„Human-in-the-Loop“-KI in der Fertigung: Warum die Zukunft nicht „Lights-Out“ heißt

„Human-in-the-Loop“ (HITL) in der Fertigung ist ein Betriebsmodell, bei dem KI-Systeme und menschliche Mitarbeiter bei der Erledigung von Aufgaben zusammenarbeiten. Die KI verarbeitet Daten und gibt Empfehlungen ab, doch ein menschlicher Experte behält die Befugnis, die endgültige Entscheidung zu überprüfen, anzupassen oder auszuführen – wodurch Sicherheit, Verantwortlichkeit und die Berücksichtigung von Nuancen in komplexen Produktionsumgebungen gewährleistet werden.

In den letzten zehn Jahren bestand das implizite Ziel der Fertigungstechnik darin, den Menschen aus dem Prozess zu entfernen. Die „Lights-out“-Fabrik galt als Leitbild, und menschliche Arbeitskräfte wurden oft als Quelle von Schwankungen angesehen, die durch technische Maßnahmen beseitigt werden mussten.

Im Jahr 2026 kehrt sich diese Logik um. Während KI-Agenten und Automatisierung Routineaufgaben (Dateneingabe, Terminplanung, einfache Kontrollen) zur Massenware machen, verschwindet der Wert des menschlichen Arbeitnehmers nicht – er steigt vielmehr sprunghaft an. Doch die Art dieses Wertes verändert sich.

Wir bewegen uns weg von der Vorstellung, Menschen als „schlechte Roboter“ einzusetzen – die nur wegen ihrer Hände und Augen von Wert sind – hin zu einem Modell, bei dem menschliches Urteilsvermögen die wichtigste Leistung der Belegschaft darstellt.

„Human-in-the-Loop“ (HITL) ist die Architektur, die diesen Wandel ermöglicht. Es handelt sich dabei nicht um eine Ausweichlösung für den Fall, dass die KI versagt, sondern um das permanente Betriebssystem für eine Welt, in der Flexibilität wichtiger ist als reine Effizienz.

Allzu lange hat die Branche die Mitarbeiter an vorderster Front wie biologische Maschinen behandelt. Wir haben von ihnen verlangt, repetitive Aufgaben zu erledigen, komplexe Standardarbeitsanweisungen auswendig zu lernen und die Lücke zwischen nicht miteinander verbundenen Systemen manuell zu schließen.

Das war eine Verschwendung des einzigen Vorzugs, den Menschen besitzen und der der KI fehlt: Urteilsvermögen.

• KI eignet sich hervorragend für die Verarbeitung riesiger Datensätze, das Erkennen subtiler Muster (wie Schwingungstrends) und die schnelle Ausführung logischer Abläufe.
• Menschen sind hervorragend darin, Nuancen, Zusammenhänge und ethische Fragen zu erfassen sowie mit „Black Swan“-Ereignissen umzugehen – also mit unerwarteten Szenarien, die in keinem Modell jemals vorhergesehen wurden.

HITL-Architekturen ermöglichen es uns, Menschen nicht mehr für Aufgaben einzusetzen, die KI gut bewältigen kann (den Koordinationsaufwand für das Abrufen von Daten, die Terminplanung und die Protokollierung), und sie stattdessen vollständig auf die entscheidenden Entscheidungen zu konzentrieren, die den Fabrikbetrieb aufrechterhalten.

In der Technik gibt es ein Paradoxon, das als „Ironien der Automatisierung“ bekannt ist (ein Begriff, der von Lisanne Bainbridge in ihrer wegweisenden Abhandlung aus dem Jahr 1983 geprägt wurde). Es besagt, dass der menschliche Bediener umso wichtiger wird, je fortschrittlicher ein automatisiertes System wird – und nicht weniger.

Warum? Weil die Automatisierung die routinemäßigen, einfachen Aufgaben effizient erledigt. Dadurch werden die unwesentlichen Aufgaben aus dem Weg geräumt, sodass dem Menschen nur noch die komplexen, mehrdeutigen und risikoreichen Sonderfälle zur Lösung bleiben.

