KI in der Elektroindustrie: Schaltschrank bis After-Sales.

Die deutsche Elektroindustrie lebt vom Engineering. Ob Schaltschrankbau für die Lebensmittelproduktion, Steuerungstechnik für Sondermaschinen oder Energieverteilung für Bürogebäude — jedes Projekt ist ein Stück Einzelfertigung mit hoher Engineering-Tiefe. Diese Tiefe ist die Stärke des Mittelstands, aber sie ist auch sein Engpass. Erfahrene Konstrukteure und Schaltschrankplaner fehlen, der Auftragsbestand wächst, und die Hälfte der täglichen Arbeit besteht aus Wiederholungen: Stücklisten anpassen, Klemmenpläne pflegen, Dokumentation für die Inbetriebnahme aufbereiten, Übergaben an den After-Sales-Service organisieren. Genau hier verspricht KI Entlastung. Sie übernimmt nicht die Engineering-Verantwortung, aber sie räumt jene Routinearbeiten weg, die heute zwischen 30 und 50 Prozent der Konstrukteurszeit binden — und schafft damit Kapazität für die Aufgaben, die wirklich Engineering-Erfahrung verlangen. Was davon real ist und was als Versprechen noch reift, beschreibt der folgende Überblick, sortiert nach den Wertschöpfungsstufen vom Angebot bis zum After-Sales-Service.

Warum die Elektroindustrie ein eigenes KI-Kapitel verdient.

Anders als der reine Maschinenbau ist die Elektroindustrie ein Geflecht aus normativen Vorgaben, dokumentationspflichtigen Prozessen und engmaschiger Variantenvielfalt. Eine mittelständische Schaltschrankfirma fertigt im Jahr zwischen 200 und 800 Schränke, fast jeder davon ein Unikat mit individuellen Klemmen, Schienen, Sicherungen und Verdrahtungen. Hinter jedem Schrank stehen DIN-Normen, VDE-Vorschriften, Maschinenrichtlinie, Niederspannungsrichtlinie, EMV-Anforderungen. Was im Konstruktionsbüro entworfen wird, muss am Ende auch verbaut, geprüft, dokumentiert und an den Endkunden übergeben werden — mit Schaltplänen, Klemmenplänen, Stücklisten, Prüfprotokollen, CE-Erklärung und Konformitätsdokumentation.

Diese Kombination aus Variantenreichtum und Dokumentationspflicht macht die Branche zu einem natürlichen Anwendungsfeld für KI. Wo viele kleine Anpassungen unter formalem Druck erfolgen, ist der Effizienzgewinn durch KI-gestützte Vorlagen, Konsistenzprüfungen und Textgenerierung besonders groß. Genau diese Kombination unterscheidet die Elektroindustrie vom reinen Maschinenbau, in dem mehr Konstruktionsfreiheit, aber auch weniger formaler Dokumentationszwang herrscht. Im Schaltschrankbau ist Dokumentation kein lästiges Nebenprodukt — sie ist ein wesentlicher Lieferbestandteil und entscheidet darüber, ob ein Projekt abgenommen wird oder nicht.

Hinzu kommt der Fachkräftemangel. Schaltschrankplaner mit fünf oder mehr Jahren Erfahrung sind heute schwer zu finden und werden in den nächsten Jahren in größerer Zahl in Rente gehen. Wer als Geschäftsführer den Übergang zur nächsten Generation gestaltet, kann KI nicht ignorieren — schon weil das Erfahrungswissen sonst mit dem Renteneintritt verloren geht. Eine KI-Plattform, die historische Projekte als Wissensbasis nutzt, hält dieses Erfahrungswissen abrufbar und macht es für Berufseinsteiger zugänglich. Das ist kein Ersatz für das Mentoring durch erfahrene Kollegen, aber es ist eine Brücke, die in den nächsten Jahren über die demografische Lücke trägt.

Engineering: wo KI heute echte Zeit spart.

