KI-Einsatz bei Erstellung von FMEAs - Teil 1
Ein Beitrag von Dr. Uwe-Klaus Jarosch, Juli 2026
Ich durfte einen ganzen Tag mit FMEA-Expert:innen aus dem gesamten deutschsprachigen Raum damit verbringen, unterschiedliche Ansätze kennenzulernen, um die Erstellung von FMEAs mit KI-Werkzeugen zu unterstützen.
Soviel vorab: Die heutigen KI-Tools (Juni 2026) können schon beachtliches leisten.
Mit Methode ist eine Blog-Reihe, in der es eigentlich um Methoden geht.
Man könnte einwenden, dass KI doch eine Frage von Werkzeugen sei.
Aber dem ist aus meiner Sicht nicht so: Wenn wir generative KI in unsere FMEA-Methodik einbauen, verändern sich Aufgaben, Schwerpunkte, Abläufe, Rollen und Gewohnheiten massiv, die bisher einen erfolgreichen Ablauf ausmachen.
Dieser Blog wird daher drei Teile haben:
Teil 1: Aufgaben in der FMEA-Arbeit und Eigenschaften der verglichenen FMEA-Tools mit KI-Unterstützung
Teil 2: Erledigung der Aufgaben
Teil 3: Potentielle Auswirkungen
In Teil 1 werde ich die Liste der Aufgaben erstellen, die bei der Erarbeitung einer FMEA zu erledigen sind.
Und ich werden eine Beschreibung der unterschiedlichen Ansätze der vorgestellten Tolls geben – ohne Anspruch auf Vollständigkeit, welche Lösungen es global dazu schon gibt.
In Teil 2 werde ich die 7 Schritte der FMEA-Bearbeitung, wie sie aus der Automotive-Norm AIAG-VDA FMEA Handbuch von 2019 mehr oder minder der Reihe nach analysieren und die Beiträge der KI zur Arbeit an der FMEA benennen.
In Teil 3 möchte ich einen persönlichen Ausblick auf die nächsten Jahre wagen, in dem es nicht nur um heutige Methode und neue Tools geht, sondern um Wenn-Dann-Bedingungen für erfolgreiche Nutzung KI-unterstützter Systeme im Vergleich zu den konventionellen Tools.
Dazu möchte ich einige „Herausforderungen“ benennen, die ich dabei sehe.
Teil 1 – Aufgaben in der FMEA-Arbeit und Eigenschaften der verglichenen FMEA-Tools mit KI-Unterstützung
Aus methodischer Sicht können wir mit einer Design-FMEAs Systembetrachtungen, Konstruktionen, Entwicklung von Mechatronik, Elektronik und Software sowie die Entwicklung von Anlagen und Werkzeugen analysieren.
Mit einer Prozess-FMEA können geplante Abläufe untersucht werden, wobei sich der Schwerpunkt der Anwendungen auf Fertigungsprozesse konzentriert, obwohl auch Themen wie Logistik, Service, Dienstleistungen zum Kunden oder interne Prozesse in sehr ähnlicher Weise analysiert werden können. Es muss sich nur um geplante, sich möglichst wiederholende Abläufe handeln.
Beide Typen von FMEAs lohnen sich entweder wenn es nur 1 Versuch mit hoher öffentlicher Aufmerksamkeit gibt, wie etwa bei vielen Weltraumprojekten oder wenn wir die Planung von Produkten oder Diensten mit hoher Anzahl von Wiederholungen unterstützen, wie beispielsweise bei Autos, Flugzeugen, Medizinprodukten oder industriellen Nahrungsmitteln.
