Für kleine und mittlere Unternehmen (KMU) ist dieser Einsatzbereich besonders relevant, da Innovationsarbeit häufig neben dem Tagesgeschäft stattfindet und zeitliche sowie personelle Ressourcen begrenzt sind. Wissenschaftliche Studien zeigen, dass datenbasierte Analysen dabei helfen können, Kundenbedürfnisse besser zu verstehen, Marktveränderungen frühzeitig zu erkennen und Entwicklungsentscheidungen fundierter vorzubereiten [2]. KI kann somit als unterstützendes Instrument dienen, um Innovationsprozesse strukturierter und zielgerichteter zu gestalten. Die inhaltliche Bewertung, Auswahl und Umsetzung neuer Ideen bleibt dabei klar Aufgabe der Menschen im Unternehmen.
Im Folgenden werden zentrale Einsatzfelder von KI in Innovation und Produktentwicklung vorgestellt, die für KMU besonders relevant sein können. Zu jedem Bereich werden die Funktionsweise, der konkrete Nutzen, grundlegende Umsetzungsschritte sowie rechtliche und ethische Aspekte erläutert und anhand eines fiktiven Beispiels veranschaulicht.
KI zur Analyse von Kund:innenbedürfnissen und Markttrends
Ein zentrales Anwendungsfeld von KI in der Produktentwicklung ist die Analyse von Kundenfeedback, Serviceanfragen, Nutzungsdaten oder allgemeinen Marktinformationen. KI-Systeme können große Mengen solcher Text- oder Nutzungsdaten auswerten und wiederkehrende Themen, Bedürfnisse oder Probleme sichtbar machen. Technisch geschieht dies durch die Analyse von Texten oder Zahlenreihen, um Häufigkeiten, Zusammenhänge oder Veränderungen über die Zeit sichtbar zu machen. Ziel ist es nicht, automatisch neue Produkte zu entwerfen, sondern Hinweise darauf zu liefern, welche Aspekte aus Kund:innensicht besonders relevant sind. Der Nutzen liegt vor allem darin, bestehende Rückmeldungen systematischer zu nutzen. Während kleinere Unternehmen häufig stark auf persönliches Erfahrungswissen angewiesen sind, kann KI helfen, diese Eindrücke zu strukturieren und zu ergänzen. Studien aus der Marketingforschung zeigen, dass eine systematische Auswertung von Kundeninformationen die Entwicklung stärker kundenorientierter Produkte unterstützen kann [2].
Konkrete Umsetzung: Der Einstieg beginnt mit der Klärung, welche Informationen im Unternehmen bereits vorhanden sind. Dazu zählen etwa Kundenfeedback, Reklamationen, Serviceanfragen, Bewertungen oder Nutzungsstatistiken. Diese Daten sollten zunächst gesammelt, thematisch sortiert und inhaltlich eingegrenzt werden. Wichtig ist, den Zweck der Analyse klar zu definieren, etwa die Identifikation häufiger Probleme oder Verbesserungsvorschläge. Auf dieser Grundlage kann KI eingesetzt werden, um wiederkehrende Themen oder Muster sichtbar zu machen. Wichtig für die erfolgreiche Implementierung ist das Beachten eines konzeptionellen Einstiegs, indem klare Fragestellungen formuliert, Datenqualitäten geprüft und Ergebnisse kritisch interpretiert werden. Die Ableitung konkreter Produktideen bleibt eine menschliche Aufgabe.
Fiktives Beispiel: Ein mittelständisches Unternehmen im Konsumgüterbereich sammelt über mehrere Jahre Kundenrückmeldungen aus E-Mails, Serviceformularen und Online-Bewertungen. Die KI-gestützte Auswertung zeigt, dass sich Hinweise auf bestimmte Nutzungsschwierigkeiten und Verbesserungsvorschläge bei einzelnen Produkten häufen. Diese Erkenntnisse werden im Entwicklungsteam diskutiert und dienen als Ausgangspunkt für gezielte Anpassungen in der nächsten Produktgeneration. Welche Änderungen tatsächlich umgesetzt werden, entscheidet das Team auf Basis technischer Machbarkeit und strategischer Überlegungen.
Rechtliche und ethische Aspekte: Bei der Analyse von Kundenfeedback ist insbesondere auf Datenschutz und Zweckbindung der Daten im Rahmen der Datenschutz-Grundverordnung (DSGVO) zu achten. Nur Daten, die rechtmäßig erhoben wurden und für den jeweiligen Zweck genutzt werden dürfen, sollten einbezogen werden. Zudem besteht das Risiko, dass bestimmte Kundengruppen über- oder unterrepräsentiert sind. Ergebnisse sollten daher nicht unkritisch verallgemeinert, sondern als Grundlage für weitere Diskussionen und Prüfungen genutzt werden.