Die Konstruktion eines Schaltschranks beginnt in der Regel mit einer Anfrage, die zwischen vier und vierzig Seiten umfasst. Daraus muss ein Konstrukteur ableiten: Welche Baugruppen werden gebraucht, welche Normen sind einzuhalten, welche Anschlüsse muss der Schrank haben, welche Sicherungstechnik, welche Schutzart, welche Klimaanforderungen. Heute machen das erfahrene Mitarbeiter in zwei bis vier Stunden pro Schrank. Ein KI-gestütztes Vorprojekt-System liefert in zehn Minuten einen ersten Aufschlag — auf Basis vergleichbarer Aufträge der letzten Jahre, abgeglichen mit den geltenden Normen.

Konkret bedeutet das: Das System schlägt eine Grundtopologie vor (Größe, Aufteilung, Lüftungskonzept), eine erste Bauteilliste mit Verweisen auf die hauseigene Standardbibliothek und eine Kalkulation des Materialeinsatzes. Der Konstrukteur prüft, ändert, ergänzt — aber er beginnt nicht bei null. Die Praxis zeigt, dass die Engineering-Zeit pro Schrank um 25 bis 40 Prozent sinkt, ohne dass die Qualität leidet. Wichtig ist die saubere Verbindung zwischen KI-System und der internen CAE-Welt — meist Eplan, in selteneren Fällen WSCAD oder ähnliche Lösungen. Wer hier eine Insellösung baut, verliert die Effizienzgewinne in der Schnittstellenarbeit wieder.

Wer einen Pilot startet, sollte ihn an einer einzigen Produktfamilie aufhängen — etwa Steuerschränken für eine bestimmte Maschinenbaubranche. Querschnittsversuche über alle Schranktypen hinweg scheitern in der Regel an der Heterogenität der Datenlage. Saubere Proof-of-Concepts beginnen klein, mit klaren Erfolgskriterien und einem bestimmten Schranktyp. Erst wenn dieser Pilot belastbar funktioniert, wird auf weitere Produktfamilien skaliert. Wer den umgekehrten Weg geht und gleich die ganze Konstruktionsabteilung umstellt, riskiert ein halbes Jahr Frustration und eine angeschlagene Akzeptanz im Team.

Stücklisten, Klemmenpläne und der Eplan-Alltag.

Wer im Schaltschrankbau arbeitet, kennt das Ritual des Anpassens. Eine bestehende Stückliste wird für den nächsten Auftrag kopiert, dann werden zehn Positionen gestrichen, fünfzehn neue ergänzt, Klemmen umgeplant, Beschriftungen geändert, Brücken nachgepflegt. Eine erfahrene Konstrukteurin schafft das in einer Stunde — eine Berufseinsteigerin braucht drei und macht dabei zwangsläufig Fehler, die später in der Fertigung oder bei der Inbetriebnahme auftauchen. Die Korrekturkosten sind oft ein Vielfaches der eingesparten Engineering-Stunden.

KI-gestützte Werkzeuge übernehmen die mechanische Seite dieser Arbeit. Sie erkennen wiederkehrende Muster über Hunderte historische Stücklisten, schlagen passende Artikel aus dem ERP-System vor und prüfen die Konsistenz zwischen Schaltplan, Klemmenplan und Stückliste. Wer heute eine Tabelle mit 480 Klemmen pflegt, lässt das System auf Plausibilität prüfen — also etwa: Hat jede Klemme einen Brückeneintrag, stimmt die Reihenfolge mit dem Verdrahtungsschema überein, sind alle Artikel im ERP gelistet, sind die Querschnitte normgerecht? Diese Prüfung dauert mit Werkzeug fünf Minuten, manuell zwischen einer und zwei Stunden.