In allen diesen Anwendungen soll die FMEA
- ein gemeinsames Verständnis im Team für die anstehende Aufgabe bis in die Details zu entwickeln,
- sowohl in Bezug auf die Aufteilung der Rollen,
- Zieltermine der Entwicklung,
- die funktional-technischen Ziele,
- die Grenzen von Zuständigkeiten,
- die Abgrenzung gegenüber Strukturelementen und deren Zielen, die ausentwickelt und erprobt sind und daher nicht mehr wiederholt betrachtet werden sollen,
- die Abgrenzung gegenüber bzw. Schnittstellen zu Entwicklungsinhalten anderer Entwicklungspartner, z.B. Fachabteilungen oder Lieferanten,
- vorausschauend diese Aufgaben funktional aufzuteilen (Struktur mit Funktionen und zugehörigen Anforderungen),
- sich zu überlegen, welche potentiellen Abweichungen von diesen Entwicklungszielen auftreten könnten und relevant sind,
- durch Verknüpfung der Abweichungen in einem Fehlernetz über alle Ebenen Ursache-Wirkungs-Beziehungen zu klären und für das obere Ende der Beziehungsstränge eine Bedeutung der Fehlerfolge zu benennen.
- rechtzeitig vermeidende und entdeckende Maßnahmen zu planen, um benannten potentielle Abweichungen entweder zu vermeiden oder zumindest im Rahmen der Entwicklung zu entdecken,
- Maßnahmen, die entweder nachweislich schon wirksam abgeschlossen wurden oder durch andere Absicherungen im Unternehmen mit Sicherheit durchgeführt werden, zu benennen, aber von einer Maßnahmenverfolgung auszunehmen,
- für alle anderen Maßnahmen Verantwortliche und Zieltermine zu benennen, die Maßnahmen mit diesen Personen zu vereinbaren und den Fortschritt zu verfolgen,
- für die Maßnahmen eine Bewertung vorzunehmen, wie gut sie die Abweichungen, denen sie zugewiesen sind, verhindern oder entdecken können,
- aus dem Tripel von Bedeutung, Auftreten und Entdeckung für die Fehler auf Ursachenebene weitere Aktivitäten zur Risikominderung abzuleiten,
- zu beliebigen Zeitpunkten, bei benannten Berichtspflichten und am Ende wird erwartet, dass Ergebnisse im Sinne von erkannten Restrisiken, offenen und noch zu entscheidenden Maßnahmen und dem Reifegrad der FMEA berichtet werden können.
Aus meiner Sicht kann diese lange Liste von Tätigkeiten nur dann die nötige Unterstützung erhalten,
- wenn es eine eindeutige Verpflichtung z.B. durch Kunden oder den betriebseigenen Entwicklungsprozess und klare Vorgaben zur Durchführung gibt,
- wenn diese lange Liste von Tätigkeiten qualifiziert begleitet wird (-> FMEA Moderation),
- wenn das Management die Ergebnisse sehen will und nutzt, um Entscheidungen zu treffen,
- wenn die Mitwirkenden sich durch die FMEA in ihrer Arbeit unterstützt, nicht behindert sehen.
All diese Bedingungen treffen auf den Druck, bessere Entwicklungsleistung in immer kürzerer Zeit und möglichst mit weniger Personal zu erreichen.
Umgekehrt entwickeln sich die verfügbaren Werkzeuge und Methoden rasant weiter, was Beschleunigung unterstützt oder Alternativen eröffnet, um schneller ans Ziel zu gelangen.
Der Einsatz von Künstlicher Intelligenz, genauer von generativer KI gepaart mit der Möglichkeit die Menge und Qualität der Daten und Regeln zu beeinflussen, die für die FMEA gültig verwendet werden sollen, eröffnet heute für viele der oben genannten Aufgaben die Möglichkeit der Unterstützung.
Allerdings muss man klar unterscheiden zwischen den Inhalten, die aus schon vorliegenden Informationen, Daten und Handlungsanweisungen abgeleitet werden können und den Inhalten, die erst durch kreatives Arbeiten im Rahmen der Entwicklung entstehen und kein Vorbild haben.
Für Ersteres kann KI helfen, beim Zweiten ist KI überfordert und kann vielleicht als Ideenspender aus Analogien dienen. Entscheidungen sind und bleiben zunächst die Domäne der entwickelnden Menschen, so viele „entscheidungsfähige“ Agenten es bei anderen Fragestellungen auch geben mag.
