Trendradar · KI, Simulation und sichere Automatisierung
Verfügbares Werkzeug, Pilot oder Forschung?
Zwischen verfügbarem Werkzeug, Pilot und Forschung unterscheiden. Belege, Prüfaufwand und Kosten sichtbar machen.
Ausgabe 2026/27Quellenstand 11. Oktober 2026Version 2026.10-Foresight-2040
Kundenvorgang
Ein typischer Fall
Ein KI-Werkzeug liest Lieferantenrechnungen und schlägt Verbrauchswerte vor. Brauchbar wird das erst mit Fundstelle je Wert, einem eigenen Prüfdatensatz und einer fachlichen Freigabe. Im Pilot werden Genauigkeit, Eingriffszeit, Kosten und Energiebedarf gegen den bisherigen Ablauf gemessen. [S29, S30]
Ein Agent, der Lieferantenanfragen vorbereitet, erhält nur die Werkzeugrechte, die er für genau diese Aufgabe braucht. Ob eine Dokumentextraktion unter den AI Act als hochriskant fällt, hängt vom Einsatz ab; sie ist es nicht automatisch. [S31, S32]
KI braucht einen überprüfbaren Auftrag
KI kann Dokumente lesen, fehlende Angaben erkennen und eine Anfrage vorbereiten. Für einen brauchbaren Prozess muss klar sein, welche Quellen sie verwendet und was sie verändern darf. Fachliche Freigaben, feste Berechnungslogik und ein eigener Prüfdatensatz machen Ergebnisse überprüfbar.
Werkzeugprotokolle wie MCP erleichtern die Verbindung eines KI-Systems mit anderen Anwendungen. Daraus entsteht noch keine verlässliche Fachentscheidung. Der Radar empfiehlt begrenzte Piloten, etwa zur Vorbereitung von Lieferantenanfragen. Neben Genauigkeit werden Zeitaufwand, Eingriffe, Kosten und Energiebedarf untersucht. [S31]
Langfristige Optionen bleiben offen
Langfristig könnten Partner CO₂-Berechnungen durchführen, ohne vertrauliche Prozessdaten vollständig offenzulegen. Forschung zu kryptografischen Emissionsnachweisen liefert dafür erste Anhaltspunkte. Ihre Anwendung auf typische Kundenprodukte ist noch zu untersuchen. [S33]
Ein weiteres Forschungsfeld verbindet Produktvarianten mit Umweltwirkungen, Haltbarkeit und Reparaturgrenzen. KI könnte geeignete Optionen suchen und Zielkonflikte sichtbar machen. Dafür braucht es ausreichende Daten, geprüfte Modelle und reale Bestätigung. Wir ordnen diese Anwendung deshalb als langfristige Option mit niedriger Confidence ein. [S34]
Alle Trendkarten: KI & Automatisierung
4 Kerntrends und 1 Foresight-Felder. Die erste Karte ist geöffnet.
T17 · KI & AutomatisierungHeute nutzbarAufbauenKI Extraktion mit BelegenMultimodale Dokumentextraktion mit Fundstelle und Fachprüfung
- Einsatzhorizont
- 2026
- Attraktivität
- Hoch
- Technische Reife
- Werkzeuge verfügbar und fachliche Qualität zu prüfen
- Confidence
- Hoch
Aufbauen: Eine gemeinsame Grundlage priorisieren.
Begründete Einordnung
Hohe Attraktivität durch einen häufigen Einstiegspunkt in allen Datenprozessen. Dokumentmodelle und Layoutanalyse sind verfügbar. Hohe Confidence betrifft die Pilotierbarkeit; automatische Fehlerfreiheit und ein bestimmter Automatisierungsgrad sind nicht belegt.
Konkreter Trend
KI liest gescannte Rechnungen, Tabellen und Lieferantendokumente und liefert strukturierte Felder mit ihrer Fundstelle. Ein Mengenwert bleibt mit Einheit, Zeitraum und Quelle verbunden. Unsichere oder widersprüchliche Felder werden zur Prüfung vorgelegt. Berechnungen erfolgen anschließend in kontrollierter Fachlogik.