Wenn eine Fabrik vollständig auf autonome KI setzt, könnte eine Rohstoffcharge mit leicht abweichenden chemischen Eigenschaften dazu führen, dass das Modell falsche Ergebnisse liefert und Tausende fehlerhafter Teile produziert. Ein in den Prozess eingebundener Mensch erkennt diese Nuance („Dieses Material fühlt sich wachsartig an“), setzt sich über das Modell hinweg und passt die Parameter auf der Grundlage seiner physikalischen Intuition an.

In diesem Zusammenhang stellt der Mensch keinen Engpass dar; er ist vielmehr die entscheidende Kontrollinstanz.

Nicht alle HITL-Systeme funktionieren auf dieselbe Weise. Je nach Risikostufe des Prozesses verschiebt sich die Rolle des Menschen entlang eines Kontrollspektrums:

1. Human-in-the-Loop (Der Gatekeeper) Die KI gibt eine Empfehlung ab, kann jedoch erst handeln, wenn ein Mensch diese genehmigt hat.

• Der Mechanismus: KI-Analyse -> Überprüfung durch einen Menschen -> Maßnahme.
• Anwendungsfall: GxP . Ein KI-Agent könnte eine Zusammenfassung der Chargenprotokolle erstellen und dabei drei potenzielle Abweichungen kennzeichnen. FDA (und der gesunde Menschenverstand) verlangen jedoch, dass eine qualifizierte Person diese Kennzeichnungen überprüft und abzeichnet, bevor das Produkt ausgeliefert wird. Die KI erledigt die Vorarbeit; der Mensch gibt die Note.

2. Human-in-the-Loop (der Aufseher) Die KI agiert autonom, doch ein Mensch überwacht das System und kann eingreifen, falls die Parameter abweichen.

• Der Mechaniker: KI-Aktion -> Menschliche Überwachung -> Übersteuerung (falls erforderlich).
• Anwendungsfall: Automatischer Nachschub. Ein Bestandsagent überwacht die Lagerbestände und bestellt automatisch Schrauben nach, sobald diese unter den Sicherheitsbestand fallen. Der Mitarbeiter im Materialmanagement beobachtet ein dashboard greift nur ein, wenn er über Informationen verfügt, die der KI fehlen (z. B. „Bei diesem Lieferanten wird gestreikt, stornieren Sie die Bestellung“).

3. Human-out-of-the-Loop (begrenzte Automatisierung) Die KI agiert ohne menschliches Eingreifen.

• „The Mechanic“: KI-Aktion -> Protokoll.
• Anwendungsfall: Dateneingabe mit geringem Risiko. Ein Mitarbeiter erfasst automatisch die Maschinenzykluszeiten im MES. Es besteht keinerlei Sicherheitsrisiko und es ist kein Ermessensspielraum erforderlich.

Die Implementierung von HITL ist nicht nur eine Herausforderung für das Backend, sondern auch für die Benutzeroberfläche (UI).

Wenn Sie einem Bediener eine Blackbox mit der Aufforderung „Dieses Teil ablehnen“ ohne weitere Erklärung vorlegen, wird er dieser entweder blindlings folgen (Selbstgefälligkeit) oder sie gänzlich ignorieren (Misstrauen). Um das menschliche Urteilsvermögen zu fördern, muss die Benutzeroberfläche erklärbar sein.

Effektive Anwendungen für vernetzte Mitarbeiter nutzen Vertrauensschwellenwerte, um den Regelkreis zu steuern:

• Hohe Zuverlässigkeit (>95 %): Das System verarbeitet den Eintrag möglicherweise automatisch und benachrichtigt den Mitarbeiter lediglich darüber.
• Low Confidence (<70%): The system routes the item to a human for review, explicitly stating: "I am 65% sure this is a scratch, but it might be a shadow. Please verify."

Dadurch wird der Bediener nicht mehr nur zum Knopfdrücker, sondern zum Forscher. Er führt nicht einfach nur eine Aufgabe aus, sondern trainiert das Modell. Jedes Mal, wenn er auf „Überschreiben“ klickt, wird dieser Datenpunkt in das System zurückgespeist, wodurch die KI intelligenter und die Zusammenarbeit enger wird.

