KI-Einsatz bei Erstellung von FMEAs - Teil 3 Potentielle Auswirkungen
Ein Beitrag von Dr. Uwe-Klaus Jarosch, Juli 2026
Was bisher betrachtet wurde:
In Teil 1 habe ich drei FMEA-Tools in ihren Eigenschaften beschrieben, auf KI-Modelle zuzugreifen und daraus Vorschläge für die inhaltliche Erstellung von FMEAs abzuleiten.
In Teil 2 bin ich die 7 Schritte nach AIAG-VDA durchgegangen. Was tragen die integrierten oder unabhängig von Tool verfügbare KI-Applikationen in den einzelnen Schritten inhaltlich bei? Der Bereich „Pflege der FMEA“ ist dabei noch unberücksichtigt geblieben.
Hier im 3. Teil möchte ich ein paar Gedanken darüber niederschreiben, welche Auswirkungen die massive Entwicklung von KI-Tools allgemein hat und wie sich das spezifisch für FMEA auswirken könnte.
Neue Tools eröffnen neue Möglichkeiten.
Sie verschieben aber auch das Verhältnis von Kosten zu Nutzen.
Und so potente Tools wie KI-Assistenten verändern aus meiner Sicht auch das Verhalten,
vielleicht nicht bei jedem, aber sicherlich bei vielen.
Wirtschaftliche Aspekte:
KI-Anwendungen werden weltweit mit finanziellen Mitteln entwickelt und betrieben, die in der Geschichte beispiellos sind. Allein für 2026 haben die amerikanischen Tech-Konzerne OpenAI, Anthropic, Google, Microsoft, Apple und XAI Investitionen in neue Modelle und Rechenzentren in Höhe von ca. 650 Mrd US$ angekündigt[1].
[1] Die angekündigten Investitionen in 2026 sind wie folgt: OpenAI: 110Milliarden US$, Microsoft: 190 Milliarden US$ , Anthropic: 30 Milliarden US$, Google (Alphabet): 185 Milliarden US$, Meta: 135 Milliarden US$, Apple: >40 Milliarden US$, XAI: konservativ 40 Milliarden US$, Amazon : 200 Milliarden US$
Nicht enthalten sind die Summen, die für NVIDIA angegeben sind und
viele andere Firmen in diesem Tech-Bereich sind ebenfalls unberücksichtigt.
Allerdings sind in einigen Investitionsangaben KI-Investitionen mit anderen Themen gemischt. Außerdem sind einige der Invests gegenseitige Zirkelgeschäfte.
Diese Mengen an Geld kann man auf mindestens zwei Weisen interpretieren:
- Die Investoren haben vitales Interesse, das KI für praktisch Alles genutzt und bezahlt wird, um die Investitionen wieder zu verdienen. Alle Mittel werden eingesetzt, um Entscheider zum Einsatz von KI zu drängen. Das Versprechen ist: Wettbewerbsvorteil und Gewinnsteigerung für Anwender von KI.
- Konkurrenten buhlen um eine Alleinstellung und – wenn möglich um ein Monopol. Allerdings ähneln sich die derzeitigen Ansätze stark, sodass Experten von „Comodity“[2] mit starkem Preisdruck reden. Auch der Druck intern, die Anzahl der genutzten Token[3] zu begründen (Ende von Tokenmaxxing[4] als strategische Wendung im AI-Markt) weist auf Kostendruck und Ergebnisorientierung hin. Bislang sind nachhaltige wirtschaftliche Vorteile durch KI-Nutzung nur in seltenen Einzelfällen berichtet.
[2] Comodity ~ Produktgruppe, die von einer Gruppe von konkurrierenden Anbieter unter Preisdruck im Markt angeboten wird.
[3] Token = Ergebniseinheit der KI. Token können in Rechenaufwand umgerechnet werden, der wiederum in Kosten für Prozessoren und Energie.
