Heute, am 6. November 2026, treffen an der RUB Bochum Hochschulen und Unternehmen aufeinander. Beim University-Business Networking Forum 2026 geht es um eine Frage, die in vielen Werkhallen längst angekommen ist: Was müssen Ingenieurinnen und Ingenieure können, wenn künstliche Intelligenz, Simulation und digitale Daten den Maschinenbau verändern?

Expertinnen und Experten der Vietnamesisch-Deutschen Universität (VGU), der Ruhr-Universität Bochum und Vertreter der Wirtschaft diskutieren am 5. und 6. November über intelligente Produktion. Die Stimmung dürfte dabei weniger nach Science-Fiction klingen als nach Werkstatt: Maschinen laufen, Sensoren melden Werte, irgendwo blinkt eine Warnleuchte – und jemand muss entscheiden, was jetzt wirklich zu tun ist.

Wenn die Maschine ihren Zustand meldet

Dr. Dicky Januarizky Silitonga, Maschinenbau-Dozent an der VGU, erklärte, wie intelligente Sensoren und digitale Zwillinge die Zustandsüberwachung von Anlagen unterstützen. Für die vorausschauende Wartung werden Sensordaten, Ölanalysen und Inspektionsergebnisse zusammengeführt. Daraus lassen sich Anomalien erkennen, der Verschleißgrad einschätzen und notwendige Wartungsarbeiten vorhersagen.

Unternehmen müssen dann nicht erst warten, bis eine Maschine ausfällt und die Produktion stillsteht. Wartung kann gezielt und rechtzeitig beginnen. Das passt zu den Überlegungen des Fraunhofer-Instituts für Angewandte Systemtechnik: Das dort beschriebene Whitepaper behandelt KI zur vorausschauenden Wartung von Maschinen und Anlagen und zeigt, wie insbesondere maschinelles Lernen Verschleiß früh erkennen und Ausfälle verhindern kann.

Die klassischen Wege haben ihre Tücken. Ausfallbasierte Wartung kann hohe Kosten verursachen, präventive Wartung wiederum mit unvorhersehbaren Ausfallzeiten verbunden sein. KI kann große Datenmengen aus dem Maschinenbetrieb durchsuchen und Muster finden, die auf bevorstehenden Verschleiß hindeuten. So wird eine zustandsbasierte Instandhaltung möglich.

Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Ganz ohne Menschen geht es trotzdem nicht. KI und Daten sollen Ingenieure nicht ersetzen, sondern ihnen zusätzliche Informationen für Entscheidungen liefern. Prognosen müssen überprüft, die tatsächliche Situation beurteilt und wichtige Entscheidungen überwacht werden.

Programmieren allein reicht nicht

Dr. Phan Quoc Bao, Generaldirektor von Metal Hardware Vietnam, bezeichnete KI als ein Werkzeug, das sich derzeit für die intelligente Fertigung entwickelt. Wirksam sei sie nur, wenn sie auf ein geeignetes Problem angewendet und mit Fachwissen verbunden werde. Ein kompliziertes System ist also nicht automatisch die beste Wahl – vor allem dann nicht, wenn ein Unternehmen sein konkretes Problem gar nicht klar benannt hat.

Ingenieurstudenten brauchen nach Einschätzung der Experten zunächst eine solide fachliche Grundlage, dazu Kenntnisse in KI und Datenanalyse sowie Fähigkeiten zur interdisziplinären Zusammenarbeit. Das Ziel ist nicht, Maschinenbaustudenten zu Programmierexperten auszubilden. Sie sollen KI sachgerecht einsetzen und ihre Ergebnisse fachlich überprüfen können.

Für die vorausschauende Wartung heißt das ganz praktisch: Maschinenbauingenieure müssen Aufbau und Funktionsweise von Maschinen verstehen, Ausfallanzeichen erkennen und Sensordaten auswerten können. In intelligenten Produktionslinien arbeiten sie mit Automatisierungs- und IT-Fachleuten zusammen. Dafür müssen sie Zusammenhänge zwischen Konstruktion, Steuerung und Software verstehen – sonst bleibt am Ende nur ein hübsches Dashboard.

