Thought Leadership
Die Automobilindustrie steht vor einem strukturellen Wandel, und KI könnte der entscheidende Hebel sein.
Elektromobilität, geopolitische Unsicherheit, neue Wettbewerber aus China, der Wandel zu softwaredefinierten Fahrzeugen und der Druck, digitale Dienste profitabel zu skalieren, treffen auf Organisationen, deren Strukturen historisch auf Hardware-Exzellenz ausgerichtet waren. Gleichzeitig erlebt die Branche eine beispiellose Welle technologischer Innovation. Doch zwischen Strategiepapieren und produktivem Einsatz klafft eine Lücke: Viele Pilotprojekte überzeugen zwar technisch, aber nur wenige erreichen den Regelbetrieb.
Dieser Widerspruch hat weniger mit fehlender Ambition zu tun als mit einem strukturellen Problem. Unternehmen wollen die Vorteile moderner KI nutzen, doch ihre technologische und organisatorische Basis ist nicht darauf vorbereitet, KI in großem Maßstab sicher, verlässlich und geschäftswirksam einzusetzen. Der Kyndryl AI Readiness Report 2025 macht diese Diskrepanz messbar: Zwar halten 86 % der Führungskräfte ihre KI-Strategie für „best in class“, aber nur 29 % sehen ihre Organisation als ausreichend vorbereitet, Risiken in einer KI-gesteuerten Zukunft zu managen. Noch deutlicher wird die mangelnde Reife beim Return-on-Investment: Lediglich 42 % berichten, dass ihre bisherigen KI-Initiativen überhaupt einen geschäftlichen Mehrwert erzeugen.
Cloud liefert die Basis
Die Innovationsdynamik moderner IT-Infrastrukturen beschleunigt diese Entwicklung zusätzlich. Die vergangenen Jahre waren geprägt von technologischen Sprüngen, die ohne cloudbasierte Systeme kaum denkbar gewesen wären. Generative KI und Large Language Models sind auf elastische Rechenkapazitäten und GPU-Skalierung in Hyperscaler-Umgebungen angewiesen. Gleichzeitig versetzen Cloud-Services die Fachbereiche in die Lage, neue Ideen schneller denn je zu testen, ohne durch komplizierte IT-Prozesse ausgebremst zu werden.
Doch diese Demokratisierung der Innovation bringt neue Herausforderungen mit sich. Viele große Automobilunternehmen verfolgen Multi-Cloud-Strategien, die Daten, Services und Anwendungen über verschiedene Plattformen hinweg verteilen. Was Absicherung und Flexibilität schaffen sollte, erzeugt häufig neue Silos. Daten liegen in unterschiedlichen Cloud-Stacks, Fachbereiche greifen auf verschiedene „as-a-Service“-Bausteine zu, übergreifende Governance ist selten konsistent verankert. Zahlreiche Projekte starten schnell, finden jedoch nicht den Weg in eine stabile, produktive Landschaft. Kein Wunder: Zielarchitekturen wurden nicht mitgedacht, Datenräume sind nicht interoperabel, Services lassen sich nicht unternehmensweit sicher ausrollen, und Teams sind für den späteren Operations-Teil schlicht nicht aufgestellt. Gartner schätzt, dass 70 % aller cloudbasierten Innovationsprojekte genau an dieser Stelle scheitern. Die Cloud hat Innovation beschleunigt, aber sie hat zugleich offengelegt, wie schwer es Unternehmen fällt, Geschwindigkeit mit struktureller Stabilität zu verbinden.
Agentic AI ist kein bloßes Upgrade
An dieser Stelle zeigt sich die eigentliche Herausforderung moderner KI. Agentic AI – also Systeme, die Entscheidungen aushandeln, Ziele verfolgen und Prozesse dynamisch steuern – lässt sich nicht auf bestehende Strukturen aufpfropfen. Sie verlangt integrierte Datenräume, robuste Cloud-Architekturen, klare Governance-Mechanismen und eine Organisation, die bereit ist, Entscheidungen neu zu denken. Mein Kollege Dr. Frank Becker, Kyndryl Consulting Partner für Data & AI, formuliert es so: „Agentic AI ist kein Upgrade klassischer KI, sondern ein organisatorischer Paradigmenwechsel. Wer versucht, sie in alten Prozesslogiken zu betreiben, wird unweigerlich an Grenzen stoßen.“
Dabei ist der Nutzen, den skalierbare KI stiften kann, enorm und konkret. In der Fahrzeugentwicklung können Simulationen automatisiert bewertet, Varianten optimiert und Entscheidungen vorbereitet werden. Entwicklungszeiten, die früher Monate umfassten, schrumpfen auf Wochen. Lieferketten, die immer stärker von geopolitischen Faktoren und Marktvolatilität beeinflusst werden, gewinnen durch agentenbasierte Systeme eine neue Form von Resilienz: Risiken werden nicht nur prognostiziert, sondern aktiv abgefedert. Der Mehrwert von KI entsteht dabei nicht aus der Effizienz einzelner Schritte, sondern aus der Qualität, Geschwindigkeit und Konsistenz, mit der komplexe Entscheidungen getroffen werden.
Praxis statt Prototypen
Internationale Beispiele zeigen, dass Unternehmen, die KI bereits heute erfolgreich im Regelbetrieb nutzen, zuerst ihre digitale Basis modernisiert haben. Die BMW Group arbeitet gemeinsam mit Kyndryl an einer globalen Dateninfrastruktur, die die Grundlage für softwaredefinierte Fahrzeuge, Simulation und Hochleistungsrechnen bildet. Stellantis verzahnt IT-Modernisierung und Business-Transformation, um Datenverfügbarkeit und Prozessintegration nachhaltig zu verbessern. Mitsubishi Motors Europe setzen auf robuste, modernisierte IT-Systeme, die eine verlässliche Plattform für digitale Dienste bilden. Unternehmen vertrauen Kyndryl ihre kritischen IT-Umgebungen an und bekommen dafür sowohl Stabilität und Sicherheit als auch Wettbewerbsvorteile durch nachhaltig umgesetzte KI- und Cloud-Technologien.
Der nächste Schritt für die Automobilindustrie besteht nicht darin, weitere Prototypen hervorzubringen. Er besteht darin, KI so zu verankern, dass sie auf die gesamte Organisation wirkt. Das heißt: Prozesse neu ausrichten, Datenräume integrieren, hybride IT-Landschaften orchestrieren und Teams befähigen, autonome Systeme nicht nur zu entwickeln, sondern verantwortungsvoll zu steuern. Unternehmen, die damit heute beginnen, schaffen die Grundlage für Geschwindigkeit, Qualität und Resilienz – Eigenschaften, die in einer globalen, volatilen Branche über künftige Wettbewerbsfähigkeit entscheiden.
Die Automobilindustrie verfügt über enorme Stärken: Ingenieurskunst, operative Exzellenz und jahrzehntelange Erfahrung im Aufbau sicherheitskritischer Systeme. Nun gilt es, diese Stärken mit der Fähigkeit zu verbinden, KI nicht als Demonstrator zu betreiben, sondern als Produktionsfaktor. Genau dieser Schritt wird entscheiden, wer in den kommenden Jahren führt und wer folgt.
