Predictive Quality ist eines der meistdiskutierten KI-Anwendungsfelder in der Fertigung. Die Idee: Sensordaten aus der Produktion werden in Echtzeit analysiert, Qualitätsabweichungen werden prognostiziert, bevor sie entstehen. Klingt nach Effizienz. Ist es auch – wenn jemand die Ergebnisse versteht, prüft und in Entscheidungen übersetzt.
Das Ownership-Problem
In der Praxis scheitern Predictive-Quality-Projekte selten an der Technik. Sie scheitern daran, dass niemand für die Entscheidung zuständig ist, die auf die Prognose folgt. Das Modell sagt: Ausschussrisiko steigt auf 12 %. Wer entscheidet, ob die Linie gestoppt wird? Der Schichtleiter? Der Qualitätsmanager? Der Produktionsleiter? Und nach welchen Kriterien?
Ohne klare Entscheidungsrechte wird Predictive Quality zum teuren Dashboard, das niemand nutzt. Das Modell liefert Daten, aber die Organisation hat keine Routinen, um darauf zu reagieren.
„Ein Modell, das vorhersagt, aber keine Entscheidung auslöst, ist Deko mit Rechenleistung."
Was das Decision Inventory ändert
Im Decision Inventory einer Produktionsleitung definieren wir explizit: Welche Entscheidungen sind KI-unterstützt, welche erfordern Human-in-the-loop, welche sind KI-gesperrt? Für Predictive Quality bedeutet das konkret:
Review-Gate: Produktionsstopp-Empfehlung bei Ausschussrisiko > 8 % – Mensch entscheidet.
Prohibited: Automatische Parameteränderung an sicherheitsrelevanten Anlagen ohne menschliche Freigabe.
Diese Unterscheidung ist keine Bürokratie. Sie ist die Voraussetzung dafür, dass KI in der Produktion Vertrauen erzeugt statt Misstrauen. Und sie klärt, wer verantwortlich ist – nicht die Maschine, sondern die Rolle.
Implikation für die Besetzung
Eine Produktionsleitung, die Predictive Quality verantwortet, braucht Fähigkeiten, die in keiner klassischen Stellenbeschreibung stehen: Datenverständnis (als Owner, nicht als Analyst), Kontrolllogik (wann wird ein Override akzeptiert?), Change-Handwerk (wie bringe ich Schichtführer dazu, einem Modell zu vertrauen – und wann nicht?). Das prüfen wir im Assessment mit konkreten Shopfloor-Cases, nicht mit Fragen zu Industrie-4.0-Buzzwords.