Entscheidend ist nicht allein, ob jemand ein Werkzeug bedienen kann. Es geht auch darum, ob eine Technologie das richtige Problem löst, ob ihre Ergebnisse zuverlässig sind und ob sich die Lösung im Betrieb tatsächlich umsetzen lässt. Bei der Auswahl spielen unter anderem der Zustand der Anlagen, der Betriebsumfang, die Kritikalität der Produktionslinie und die Reparaturkosten eine Rolle.

Laborwerte sind noch keine Produktionsrealität

Studierende sollen ihre Problemlösungskompetenz durch praktische Arbeit mit Geräten, Betriebsdaten, Laboren und realitätsnahen Projekten entwickeln. Experimente, Fehlererkennung und die Anpassung von Lösungen gehören dazu. Denn ein Modell, das im Labor funktioniert, erfüllt nicht zwangsläufig die Anforderungen einer laufenden Produktion. Dort zählen Belastung, Tempo, Sicherheit und die Frage, was passiert, wenn eine Annahme nicht stimmt.

Dr. Phan Quoc Bao betonte deshalb, dass KI mit kritischem Denken eingesetzt werden müsse. Sie kann Dokumente durchsuchen, Methoden vorschlagen, Code schreiben und Daten analysieren. Eine Garantie für korrekte Ergebnisse liefert sie nicht.

Wer KI ausschließlich für die schnelle Lösungsfindung nutzt, riskiert, Denk- und Prüfprozesse zu vernachlässigen. Studierende müssen Informationen miteinander verknüpfen, die Grenzen der Werkzeuge erkennen, die Grundlagen ihrer Ergebnisse erklären und Verantwortung für die eigene berufliche Leistung übernehmen. Technische Fehler können Anlagen, Produktqualität und Betriebssicherheit beeinträchtigen. Das ist keine Kleinigkeit, auch wenn ein System seine Antwort noch so selbstsicher ausgibt.

Unternehmen benötigen daher Ingenieure, die Fertigungsprozesse verstehen, Technologien kennen, Daten analysieren und Leistungen bewerten können. Wegen der schnellen technologischen Entwicklung sollen Studierende außerdem verschiedene Ansätze kombinieren, um passende Produkte und Lösungen zu entwickeln.

Hochschule trifft Werkhalle

Die Zusammenarbeit zwischen Hochschulen und Unternehmen soll dafür eine praktische Verbindung schaffen. Unternehmen bringen Produktionsprobleme ein, teilen ihren Fachkräftebedarf und ermöglichen Einblicke in die Arbeitswelt. Universitäten liefern wissenschaftliche Grundlagen, Fachleute, Labore und Forschung. Akademische Themen können dadurch praktisch erprobt werden, während Studierende beruflich relevante Kompetenzen entwickeln.

Auch das Umfeld für datengetriebene Anwendungen verändert sich. Nach Angaben des Fraunhofer-Instituts soll der EU Data Act ab September 2025 den Zugang zu Maschinendaten erleichtern. Das erweitert das Potenzial für Anwendungen wie Predictive Maintenance – vorausgesetzt, Daten sind verfügbar, verständlich und sinnvoll nutzbar.

KI ist aus Unternehmenssicht keine Universallösung für jede Fabrik. Sie ersetzt Ingenieure nicht unmittelbar, verändert aber die Anforderungen an ihre Kompetenzen. Gefragt sind Fachkräfte, die ihr Fachgebiet beherrschen, KI gezielt einsetzen, kritisch denken und mit anderen Disziplinen zusammenarbeiten.

Am Ende bleibt die eher nüchterne, aber wichtige Pointe des Forums: KI-Kenntnisse gelten als notwendig. Langfristig entscheidend ist jedoch die Fähigkeit, KI zur Lösung konkreter ingenieurtechnischer Probleme anzuwenden – und zu merken, wann ein Mensch noch einmal genauer hinschauen muss.