Ein Interview unter dieser Überschrift mit Viacheslav Gromov Ende letzten Jahres in der ZEIT ließ aufhorchen. Der Gründer und CEO von Aitad, einer Firma die Maschinen schlau macht, indem sie KI auf Mikrochips bringt. „Künstliche Intelligenz, die auf Chips in Produkten integriert wird, könnte Deutschland weltweit nach vorne katapultieren,“ glaubt Viacheslav Gromov. Woher nimmt er diese Überzeugung?
Deutschland diskutiert seit Jahren seinen Rückstand im Bereich der Künstlichen Intelligenz. Aus Sicht des Technologieunternehmers Gromov wird dabei jedoch ein strategischer Vorteil unterschätzt: die industrielle Datenbasis der deutschen Wirtschaft. Während die globale Aufmerksamkeit auf generativer KI liegt – also Anwendungen wie ChatGPT, die Texte, Bilder oder Sprache erzeugen –, sieht Gromov die eigentliche Chance Deutschlands in der sogenannten diskriminativen KI. Diese analysiert Daten, erkennt Muster, optimiert Prozesse, überwacht Qualität und prognostiziert Ausfälle. Ihre Bedeutung liegt insbesondere in industriellen Anwendungen, die auf Produktions-, Maschinen- und Sensordaten basieren.
KI wird überall drinstecken
Ein zentraler Baustein dieser Entwicklung ist nach Gromov die dezentrale KI. Dabei werden Daten direkt auf Geräten, Maschinen oder Fahrzeugen verarbeitet, ohne sie in zentrale Cloud-Infrastrukturen zu übertragen. Dies erhöht nicht nur Geschwindigkeit und Datensicherheit, sondern stärkt auch die Datenhoheit der Unternehmen. Gromov verfolgt mit seinem Unternehmen das Ziel, KI direkt auf Mikrochips zu integrieren und damit intelligente Funktionen in nahezu jedes technische Produkt zu bringen – von Industrieanlagen über Fahrzeuge bis hin zu Alltagsgeräten.
Nach seiner Einschätzung wird dezentrale KI in den kommenden zehn Jahren einen erheblichen Teil des weltweiten KI-Marktes ausmachen. Zwar investieren die USA und China derzeit dreistellige Milliardenbeträge in generative KI, doch bei industriellen KI-Anwendungen sieht Gromov noch keine vergleichbare Dynamik. Hier verfüge Deutschland über einen wertvollen Vorsprung: Die heimische Industrie ist hoch automatisiert und erzeugt seit Jahren große Mengen hochwertiger Produktionsdaten.
Sind deutsche Unternehmen schnell genug?
Dieser Vorsprung ist jedoch zeitlich begrenzt. Gromov geht davon aus, dass Deutschland lediglich ein Zeitfenster von zwei bis vier Jahren besitzt, um aus seinen Industriedaten nachhaltige Wettbewerbsvorteile zu entwickeln. Mit der zunehmenden Automatisierung und dem Einsatz von Robotik in China könnten dort künftig vergleichbare oder sogar bessere Trainingsdaten entstehen.
Als weiteren Erfolgsfaktor nennt Gromov die traditionell hohe Sensibilität deutscher Unternehmen gegenüber Datenhoheit und Know-how-Schutz. Viele Mittelständler stehen einer vollständigen Abhängigkeit von internationalen Cloud-Anbietern skeptisch gegenüber. Diese Haltung könne sich im Zeitalter industrieller KI als strategischer Vorteil erweisen, da wertvolle Daten im Unternehmen verbleiben und nicht an externe Plattformen abgegeben werden.
Der Schlüssel: Daten, Daten, Daten.
Gromovs Analyse ist in weiten Teilen plausibel. Tatsächlich verfügt Deutschland über eine außergewöhnlich starke industrielle Datenbasis und hohe Kompetenzen in Automatisierung, Maschinenbau und Produktion. Seine These, dass dezentrale und industrielle KI ein eigenständiges Wettbewerbsfeld neben generativer KI bilden, überzeugt. Fraglich bleibt jedoch, ob deutsche Unternehmen schnell genug handeln. Der Erfolg seiner Vorschläge hängt weniger von der Technologie als von Investitionsbereitschaft, Skalierungsfähigkeit und regulatorischer Agilität ab. Gelingt dies, sind internationale Spitzenpositionen in industrieller KI durchaus realistisch.
Im Mittelstand beobachten wir derzeit zwei unterschiedliche Reaktionsmuster. Während einige Unternehmen angesichts der wirtschaftlichen Unsicherheit eher auf Kostenkontrolle und kurzfristige Stabilisierung setzen, investieren andere gezielt in KI-Technologien und digitale Innovationen. Gerade diese Unternehmen könnten die Grundlage für eine neue Wachstumsphase der deutschen Industrie schaffen. Gleichwohl bleibt der Einstieg in KI für viele mittelständische Betriebe mit Investitionsrisiken und organisatorischen Herausforderungen verbunden. Doch diese können gerade jetzt nicht einfach mit Aussitzen beantwortet werden.