[4] Tokenmaxxing wurde über die letzten beiden Jahre mit dem Argument „Mehr Token = mehr Lernen, mehr Experimentieren, mehr produktiver Outputs“ gefördert. Führungskräfte wurden daran bewertet, wie viele Token sie eingesetzt haben, auch um an anderer Stelle Personal einzusparen und durch KI zu ersetzen. Allerdings kosten Token Geld. Im Frühsommer 2026 wurde daher die Frage nach Aufwand und Nutzen neu gestellt und dem unbegründeten Verbrauch von KI-Token ein vorläufiges Ende gesetzt.
Ob das zu essentiellen Verbesserungen bei den Modellen oder gar zu Alleinstellungsmerkmalen führen wird, muss sich zeigen.
Ich erwarte nicht, dass Anwendungen wie die FMEA-Unterstützung oder im weitesten Sinn Engineering-Fähigkeiten zum Schwerpunkte der Entwicklung werden.
Wünschenswert für Anwendungen im technischen Umfeld wäre ein verstärktes „Reasoning“, das nicht nur Statistik als Grundlage von Empfehlungen für die nächsten Token nutzt, sondern verstärkt wissenschaftlich-technische Regeln einbinden kann.
Geopolitik
Künstliche Intelligenz wird von Technologiefirmen als DER Wirtschaftstreiber der Zukunft eingestuft.
Für Staaten, vorrangig für die USA und China, aber auch für kriegsführende Nationen wie Israel, Russland, Ukraine, Iran, wird KI als militärischer Machtfaktor gesehen und mit dem Argument der nationalen Sicherheit gefördert und abgeschirmt.
Für Wirtschaftsnationen wie Deutschland stellt sich die Frage der technologischen Abhängigkeit und Erpressbarkeit[5]. Sowohl die US- als auch die chinesische Politik der letzten Jahre lässt wenig Zweifel, dass es um America First und China First um jeden Preis geht, wobei politische Vasallen willkommen sind (siehe Venezuela, Grönland, Seidenstraßenprojekt etc.) und alte Bündnisse nichts mehr zählen.
[5] In dem Scenario „Europe2031.AI“ haben KI-Wissenschaftler aus mehreren europäischen Ländern und den USA ein mögliches Szenario entwickelt, wie sich die kommenden 5 Jahre entwickeln könnten für ein Europe der 27 Nationen zwischen den Interessen der USA und Chinas.
Management-Erwartungen an KI-Technologie
Die Macht der Tech-Konzerne ist groß. Sie verfügen zumindest über sehr starke Werkzeuge der Meinungsbildung, sei es über Eigentumsverflechtungen in die Presse und die TV-Medien, sei es durch Social Media (X, Facebook, Instagram, LinkedIn). Sie verfügen über viel Geld, dass sie nicht nur für Technologieentwicklung, sondern auch für Marketing intensiv nutzen (z.B. Werbespots beim Superbowl, publikumswirksame Posts, Podcasts, Fernsehauftritte, Vertriebsaktivitäten B2B).
Ziel der Werbung ist, die neue KI-Technologie zu hypen. Auch wenn noch vieles in Entwicklung ist: „Wer KI heute nicht einsetzt ist morgen abgehängt“.
Dem entgegen gibt es auch warnende Stimmen, sowohl von Branchen-Insidern[6] als auch von Wissenschaftlern diverser Fachrichtungen[7].
[6] Z.B. Mustafa Suleyman (Gründer des KI-Pioniers Deepmind, seit 2024 CEO der Consumer KI bei Microsoft– The Coming Wave (2023)
[7] Z.B. Yuval Noah Harari, Vortrag „AI has hacked the code of human civilzation“ , 30.6.2026, The 2026 Tanner Lecture on Human Values, Oxford, University UK, Youtube
Von den KI-Firmen selbst gibt es medienwirksame Warnungen, verbunden mit dem Hinweis, dass eigene ethische Grundsätze dies berücksichtigen. Leider werden solche Prinzipien dann bald aufgrund finanzieller Erwägungen zurückgestellt[8].
