08. Mai 2026
Unsere Innovation Insights im Mai
Erklärbare KI und Physical AI: Aktuelle Fachpublikationen von XITASO
Unsere KI-Kompetenz ist gefragt: In den neuesten Veröffentlichungen der Branchenverbände VDMA und Bitkom sind gleich drei XITASO-Beiträge vertreten.
Wir arbeiten dort, wo KI wirken muss: in industriellen Abläufen, sicherheitskritischen Umgebungen und komplexen soziotechnischen Systemen. Statt reiner Modell-Performance fokussieren wir Erklärbarkeit, Steuerbarkeit und verantwortungsvolle Integration: von Causal AI bis Physical AI. Die folgenden Publikationen geben Einblick.
01 — VDMA
KI-Technologien im Maschinen- und Anlagenbau
VDMA Expertenkreis Machine Learning
Im Rahmen des VDMA-Expertenkreises Machine Learning ist die neue Artikelreihe „Technologiebeiträge“ an den Start gegangen und XITASO ist direkt an drei spannenden Beiträgen beteiligt.
01.1 — Causal AI
Causal AI im Maschinen- und Anlagenbau
Autor seitens XITASO: Dr. Richard Nordsieck
Der Beitrag ordnet Causal AI als Weiterentwicklung klassischer datengetriebener KI-Ansätze ein. Im Fokus steht das explizite Modellieren von Ursache-Wirkungs-Zusammenhängen, um Entscheidungen in Produktion, Wartung und Qualitätssicherung erklärbar und belastbar zu machen. Dies beinhaltet die Verbindung von Datenanalyse und Domänenwissen sowie die Frage, wie Erklärbarkeit im industriellen Alltag tatsächlich wirksam wird.
01.2 — Synthetische Daten
Synthetische Daten im Maschinen- und Anlagenbau
Autoren seitens XITASO: Dr. Simon Stieber und Dr. Hannan Ejaz Keen
Synthetische Daten werden zum entscheidenden Enabler für KI im Maschinen- und Anlagenbau: Sie schließen Datenlücken dort, wo reale Betriebs-, Fehler- oder Sensordaten fehlen, zu teuer oder nicht verfügbar sind. Der Beitrag zeigt anhand konkreter Praxisbeispiele, wie Unternehmen durch simulations- und KI-generierte Daten robuste Modelle für Predictive Maintenance, Qualitätskontrolle und autonome Systeme entwickeln, sogar schon vor dem ersten realen Einsatz.
01.3 — KI-Agenten
KI-Agenten im Maschinen- und Anlagenbau
Autoren seitens XITASO: Dr. Simon Stieber und Martin Drexler
KI-Agenten in der Industrie entwickeln sich vom Chatbot zur autonomen digitalen Fachassistenz: Sie kombinieren Large Language Models mit Unternehmensdaten, Fachlogik und Systemzugriffen, um komplexe Aufgaben entlang der gesamten industriellen Wertschöpfungskette eigenständig zu planen und auszuführen. Der Beitrag zeigt anhand konkreter Praxisbeispiele, wie Unternehmen bereits heute Wissensmanagement, Service, Engineering und Datenqualität durch Agentensysteme massiv beschleunigen können, bei gleichzeitig höherer Skalierbarkeit und Entlastung von Fachkräften.
02 — Physical AI
Physical AI: Intelligenz in der physischen Welt
Bitkom Whitepaper 2026
XITASO ist mit mehreren Fachbeiträgen an dem Bitkom-Whitepaper beteiligt. Die Beiträge beleuchten Physical AI nicht als Einzeltechnologie, sondern als Systemansatz, bei dem Wahrnehmung, Entscheidungslogik und physische Ausführung zusammenwirken.
02.1 — Agentic Production
Agentic Production: Autonome Planung trifft Flexibilität
Autor seitens XITASO: Dr. Richard Nordsieck
Der Beitrag beschreibt agentenbasierte Physical-AI-Ansätze für die Produktionssteuerung. Produkte und Produktionsmodule werden durch autonome Software-Agenten repräsentiert, die Planung und Re-Optimierung in Echtzeit übernehmen. Im Mittelpunkt steht die Frage, wie sich Flexibilität und Robustheit in variantenreichen Fertigungsumgebungen architektonisch umsetzen lassen.
Quelle
Bitkom Whitepaper „Physical AI – Intelligenz in der physischen Welt“ (2026), XITASO-Fachbeitrag: Agentic Production – Autonome Planung trifft Flexibilität.
02.2 — Projekt ENGEL
ENGEL: Physical-AI-gestütztes Assistenzsystem für Rettungshubschrauber
Autor seitens XITASO: Prof. Dr. Tobias Huber
Im Projekt ENGEL entwickelt XITASO gemeinsam mit Airbus Helicopters ein Physical-AI-basiertes Assistenzsystem für den realen Flugbetrieb. Sensorik, KI-gestützte Wahrnehmung und Entscheidungsunterstützung helfen Crews, Landungen sicherer und energieeffizienter durchzuführen. Der Beitrag zeigt exemplarisch, wie Physical AI als Assistenz in sicherheitskritischen Systemen eingesetzt wird: nicht autonom, sondern erklärbar und verantwortungsvoll.
Quelle
Bitkom Whitepaper „Physical AI – Intelligenz in der physischen Welt“ (2026), XITASO-Fachbeitrag: ENGEL – Physical-AI-gestütztes Assistenzsystem für sichere und energieeffiziente Rettungshubschrauberlandungen.
03 — Einordnung
Einordnung
Über alle Beiträge hinweg wird deutlich: Der Mehrwert von KI entsteht dort, wo Verständnis, Systemintegration und praktische Wirksamkeit zusammenkommen. Die hier gebündelten Veröffentlichungen geben Einblick in die fachliche Perspektive von XITASO auf diese Fragestellungen und dienen als Einstiegspunkt für eine vertiefte Auseinandersetzung.