Die Zahlen sind keine Versprechen, sondern Erfahrungswerte aus Pilotprojekten. Sie hängen stark von der Sauberkeit der Stammdaten ab. Wer ein gepflegtes ERP und konsistent benannte Eplan-Vorlagen hat, kommt schnell in diese Bandbreiten. Wer mit historisch gewachsenem Datenchaos arbeitet, muss zuerst aufräumen — und das ist die unspektakuläre, aber meist unterschätzte Vorarbeit jedes Projekts.

Inbetriebnahme: das oft übersehene Anwendungsfeld.

Im Schaltschrankbau gilt eine alte Faustregel: Die Inbetriebnahme kostet einen Tag pro 50.000 Euro Anlagenwert. Bei einer komplexeren Anlage sind das schnell zwei Wochen Personalbindung beim Endkunden, oft im Schichtbetrieb, mit Reisezeit und Aufwand. Inbetriebnehmer sind ein knappes Gut — ihre Zeit besser zu nutzen, hat hohen Hebel. Hinzu kommt: Die Inbetriebnahme ist der Moment, in dem alle Versäumnisse aus der Konstruktion sichtbar werden. Fehlerhafte Klemmenpläne, vergessene Sicherheitsfunktionen, falsch parametrierte Steuerungen — all das kostet vor Ort doppelt und dreifach.

KI hilft hier auf zwei Ebenen. Erstens bei der Vorbereitung: Ein gut konfigurierter Assistent durchforstet die Schaltpläne, identifiziert kritische Punkte (Sicherungswerte, Schutzleiterprüfungen, Drehrichtungstests, Notausfunktionen) und generiert eine Checkliste für die Inbetriebnahme. Diese Checkliste ist nicht generisch, sondern projektspezifisch — sie kennt die Besonderheiten dieses einen Schranks aus den verarbeiteten Konstruktionsunterlagen. Zweitens vor Ort: Ein mobiler Assistent — meist eine Tablet-Anwendung mit Sprachsteuerung — dokumentiert die Prüfschritte, erkennt Abweichungen von der Soll-Konfiguration und schlägt Standardlösungen für typische Fehler vor.

Wer das ernst nimmt, hat zwei messbare Effekte: Die Inbetriebnahmezeit sinkt um 15 bis 25 Prozent, weil die Vorbereitung sauberer ist und weniger Rückfragen ins Stammhaus gehen. Und die Dokumentation, die früher am Ende des Tages handschriftlich auf einem Block landete, ist sofort digital verfügbar — was den Übergang in den After-Sales-Service deutlich erleichtert. In Pilotprojekten zeigt sich auch ein Nebeneffekt, der wirtschaftlich erheblich ist: Die Reklamationsquote in den ersten sechs Monaten nach Inbetriebnahme sinkt, weil weniger Übergabefehler in den Betrieb des Endkunden mitgenommen werden.

After-Sales-Service: Wartung und Ersatzteile.

Nach der Inbetriebnahme beginnt der eigentlich profitable Teil des Lebenszyklus: Wartung, Ersatzteilgeschäft, Modernisierung. Hier hat die Elektroindustrie einen Nachteil gegenüber dem Maschinenbau: Die Hardware ist meist unscheinbar, die Wartungsverträge sind dünn, und der Endkunde merkt erst dann, dass der Schaltschrank wichtig ist, wenn er ausfällt. Genau dieser Ausfall ist aber meist der teuerste Moment für den Endkunden — eine ausgefallene Steuerung legt in der Lebensmittelproduktion innerhalb einer Stunde eine ganze Linie still.

KI verschiebt diese Logik. Erstens, weil die Dokumentation aus der Inbetriebnahme jetzt strukturiert vorliegt und für eine Wartungs-App genutzt werden kann. Wer als Endkunde eine störungsfreie Linie haben will, kann auf eine projektspezifische Wartungs-App zugreifen, die Wartungstermine, Verschleißkomponenten und Ersatzteilbedarf transparent macht. Zweitens, weil sich aus Betriebsdaten — sofern der Schrank über IoT-Sensoren oder eine Steuerung mit Datenanbindung verfügt — Verschleißmuster ablesen lassen. Lüfter laufen heißer, Schütze schalten häufiger, Sicherungen reagieren schneller. Solche Muster lassen sich KI-gestützt auswerten und in Wartungsempfehlungen übersetzen.

