Ratgeber
KI im Qualitätsmanagement: Was im Mittelstand realistisch ist
KI im Qualitätsmanagement hilft im Mittelstand heute vor allem bei der Arbeit mit Texten und Dokumenten. Sie nimmt Reklamationen auf, schreibt Entwürfe für 8D-Berichte, liest Prüfberichte und Zeugnisse aus und findet Antworten in QM-Handbuch und Verfahrensanweisungen. Die visuelle Prüfung per Kamera ist ebenfalls möglich, aber ein eigenes, aufwendigeres Projekt. Freigaben und fachliche Entscheidungen bleiben in jedem Fall bei Ihren Qualitätsverantwortlichen.
Wofür KI im Qualitätsmanagement taugt
KI eignet sich im Qualitätsmanagement für zwei sehr unterschiedliche Arten von Aufgaben. Die erste ist Text- und Dokumentenarbeit: Reklamationen erfassen, Berichte schreiben, Zeugnisse auslesen, Wissen aus Verfahrensanweisungen finden. Hier helfen große Sprachmodelle, also KI-Modelle wie ChatGPT, Claude oder Gemini, die Text verstehen und schreiben. Die zweite Art sind Bild- und Messdaten aus der Produktion, etwa bei der optischen Prüfung oder der Überwachung von Prozessen. Dafür braucht es andere Verfahren, Kameras, Sensoren und meist deutlich mehr Aufwand.
Der Verband der Automobilindustrie hat im März 2026 einen eigenen Band „Künstliche Intelligenz im Qualitätsmanagement“ veröffentlicht. Er beschreibt als Anwendungsbeispiele unter anderem die KI-gestützte optische Qualitätskontrolle, KI-Agenten zur Unterstützung des 8D-Prozesses, KI-gestützte Audits und die KI-gestützte FMEA. Der Band richtet sich an die Automobilindustrie, die Gedanken lassen sich aber gut auf Zulieferer und Maschinenbauer übertragen. TÜV NORD nennt zusätzlich Wareneingangsprüfung, Prozessüberwachung, Dokumentenprüfung, Lieferantenbewertung und die Auswertung von Kundenfeedback.
Für ein mittelständisches Unternehmen mit einer kleinen QM-Abteilung ist die Text- und Dokumentenarbeit fast immer der bessere Einstieg. Sie ist schneller umgesetzt, braucht keine Hardware an der Linie, und ein Mensch prüft das Ergebnis ohnehin.
Anwendungsfälle im Überblick
| Aufgabe | Was KI übernimmt | Voraussetzung |
|---|---|---|
| Reklamationseingang | Kundenreklamation aus Mail oder Formular lesen, Teil, Charge und Fehlerbild erfassen, Vorgang im CAQ- oder ERP-System anlegen | Definierter Reklamationsablauf, Zugriff auf Auftrags- und Chargendaten |
| 8D-Bericht | Problembeschreibung (D2) entwerfen, ähnliche frühere Fälle suchen, fehlende Angaben nachfragen | Einheitliche 8D-Vorlage, freigegebene historische Berichte |
| Prüfberichte und Zeugnisse | Werkszeugnisse und Prüfberichte im Wareneingang auslesen, Werte mit Spezifikation vergleichen, Abweichungen melden | Spezifikationen als Daten, lesbare Dokumente vom Lieferanten |
| Dokumentenlenkung und Wissen | Fragen zu QM-Handbuch, Arbeits- und Verfahrensanweisungen beantworten, mit Quelle und Version | Aktuelle, freigegebene Dokumente an einem Ort |
| Auditvorbereitung | Nachweise zusammentragen, Auditberichte zusammenfassen, offene Maßnahmen auflisten | Strukturierte Ablage von Nachweisen und Maßnahmen |
| Visuelle Prüfung | Bauteile per Kamera auf Kratzer, Montagefehler oder Maßabweichungen prüfen | Stabile Beleuchtung, Bilder von Gut- und Schlechtteilen, Integration in die Anlage |
Reklamationen und 8D-Berichte
Reklamationen sind für viele Qualitätsabteilungen der Ablauf mit dem meisten Schreibaufwand. Eine Kundenreklamation kommt per Mail, mit Fotos und einer kurzen Beschreibung. Jemand legt einen Vorgang an, sucht Auftrag und Charge, fragt fehlende Angaben nach und beginnt den 8D-Bericht.