1. Qualitätssicherung (The AI Spotter) Die visuelle Inspektion ist der klassische Anwendungsfall für HITL. Computervision sind schnell, neigen jedoch zu Fehlalarmen. Durch den Einsatz von Computervisionfungiert die KI als Spotter und umrandet einen potenziellen Defekt mit einem Rahmen.
   
2. Vorausschauende Instandhaltung (Der Realitätscheck) Ein KI-Modell könnte anhand von Schwingungsdaten eine Wahrscheinlichkeit von 90 % für einen Lagerausfall vorhersagen. Eine Stilllegung der Anlage ist jedoch kostspielig.
   
   Der Kreislauf: Die KI alarmiert den Instandhaltungstechniker, der sich die Maschine anhört. Die KI liefert das Signal; der Mensch sorgt für den Realitätscheck.
   
3. On-Demand-Informationen aus der Praxis Wir können von neuen Mitarbeitern nicht erwarten, dass sie sich jahrzehntelanges implizites Wissen einprägen. KI-Assistenten schließen diese Qualifikationslücke, indem sie institutionelles Wissen im Rahmen von Gesprächen zugänglich machen.
   
   Der Kreislauf: Die KI fungiert als „Bibliothekar“ und ruft Spezifikationen, historische Reparaturprotokolle oder Qualitätsstandards sofort ab. Der Mensch fungiert als „Richter“ und entscheidet, ob diese historischen Daten auf die aktuelle, einzigartige Situation zutreffen. Diese Zusammenarbeit ermöglicht es einem Mitarbeiter am ersten Tag, Probleme mit der Genauigkeit eines Veteranen am 1000. Tag zu lösen.

Die Fertigungsindustrie sieht sich mit einem anhaltenden Fachkräftemangel konfrontiert. Da bis 2033 3,8 Millionen Arbeitskräfte benötigt werden und 1,9 Millionen dieser Stellen möglicherweise unbesetzt bleiben, stellt der Mangel an qualifizierten Arbeitskräften den größten Wachstumsengpass dar. Wir können uns nicht aus diesem Problem herausstellen; wir müssen uns den Weg aus dieser Situation bahnen.

HITL AI dient als Kraftverstärker für die knappste Ressource in der Fertigung: die Menschen.

Indem die KI die kognitive Belastung durch das Abrufen von Daten und die routinemäßige Überwachung übernimmt, ermöglicht sie es einem einzelnen Bediener, komplexere Aufgaben zu bewältigen, ohne dabei an seine Grenzen zu stoßen. Zudem verkürzt sie die Einarbeitungszeit erheblich. Ein neuer Mitarbeiter, der mit einem KI-Spotter und einem intelligenten Assistenten ausgestattet ist, kann viel schneller das Leistungsniveau eines erfahrenen Kollegen erreichen, als dies mit herkömmlichen Schulungsmethoden möglich wäre.

Dieser Ansatz ersetzt den Mitarbeiter nicht, sondern verstärkt dessen Wirkung. Er stellt sicher, dass menschlicher Einfallsreichtum nur dort zum Einsatz kommt, wo er den größten Mehrwert schafft – nämlich bei der Lösung von Problemen, der Verbesserung von Prozessen und dem Treffen wichtiger Entscheidungen, die Maschinen nicht treffen können.

Die Fabrik des Jahres 2026 wird nicht leer sein. Dort wird mehr los sein als je zuvor, doch die Arbeit wird anders aussehen.

Es wird weniger Mitarbeiter geben, die Klemmbretter tragen, und mehr, die sich um Ausnahmesituationen kümmern. Es wird weniger Mitarbeiter geben, die acht Stunden lang auf Teile starren, und mehr, die Mitarbeiter darin schulen, diese Aufgabe für sie zu übernehmen.

Die Hersteller, die sich durchsetzen werden, sind nicht diejenigen, die am stärksten automatisieren, sondern diejenigen, die es schaffen, menschliches Urteilsvermögen und maschinelle Intelligenz zu einem einzigen, nahtlosen Nervensystem zu verknüpfen.