Für den Mittelstand bedeutet das eine neue Servicelogik: Statt einmaliger Wartungsanrufe gibt es ein Dashboard, das proaktiv meldet, wo Handlungsbedarf entsteht. Der Endkunde zahlt für diese Sichtbarkeit gerne — vorausgesetzt, der Anbieter geht seriös damit um und überflutet nicht jede Woche mit Wartungswarnungen. Drei bis fünf Empfehlungen pro Schrank und Jahr sind ein guter Maßstab. Wer übertreibt, verliert das Vertrauen schnell. Wer hingegen mit dieser Disziplin arbeitet, baut Servicemargen auf, die im Hardwaregeschäft nicht mehr zu erzielen sind — und macht sich gleichzeitig unentbehrlich, weil die Daten und die Erkenntnisse beim Anbieter bleiben.

Normen, CE und die Frage der Verantwortung.

Wer in der Elektroindustrie KI einsetzt, kommt am Thema Normen und Konformität nicht vorbei. Maschinenrichtlinie, Niederspannungsrichtlinie, EMV-Richtlinie, dazu die einschlägigen harmonisierten Normen wie DIN EN 61439 für Niederspannungs-Schaltgerätekombinationen oder DIN EN 60204-1 für die elektrische Ausrüstung von Maschinen — jeder Schrank trägt eine CE-Kennzeichnung, und hinter der steht die Verantwortung eines benannten Konstrukteurs. KI kann diese Verantwortung nicht übernehmen, und sie sollte es auch nicht. Sie ist Werkzeug, nicht Entscheidungsträger.

Was sie aber leisten kann, ist die Vorprüfung. Ein gut trainierter Normenassistent verweist auf die einschlägigen Punkte der DIN EN 61439, prüft die Erfüllung der typischen Prüfpunkte und markiert Stellen, an denen ein Konstrukteur eine bewusste Entscheidung treffen muss. Das ersetzt nicht den Konstrukteur, aber es nimmt ihm die mechanische Arbeit ab, die heute viele Stunden verschlingt — gerade bei Sonderfällen, in denen mehrere Normen ineinandergreifen und die jeweiligen Verweise sorgfältig aufgelöst werden müssen.

Wichtig: Wer KI für solche Aufgaben einsetzt, sollte die Audit-Spur sauber halten. Welcher Vorschlag kam wann von welchem System, welcher Mensch hat ihn freigegeben, welche Norm wurde wie ausgelegt. Das ist nicht nur Compliance, sondern auch Produkthaftung. Bei einem späteren Schadensfall muss nachvollziehbar sein, wie eine Entscheidung zustande kam. Ein Tool, das Vorschläge ohne Dokumentation generiert, ist hier mehr Risiko als Hilfe. Wer das diszipliniert pflegt, kann KI im Engineering einsetzen, ohne haftungsrechtliche Lücken zu schaffen — und gewinnt gleichzeitig eine wertvolle Wissensbasis für die Konstruktion künftiger Projekte.

Grenzen: Was KI im Schaltschrankbau nicht ersetzt.

Drei Bereiche bleiben menschlicher Erfahrung vorbehalten. Erstens: Die Konstruktion neuartiger Lösungen. Wenn ein Kunde mit einer ungewöhnlichen Anforderung kommt — etwa einer Sonderumgebung mit extremen Temperaturen, einer regulatorischen Anforderung aus einer fremden Branche oder einer noch nicht standardisierten Maschinenanwendung — versagen statistische Modelle. Sie kennen das Muster nicht, weil es keines gibt. Hier braucht es einen erfahrenen Konstrukteur, der konstruieren kann statt zu rekombinieren. Diese Aufgaben werden nicht häufiger, aber sie werden sichtbarer, weil sie nicht mehr durch Routine-Engineering verdeckt sind.