Der 8D-Bericht ist laut VDA das standardisierte Format, um eine Reklamation zwischen Lieferant und Kunde strukturiert abzuarbeiten. Die acht Disziplinen reichen nach der VDA-Definition vom Team (D1) über Problembeschreibung, Sofortmaßnahmen und Fehlerursachen bis zu den Abstellmaßnahmen, der Vorbeugung gegen Wiederholung und der Würdigung des Teams (D8).
Der VDA-Band beschreibt genau für diesen Ablauf ein System aus mehreren KI-Agenten. Ein Agent sucht ähnliche Fälle in freigegebenen früheren 8D-Berichten und Reklamationen. Ein zweiter schreibt aus den vorhandenen Daten einen Entwurf der Problembeschreibung und fragt nach, wenn Angaben fehlen, etwa Zeitraum, Varianten oder Randbedingungen. Ein dritter prüft den Entwurf gegen feste Regeln, zum Beispiel Pflichtinhalte je Disziplin und Widersprüche zwischen D2 und D4. Alle Vorschläge bleiben editierbar, Änderungen werden protokolliert, und freigeben dürfen nur berechtigte Personen.
Dieses Prinzip lässt sich auch im Mittelstand umsetzen, oft schlanker als im Konzern. Die KI erspart das Suchen und den ersten Entwurf. Die Ursachenanalyse und die Entscheidung über Maßnahmen bleiben beim Team, das das Teil und den Prozess kennt. Wie solche Agenten gebaut werden, beschreiben wir auf der Seite KI-Agenten.
Prüfberichte und Zeugnisse im Wareneingang
Im Wareneingang kommen mit vielen Lieferungen Werkszeugnisse, Prüfberichte oder Erstmusterprüfberichte. Häufig werden sie nur abgelegt, weil der Abgleich mit der Spezifikation Zeit kostet. KI kann diese Dokumente lesen, die Messwerte mit Ihren Grenzwerten vergleichen und nur die Abweichungen melden. Voraussetzung ist, dass die Spezifikation als Daten vorliegt und nicht nur als Zeichnung.
Die Prüfung der Auftragsbestätigung oder Rechnung desselben Lieferanten gehört eher in den Einkauf. Das behandeln wir im Artikel KI im Einkauf.
Dokumentenlenkung und Wissen aus dem QM-Handbuch
Mitarbeitende in Produktion und Montage haben oft Fragen, deren Antwort irgendwo in einer Arbeitsanweisung steht. Ein KI-Assistent kann diese Fragen beantworten und dabei auf das freigegebene Dokument mit Version verweisen. Die Technik dahinter heißt RAG (Retrieval-Augmented Generation, auf Deutsch etwa „Antworten mit Nachschlagen“). Die KI sucht zuerst in Ihren Dokumenten und formuliert die Antwort nur aus dem, was sie dort findet. Mehr dazu im Artikel RAG einfach erklärt.
Für die Dokumentenlenkung ist entscheidend, dass der Assistent nur auf gültige Fassungen zugreift. Veraltete Anweisungen müssen aus seiner Wissensbasis verschwinden, sobald eine neue Version freigegeben ist. Der DGQ-Blog empfiehlt außerdem, KI in das bestehende QM-System einzubinden, statt ein getrenntes System daneben aufzubauen.
Visuelle Prüfung: möglich, aber ein eigenes Projekt
KI-gestützte optische Prüfung erkennt Fehler auf Bildern von Bauteilen, etwa Kratzer, Maßabweichungen oder Montagefehler. Neben klassischen Verfahren mit festen Regeln für Helligkeit, Kontrast oder Form kommen Verfahren zum Einsatz, die aus Beispielbildern lernen. Eine Variante ist die Anomalieerkennung. Das System lernt, wie ein Gutteil aussieht, und meldet alles, was davon abweicht. Laut VDA-Band eignet sie sich besonders, wenn es kaum Bilder von fehlerhaften Teilen gibt.