KI zur Unterstützung technischer Entwicklung und Qualitätssicherung
In technischen Branchen kann KI Entwicklungs- und Prüfprozesse unterstützen, indem sie große Mengen technischer Daten systematisch auswertet. Dazu zählen etwa Ergebnisse aus Produkttests, Simulationen, Messreihen oder wiederkehrenden Qualitätsprüfungen. KI-Systeme können solche Daten daraufhin analysieren. Dies kann zum Beispiel zeigen, ob sich bestimmte Abweichungen, Auffälligkeiten oder wiederkehrende Fehlerquellen zeigen, die im laufenden Entwicklungsprozess leicht übersehen werden. Der Mehrwert entsteht dabei nicht durch automatische Entscheidungen, sondern durch eine strukturierte Voranalyse: KI kann beispielsweise aufzeigen, unter welchen Bedingungen Fehler häufiger auftreten, welche Messwerte ungewöhnlich stark streuen oder welche Kombinationen von Einflussfaktoren mit Qualitätsproblemen zusammenhängen. Studien aus dem Bereich der Software- und Systemprüfung sowie der technischen Entwicklung zeigen, dass solche KI-gestützten Auswertungen dazu beitragen können, Entwicklungsprozesse effizienter zu gestalten und die Produktqualität zu verbessern, ohne menschliche Expertise zu ersetzen [3]. Insbesondere in Phasen, in denen viele Tests, Messungen oder Prüfungen anfallen, kann dies eine Entlastung bieten. KI hilft hier vor allem dabei, Ergebnisse zu ordnen, Auffälligkeiten zu priorisieren und so die Aufmerksamkeit von Fachkräften gezielt auf kritische Bereiche zu lenken.
Konkrete Umsetzung: Der Einstieg beginnt mit der Identifikation jener Entwicklungsschritte, die im Unternehmen besonders zeitaufwendig oder fehleranfällig sind. Dies können beispielsweise wiederkehrende Testphasen, Qualitätskontrollen oder umfangreiche Messreihen sein. Anschließend sollten die dabei entstehenden Daten systematisch erfasst und einheitlich dokumentiert werden. Feste Formate, klare Bezeichnungen und nachvollziehbare Messgrößen sind entscheidend, da KI nur mit strukturierten und konsistenten Daten sinnvoll arbeiten kann. Auf dieser Basis kann KI eingesetzt werden, um Muster, Abweichungen oder ungewöhnliche Zusammenhänge sichtbar zu machen. Wichtig ist, dass die KI lediglich Hinweise liefert, etwa auf auffällige Messwerte oder wiederkehrende Konstellationen. Diese Hinweise werden anschließend von Fachkräften geprüft und eingeordnet. Entscheidungen über Designänderungen, Freigaben oder sicherheitsrelevante Maßnahmen verbleiben ausdrücklich bei den verantwortlichen Personen. KI übernimmt damit eine vorbereitende, unterstützende Rolle, ersetzt jedoch keine technische Bewertung.
Fiktives Beispiel: Ein Maschinenbauunternehmen entwickelt neue Bauteile, die in unterschiedlichen Belastungssituationen getestet werden. Über mehrere Entwicklungszyklen hinweg werden Messdaten zu Temperatur, Materialspannung und Laufzeit systematisch erfasst. Die KI-gestützte Analyse zeigt, dass bestimmte Materialkombinationen unter hohen Temperaturen und langer Dauerbelastung häufiger zu erhöhtem Verschleiß führen. Diese Hinweise werden von den Ingenieur:innen geprüft und mit ihrem Erfahrungswissen abgeglichen. Es werden mögliche Ursachen diskutiert, etwa Materialeigenschaften oder Konstruktionsdetails. Auf dieser Grundlage wird das Design gezielt angepasst und erneut getestet. Ob Änderungen umgesetzt werden, entscheidet das Entwicklungsteam auf Basis technischer, sicherheitsrelevanter und wirtschaftlicher Bewertungen.
Rechtliche und ethische Aspekte: Ein zentraler Aspekt ist die Nachvollziehbarkeit technischer Entscheidungen. KI-Ergebnisse müssen transparent dokumentiert sein, sodass Fachkräfte jederzeit nachvollziehen können, auf welchen Daten und Annahmen die Hinweise beruhen. Dies ist insbesondere in sicherheitsrelevanten Bereichen wichtig. KI darf keine autonomen Entscheidungen über Freigaben, Sicherheitsmaßnahmen oder Produkteinsatz treffen. Die Verantwortung für Produktqualität, Sicherheit und Haftung bleibt vollständig beim Unternehmen. Forschung und Leitlinienbetonen, dass KI in technischen Kontexten nur als unterstützendes Werkzeug eingesetzt werden darf und menschliche Kontrolle zwingend erforderlich ist [1].