[8] Ein ausführliches Bild dieses Spiels mit Ethos, Geldgebern und Öffentlichkeit ist in der Podcast-Reihe „Die OpenAI-Story“ des Deutschlandfunks aufgearbeitet.
Darüber hinaus wird der Hype dadurch angeheizt, dass bei vielen technischen Fortentwicklung und Errungenschaft schon reflexartig angenommen wird, dass es ein KI-getriebenes Thema sein muss [9].
[9] Beispiel: Der Erfolg von Leap71 mit Computational Engineering wird fortlaufend als KI-Verfahren angepriesen, obwohl es sich – auch nach expliziter Aussage der Entwickler – um rein algorithmische Software handelt – auch wenn damit bisher nicht vorstellbare Ergebnisse erzielt wurden.
Die Erwartungen von Investoren an den Börsen sind massiv von den Erwartungen in KI geprägt. Anthropic veröffentlicht Claude Code mit der Erwartung, dass dieses Modell Programmcode schneller und besser schreiben kann als Programmierer. Schon gehen die Börsenwerte von traditionellen Softwarefirmen in die Knie[10].
[10] Mit der Veröffentlichung von Anthropic Claude Code haben die Aktien von Softwarefirmen in Summe ca. 300 Mrd US$ an Wert verloren, auch wenn viele der Firmen von den Fähigkeiten von Claude Code gar nicht betroffen sind.
Alle diese Entwicklungen erzeugen im Management von Firmen aller Branchen Entscheidungsdruck: Befasse dich mit KI bevor du den Anschluss verlierst, uneinholbar hinten liegst und deine Wettbewerbsfähigkeit verloren ist. Es werden gravierende Folgen für den Arbeitsmarkt vorausgesagt[11] und auch schon stellenweise beobachtet[12].
[11] Siehe Pressereaktion im Guardian als Reaktion auf Verlautbarungen des Anthropic CEO Dario Amodei im Januar 2026
[12] Beitrag des Spiegel , Ausgabe 25/2026 vom 15.6.2026 zur Entwicklung am Arbeitsmarkt für Deutschland. Darin die Aussage, dass Jobs in Unternehmensverwaltung, Kreativ- und Werbebranche sowie Einstiegsjobs z.B. in Softwareentwicklung schon heute stark beeinflusst sind. Für den gesamten Arbeitsmarkt sind noch keine signifikanten Änderungen allein auf KI zurückzuführen.
Auch für die Nutzung von KI für FMEA ist diese Frage relevant.
Die Erwartungen, die seitens der KI-Industrie geweckt werden, sind riesig.
Eine sinnvolle Einordnung, welche Kosten für Vorbereitung, Einführung, Betrieb welchen Effizienz- und/oder Qualitätsgewinnen gegenüberstehen, ist undurchsichtig und stark unterschiedlich von Anwendung zu Anwendung.
Für eine personalintensive Entwicklungsmethode wie die FMEA wird die Erwartung des Managements eher nicht bei „besseres Ergebnis bei gleichem Aufwand“ liegen, sondern zwischen „Gleiches Ergebnis bei halbem Aufwand“ bis hin zu „Ab jetzt alles automatisch“.
Dabei besteht die massive Gefahr, dass die notwendigen Mittel entzogen werden, um dem Team bei der Entwicklung zu helfen. Nur die Erstellung eines Dokuments ohne aktive Beteiligung der Entwickler erscheint mir sinnfrei.
Psychologie
KI-Techniken werden nicht nur Erwartungen beim Management wecken, sondern auch Arbeitsweisen bei den Beteiligten verändern.
In Teil 2 habe ich versucht aufzuzeigen, dass am Anfang und am Ende der 7 Schritte vorhandene Vorinformationen aufbereitet und durch KI-Mittel wirksam eingebunden oder ausgeleitet werden können.
In den Analysen, speziell für Funktionen, Fehler und der Ableitung von Maßnahmen ist manches aus Vorlagen, ähnlichen Fällen oder Standards bekannt. Aber Wertschöpfung bei der Entwicklung entsteht bei der Kreativarbeit für neue Situationen.