Der VDA-Band nennt aber auch die Herausforderungen, und die sind für den Mittelstand wichtig. Beleuchtung und Optik haben großen Einfluss auf die Bildqualität. Viele Varianten erschweren das Training, Änderungen am Produkt oder Prozess können die Prüfung stören, und die Optik muss im laufenden Betrieb gereinigt und kalibriert werden. Dazu kommt die Integration in Steuerung, MES und Rückverfolgbarkeit.
Visuelle Prüfung lohnt sich deshalb vor allem bei stabilen Prozessen, hohen Stückzahlen und Fehlerbildern, die ein Mensch gut erkennt, aber ungern stundenlang sucht. Für Kamera, Beleuchtung und Einbau in die Linie brauchen Sie einen Spezialisten für industrielle Bildverarbeitung. Wir bei Kaluna bauen solche Prüfanlagen nicht selbst. Wir unterstützen bei den Abläufen drumherum, etwa wenn Prüfergebnisse automatisch in Reklamationen oder Berichte fließen sollen. Mehr zur Fertigung finden Sie auf unserer Seite für Maschinenbau und Produktion. Wie wir solche Abläufe umsetzen, zeigt die Seite Leistungen.
Was für den Mittelstand realistisch ist
Realistisch ist ein Einstieg über einen Ablauf, bei dem viel geschrieben und gesucht wird und am Ende ohnehin ein Mensch freigibt. In vielen Unternehmen ist das die Reklamationsbearbeitung mit 8D-Entwurf oder der Abgleich von Prüfzeugnissen im Wareneingang.
- Ablauf auswählen. Wie viele Reklamationen oder Zeugnisse fallen pro Monat an, und wie lange dauert einer im Schnitt?
- Vorlagen und Regeln klären. Gibt es eine einheitliche 8D-Vorlage, und ist festgelegt, was Pflicht ist?
- Historische Fälle sammeln. Freigegebene frühere Berichte sind die wichtigste Grundlage für gute Entwürfe.
- Verantwortung festlegen. Wer prüft, wer gibt frei, was geht nie automatisch an den Kunden?
- Team schulen. Wer mit KI-Entwürfen arbeitet, muss ihre typischen Fehler kennen. Dafür bieten wir eine praxisnahe KI-Schulung an.
Reklamationen hängen oft mit Lieferungen und Lieferanten zusammen. Wie KI bei Auftragseingang und Avisen hilft, lesen Sie im Artikel KI in der Logistik.
Grenzen und Risiken
Die größte Grenze ist die Verantwortung. Ein KI-Entwurf kann plausibel klingen und trotzdem falsch sein, Fachleute sprechen von Halluzinationen. TÜV NORD empfiehlt deshalb, dass KI qualitätsrelevante Entscheidungen vorbereitet, Menschen sie aber überprüfen. Der VDA-Band warnt ausdrücklich vor Übervertrauen in KI-Ergebnisse.
Die zweite Grenze sind die Daten. Wenn frühere Reklamationen unvollständig dokumentiert oder Verfahrensanweisungen veraltet sind, übernimmt die KI diese Lücken. Laut DGQ-Blog hängt die Qualität der Ergebnisse direkt von der Qualität der Daten ab.
Drittens Datenschutz und Regulierung. Reklamationen und Auditberichte enthalten oft Namen von Mitarbeitenden und Kunden. Verarbeitet ein externer KI-Dienst diese Daten in Ihrem Auftrag, brauchen Sie nach Art. 28 DSGVO einen Vertrag zur Auftragsverarbeitung. Welche Pflichten der EU AI Act mit sich bringt, hängt laut VDA-Band vom Verwendungszweck und Einsatzumfeld ab. Dasselbe technische System kann je nach Einsatz als hochriskant gelten oder nicht. Prüfen Sie das für jeden Anwendungsfall einzeln (Stand Oktober 2026, keine Rechtsberatung).
Nächster Schritt
Welcher QM-Ablauf kostet Sie die meiste Zeit?
Im kostenlosen KI-Check sehen wir uns Ihren Reklamationsablauf und Ihre Prüfdokumente an und sagen Ihnen, wo sich eine Automatisierung lohnt und wo Sie besser bei der bisherigen Lösung bleiben.