KI als unterstützendes Werkzeug in kreativen Entwicklungsprozessen
Neuere Entwicklungen im Bereich der sogenannten generativen KI ermöglichen es, auf Grundlage definierter Rahmenbedingungen Vorschläge für Designs, Konzepte oder Varianten zu erzeugen. Solche Systeme greifen auf vorhandene Daten, bestehende Entwürfe oder formale Regeln zurück und kombinieren diese rechnerisch zu neuen Varianten [4]. Es handelt sich dabei nicht um Kreativität im menschlichen Sinne, sondern um eine algorithmische Variation und Neuordnung bekannter Muster. Dies kann insbesondere in frühen Phasen der Produktentwicklung hilfreich sein. KI kann den sogenannten Suchraum erweitern, indem sie alternative Lösungsansätze sichtbar macht, die im Team bislang nicht in Betracht gezogen wurden. Der Nutzen liegt weniger in der Qualität einzelner Vorschläge, sondern darin, Diskussionen anzuregen, Vergleichsmöglichkeiten zu schaffen und kreative Prozesse zu strukturieren.
Konkrete Umsetzung: Der Einstieg sollte klar begrenzt und gut vorbereitet erfolgen. Zunächst müssen funktionale Anforderungen, technische Einschränkungen oder gestalterische Ziele definiert werden. Diese Rahmenbedingungen bestimmen, in welchem Bereich KI Vorschläge erzeugen darf. Auf dieser Basis kann die KI Varianten generieren, die sich innerhalb dieser Vorgaben bewegen. Entscheidend ist in diesem Bereich insbesondere die konzeptionelle Nutzung: KI liefert Varianten und Denkanstöße, während Bewertung, Auswahl und Weiterentwicklung ausschließlich durch Menschen erfolgen. Wichtig ist zudem, die Nutzung zeitlich und inhaltlich zu begrenzen, etwa auf frühe Ideenphasen.
Fiktives Beispiel: Ein designorientiertes KMU entwickelt neue Produktvarianten für ein bestehendes Sortiment. Auf Grundlage vorhandener Entwürfe, funktionaler Anforderungen und gestalterischer Leitlinien erzeugt die KI verschiedene alternative Form- und Gestaltungsvorschläge.
Diese Vorschläge werden im interdisziplinären Team gemeinsam betrachtet. Einige werden verworfen, andere dienen als Ausgangspunkt für eigene Anpassungen. Designer:innen, Technik und Vertrieb diskutieren, welche Varianten funktional sinnvoll, markentypisch und wirtschaftlich umsetzbar sind. Die finale Entscheidung trifft das Team auf Basis dieser Kriterien.
Rechtliche und ethische Aspekte: Besondere Aufmerksamkeit erfordert der Umgang mit geistigem Eigentum. Es muss klar geregelt sein, welche Daten als Grundlage für die KI-gestützte Ideengenerierung genutzt werden dürfen und wie die Ergebnisse weiterverwendet werden. Zudem besteht das Risiko, dass KI-generierte Vorschläge bestehenden Designs ähneln oder diese unbewusst reproduzieren. Forschung weist darauf hin, dass generative Systeme keine originären Urheber im rechtlichen Sinne sind und daher eine sorgfältige menschliche Prüfung unerlässlich bleibt [4]. Verantwortung für Originalität, rechtliche Zulässigkeit und strategische Passung liegt vollständig beim Unternehmen.
Fazit
KI kann in Innovations- und Produktentwicklungsprozessen ein wertvolles unterstützendes Werkzeug sein. Sie hilft dabei, Informationen systematisch auszuwerten, Entwicklungsprozesse zu strukturieren und neue Ideen anzustoßen. Der größte Nutzen entsteht dort, wo KI gezielt eingesetzt wird, um menschliche Entscheidungen vorzubereiten und zu unterstützen. Voraussetzung ist ein verantwortungsvoller, transparenter und ethisch reflektierter Umgang. KI ersetzt keine kreative oder strategische Arbeit, sondern unterstützt KMU dabei, Innovationsprozesse mit begrenzten Ressourcen fundierter und zielgerichteter zu gestalten.
Literatur:
[1] OECD (2019). Artificial Intelligence in Society. OECD Publishing.
[2] Kumar, V., & Reinartz, W. (2016). Creating enduring customer value. Journal of Marketing, 80(6), 36–68.
[3] King, T. M., Arbon, J., Santiago, D., Adamo, D., Chin, W., & Shanmugam, R. (2019). AI for testing today and tomorrow: Industry perspectives. In 2019 IEEE International Conference on Artificial Intelligence Testing (AITest).
[4] Dean, L., & Loy, J. (2020). Generative product design futures. The Design Journal, 23(3), 331–349.
