Green-AI Hub Pilotprojekte: Ergebnisse im Überblick
Die Pilotprojekte des Green-AI Hub Mittelstand zeigen, dass Künstliche Intelligenz Ressourcen schont, Prozesse optimiert, Ressourcen schont, zirkuläres Wirtschaften fördert und Kompetenzen stärkt. Praxisnahe Anwendungsfälle und Open-Source-Lösungen schaffen messbare Mehrwerte entlang der Wertschöpfungskette.
KI-Pilotprojekte in ganz Deutschland
Seit dem Start der Initiative 2023 wurden bundesweit 20 Pilotprojekte mit Unternehmen unterschiedlichster Größe umgesetzt: Vom industriellen Produktionsbetrieb bis zum technologieorientierten Dienstleistungsunternehmen. Die Projekte demonstrieren, wie KI praxisnah und direkt vor Ort im Betrieb Materialflüsse optimiert, Prozesse effizienter gestaltet und den Ressourcenverbrauch senkt.
Unsere Pilotprojekte zeigen entlang der Wertschöpfungsstufen die ganze Bandbreite moderner KI-Technologien – von Mustererkennung und Computer Vision zur Prozessoptimierung über Predictive Maintenance und Recommender-Systeme für smartere Entscheidungen bis hin zu Natural Language Processing (NLP) und Predictive Analytics, die Daten und Sprache intelligent nutzbar machen. Auch Optimierungsalgorithmen und KI-gestützte Simulationen kamen gezielt zum Einsatz, um Szenarien schnell zu bewerten und Innovation messbar zu machen. Die Details finden Sie in den klickbaren Diagrammen.
Ein zentraler Baustein ist der Transfer der Pilotprojekte in die Breite, indem die entwickelten Anwendungen als Open-Source-Lösungen verröffentlicht wurden, um anderen Unternehmen, Forschungseinrichtungen und Entwickler*innen den Zugang dazu zu ermöglichen.
Ergebnisse & Wirkung
Ökologisch verringern KI-Anwendungen, gerade wenn sie selbst auch nachhaltig sind, Materialverbräuche, reduzieren CO₂-Emissionen und steigern die Ressourceneffizienz von Unternehmen. Besonders dort, wo Produktionsparameter datenbasiert gesteuert werden, lassen sich Ausschuss und Nachbearbeitung von Materialien deutlich senken.
Ökonomisch verbessert Künstliche Intelligenz (KI) Prozesse, Planungen und Entwicklungszyklen. Sie reduziert Materialaufwände, steigert Produktivität und eröffnet neue Geschäftsfelder. So entstehen Anwendungen, die aus Unternehmensdaten greifbare Mehrwerte schaffen: schnellere Entwicklung, geringere Ausschussquoten, kürzere Durchlaufzeiten.
Darüber hinaus fördert KI strukturell neue Kompetenzen im Umgang mit Daten, verbessert die Zusammenarbeit zwischen Entwicklung, Produktion und IT und schafft Akzeptanz für digitale Innovationen.
Einordnung der dargestellten Ergebnisse & Wirkungen
Zur Demonstration der ökonomischen und ökologischen Potenziale des KI Einsatzes wurden in den 20 Pilotprojekten spezifische Daten in den Unternehmen erhoben und auf dieser Basis Potenziale abgeleitet. Dazu wurden im Rahmen der sechsmonatigen Pilotprojekte unternehmensinterne Prozessdaten erhoben sowie Experteneinschätzungen über Befragungen und Interviews zu den Wirkungen eingeholt. Auf Basis der belastbaren Prozessdaten, zum Teil auch aus der praktischen Erprobung der prototypischen KI-Lösungen, wurden Potenziale anhand spezifischer ökonomischer und ökologischer Indikatoren abgeleitet und hochgerechnet. Die dargestellten Potenziale zeigen somit konkret, welche finanziellen Effekte sowie Wirkungen für Ressourceneffizienz und Umwelt sich durch den Einsatz der jeweiligen Lösungen tatsächlich ergaben bzw. perspektivisch erreicht werden können.