Erfahrene, professionelle Moderatoren werden ihre langjährige Erfahrung nutzen, um sich durch KI unterstützen, aber nicht bevormunden zu lassen. Und sie werden ihr Augenmerk auf die aktive Teilnahme der Teammitglieder richten. Die Bearbeitung im Team wird nur dann wertschöpfend für die Entwicklungsarbeit sein, wenn alle mitdenken, wenn alle verstehen, was die Analyse aufzeigt und kreativ werden, um Lösungen zu finden.
Erfolgsorientierte, willensstarke Menschen, wie es erfahrene, professionelle FMEA-Moderatoren sind, widerstehen dem „kognitiven Geizkragen“ [13] und nutzen ihre kognitiven Fähigkeiten, ihr Denk- und Kombinationsvermögen.
Für den durchschnittlichen FMEA-Moderator, der gelegentlich mit dieser Methode im Projekt kämpft, besteht die große Versuchung, den gut klingenden Vorschlägen der KI zu folgen, statt sie kritisch zu hinterfragen. Die FMEA wird formal korrekt befüllt und vernetzt. Das Team kann mitlesen – sofern es für diesen Betriebsmodus die eigene Teilnahme noch für nötig erachtet.
In der kognitiven Psychologie ist es ein bekanntes Phänomen, dass Menschen es sich leicht machen. Geistige Anstrengungen werden so weit als möglich vermieden. Der kognitive Geizkragen entspricht der natürlichen Ökonomie: „So viel wie nötig, so wenig wie möglich“.
Mit einem starken KI-Tool dürfte es einfach fallen, die geistige Arbeit abzugeben und Kognitives Outsourcing [13] zu betreiben. Dass die Modelle leistungsfähiger werden, ist seit Jahren zu beobachten und erscheint mir – mit Blick auf die eingesetzten Geldmengen – zwangsläufig.
[13] Die Begriffe „Kognitiver Geizkragen“ und „kognitives Outsourcing“ sind einem Beitrag über die Wirkung von KI von Prof. Christian Stöcker entnommen. Spiegel, 21.6.2026 „Warum ich seit KI anders über digitale Technik denke“
Die Folge könnte mit einiger Wahrscheinlichkeit sein, dass FMEA noch so lange formal gemacht wird, wie Normen oder Kunden sie fordern. Die Dokumente werden formal und inhaltlich deutlich besser sein, als es „handgemachte“ FMEAs heute im Durchschnitt sind.
Aber die Methode wird den Entwicklern keine Unterstützung beim Denken und damit keinen kreativen Mehrwert mehr bieten.
Dies wäre aus meiner Sicht der Tod der Methode FMEA.
Fazits:
- Mit Generativen KI-Modellen seit Ende 2022 haben Maschinen gelernt, mit menschlicher Sprache umzugehen.
- Es fließen in der Industriegeschichte beispiellose Geldmengen in Entwicklung und Verfügbarkeit von KI-Modellen.
- Erwartungen in die Entwicklungen von generativer KI werden weltweit gehypt und zumindest teilweise erfüllt.
- Für das Management entsteht ein Entscheidungsdruck ohne belastbare Vorinformationen und Vergleiche. Wettbewerbsfähigkeit verlieren? Investieren? Entlassen? Abhängigkeiten eingehen?
- Schon jetzt sind Einsteiger- und Kreativ-Jobs betroffen, bei denen Standardaufgaben sich automatisieren lassen.
- Risiko-Management ist anspruchsvoller Teil von Entwicklung. Gute FMEA-Erstellung lebt heute von kritisch denkenden FMEA-Moderatoren.
- Das große Feld der Gelegenheits-Moderatoren wird KI-Hilfe wahrscheinlich dankbar und unkritisch annehmen.
- „Kognitives Outsourcing“ würde der Kreativität beim Entwickeln schaden und könnte der Tod der FMEA-Methode werden.
Bleiben sie neugierig
Uwe Jarosch