Mission KI: Qualitätsstandard für Automobil-KI

Warum ein freiwilliger KI-Standard die Autoindustrie jetzt braucht

Deutsche Automobilhersteller investieren massiv in KI – von visueller Qualitätskontrolle im Karosseriebau bis zur vorausschauenden Wartung ganzer Fertigungslinien. Gleichzeitig tritt der EU AI Act schrittweise in Kraft und bringt neue Pflichten mit sich. Die Folge in vielen Projekten: Unsicherheit, Verzögerungen, Beratungsrunden statt Pilotanlagen.

Die Realität? Für einen Großteil der KI-Anwendungen in Produktion und Lieferkette reden wir nicht über Hochrisiko-KI, sondern über sogenannte Niedrigrisiko-KI: Assistenzsysteme, Prüf-Algorithmen, Energieoptimierung, Intralogistik. Genau hier setzt das Projekt „Mission KI“ mit einem freiwilligen Qualitätsstandard und einem digitalen Prüfportal an – entwickelt unter anderem vom Fraunhofer IAIS, VDE, TÜV AI.Lab und PwC.

In diesem Beitrag zeige ich, warum dieser Standard für die deutsche Automobilindustrie strategisch wichtig ist, wie das Prüfverfahren funktioniert und wie OEMs und Zulieferer es ganz praktisch nutzen können, um KI-Projekte schneller, sicherer und EU-AI-Act-konform auf die Straße zu bringen.

---

Was „Niedrigrisiko-KI“ in der Automobilindustrie bedeutet

Niedrigrisiko-KI umfasst KI-Systeme, die unterhalb der Hochrisiko-Schwelle des EU AI Act liegen. In der Automobilproduktion ist das erstaunlich viel:

• Bilderkennung zur Oberflächeninspektion von Karosserieteilen
• KI-gestützte Energieoptimierung von Presswerken oder Lackierereien
• Prognosemodelle für Lieferketten-Risiken oder Bedarfsplanung
• Assistenzsysteme für Instandhaltung (Predictive Maintenance)
• KI zur optimierten Schicht- und Personalplanung in der Fertigung

Diese Systeme entscheiden nicht direkt über Gesundheit, Freiheit oder sicherheitskritische Funktionen im Fahrzeug. Trotzdem beeinflussen sie Qualität, Effizienz, Fairness und Datensicherheit – und landen damit im Fokus von Kunden, Betriebsräten, Datenschutz und Compliance.

Der Knackpunkt: Für diesen Bereich gibt es im EU AI Act vor allem Transparenzpflichten, aber keine detaillierten Qualitätsvorgaben. Genau diese Lücke füllt „Mission KI“ mit einem strukturierten Bewertungsrahmen.

---

Der Kern von Mission KI: 6 Qualitätsdimensionen statt Bauchgefühl

Mission KI übersetzt die bekannten Prinzipien vertrauenswürdiger KI – Transparenz, Nicht-Diskriminierung, Verlässlichkeit – in ein praktisches Prüfmodell mit sechs Qualitätsdimensionen. Für Automobilunternehmen ist das im Alltag Gold wert, weil aus diffusen Diskussionen plötzlich prüfbare Kriterien werden.

Auch wenn die offizielle Liste umfangreich ist, in der Praxis lassen sie sich für die Autoindustrie gut in diese Bereiche einordnen:

1. Funktionale Qualität

   • Macht die KI im Produktionssystem genau das, was sie soll?
   • Wie stabil sind die Ergebnisse über Schichten, Werkzeuge, Standorte hinweg?

2. Zuverlässigkeit und Robustheit

   • Wie verhält sich ein Vision-System bei verschmutzten Kameras, veränderten Lichtverhältnissen oder neuen Varianten?
   • Gibt es Fail-Safes, wenn die KI „schwankt“?

3. Fairness und Nicht-Diskriminierung

   • Relevant etwa bei HR-nahen KI-Tools (Schichtplanung, Skill-Matching) oder Lieferantenbewertungen.
   • Verhindert das System systematische Benachteiligung bestimmter Gruppen oder Regionen?

4. Transparenz und Erklärbarkeit

   • Können Qualitätsingenieure und Werksleiter nachvollziehen, warum die KI ein Teil aussortiert?
   • Gibt es klare Dokumentation zu Daten, Modellen, Versionen?

5. Datenschutz und IT-Sicherheit

   • Umgang mit Mitarbeiter- oder Lieferantendaten
   • Absicherung gegen Manipulation (z.B. Datenangriffe auf Qualitätskennzahlen)

6. Governance und Prozesse

   • Wer trifft welche Release-Entscheidungen für das KI-Modell?
   • Wie werden Änderungen an Daten, Modellen und Schnittstellen dokumentiert?

Diese Dimensionen werden in Kriterien, Indikatoren und Observablen heruntergebrochen. Heißt übersetzt: Aus „Wir brauchen vertrauenswürdige KI“ wird ein strukturierter Katalog von Dingen, die man konkret zeigen, testen und abheften kann.