Vorgeschlagene Anwendung
Das System liest einen Verbrauch aus einer Rechnung, zeigt die markierte Fundstelle und vergleicht die Einheit mit dem erwarteten Feld. Ein ungewöhnlicher Sprung zum Vorjahr erzeugt eine Rückfrage. Erst freigegebene Rohdaten gelangen in die Bilanz. Bei einem Lieferanten-PDF wird eine fehlende Angabe als fehlend gespeichert.
Regulatorik und Grenzen
Der KI-Einsatz verlangt eine Prüfung von Datenrechten, Vertraulichkeit und Verantwortlichkeit. Eine Dokumentextraktion ist nicht automatisch ein Hochrisiko-KI-System; die Einordnung hängt vom Einsatz ab. Die 2026 geänderten AI-Act-Fristen dürfen nicht aus älteren Darstellungen übernommen werden. [S32]
Daten und Technik
LMDX beschreibt die Verbindung von Extraktion und Lokalisierung. Docling dokumentiert Layout-, OCR- und Tabellenverarbeitung. Empfohlen sind ein typisiertes Zielschema, Belegverknüpfung, Plausibilitätsregeln und ein fachlicher Referenzdatensatz. Selbstausgegebene Modell-Confidence allein ist kein zuverlässiges Freigabekriterium. [S29, S30, S14]
Gegenargument
Visuell komplexe Dokumente und Einheitenfehler bleiben schwierig. Ein aufwendiges Sprachmodell ist für einfache, stabile Belegtypen möglicherweise unnötig.
Pilot und vorgeschlagene Messgrößen
Vorgeschlagener Pilot: 100 anonymisierte Dokumente mit getrenntem Prüfdatensatz. Messen: Feldgenauigkeit, korrekte Fundstelle, übersehene kritische Fehler und Bearbeitungszeit gegenüber dem bisherigen Ablauf. Zusätzlich Kosten und Energiebedarf je freigegebenem Dokument erfassen.
Produktbezug (intern bestätigt)
Letzte fachliche Prüfung: Quellenstand 11. Oktober 2026 · Version 2026.10-Foresight-2040 · Direktlink: /trendradar#trend-17
T18 · KI & Automatisierungab 2027PilotierenKontrollierte KI AgentenBegrenzte KI Agenten für Lieferantenanfragen und ERP Abläufe
- Einsatzhorizont
- 2027–2028
- Attraktivität
- Hoch
- Technische Reife
- Werkzeugprotokolle verfügbar und Zuverlässigkeit offen
- Confidence
- Mittel
Pilotieren: Einen begrenzten Anwendungsfall mit überprüfbaren Messgrößen durchführen.
Begründete Einordnung
Hohe Attraktivität für repetitive Datenklärung. Protokolle zur Werkzeuganbindung existieren. Mittlere Confidence folgt aus Fehlerfolgen, Berechtigungen und betrieblichen Sonderfällen. Der nächste Ausbau sollte klar begrenzte Aufgaben umfassen.
Konkreter Trend
Ein Agent führt eine überschaubare Aufgabe mit definierten Werkzeugen und Rechten aus. Er erkennt fehlende Lieferantenangaben, bereitet eine Anfrage vor, ordnet eine Antwort zu und schlägt Aktualisierungen vor. Kommunikation und produktive Änderungen erhalten die jeweils festgelegte Freigabe.
Vorgeschlagene Anwendung
Ein Agent findet einen fehlenden Materialnachweis. Er erstellt einen beleggebundenen Anfrageentwurf und erinnert eine zuständige Person an die Freigabe. Nach der Antwort ergänzt er einen Vorschlag im Datenprofil. Finanzielle Buchungen, Pflichtbewertungen oder öffentliche Aussagen sind keine stillschweigend zugelassenen Nebenaufgaben.
Regulatorik und Grenzen
Datenschutz, Geschäftsgeheimnisse und die konkrete AI-Act-Einordnung sind vor dem Einsatz zu prüfen. Regulatorische Verantwortung wird nicht an ein Sprachmodell übertragen. Jeder externe Versand und jede Datenänderung muss den bewusst eingerichteten Befugnissen entsprechen. [S32]
Daten und Technik
MCP standardisiert die Verbindung zu Ressourcen und Werkzeugen; die geprüfte Fassung ist 2026-07-28. Das Protokoll garantiert keine sichere Fachentscheidung. Empfohlen sind wenige Werkzeuge, minimale Rechte, Aufgaben- und Kostenlimits, protokollierte Änderungen und Tests gegen manipulative Dokumentinhalte. [S31]
Gegenargument
Ein deterministischer Workflow kann bei stabilen Abläufen günstiger und zuverlässiger sein. Ein Agent lohnt sich nur, wenn die variable Aufgabe einen messbaren Zusatznutzen rechtfertigt.
