Die Rückkehr der Meisterschaft im Zeitalter der Künstlichen Intelligenz

Die Debatte darüber, ob Künstliche Intelligenz menschliche Arbeit ersetzen wird, wird oft durch dieselbe Dichotomie bestimmt: Entweder gewinnen die Maschinen oder die Menschen. Fords jüngster Vorstoß in Sachen Qualität bricht jedoch mit dieser simplen Gegenüberstellung. In den letzten drei Jahren hat das Unternehmen rund 350 erfahrene technische Experten eingestellt, zurückgeholt oder befördert. Diese Experten bilden junge Ingenieure aus, leiten Designbewertungen, suchen nach potenziellen Fehlerquellen, bevor diese die Produktion erreichen, und tragen zur Entwicklung KI-basierter Qualitätswerkzeuge bei.

In den sozialen Medien wurde das Ereignis mit den Worten zusammengefasst: „Künstliche Intelligenz ist gescheitert, Ford holt 350 Ingenieure zurück.“ Ein bemerkenswerter, aber unvollständiger Satz. Ford hat die Künstliche Intelligenz nicht aufgegeben; das Unternehmen setzt in seinen Fabriken weiterhin Bildverarbeitungssysteme, automatisierte Tests und Software-Validierungstools ein. Was sich geändert hat, ist nicht die Investition in Technologie, sondern der Glaube, dass Technologie allein ausreicht. Die Wahrheit, die Ford entdeckt hat, lautet: Qualität lässt sich nicht allein durch mehr Daten, Kameras und Automatisierung garantieren.

Denn Qualität besteht nicht nur darin, ein fehlerhaftes Produkt im Prozess oder am Ende der Linie zu erkennen. Das eigentliche Problem ist, bereits in der Entwurfsphase vorherzusehen, warum ein Fehler überhaupt entstehen könnte. Ein erfahrener Ingenieur kann spüren, dass ein Teil während der Montage Probleme verursachen wird, selbst wenn er in der technischen Zeichnung keine Regelverstöße sieht. Aufgrund seiner langjährigen Erfahrung weiß er, dass eine Toleranz auf dem Papier zwar akzeptabel sein mag, in der Serienfertigung jedoch zu Abweichungen führen kann, dass eine Softwareänderung unerwartet mit einem anderen System kollidieren könnte oder dass ein Zulieferer unter bestimmten Bedingungen denselben Fehler reproduzieren wird.

All dieses Wissen steht nicht in den Verfahrensanweisungen. In der Managementlehre nennt man dies „implizites Wissen“: Fachwissen, das durch Erfahrung entsteht und nicht vollständig in Schriftform oder Regeln gegossen werden kann. Der Mensch lernt im Laufe der Jahre aus den Störungen, Fehlversuchen, Kundenbeschwerden und Produktionskrisen, die er erlebt hat, nicht nur die aufgezeichneten Ergebnisse, sondern auch den Kontext. Er unterscheidet, welche Daten wirklich wichtig sind, welche Messung irreführend sein könnte und welches kleine Anzeichen als Vorbote einer großen Störung gilt. Künstliche Intelligenz kann Muster in den ihr präsentierten Daten finden, aber sie kann kein institutionelles Gedächtnis aus dem Nichts erschaffen, das nie in das System eingespeist wurde.

Auch die Erklärungen der Ford-Führungskräfte deuten auf diesen Punkt hin. Das Unternehmen räumt ein, dass es der Erfahrung leitender Ingenieure, die in den vergangenen Jahren zahlreiche Produktentwicklungszyklen durchlaufen haben, nicht genügend Bedeutung beigemessen hat. Nachdem das Unternehmen diesen Mangel erkannt hat, rückt es erfahrene technische Experten wieder in den Mittelpunkt des Prozesses. Diese Personen sind nicht nur Prüfer, die Fehler finden; sie fungieren als Mentoren, die Verbindungen zwischen verschiedenen Ingenieursdisziplinen herstellen und die KI-Systeme mit präziseren Informationen füttern.

Die Ergebnisse sind bemerkenswert. Ford stieg in der „Initial Quality Study“ (IQS) 2026 von J.D. Power in den USA unter den Massenmarktmarken auf den ersten Platz auf. Die Punktzahl der Marke verbesserte sich innerhalb eines Jahres von 193 Problemen pro 100 Fahrzeuge auf 152 Probleme. Damit ist Ford zum ersten Mal seit 2010 wieder führend in dieser Kategorie. Auch der F-150, der Mustang und der Super Duty belegten in ihren jeweiligen Klassen den ersten Platz.

Der Wandel bei Ford beschränkt sich nicht nur auf die Rückholung erfahrener Experten. Im Jahr 2023 fasste das Unternehmen die Bereiche Fahrzeugtechnik, Produktion, Lieferkette und Qualität unter einem gemeinsamen industriellen System zusammen, stärkte die wöchentlichen Design-Reviews und band Zulieferer früher in den Entwicklungsprozess ein. Während Fabrikarbeiter von KI-gestützten Bildsystemen profitieren, wird die Fahrzeugsoftware vor der Auslieferung an den Kunden mit Hunderttausenden automatisierten Szenarien getestet. Das Rezept für die Verbesserung lautet also nicht „Maschinen abschalten und Menschen zurückholen“, sondern Prozesse miteinander zu verknüpfen, Fehler zu vermeiden, bevor sie entstehen, anstatt sie nach der Produktion auszusortieren, und die Technologie der Kontrolle durch Expertenurteil zu unterstellen.