Ökologische Einsparpotenziale
Die 20 Pilotprojekte des Green-AI Hub Mittelstand demonstrieren, dass gezielter KI-Einsatz in Unternehmen in den Bereichen des verarbeitenden Gewerbes (14 Pilotprojekte) sowie Dienstleistung und Software (6 Pilotprojekte) zu einer Steigerung der Materialeffizienz und Ressourcenschonung beitragen kann.
Für alle verarbeitenden Unternehmen werden durch den KI-Einsatz für Ressourceneffizienz langfristig Materialeinsparungen und damit gekoppelt Energieeinsparungen prognostiziert. In den 14 Green-AI Hub Pilotprojekten im verarbeitenden Gewerbe ließen sich Einsparpotenziale anhand spezifischer Prozesse praxisnah demonstrieren und abschätzen, da diese technisch und ökobilanziell gut beschreibbar sind. Diese prozessbezogenen Einsparpotenziale während der Laufzeit der Pilotphase wurden rechnerisch auf die Jahresproduktion hochskaliert (vgl. nachstehende Tabelle 1). Insgesamt ergeben sich auf dieser Basis für die skalierbaren Pilotprojekte des verarbeitenden Gewerbes Einsparpotenziale in Höhe von rund 320 t Material, über 1.311 t CO2e und über 6.249 t im Material Footprint pro Jahr. Der gezielte KI-Einsatz in konkreten Prozessen reduzierte demnach deutlich den Material und den Carbon Footprint.
Anhand drei zentraler Indikatoren werden die Ressourceneffizienzpotenziale spezifischer Prozesse´in den einzelnen Pilotprojekten quantifiziert. Die Einsparpotenziale der Pilotprojekte im verarbeitenden Gewerbe ergeben sich als Hochrechnung auf die Jahresproduktion. Die Einsparpotenziale der Projekte im IT-Dienstleistungsbereich beziehen sich auf ausgewählte Beispielanwendungen.
- Materialeinsparung: Materialmengen, die in dem jeweiligen Unternehmen in einem Jahr direkt eingespart werden können.
- Material Footprint: Benötigte Gesamtmenge an Rohstoffen entlang des Lebenszyklus eines Produktes oder Prozesses – inklusive ungenutzter Entnahme.
- Carbon Footprint: Treibhausgas (THG)-Emissionen entlang des Lebenszyklus eines Produktes oder Prozesses – ausgewiesen in CO2-Äquivalenten (CO2e)
Ausblick
Durch einen längerfristigen Einsatz, die fortlaufende Optimierung der Modelle und eine Übertragung der entwickelten Lösungen auf andere Unternehmensbereiche und schließlich auch andere Unternehmen lassen sich Reduktionspotenziale erwarten, die weit über die bisherigen Ergebnisse hinausreichen können.
Ressourceneffizienzpotenziale der Pilotprojekte im verarbeitenden Gewerbe
| Unternehmen | Anzahl Mitarbeitende | Produkte | Einsparpotenziale pro Jahr (relativ / absolut)* | ||
| Materialmenge | Material Footprint | Carbon Footprint** | |||
| Bosch | >250 | Werkzeuge und -stücke | 1 t Metalle | 2 % / 122 t | 1 % / 7 t |
| 4Packaging | 50-149 | Tiefdruckzylinder | 575 kg Metalle | 1 % / 77 t | 1 % / 12 t |
| Pikatron | >250 | Leistungselektronik | 8 t Metalle und Kunststoffe | 1 % / 350 t | 1 % / 42 t |
| Heismann | 50-149 | Drehteile | 29 t Metalle | 1 % / 800 t | 1 % / 153 t |
| Storz | 50-149 | Leiterplatten | 5t Elektronikkomponenten | 2,5 % / 1.785 t | 2,5 % / 168 t |