Pilot und vorgeschlagene Messgrößen
Vorgeschlagener Pilot: 30 fehlende Nachweise in einer geschützten Umgebung bearbeiten, ohne automatischen externen Versand. Messen: vollständig erledigte Aufgaben, falsche Werkzeugaufrufe, notwendige Eingriffe und Gesamtkosten je Fall.
Produktbezug (intern bestätigt)
Letzte fachliche Prüfung: Quellenstand 11. Oktober 2026 · Version 2026.10-Foresight-2040 · Direktlink: /trendradar#trend-18
T19 · KI & Automatisierungab 2032ErkundenVertrauliche CO₂ NachweiseDatenschutzwahrende Berechnung und kryptografische CO₂ Nachweise
- Einsatzhorizont
- 2032–2036
- Attraktivität
- Mittel
- Technische Reife
- Forschungsprototypen für einschlägige Anwendungen
- Confidence
- Niedrig
Erkunden: Eine Forschungsfrage ohne Produktzusage.
Begründete Einordnung
Mittlere Attraktivität, wenn vertrauliche Herstellungsdaten einen Austausch verhindern. Die zugrunde liegende Kryptografie ist bereits verfügbar. Niedrige Confidence betrifft ihre wirtschaftliche Integration in typische Sustainista-Kundenprozesse bis 2036; der Zeitpunkt ist ein exploratives Szenario.
Konkreter Trend
Partner können eine Berechnung gemeinsam durchführen oder die korrekte Ausführung einer festgelegten Berechnung nachweisen, ohne sämtliche vertraulichen Eingaben offenzulegen. Sichere Mehrparteienberechnung und Zero-Knowledge-Verfahren sind unterschiedliche Ansätze und müssen zum konkreten Zweck passen.
Vorgeschlagene Anwendung
Vorgeschlagene langfristige Anwendung: Mehrere Lieferanten tragen geheime Mengen oder Prozesswerte bei. Ein Kunde erhält einen aggregierten Fußabdruck oder einen überprüfbaren Berechnungsnachweis. Die ausgewiesenen Datengrenzen und zulässigen Empfänger bleiben sichtbar. Ein solches Verfahren könnte einen Datenaustausch ermöglichen, den die Partner bislang wegen Rezeptur- oder Prozessgeheimnissen ablehnen.
Regulatorik und Grenzen
Vertraulichkeit allein belegt keine regulatorisch akzeptierte Prüfung. Ein kryptografischer Nachweis zeigt nur, was sein formalisiertes Verfahren tatsächlich prüft. Er bestätigt nicht automatisch die Wahrheit einer physisch gemessenen Eingabe oder die Eignung der gewählten LCA-Methode.
Daten und Technik
Das Forschungsprojekt Emission Impossible untersucht verifizierbare Emissionsangaben für eine Energie- und Cloud-Lieferkette. Eine Übertragung auf andere Produkte ist eine eigene Forschungsfrage. Voraussetzung sind zunächst ein vereinbartes Rechenmodell, Belegqualität und akzeptierte Prüfregeln. [S33]
Gegenargument
Hoher Rechenaufwand, begrenzte Prüfbarkeit und wenige teilnehmende Partner können den Nutzen aufheben. Vertraglich geregelte aggregierte Angaben können für viele KMU ausreichen.
Pilot und vorgeschlagene Messgrößen
Zuerst mit zwei Partnern einen konkreten Vertraulichkeitskonflikt bestimmen. Einen kleinen Referenzfall konventionell und geschützt rechnen. Messen: geschützte Informationen, überprüfbare Eigenschaften, Laufzeit und Integrationsaufwand. Bei fehlender Partnernachfrage nicht produktiv ausbauen.