Dennoch sollte man das Maß nicht verlieren. Die J.D. Power-Studie basiert nicht auf der gesamten Lebensdauer oder der langfristigen Haltbarkeit der Fahrzeuge, sondern auf den Problemen und Serviceeinträgen, die neue Fahrzeugbesitzer in den ersten 90 Tagen melden. Im allgemeinen Markenranking liegt Porsche mit 138 Problemen pro 100 Fahrzeuge vor Ford. Genesis liegt mit 151 Problemen ebenfalls knapp vor den 152 Punkten von Ford. Zudem sind die Probleme aus der Vergangenheit, die mit Rückrufaktionen verbunden waren, bei Ford nicht vollständig verschwunden. Es handelt sich also nicht um ein „Wunder“, sondern um eine starke Verbesserung in die richtige Richtung.

Diese Unterscheidung ist wichtig. Denn den Fall Ford als „Der Mensch hat die KI besiegt“ zu interpretieren, wäre genauso oberflächlich wie die Behauptung, „KI wird alle Ingenieure ersetzen“. Das Ergebnis, das das Unternehmen erreicht hat, ist nicht das Produkt eines Wettlaufs zwischen Mensch und Maschine, sondern einer korrekten Arbeitsteilung. Künstliche Intelligenz kann Tausende von Bildern in Sekunden scannen, Hunderttausende von Softwareszenarien testen und Muster erkennen, die dem menschlichen Auge entgehen könnten. Im Gegenzug entscheidet der erfahrene Ingenieur, welche Frage gestellt werden muss, welches Ergebnis ungewöhnlich ist und was ein Befund unter realen Produktionsbedingungen bedeutet.

Das grundlegende Problem hier ist nicht die Technologie, sondern das Managementverständnis. Wenn Unternehmen erfahrene Mitarbeiter aus dem System entfernen, um Kosten zu senken oder eine schnelle Digitalisierung voranzutreiben, reduzieren sie nicht nur die Lohnkosten. Sie verlieren gleichzeitig das Gedächtnis an vergangene Fehler, die Meister-Lehrling-Beziehung und die Urteilsfähigkeit, die in Krisenmomenten zum Einsatz kommt. Später versuchen sie dann, dieses Wissen aus Datenbanken, Beratungsprojekten oder einer neuen KI-Anwendung zurückzukaufen. Doch manche Informationen sind nicht mehr wiederzubeschaffen, sobald die Menschen, die sie in sich tragen, das Unternehmen verlassen haben.

Aus diesem Grund muss man neben die KI-Investitionen auch eine „Bilanz des institutionellen Gedächtnisses“ legen. Welches kritische Wissen ruht nur in den Köpfen weniger Mitarbeiter? Wie wird dieses Wissen an die neuen Generationen weitergegeben? Mit den Einschätzungen welcher Experten werden die KI-Systeme trainiert? Ist die menschliche Kompetenz, die Grundursache zu verstehen, noch im Unternehmen vorhanden, wenn die Technologie einen Fehler erkennt? Automatisierung, die ohne diese Fragen durchgeführt wird, kann statt Effizienz Zerbrechlichkeit erzeugen.

Die Erfahrung von Ford ist auch über die Automobilbranche hinaus von Bedeutung. In vielen Bereichen, vom Gesundheitswesen bis zum Bankwesen, von den Medien bis zu Ingenieurdienstleistungen, sehen Unternehmen in der KI einen Abkürzungsweg, um die Anzahl der Mitarbeiter zu reduzieren. Dabei liegt der eigentliche Gewinn, insbesondere bei risikoreichen und komplexen Aufgaben, nicht darin, den Menschen aus dem System zu entfernen, sondern die Qualität der Entscheidungsfindung zu erhöhen. Erfahrene Mitarbeiter abzuwerten und sie später zurückzuholen, damit sie die KI trainieren, ist keine digitale Transformation, sondern ein teurer Managementfehler.

Die Lektion, die Ford gelernt hat, ist eigentlich recht alt: Qualität entsteht nicht durch Kontrollen, nachdem das Produkt das Band verlassen hat, sondern dadurch, dass Menschen mit dem richtigen Wissen von Anfang an in den Prozess einbezogen werden. Künstliche Intelligenz kann diesen Prozess beschleunigen, erweitern und sichtbarer machen. Aber ohne den Menschen, der weiß, was wichtig ist, der dort misstrauisch wird, wo die Daten schweigen, und der die Spuren eines bereits erlebten Fehlers erkennt, bleibt das System unvollständig.

Denn Qualität ist nicht nur Daten. Qualität ist bewahrtes Gedächtnis; es ist eine Investition in die Zukunft.