| Kalzip | 50-149 | Aluminiumdächer | 63 t Metalle | 3 % / 1.000 t | 3 % / 364 t |
| MPG | 50-149 | Metallrohre | - | 3,5 % / 370 t | 3,5 % / 48 t |
| Köstler | 50-149 | Airbagnetze | 700 kg Kunststoffe | 6 % / 5,5 t | 6 % / 3 t |
| ULT | 50-149 | Lufttechnik und Transport | - | 7 % / 124 t | 7 % / 21 t |
| Herges | 10-49 | Schuheinlagen | 352 kg Kunststoffe | 10 % / 0,6 t | 14 % / 0,4 t |
| brammibals / foodtracks | 50-149 | Donuts | 32 t Lebensmittel | - | 14 % / 37t |
| Group Schumacher | >250 | Bauteile Landtechnik | 153 t Metalle | 13,8 % / 1.042 t | 14,2 % / 280 t |
| Kübler | 50-149 | Hallenheizungen | 24 t Metalle und Kunststoffe | 15 % / 356 t | 15 % / 56 t |
| System 180 | 50-149 | Möbel und Transport | 3 t Metalle und Sonstiges | 10 % / 217 t | 16 % / 120 t |
| * Die Einsparpotenziale ergeben sich als Hochrechnung für die Jahresproduktion. ** Absolute Mengenangabe für den Carbon Footprint in CO2e | |||||
| * Die Einsparpotenziale ergeben sich als Hochrechnung für die Jahresproduktion. ** Absolute Mengenangabe für den Carbon Footprint in CO2e |
Die in den Pilotprojekten erzielbaren Einsparpotenziale durch KI-Einsatz für Ressourceneffizienz sind in ihrer Wirkung vielfältig. Im Bereich des verarbeitenden Gewerbes können direkte Materialeinsparungen und damit in Verbindung stehende Energieeinsparungen durch Prozessoptimierung und -überwachung erzielt werden. Aufgrund der ressourcenintensiven Prozesse und Materialien in der metallverarbeitenden Industrie, hat KI hier durch präzise Steuerung und Optimierung der Arbeitsschritte ein besonders hohes Einsparpotenzial.
Wirkungen im IT-Dienstleistungs- und Softwaresektor
Im Bereich der IT-Dienstleistungen können dagegen virtuelle Optimierungen oder Prognosen dazu beitragen, entlang der Wertschöpfungskette Einsparpotenziale zu heben. Die sechs hier verorteten Pilotprojekte verdeutlichen, dass die Optimierung virtueller Prozesse im Bereich Außendienst- und Ticketmanagement auch im Realen Fahrzeiten, Leerfahrten oder den Versand nicht benötigter Ersatzteile reduziert. Die hier entwickelten KI-Lösungen entfalten demnach nicht innerhalb der Pilotunternehmen, sondern durch die nachgelagerte Anwendung ihre Wirkung. Anstelle der unternehmensweiten jährlichen Potenziale wurden für diese sechs Pilotprojekte daher spezifische Anwendungsbeispiele quantifiziert. Zusätzliche Potenziale ergeben sich durch die Übertragung der Konzepte auf weitere Unternehmen und Anwendungsbereiche.
Einordnung der Umweltwirkungen der KI-Systeme
Neben den direkten prozessbedingten Ressourceneinsparungen, zum Beispiel durch verringerten Ausschuss, zeigten die Pilotprojekte zudem, dass die Hardware und der Betrieb der KI für diese Anwendungsfälle einen im Vergleich zu den Einsparpotenzialen geringen ökologischen Fußabdruck erzeugt. Viele Anwendungen laufen auf Bürorechnern oder Edge-Geräten und benötigen keine Rechenzentrumsinfrastruktur. Damit werden nicht nur Ressourcen geschont, sondern auch Hürden für den breiten Einsatz im Mittelstand gesenkt.
