unklarem Geschäftsnutzen oder unzureichender Risikokontrolle. Die Zahl gilt branchenübergreifend, nicht nur für die Fertigung, bleibt aber eine sinnvolle Warnung davor, einen agentischen Einsatz pauschal als risikoarm einzustufen.