---

So funktioniert das Prüfportal – von Schutzbedarf bis Report

Das digitale Prüfportal von Mission KI führt Unternehmen Schritt für Schritt durch eine mehrstufige Bewertung. Für Automobilhersteller und Zulieferer lässt sich dieses Vorgehen gut in bestehende Qualitäts- und Freigabeprozesse integrieren.

1. Anwendungsfall klar beschreiben

Der erste Schritt ist unsexy, aber entscheidend: eine präzise Beschreibung des Use Cases.

Typische Angaben in einem Automobilprojekt:

• Zweck der KI: z.B. Erkennung von Lackfehlern an Türen
• Einsatzkontext: Linie X, Werk Y, Schichtbetrieb, Taktzeit 50 Sekunden
• Datenbasis: Kamerasysteme, historische Ausschussdaten, Labeling-Prozess
• Systemgrenzen: Was macht der Algorithmus, was macht die SPS, was der Werker?
• Betriebsart: lokal im Edge-Device oder in der Cloud

Wer das sauber aufschreibt, hat oft schon 50 % der Qualitätsdiskussion gewonnen – und erspart sich spätere Konflikte mit IT, Datenschutz oder Betriebsrat.

2. Schutzbedarfsanalyse: Wie kritisch ist der Use Case?

Als Nächstes wird der Schutzbedarf bewertet. Die Leitfragen:

• Welche Schäden entstehen, wenn die KI falsch liegt?
• Betreffen sie Sicherheit, Diskriminierung, Datenschutz, Produktion, Image?

Beispiele aus der Praxis:

• Vision-System für Schweißnahtprüfung an tragenden Teilen:
  • Hoher Schutzbedarf (Sicherheit, Haftung)
• KI zur Prognose von Ersatzteilbedarf:
  • Moderater Schutzbedarf (Kosten, Termintreue)
• Tool zur Schichtwunsch-Planung auf freiwilliger Basis:
  • Moderat bis hoch (Fairness, Arbeitsrecht, Akzeptanz)

Jedes Kriterium erhält dabei eine Relevanzstufe: gering, moderat, hoch oder nicht anwendbar.

3. Bewertung nach VCIO-Systematik

Die eigentliche Bewertung folgt einer hierarchischen VCIO-Struktur:

• V – Qualitätsdimensionen (z.B. Transparenz)
• C – Kriterien (z.B. Dokumentation des Modells)
• I – Indikatoren (z.B. existiert Versionierung mit Änderungsprotokoll?)
• O – Observablen (konkrete Nachweise, z.B. Git-Log, Release-Notes)

Für jeden relevanten Indikator wird ein Erfüllungsgrad vergeben:

• A – Best Practice
• B – gut erfüllt
• C – minimal erfüllt
• D – nicht erfüllt

Je höher der vorher definierte Schutzbedarf, desto höher die geforderte Stufe. Für hohen Schutzbedarf ist mindestens A, für moderaten B, für niedrigen Schutzbedarf C erforderlich.

4. Evidenzen beibringen – nicht nur „Trust me“

Zur Einstufung gehören passende Evidenzen, zum Beispiel:

• Risikoanalysen und FMEA mit KI-Fokus
• Testprotokolle für verschiedene Produktionsszenarien (z.B. neue Varianten)
• Dokumentation von Datensätzen, Labeling-Qualität, Modellversionen
• Protokolle zur Einbindung von Betriebsrat und Datenschutz
• Referenz auf bestehende Zertifizierungen (ISO 9001, ISO 27001 etc.)

Der Standard unterscheidet:

• Basisdokumentation für gering schutzbedürftige Use Cases
• Detaillierte, reproduzierbare Nachweise inkl. Audit-Trail bei hohem Schutzbedarf

Die Validierung kann intern (Selbstbewertung oder unabhängige Stelle) oder mit externen Prüfpartnern erfolgen – je nach Kritikalität und Kundenanforderung.

5. Standardisierter Prüfbericht

Zum Schluss werden Schutzbedarfe, erreichte Qualitätsstufen und Evidenzen in einem prüffähigen Bericht zusammengeführt. Für die Automobilindustrie ist das besonders wertvoll:

• als Anhang zu Kunden-Audits
• als Nachweis in OEM-Supplier-Assessments
• als Grundlage für interne Freigaben neuer KI-Funktionen in der Fertigung

---

Konkrete Vorteile für OEMs und Zulieferer

Für die Kampagne „KI in der deutschen Automobilindustrie: Produktion und Innovation“ ist Mission KI mehr als ein nettes Forschungsprojekt. Der Standard ist ein praktisches Werkzeug, um KI skalierbar und regulierungssicher in die Werke zu bringen.

1. Schnellere Freigaben und weniger Diskussionen

Wer schon einmal eine KI-Anwendung durch Konzern-Compliance, Datenschutz, IT-Security und Betriebsrat gebracht hat, weiß: Jeder Bereich stellt eigene Fragen, oft mit unterschiedlichen Kriterien.