Einsparpotenziale der 6 Pilotprojekte aus dem IT-Dienstleistungsgewerbe
| Pilotunternehmen | Anzahl Mitarbeitende | Bezugsgröße der Potenzialabschätzung | Materialien | Einsparpotenziale relativ / absolut | |
| Material Footprint | Carbon Footprint* | ||||
| SWMS | 10-49 | 100 fehlerfreie 3D-Drucke | Kunststoffe | 17 % / 30 kg | 17 % / 14 kg |
| Intex | 50-149 | Lebensdauerverdopplung eines T-Shirts | Textile | 41 % / 0,3 kg | 39 % / 0,1 kg |
| Concular / CSD | 10-49 | Wiedernutzung von Innenbauteilen | Türen, Fenster, Lampen | - / 35 t | - / 9 t |
| GreenGate | 10-49 | Nutzung E-Auto für 1 Jahr | - | 13 % / 1,3 t | 13 % / 172 kg |
| CircularTree | <10 | Automatisierte Zuordnung von 1.000 Datensätzen | - | - / - | bis 75 % / bis 8,7 kg |
| Fieldcode | 50-149 | Technikereinstätze und Ersatzteiltransporte | Elektronikkomponenten | 1% / 770 t | 1 % / 197 t |
Ökonomische Effekte
Die Pilotprojekte zeigen, dass sich Ökonomie und Ökologie nicht ausschließen. KI-Anwendungen im Mittelstand verbinden Ressourceneffizienz mit wirtschaftlichem Nutzen. Wichtige Indikatoren für diesen Erfolg sind der Technologiereifegrad der Lösungen und ihr Return on Investment.
Zur Ermittlung der ökonomischen Einsparpotenziale wurden 13 Pilotprojekte des Green-AI Hub Mittelstands befragt und ihre Antworten ausgewertet. Ziel war es, zentrale Muster, Erfolgsfaktoren und Kennzahlen vergleichbar zu machen. Hier waren 9 von 13 Unternehmen mit dem Pilotprojekt aus ökonomischer Sicht zufrieden.
Im Mittelpunkt standen der Technologiereifegrad (TRL) und der Return on Investment (ROI), die den Entwicklungsstand der KI-Lösungen und ihren wirtschaftlichen Nutzen verdeutlichen.
Technologiereifegrad (TRL)
Der Technologiereifegrad beschreibt, wie weit eine Technologie entwickelt ist von der ersten Idee bis zur Anwendung im realen Betrieb. Für die KI-Pilotprojekte des Green-AI Hub Mittelstand gelten folgende Stufen:
- TRL 1-3: Grundlagenforschung, Machbarkeit und erste Funktionsnachweise im Labor.
- TRL 4-6: Validierung mit realistischen Daten, Entwicklung und Demonstration von Prototypen in praxisnahen Umgebungen.
- TRL 7-9: Integration, Test und Einsatz der Lösung im realen Betrieb.
Technologiereifegrad in den Green-AI Hub Pilotprojekten
Die Pilotprojekte des Green-AI Hub Mittelstand starteten in ihren Anwendungsfällen auf einem TRL von 1-2. 9 von 13 Unternehmen konnten den TRL ihrer Lösung deutlich erhöhen und erreichten am Projektende TRL 4 oder höher.
Nach Projektabschluss konnten 8 von 13 Unternehmen ihren TRL weiter steigern, was eine erfolgreiche Verstetigung der KI-Lösung verdeutlicht. Damit entstehen im Mittelstand Innovationen, die das Potenzial haben, in marktreife Produkte, Tools oder Dienstleistungen überführt zu werden.
ROI und Skalierungseffekte
Der ROI beschreibt den Zeitraum, bis sich eine Investition durch Erträge amortisiert. Er dient als Kennzahl, um wirtschaftlichen Nutzen und Risiko zu bewerten. 5 von 13 Unternehmen konnten bereits einen ROI abschätzen mit Amortisationszeiträumen von ein bis fünf Jahren.
Investitionen in KI-Lösungen können also auch für kleine und mittlere Unternehmen schnell wirtschaftliche Wirkung entfalten – vorausgesetzt, Datenqualität und Know-how sind vorhanden oder werden von Unternehmen künftig aufgebaut.
