KI-Revolution: Wie autonome Systeme Blue-Collar-Jobs transformieren

Die Künstliche Intelligenz (KI) wird ihren größten Einfluss in den kommenden fünf bis zehn Jahren nicht primär in der Welt der Laptops und Software-Plattformen entfalten, sondern in physischen Industrien. Dies prognostiziert Qasar Younis, Mitbegründer und CEO von Applied Intuition, einem auf 15 Milliarden US-Dollar bewerteten KI-Unternehmen. Der Fokus verschiebt sich auf die Integration von Intelligenz in bereits existierende Maschinen und Prozesse, um akute Herausforderungen wie den Arbeitskräftemangel zu adressieren.

KI: Der nächste große Sprung in physischen Industrien

Qasar Younis, dessen Unternehmen Applied Intuition Software zur Entwicklung und zum Testen autonomer Fahrzeuge und Maschinen bereitstellt, betonte in einem Interview auf "Lenny's Podcast", dass der "echte Einfluss von KI" in Bereichen wie Landwirtschaft, Bergbau, Bauwesen und selbstfahrenden Lastwagen sichtbar werden wird. Applied Intuition hatte im Juni eine Finanzierungsrunde über 600 Millionen US-Dollar abgeschlossen, die das Unternehmen mit 15 Milliarden US-Dollar bewertete.

Während Software-Tools wie Moltbook und OpenClaw Entwickler begeistern mögen, erreichen sie laut Younis nur einen kleinen Teil der Gesellschaft. Der entscheidende Wandel werde stattdessen durch die Integration von Intelligenz in die physische Wirtschaft erfolgen. Es gehe darum, "Intelligenz in Dinge zu stecken, die uns bereits umgeben".

Arbeitskräftemangel als Katalysator für KI-Adoption

Branchen wie der LKW-Verkehr und die Landwirtschaft benötigen diese Art von Autonomie dringend. Younis merkt an, dass "die Leute nicht um diese LKW-Jobs kämpfen". Zudem sei der durchschnittliche Landwirt bereits Ende 50, was in den kommenden zehn Jahren zu einer Pensionierungswelle und potenziell verschärften Arbeitskräftemängeln führen könnte.

KI wird in diesen Industrien eher dazu beitragen, Arbeitskräftelücken zu schließen, als Arbeitsplätze vollständig zu ersetzen. Auch in der Fertigungsindustrie können Roboter helfen, den Mangel an Arbeitskräften zu beheben. Daniel Diez, Chief Business Officer von Agility Robotics, erklärte, dass Hersteller weltweit "einfach keine Leute finden, die diese Arbeit machen".

Ford-CEO Jim Farley berichtete bereits im vergangenen Jahr, dass KI-gestützte Augmented-Reality-Tools Technikern helfen, Lastwagen effizienter zu reparieren. Vor dem Hintergrund der Unsicherheit, die KI und Automatisierung in traditionellen White-Collar-Berufen schaffen, erwägen einige Gen Z-Arbeitnehmer zunehmend handwerkliche und Blue-Collar-Karrieren.

Von der Hype-Phase zur Infrastruktur: Industrielle KI im Wandel

Die Einführung von KI in industriellen Kontexten befindet sich noch in einer frühen Phase, geprägt von Pilotprojekten und Machbarkeitsstudien. Giedre Rajunce, CEO und Mitbegründerin von GREÏ, einer KI-gestützten Prozessintelligenzplattform für große physische Standorte, betont, dass KI sich von einem "Nebenprojekt zu einer Infrastruktur" entwickeln wird.

Der Erfolg im Jahr 2026 wird laut Rajunce davon abhängen, Betriebsabläufe zuerst neu zu gestalten und KI dann als "Kraftmultiplikator" einzusetzen. Eine "unbequeme Wahrheit" sei, dass viele Organisationen KI immer noch auf fehlerhafte Prozesse anwenden.

Agentic AI und physische Robotik: Autonomie in Aktion

Ein wesentlicher Trend für 2026 ist der Aufstieg von "Agentic AI"-Systemen, die Arbeitsabläufe autonom ausführen. Ein Beispiel hierfür ist ein Unfall vor Ort: Anstatt einen Manager zu alarmieren, könnte ein KI-Agent einen Arbeitsauftrag initiieren, den relevanten Anbieter kontaktieren, die Verfügbarkeit von Teilen prüfen und die Terminplanung koordinieren, wodurch die operative Reaktion mit minimalem menschlichem Eingriff abgewickelt wird.

Gartner prognostiziert jedoch, dass 40 Prozent der Agentic AI-Projekte bis 2027 scheitern werden, weil sie falsch angewendet werden oder kein klares Geschäftsproblem lösen. Parallel dazu bewegt sich KI schnell von der Software in die physische Welt durch intelligente Robotik. Das World Economic Forum identifiziert drei koexistierende Systeme: regelbasierte Robotik für vorhersehbare Aufgaben, trainingsbasierte Robotik für variable Umgebungen und kontextbasierte Robotik für unvorhersehbare Bedingungen.

KI-Strategie für Hersteller: Von der Idee zur Umsetzung

Für Finanzverantwortliche in der Fertigungsindustrie im Jahr 2026 ist KI keine neue Diskussion, aber die Frage nach dem konkreten Nutzen bleibt. Whit Little, ein Experte für Finanzstrategien, betont, dass KI keine Softwareanschaffung, sondern eine operative Fähigkeit ist. Hersteller sind nicht skeptisch gegenüber KI an sich, sondern vorsichtig bei der Fehlallokation von Ressourcen angesichts der Vielzahl an Plattformen und Versprechen.

Eine praktische Strategie beginnt mit Transparenz: Wo werden Entscheidungen heute ohne zeitnahe, zuverlässige Einblicke getroffen? Die Chance liegt nicht in der Datensammlung, sondern in der Datenaktivierung. KI wird wertvoll, wenn sie definierte operative Engpässe adressiert, wie schwindende Margen ohne klare Zuordnung, hartnäckig ungenaue Prognosen oder manuelle Prozesse, die Abschlusszyklen verlängern.

Starke Anwendungsfälle für 2026 sind nicht spekulativ, sondern in der Ausführung verankert:

• Automatisierter Rechnungsabgleich
• Erkennung von Spesenanomalien
• Verbesserte Nachfrageerkennung
• Prädiktive Wartungssignale
• Standardisierung der Bedienerleistung durch Daten
• Verfeinerung der Preisgestaltung basierend auf Kaufverhalten

Hersteller, die Fortschritte erzielen, verfolgen einen strukturierten Ansatz: Sie definieren einen spezifischen operativen Engpass, etablieren Pilotprojekte mit messbarem ROI und skalieren basierend auf nachgewiesenem Wert. Dieser Rahmen reduziert auch kulturelle Reibungen, da KI die über Jahrzehnte aufgebaute Expertise unterstützen und nicht ersetzen soll. Das größte Risiko im Jahr 2026 ist jedoch Untätigkeit, da Wettbewerber durch kleine, aber kumulative Verbesserungen einen Vorteil erzielen.