Mit Mission KI haben Sie:

• einen einheitlichen Kriterienkatalog
• ein vom VDE, Fraunhofer, TÜV & Co. entwickeltes anerkanntes Raster
• standardisierte Berichte, die über Werke und Standorte vergleichbar sind

Das spart Meetings, Nachfragen und iterierte Präsentationen – und beschleunigt die Einführung neuer KI-Lösungen.

2. Wettbewerbsvorteil in Ausschreibungen

Tier-1- und Tier-2-Zulieferer, die KI-Funktionen in Maschinen, Prüfständen oder Software anbieten, können mit einem Mission-KI-konformen Qualitätsnachweis punkten:

• Mehr Vertrauen bei OEMs und großen Systemlieferanten
• Klarer Nachweis, dass Anforderungen des EU AI Act antizipiert werden
• Bessere Positionierung bei strategischen Innovationsprojekten

Gerade für mittelständische Zulieferer ist das ein Hebel, um sich gegen internationale Wettbewerber mit reinen Preisargumenten abzugrenzen.

3. Weniger Risiko bei späteren Regulierungsschritten

Der EU AI Act wird nicht das letzte Regelwerk rund um KI sein. Wer heute mit einem strukturierten Qualitätsstandard arbeitet,

• baut eine saubere Dokumentationsbasis auf,
• kann später neue Pflichtanforderungen leichter erfüllen,
• reduziert das Risiko teurer Nacharbeiten an produktiven Systemen.

Oder anders gesagt: Mission KI verschiebt Aufwand von der Feuerwehr- zur Ingenieursarbeit.

---

Wie Sie Mission KI in Ihre KI-Roadmap integrieren

Statt den Standard als zusätzliches Bürokratiemonster zu sehen, lässt er sich sinnvoll in bestehende Prozesse der Automobilindustrie einbetten.

Schritt 1: Use-Case-Portfolio sortieren

Starten Sie mit einer Portfolio-Sicht auf Ihre laufenden und geplanten KI-Projekte:

1. Liste aller KI-Anwendungen in Produktion, Logistik, Instandhaltung, HR, Lieferkette
2. Grobe Einteilung: Hochrisiko vs. Niedrigrisiko nach EU AI Act
3. Priorisierung: Welche Niedrigrisiko-Use-Cases haben hohen Business-Impact?

Für diese priorisierten Use Cases lohnt sich der Einsatz des Mission-KI-Standards besonders.

Schritt 2: Pilotprojekt auswählen

Wählen Sie ein Projekt, das:

• klar abgegrenzt ist (z.B. Vision-System an einer Linie in einem Werk),
• spürbaren Nutzen bringt (z.B. Ausschussreduzierung, geringere Nacharbeit),
• Akzeptanz bei Werksleitung und Qualitätsabteilung hat.

Führen Sie die komplette Mission-KI-Prüfung durch – inklusive Schutzbedarfsanalyse, Bewertung und Bericht. Nutzen Sie die Learnings, um Checklisten und Vorlagen für weitere Projekte anzupassen.

Schritt 3: In Standards und Verträge einbauen

Erfolgreiche Unternehmen machen Qualitätsstandards nicht nur im Projekt, sondern in der Organisation wirksam:

• Integration der Mission-KI-Kriterien in Lastenhefte und Lieferantenanforderungen
• Ergänzung bestehender Engineering-Standards (z.B. ASPICE, ISO 26262-Umfeld) um KI-spezifische Punkte
• Nutzung der Prüfberichte als Pflichtdokument zur Serienfreigabe KI-gestützter Anlagen

So wird der freiwillige Standard zum gelebten Baustein von Baustelle 4.0 in der Automobilproduktion.

---

Fazit: Freiwilliger Standard, harter Wettbewerbsvorteil

Mission KI ist ein freiwilliger Qualitätsstandard – aber genau darin liegt sein Charme für die Automobilindustrie. Wer heute Niedrigrisiko-KI in Produktion, Logistik oder Lieferkette einsetzt, kann damit:

• Qualität und Vertrauenswürdigkeit nachweisen,
• EU-AI-Act-Anforderungen systematisch vorbereiten,
• und sich im Wettbewerb um Budgets, Kunden und Fachkräfte klar besser positionieren.

Für die Serie „KI in der deutschen Automobilindustrie: Produktion und Innovation“ ist Mission KI ein wichtiger Baustein: Nicht nur neue KI-Use-Cases zählen, sondern auch deren saubere, prüfbare Umsetzung.

Wenn Sie aktuell KI-Projekte in Ihren Werken planen oder skalieren, lohnt es sich, Mission KI nicht als Zusatzaufwand, sondern als Strukturwerkzeug zu nutzen. Die Frage ist weniger, ob OEMs und Zulieferer solche Qualitätsnachweise verlangen werden – sondern wer in 2026 schon lieferfähig ist, wenn die ersten Serienverträge genau das voraussetzen.