Zweitens: Die echte Inbetriebnahme. Ein Schrank kann auf dem Papier perfekt sein und trotzdem an der Anlage nicht laufen — weil ein Sensor abweicht, eine Steuerung anders parametriert ist als angenommen, ein Kabel beim Transport beschädigt wurde, ein Anwender vor Ort eine ungewöhnliche Bedienung verlangt. Inbetriebnehmer arbeiten mit einer Mischung aus Fachwissen, Intuition und Geduld, die kein Sprachmodell ersetzt. KI kann hier vorbereiten und dokumentieren, aber sie steht nicht im Schaltschrank, und sie hört nicht den Ton der Steuerung, der dem erfahrenen Techniker schon vor der Messung verrät, dass etwas nicht stimmt.

Drittens: Die Beziehung zum Endkunden. Wer langfristig im Schaltschrankgeschäft erfolgreich ist, hat persönliche Beziehungen zu seinen Auftraggebern. Diese Beziehungen entstehen am Telefon, auf Messen, bei Vor-Ort-Terminen, in kritischen Situationen, in denen ein Anbieter zeigt, was er kann. KI kann Termine vorbereiten, Angebote schreiben und Anfragen sortieren — sie kann aber nicht die Vertrauensarbeit übernehmen, die im B2B-Geschäft den Unterschied zwischen einem austauschbaren Lieferanten und einem strategischen Partner macht.

Wo Geschäftsführer ansetzen können.

Wer in der Elektroindustrie heute über KI nachdenkt, sollte drei Fragen sortieren. Erstens: Wo verbringen Konstrukteure und Schaltschrankplaner ihre Zeit, und wie viel davon ist mechanische Routine? Eine Woche Zeiterfassung in der Konstruktion zeigt das ehrlicher als jede Schätzung. Die Bandbreite ist groß — von 25 Prozent Routinearbeit bei sehr individuellem Sondergeschäft bis 60 Prozent bei stark standardisierten Produktfamilien. Wer hier eine valide Datenbasis hat, kann den Investitionsfokus präzise setzen und vermeidet die typische Falle, in der KI dort eingeführt wird, wo sie kaum Wirkung entfaltet.

Zweitens: Wie sauber sind die Stammdaten? KI-Werkzeuge im Schaltschrankbau leben von gepflegten Eplan-Bibliotheken, konsistenten Artikelnummern im ERP und einheitlichen Benennungen in Klemmenplänen. Wer hier seit Jahren nichts aufgeräumt hat, muss vor dem ersten KI-Projekt eine Datenaktion einplanen. Die Erfahrung zeigt: Vier bis acht Wochen sauberes Stammdatenmanagement bringt mehr als eine teure KI-Plattform, die auf chaotischer Datenbasis arbeitet. Diese Vorarbeit ist unspektakulär, aber sie macht den Unterschied zwischen einem Pilot, der funktioniert, und einem, der nach drei Monaten in der Schublade verschwindet.

Drittens: Wer übernimmt die Verantwortung? KI-Projekte scheitern im Mittelstand meist nicht an der Technik, sondern an unklarer Verantwortung. Ein Pilotprojekt braucht einen Konstruktionsleiter, der das Ergebnis trägt, eine IT-Schnittstelle, die die Integration sicherstellt, und einen Geschäftsführer, der den Rücken freihält, wenn die ersten Wochen holprig sind. Wer diese drei Rollen klar besetzt, hat in drei bis sechs Monaten einen lauffähigen Use Case — und die Grundlage für die nächste Stufe.

Sie wollen prüfen, wo KI in Ihrem Schaltschrankbau oder Engineering den größten Hebel hat? Unverbindlich anfragen — wir schauen gemeinsam auf Engineering-Prozesse, Datenlage und einen sinnvollen ersten Schritt.