Systemvergleich
- Konventionelles FMEA-Tool, das einen Absprung in öffentlich zugängliche und marktübliche Large Language Modelle (LLM) ermöglicht, dabei stichwortartig die benachbarten Knotenelemente mit im Prompt[2] benennt und durch einfache Abfragen aus dem Weltwissen der LLMs Vorschläge für FMEA-Inhalte erzeugt.
[2] Prompt = Anweisung an die generative KI als Text. Der Prompt sollte nach Expertenempfehlung 3 Abschnitte aufweisen: 1) die Rolle der KI für die Beantwortung, z.B. Experte für FMEA-Methodik nach xyz, 2) die Aufgabe, die zu erfüllen ist, idealerweise in den beschriebenen Schritten, in denen man selbst dazu vorgehen würde, 3) die Form der Ausgabe, z.B. als Antworttext oder als Datei eines bestimmten Typs und Formats.
- FMEA-Tool, das an beliebigen Knotenelementen der FMEA neben der manuellen Eingabe einen lokal spezifischen Prompt mit Informationen über die angrenzenden Knotenelemente an ein wählbares LLM sendet, die Rückmeldungen als Vorschlagsliste für nächste Einträge aufbereitet und die Auswahl ohne Umweg in die FMEA einbettet. Dabei sind die Rückmeldungen auf externes Weltwissen bezogen und kurz gehalten.
- FMEA-Tool, das heute stark in einer tabellenartigen Bedienoberfläche gehalten ist, ebenfalls erlaubt manuelle Einträge zu machen oder bestehende Einträge manuell zu verändern. Gegenüber den anderen beiden Tools ist aber vorgesehen, einen projektspezifischen Kontext zu schaffen, in den „alle“ vorliegenden Planungsergebnisse, Anfragen, Lasten- und Pflichtenhefte, System-betrachtungen, Vorgänger-FMEAs etc. gesammelt und vorab aufbereitet wurden.
Ähnlich dem 2. System können für Betrachtungsumfang, Struktur, Funktionen, Fehler und Maßnahmen aus dem benannten Kontext Vorschläge für ergänzende Einträge generiert werden. Dabei sind umfangreiche Prompts für jede Situation spezifisch, mit denen die Vorschläge sowohl inhaltlich als auch semantisch möglichst präzise entsprechen einer FMEA-Best Practice gestaltet werden.
Die Vorschläge sind durchgängig sehr ausführlich um den Kontext eindeutig zu beschreiben (siehe 2-3-4-Regel[3]) und die Inhalte werden soweit möglich zu den Quelldokumenten des Projekts referenziert. Nur in Ausnahmen werden Vorschläge aus dem Weltwissen des mit verwendeten LLM erzeugt, diese werden dann aber als AI-generiert gekennzeichnet.
Der Übergang in traditionelle FMEA-Tools wird mittels verbreiteter XML-Formate zum Lesen und Schreiben realisiert.
[3] 2-3-4-Regel: Schreibe es so auf, dass es ein Zweiter einem Dritten in vier Jahren erklären kann.
Fazits:
- Künstliche Intelligenz – speziell in Large Language Modellen – wird allerorten gehypt und als Alleskönner vermarktet.
- In den drei vorgestellten Tools wurde jeweils ein Zugang aus der Bedienoberfläche in LLMs geschaffen, mit unterschiedlichem Integrationsgrad.
- Es stellt sich heraus: LLMs sind keine Alleskönner.
- Unterstützung durch andere Tools wie Audiotranskript, Grafikanalyse und Grafikcoder sind in Summe hilfreich.
- Entscheidend für den Erfolg ist der verwendete Prompt.
- Die Verlässlichkeit der Ergebnisse wächst bei Nutzung von projektspezifischen Daten via RAG.
Bleiben sie neugierig
Uwe Jarosch