Produktbezug (intern bestätigt)
Letzte fachliche Prüfung: Quellenstand 11. Oktober 2026 · Version 2026.10-Foresight-2040 · Direktlink: /trendradar#trend-19
T20 · KI & Automatisierungab 2032ErkundenKI für ProduktvariantenKI gestützte Suche nach Produktvarianten unter Umwelt und Reparaturgrenzen
- Einsatzhorizont
- 2032–2036
- Attraktivität
- Mittel
- Technische Reife
- Forschungsbausteine verfügbar und Gesamtanwendung offen
- Confidence
- Niedrig
Erkunden: Eine Forschungsfrage ohne Produktzusage.
Begründete Einordnung
Mittlere Attraktivität für Hersteller mit genügend Produkt- und Prozessdaten. Optimierung und erklärbare Ersatzmodelle werden erforscht. Niedrige Confidence betrifft ein robustes, bezahlbares Gesamtangebot für Sustainista-Kunden im langfristigen Horizont.
Konkreter Trend
Ein System sucht innerhalb fachlich definierter Grenzen nach geeigneten Material-, Fertigungs- oder Produktvarianten. Umweltwirkungen, Kosten, Haltbarkeit und Reparierbarkeit werden gemeinsam betrachtet. Rechenintensive Modelle können durch geprüfte Ersatzmodelle beschleunigt werden; ausgewählte Kandidaten werden anschließend mit dem Originalmodell und realen Tests geprüft.
Vorgeschlagene Anwendung
Vorgeschlagene langfristige Anwendung: Ein Hersteller variiert Materialanteile und austauschbare Komponenten. Das System schlägt mehrere begründete Optionen vor und zeigt Zielkonflikte. Eine Variante mit weniger Material wird verworfen, wenn sie die notwendige Lebensdauer nicht erreicht. Ergebnisse bleiben an die bekannten Parameter und Szenarien gebunden.
Regulatorik und Grenzen
Produktsicherheit und anwendbare Ökodesignanforderungen werden als fachliche Nebenbedingungen aufgenommen. Der ESPR-Arbeitsplan zeigt relevante Designfelder, schreibt aber keinen KI-Optimierer vor. Künftige Rechtsakte bis 2036 werden hier nicht als bereits bekannt behandelt. [S05]
Daten und Technik
Forschung zu erklärbaren Ersatzmodellen liefert Bausteine für die Untersuchung von Variantenräumen; prospektive LCA liefert Szenarien für Hintergrunddaten. Ihre Kombination für zirkuläre Kundenprodukte ist eine eigene Entwicklungshypothese, keine belegte Sustainista-Funktion. [S34, S24]
Gegenargument
Ein Optimierer kann präzise die falsche Zielgröße verbessern. Einseitige CO₂-Minimierung kann andere Umweltwirkungen oder Haltbarkeit verschlechtern; unzureichende Trainingsdaten begrenzen die Aussagekraft.
Pilot und vorgeschlagene Messgrößen
Vorgeschlagener Forschungsversuch: Ein Produkt, wenige veränderbare Parameter und zwei Umweltwirkungen. Vorschläge gegen eine einfache fachliche Variantenauswahl prüfen. Messen: bestätigte Verbesserungen, verletzte Nebenbedingungen und Aufwand pro real überprüftem Kandidaten.
Produktbezug (intern bestätigt)
Letzte fachliche Prüfung: Quellenstand 11. Oktober 2026 · Version 2026.10-Foresight-2040 · Direktlink: /trendradar#trend-20
T27 · KI & AutomatisierungForesight 2037–2040ErkundenQuantensimulation für MaterialienQuantenunterstützte Simulation von Batterie- und Recyclingmaterialien
- Einsatzhorizont
- 2037–2040 (Fenster 2035–2040)
- Attraktivität
- Mittel
- Technische Reife
- Materialbezogene Algorithmusforschung; nützlicher Vorteil gegenüber klassischer Berechnung offen
- Confidence (Langfrist)
- Niedrig
Erkunden: Eine Forschungsfrage ohne Produktzusage. Foresight: Planungshorizont, keine Erfolgswahrscheinlichkeit.
Begründete Einordnung
Für Sustainista nur als längerfristiges Partner- und Bewertungsfeld sinnvoll. Ein Nutzen wäre bei bestimmten anspruchsvollen Materialproblemen möglich. Es gibt daraus keinen Anlass, heutige LCA-Berechnungen auf Quantenhardware zu migrieren. Die sehr unsichere zeitliche Einordnung betrifft einen nachweisbaren Vorteil für konkrete Kundenmaterialien.
