Voest boomt trotz Krisenstimmung. Was steckt dahinter – und wie können österreichische Industrie-KMU mit KI produktiver, planbarer und wettbewerbsfähiger werden?
Österreichs Industrie im Krisen-Narrativ – und ein Börsenstar
2024 war voll von Warnungen: De-Industrialisierung, hohe Energiepreise, Fachkräftemangel, US-Strafzölle. Die Schlagzeilen klingen nach Abschied vom Industriestandort Österreich. Gleichzeitig legt die Voestalpine-Aktie einen Höhenflug hin – trotz Stellenabbau, teurer Energie und internationalen Handelskonflikten.
Das wirkt auf den ersten Blick widersprüchlich. Für österreichische Industrie-KMU steckt darin aber eine klare Botschaft: Der Markt belohnt Unternehmen, die sich strategisch neu aufstellen – technologisch, organisatorisch und datengetrieben. Und genau hier kommt Künstliche Intelligenz ins Spiel.
In dieser Ausgabe unserer Reihe „KI in der österreichischen Industrie: Leitfaden für KMU“ schauen wir uns an, was hinter dem scheinbaren Widerspruch steckt und wie kleine und mittlere Industriebetriebe ähnliche Hebel nutzen können – auch ohne Milliardenbudget.
1. Warum die Voest-Aktie boomt, obwohl von Krise die Rede ist
Der Kern: Die Börse bewertet Zukunftsfähigkeit, nicht Schlagzeilen.
Während medial über Jobabbau in der Steiermark und die Belastung durch US-Zölle berichtet wurde, bewerten Anleger vor allem drei Punkte:
- Strategische Ausrichtung: Hin zu höherwertigen Produkten, Technologiekompetenz, neuen Märkten.
- Kosteneffizienz: Automatisierung, Digitalisierung, Optimierung von Werken und Prozessen.
- Planbarkeit: Klare Roadmaps, wie das Unternehmen mit Strukturwandel, Klimaauflagen und Energiepreisen umgeht.
Der Jobabbau von 340 Stellen an zwei Standorten wirkt tragisch für die Betroffenen, ist aus Investorensicht aber ein Signal: Das Management reagiert auf veränderte Rahmenbedingungen, statt zuzuwarten. Gleichzeitig investiert der Konzern in moderne Technologien, neue Produktionsverfahren und eine langfristige Dekarbonisierungsstrategie.
Für KMU lautet die unbequeme Wahrheit:
Wer heute nur „Kosten drücken“ will, aber nicht in Technologie und neue Geschäftsmodelle investiert, verliert mittelfristig – egal wie hart gespart wird.
2. Was bedeutet das für KMU? Drei harte, aber hilfreiche Lektionen
Der Aufschwung der Voest-Aktie zeigt drei Lektionen, die sich direkt auf kleinere Betriebe übertragen lassen – gerade im Maschinenbau, in der Metallverarbeitung oder der Zulieferindustrie.
2.1 Kostendruck ist Realität – aber nicht die ganze Geschichte
Ja, Energie und Lohnkosten in Österreich sind hoch. Wer nur diese Faktoren betrachtet, kommt schnell zur Schlussfolgerung: „Wir können hier nicht mehr produzieren.“ Der Haken: Firmen, die abwandern, müssen andernorts neue Risiken tragen – politische Unsicherheit, Qualitätsprobleme, Lieferkettenchaos.
Was funktioniert deutlich besser:
- Produktivität steigern, statt nur an Löhnen zu drehen
- Durchlaufzeiten verkürzen und Ausschuss reduzieren
- Planbarkeit erhöhen, um Überstunden, Expresslieferungen und Stillstände zu vermeiden
Genau hier liefert KI in der Produktion konkrete Hebel – und zwar auch für Betriebe mit 50, 100 oder 200 Mitarbeiter:innen.
2.2 Der Markt belohnt Zukunftsbilder, nicht Nostalgie
Viele Industrieunternehmen hängen an alten Stärken: „Wir haben seit 40 Jahren diese Linie.“ Das beeindruckt aber weder Kunden noch Banken oder Investoren. Entscheidend ist heute:
- Wie digital ist der Betrieb wirklich?
- Welche Daten werden erhoben – und was wird damit gemacht?
- Wo entstehen neue Services, nicht nur neue Produkte?
Die Voest zeigt, dass selbst ein traditionsreicher Stahlkonzern nicht vom Werkstor, sondern vom Zukunftsbild her denkt: grüner Stahl, intelligente Werkstoffe, internationale Nischenmärkte.