Die Auswertung der befragten KI-Pilotprojekte macht deutlich, dass KI für Ressourceneffizienz auch in wirtschaftlicher Hinsicht einen messbaren Mehrwert schafft. 9 von 13 Unternehmen bewerten die erzielten Ergebnisse als ökonomisch positiv oder sehr positiv. Sie sehen in den entwickelten KI-Lösungen den Ausgangspunkt für eine langfristige Weiterentwicklung ihrer Geschäftsprozesse und Produkte. Nahezu alle Unternehmen bereiten bereits vertiefende oder aufbauende Projekte vor und verweisen damit auf klare Skalierungseffekte, die über das Pilotprojekt hinausreichen. KI wird somit nicht als einmaliges Experiment, sondern als strategisches Werkzeug verstanden, das sich dauerhaft in Unternehmensstrukturen integriert.
Wissenstransfer
Der enge Austausch zwischen KI-Expert*innen und betrieblichem Fachpersonal ermöglichte eine steile Lernkurve, insbesondere bei Themen wie Datenqualität, Schnittstellenintegration und modellbasiertes Prozessdenken. So entstanden in kurzer Zeit Kompetenzen, die die Unternehmen nun eigenständig weiterentwickeln. 11 Unternehmen berichten zudem von einer relevanten Wissensdiffusion in andere Unternehmensbereiche und 10 von 13 Unternehmen nannten den Wissenstransfer als einen der größten Mehrwerte des Projekts.
Weiterentwicklung
Die Ergebnisse der Pilotprojekte wirken über die Projektlaufzeit hinaus. Viele Unternehmen nutzen die gewonnenen Erkenntnisse, um neue Anwendungsfälle zu entwickeln oder bestehende KI-Lösungen weiter auszubauen. 9 von 13 Unternehmen befinden sich in Vorbereitung auf oder bereits in einem vertiefenden oder auf dem Projekt aufbauenden Folgeprojekt.
Etwa ein Viertel (3 von 13 Unternehmen) hat bereits aus den Piloten ein ökonomisch verwertbares Tool, Produkt, Angebot oder eine neue Geschäftsidee entwickelt, die bereits vermarktet oder als Dienstleistung angeboten werden: Weitere befinden sich in der aktiven Entwicklung (3 von 13). 10 von 13 Unternehmen erwarten aus den Pilotprojekten weitere, nicht direkt messbare ökonomische Effekte (z. B. Wettbewerbsvorteil, Marketingvorteil).
Darüber hinaus berichten 11 der 13 befragten Unternehmen von weiteren ökonomisch relevanten, wenn auch nicht direkt quantifizierbaren Ergebnissen – etwa verbesserte Datenstrukturen, stabilere Produktionsprozesse, kürzere Durchlaufzeiten oder einer höheren Kundenzufriedenheit.
Fazit
Die Ergebnisse verdeutlichen, dass die Kombination aus niedrigschwelliger Einführung, praxisnaher Begleitung und offener Weitergabe der Erkenntnisse einen nachhaltigen Mehrwert schafft. Unternehmen gewinnen nicht nur operative Effizienz, sondern werden auch strategisch handlungsfähig und erhalten eine solide Grundlage, um KI langfristig in ihre Geschäftsprozesse zu integrieren.
Dabei spielt der Digitalisierungsgrad der Unternehmen zu Projektbeginn eine zentrale Rolle: Je höher die digitale Reife, desto größer die Wahrscheinlichkeit, dass KI-Lösungen erfolgreich implementiert werden können.
Die Pilotprojekte übernehmen eine besondere Impulsfunktion. Besonders hervorzuheben ist der Wissensaufbau innerhalb der Unternehmen. Viele konnten Know-how aus den Pilotprojekten in andere Bereiche übertragen. Entscheidend für die „KI-Readiness“ ist dabei nicht nur der technische Stand, sondern auch die Aufnahmekapazität für neues Wissen. Damit KI langfristig Wirkung entfalten kann, müssen die Mitarbeitenden aktiv eingebunden, geschult und für neue Arbeitsweisen gewonnen werden.
Alle Pilotprojekte haben wertvolle wirtschaftliche und organisatorische Erfolge erzielt und Impulse gesetzt. Sie leisten somit einen wichtigen Beitrag zum Aufbau von Kompetenzen und zur Stärkung der Innovationsfähigkeit im Mittelstand.
Zusätzliche Informationen zu den Ergebnissen finden Sie außerdem in unserem neuen Hintergrundpapier.