Belegter technischer Ausgangspunkt
Forschungsarbeiten untersuchen ressourcensparendere Quantensimulationen von Materialeigenschaften. Fraunhofer IWM bearbeitet hybride quantenklassische Verfahren und materialbezogene Benchmarks. Das belegt die Forschung an abgegrenzten Aufgaben; es bestätigt weder einen generellen Rechenvorteil noch eine geringere Umweltwirkung des gesamten Rechenbetriebs. [S44, S45]
Vorgeschlagene Anwendung
Ein Forschungspartner könnte für einen konkreten Batteriewerkstoff oder einen Katalysator eine elektronische Eigenschaft genauer bestimmen. Solche Resultate könnten die Wahl eines später experimentell geprüften Materials unterstützen. Sustainista könnte Modellresultat, reale Materialprüfung und Umweltbewertung getrennt dokumentieren. Eine molekulare Simulation ist keine fertige Produkt-LCA.
Regulatorik und Grenzen
Ein rechnerisch vorgeschlagenes Material unterliegt den tatsächlichen Stoff- und Produktanforderungen. Aus einer neuen Rechentechnik entstehen keine eigenständigen DPP- oder Umweltpflichten. Produktdeklarationen müssen auf einer passenden Methodik und geprüften Daten beruhen. Die Anwendung enthält keine Aussage über kommende Gesetze bis 2040. [S05, S26]
Daten und Technik
Für eine Forschungskooperation sind konkrete Eigenschaft, Modellklasse, gewünschte Genauigkeit und die beste verfügbare klassische Referenz festzulegen. Erfasst werden Hardware, Fehlerbehandlung, Rechenzeit, Kosten, Energie und Abweichung zum Experiment. Die Einbindung in eine Datenakte erfolgt über einen normalen, versionierten Ergebnisdatensatz; eine bestimmte Quantenplattform wird nicht fest vorausgesetzt.
Gegenargument
Fortschritte klassischer Verfahren können einen erwarteten Vorteil zunichtemachen. Hardware, Fehlerkorrektur und der übrige Rechenprozess können teuer und energieintensiv sein. Eine bessere Simulation einer Eigenschaft garantiert keinen besseren, sichereren oder wirtschaftlich herstellbaren Werkstoff.
Heutige Prüfung und Beobachtungssignale
Zunächst Literatur und einen materialbezogenen Benchmark gemeinsam mit einem Forschungsinstitut prüfen. Eine eigene Hardwarebeschaffung ist nicht nötig. Ein späterer Versuch vergleicht Genauigkeit, Gesamtaufwand und praktischen Entscheidungsgewinn mit einer starken klassischen Referenz. Beobachtungssignal: unabhängig wiederholter Vorteil für eine relevante Aufgabe unter Einbeziehung sämtlicher Kosten und Ressourcen.
Bedingtes Szenario 2035
Einzelne Forschungsaufgaben könnten einen belastbaren Vorteil zeigen; ebenso plausibel ist, dass der Nutzen für Sustainista-Kunden weiterhin fehlt.
Bedingtes Szenario 2040
Als eigene Langfristhypothese könnte spezialisierte Simulation ein Baustein industrieller Materialentwicklung werden. Ein Ausbleiben geeigneter Vorteile ist ausdrücklich ein zulässiges Szenario.
Unterschied zu bisherigen Trends
T20 nutzt datenbasierte Modelle zur Variantensuche und T25 reale Experimente. T27 betrifft die numerische Beschreibung ausgewählter Materialeigenschaften mit einem anderen Rechenverfahren.
Produktbezug (intern bestätigt)
Letzte fachliche Prüfung: Quellenstand 11. Oktober 2026 · Version 2026.10-Foresight-2040 · Direktlink: /trendradar#trend-27
Nächster Schritt
Einen begrenzten KI-Pilot auswählen
Wir prüfen neue Technologien anhand konkreter Anwendungen, verfügbarer Daten und nachvollziehbarer Ergebnisse. In 30 Minuten klären wir, welcher Trend für Ihr Produkt der nächste sinnvolle Schritt ist und welcher noch warten kann.