Für KMU heißt das: Auch ein Familienbetrieb in der Obersteiermark darf sich die Frage stellen:
„Wie sieht unsere Produktion 2030 aus – und welche Rolle spielt KI dabei?“
2.3 Strukturwandel ist schmerzhaft – und trotzdem notwendig
Stellenabbau und Werksschließungen sind gesellschaftlich heikel, aber wirtschaftlich häufig Teil von Strukturwandel: weniger simple Massenproduktion, mehr spezialisierte, hochqualitative Lösungen.
Gerade im Mittelstand gehört dazu:
- Qualifizierung bestehender Mitarbeiter:innen im Bereich Daten, Automatisierung, KI
- Verlagerung von Tätigkeiten: von manueller Dateneingabe hin zu Überwachung, Analyse, Optimierung
- Kooperationen mit Forschungseinrichtungen und Technologiepartnern in Österreich
Wer früh beginnt, kann Beschäftigung verlagern statt vernichten – und das ist einer der größten Vorteile für KMU, die KI aktiv nutzen statt abzuwarten.
3. Konkrete KI-Ansätze für österreichische Industriebetriebe
Die Frage ist nicht „ob“ KI kommt, sondern wo sie zuerst den Unterschied macht. Für KMU im industriellen Umfeld gibt es vier typische Einstiegsfelder.
3.1 Predictive Maintenance: Weniger Stillstand, planbare Produktion
Direkte Wirkung: weniger ungeplante Anlagenstillstände, weniger Ausschuss, bessere Liefertreue.
Typisches Szenario aus einem österreichischen Produktionsbetrieb:
- Heute: Anlagen werden nach fixen Wartungsintervallen oder „nach Gefühl“ gewartet.
- Problem: Entweder zu spät (teurer Ausfall) oder zu früh (unnötige Kosten, Stillstand).
- Mit KI: Sensor- und Maschinendaten (Vibration, Temperatur, Stromaufnahme) werden ausgewertet. Ein Modell schätzt die Ausfallwahrscheinlichkeit und empfiehlt Wartungen dann, wenn sie wirtschaftlich sinnvoll sind.
Praxisnahe Startschritte für KMU:
- Eine kritische Anlage auswählen (z.B. Ofen, Presse, Fräsmaschine)
- Vorhandene Daten sammeln (Maschinensteuerung, einfache Sensoren, Wartungsprotokolle)
- Mit einem Partner ein erstes Prognosemodell testen – oft reichen schon wenige Monate Daten
- Ergebnisse mit der Instandhaltung besprechen und Schritt für Schritt im Alltag verankern
3.2 Qualitätssicherung mit Computer Vision
Direkte Wirkung: weniger Ausschuss, weniger Reklamationen, objektive Qualitätskontrolle.
Statt jedes Werkstück manuell zu prüfen, können Kameras und KI-Modelle Oberflächenfehler, Maßabweichungen oder Montagemängel erkennen. Das ist für viele KMU realistischer, als es auf den ersten Blick wirkt:
- Günstige Industriekameras sind erschwinglich
- Open-Source-Modelle lassen sich anpassen
- Ergebnisse lassen sich schrittweise in den Prozess integrieren
Geeignet ist das besonders für:
- Serienfertigung mit wiederkehrenden Bauteilen
- Sichtbare Oberflächen (Metall, Kunststoff, Holz)
- Höhere Stückzahlen, bei denen jeder Prozentpunkt weniger Ausschuss zählt
3.3 Energieoptimierung mit KI: Antwort auf hohe Energiekosten
Viele österreichische Betriebe spüren die Teuerung bei Strom und Gas unmittelbar. KI-gestützte Energiedatenanalyse kann hier schnell Wirkung zeigen:
- Lastspitzen erkennen und glätten
- Nicht genutzte Laufzeiten identifizieren (z.B. Druckluft, die nachts sinnlos läuft)
- Ofen- und Heizprozesse so steuern, dass Energieverluste sinken
Pragmatisches Vorgehen:
- 12 Monate Energiedaten (Lastprofile) und Produktionsdaten zusammenführen
- KI-gestützte Analysen der Muster durchführen
- Konkrete Maßnahmen definieren: Schichtanpassung, Prozessbündelung, automatische Steuerungen
Selbst Einsparungen von 5–10 % beim Energieverbrauch können die Marge deutlich verbessern – insbesondere bei energieintensiven Prozessen.
3.4 KI in Planung und Supply Chain
Mehr Planbarkeit ist für KMU oft wertvoller als die letzte Zehntelsekunde Maschinentakt.
KI-gestützte Prognosen helfen bei:
- Absatz- und Bedarfsplanung
- Materialdisposition und Lagerbeständen
- Personaleinsatzplanung
Statt Excel-Wildwuchs entstehen Datenmodelle, die aus vergangenen Aufträgen, Saisonverläufen und externen Signalen realistische Szenarien berechnen. Das reduziert Überbestände, Notfallbestellungen und Überstunden.
4. Wie KMU konkret starten: Ein pragmatischer 6-Schritte-Plan
Der größte Fehler ist, KI als riesiges Transformationsprojekt zu sehen. Die Realität? Es startet mit einem klar umrissenen Pilotprojekt.
Schritt 1: Geschäftsproblem definieren, nicht Technologie
Nicht „Wir brauchen KI“, sondern:
- „Wir verlieren zu viel Zeit durch Anlagenstillstände.“
- „Unsere Ausschussquote ist zu hoch.“
- „Unsere Energiekosten fressen die Marge.“
Ein gutes KI-Projekt verbessert einen klar messbaren KPI (z.B. OEE, Ausschussquote, kWh pro Tonne Output).
Schritt 2: Datenlage prüfen
Bevor das erste Modell trainiert wird, braucht es Klarheit:
- Welche Maschinendaten fallen schon an?
- Gibt es historische Wartungs- oder Qualitätsdaten?
- In welchem Format und in welchen Systemen liegen sie?
Viele KMU stellen überrascht fest: 70 % der nötigen Daten sind bereits vorhanden, nur schlecht strukturiert.
Schritt 3: Passenden Partner auswählen
Kaum ein KMU wird eigene Data-Science-Teams aufbauen. Sinnvoll sind:
- Lokale Technologieanbieter mit Industrieerfahrung
- Kooperationen mit Fachhochschulen oder technischen Universitäten
- Spezialisierte Beratungen mit Fokus auf Industrie-KI
Wichtig ist ein Projektsetup, das in Monaten, nicht in Jahren erste Ergebnisse liefert.
Schritt 4: Pilotprojekt mit klarer Laufzeit
Ein typischer Pilot:
- Dauer: 3–6 Monate
- Fokus: eine Anlage, eine Linie, ein Standort
- Ziel: Nachweis von Nutzen (z.B. -15 % Stillstände, -20 % Ausschuss)
Danach wird entschieden: skalieren, anpassen oder stoppen.
Schritt 5: Mitarbeiter:innen von Anfang an einbinden
Der größte Risikofaktor ist Widerstand in der Belegschaft. Besser funktioniert:
- Früh erklären, was KI macht – und was nicht
- Mitarbeiter:innen aus Produktion und Instandhaltung als Projektpartner einbinden
- Erfolgsprämien oder Anerkennung, wenn Kennzahlen sich verbessern
Wer KI als „Kolleg:in“ und nicht als Kontrolle oder Bedrohung versteht, arbeitet auch aktiv damit.
Schritt 6: Skalierung planen
Ist der Pilot erfolgreich, braucht es einen Plan:
- Auf welche Anlagen/Standorte wird ausgerollt?
- Welche IT-Struktur ist dafür nötig?
- Welche Rollen (z.B. Datenverantwortliche) werden dauerhaft gebraucht?
So entsteht schrittweise eine KI-Strategie für den gesamten Betrieb, ohne alles auf einmal umbauen zu müssen.
5. Warum jetzt handeln – und nicht auf „bessere Zeiten“ warten
Der Widerspruch zwischen „Industrie in der Krise“ und „Voest-Aktie im Höhenflug“ zeigt genau das Spannungsfeld, in dem sich österreichische KMU bewegen:
- Rahmenbedingungen sind schwierig – Zölle, Energie, Regulierung.
- Gleichzeitig gibt es Werkzeuge, mit denen sich Produktivität, Qualität und Planbarkeit massiv verbessern lassen.
KI ist dabei kein Luxusprojekt für Konzerne, sondern zunehmend ein Wettbewerbsfaktor im Mittelstand. Wer jetzt erste Schritte setzt, baut Erfahrungen auf, qualifiziert sein Team und stärkt die eigene Position – gegenüber Kunden, Lieferanten und auch Banken.
Als Teil unserer Reihe „KI in der österreichischen Industrie: Leitfaden für KMU“ lautet mein Rat:
Wählen Sie ein konkretes Problem, starten Sie ein kleines, sauberes KI-Pilotprojekt – und machen Sie Ihre eigene „Mini-Voest-Geschichte“ daraus.
Der Strukturwandel kommt so oder so. Die Frage ist nur, ob Ihr Unternehmen davon überrollt wird – oder ihn aktiv mitgestaltet.