Ein Szenario aus der Manufacturing-Industrie, das auf der Dreamforce 2026 skizziert wurde:
Montagmorgen, 9:30 Uhr – eine Maschine in der Produktion steht still. Der Betreiber braucht schnell eine Antwort: Welches Ersatzteil wird benötigt und wann ist es verfügbar? Die Informationen dazu sind jedoch über verschiedene Systeme verteilt – von den Maschinendaten über Vertragsdetails bis hin zur Servicehistorie und technischen Dokumentation. Bis alles zusammengetragen und mit den zuständigen Stellen abgestimmt ist, vergeht wertvolle Zeit.
Genau hier kann KI in Fertigungsunternehmen einen echten Unterschied machen. Nicht einfach, indem sie Inhalte generiert, sondern indem sie Informationen aus verschiedenen Quellen zusammenführt, Zusammenhänge erkennt und die nächsten Schritte im Prozess vorbereitet oder direkt anstößt. Wo Entscheidungen getroffen oder Freigaben erteilt werden müssen, bleibt der Mensch eingebunden.
Vom CRM zur vernetzten Arbeitsumgebung
Auf der Dreamforce 2026 in San Francisco (15. bis 17. September) hat Salesforce unter anderem AIforce vorgestellt. Die Idee dahinter: Salesforce-Daten, Geschäftslogik, Workflows und Governance sollen nicht nur innerhalb von Salesforce verfügbar sein, sondern auch in anderen Arbeitsumgebungen wie Slack, Claude oder Salesforce Lightning. Zum Start hat Salesforce mit Claudeforce, Slackforce und Agentforce Coworker drei Ansätze vorgestellt, um das zu ermöglichen.
Für Fertigungsunternehmen bedeutet das einen völlig neuen Zugang zu KI:
Die Arbeit findet nicht mehr ausschließlich im CRM statt.
Daten, Berechtigungen, Geschäftsregeln und Workflows sollen sich künftig auch über andere Oberflächen und KI-Agenten nutzen lassen.
Salesforce Lightning bleibt bestehen, ist aber nur noch eine von vielen Möglichkeiten, auf diese Funktionen zuzugreifen.
Entscheidend ist dabei, dass die Prozesse im Hintergrund stimmen:
Welche Informationen werden benötigt? Welche Regeln gelten? Und wann muss ein Mensch entscheiden oder etwas freigeben? Sind diese Fragen geklärt, lässt sich die Arbeitsumgebung besser an den tatsächlichen Arbeitsalltag anpassen. Ein Service- oder Vertriebsteam könnte beispielsweise Kundeninformationen und die nächsten freigegebenen Schritte direkt dort sehen, wo es sich ohnehin abstimmt – ohne ständig zwischen verschiedenen Anwendungen wechseln zu müssen.
Das spart Wege und kann Abläufe vereinfachen. Allerdings werden ERP-, Maschinen- oder Engineering-Daten dadurch nicht automatisch eingebunden. Dafür braucht es weiterhin passende Schnittstellen, geregelte Zugriffsrechte und klar definierte Prozesse. Doch der eigentliche Mehrwert geht über den einfachen Zugriff auf Informationen hinaus. KI kann nicht nur dabei helfen, Antworten zu finden, sondern auch konkrete Aufgaben im Arbeitsprozess übernehmen.
Wenn KI nicht nur unterstützt, sondern Aufgaben übernimmt
Generative KI kann Fragen beantworten, Texte formulieren und Entwürfe erstellen. KI-Agenten gehen einen Schritt weiter: Sie können innerhalb klarer Regeln auch Aufgaben in einem Prozess selbst übernehmen.
In der Fertigung könnten sie beispielsweise prüfen, ob eine Anfrage zu einer bestimmten Maschine und einem bestehenden Vertrag passt, die relevanten Serviceinformationen zusammentragen und eine Ersatzteilbestellung vorbereiten. Überschreitet der Betrag eine festgelegte Grenze oder fehlen wichtige Angaben, stoppt der Ablauf und holt die Freigabe eines Mitarbeitenden ein.
Das bedeutet nicht, dass Unternehmen ihre Entscheidungen einfach an die KI abgeben. Vielmehr verschiebt sich die Arbeit: Routineaufgaben und die Suche nach Informationen werden weniger, während die fachliche Bewertung, die Verantwortung gegenüber Kunden und der Umgang mit Sonderfällen bei den Menschen bleiben.
Salesforce hat auf der Dreamforce außerdem vorkonfigurierte Agenten für Service, Vertrieb und Supply Chain angekündigt. Welche Funktionen tatsächlich zur Verfügung stehen, hängt vom jeweiligen Produkt, der Region und dem Vertrag ab.
Doch wie sieht das Ganze in der Praxis aus? Gerade in der Fertigung gibt es viele Abläufe, bei denen Informationen aus verschiedenen Quellen zusammenkommen müssen, bevor jemand weiterarbeiten kann. Drei Beispiele zeigen, wo KI-Agenten unterstützen können – von der ersten Prüfung einer Ausschreibung über die Produktsuche bis zum technischen Service.
Drei Beispiele aus der Fertigung
Ausschreibungen schneller einschätzen
Bei umfangreichen Ausschreibungen (Request for Proposal, RFP) müssen Vertrieb, Engineering und Bid-Team oft unter Zeitdruck entscheiden: Können wir die Anforderungen erfüllen, und lohnt es sich, ein Angebot abzugeben?
Hier kann KI die erste Prüfung übernehmen. Sie strukturiert die Anforderungen, gleicht sie mit vorhandenen Informationen ab und bereitet eine erste Einschätzung vor. Die Entscheidung, ob das Unternehmen ein Angebot abgibt, treffen weiterhin die zuständigen Mitarbeitenden. Auch die technische Prüfung durch die Ingenieur:innen bleibt wichtig. Die KI hilft ihnen vor allem dabei, schneller die Punkte zu finden, die genauer geprüft werden müssen.
Der Vorteil: Das Bid-Team kann seine Zeit gezielter einsetzen, und die knappe technische Expertise fließt früher in die entscheidenden Fragen ein.
Kund:innen vom Anwendungsfall zum passenden Produkt führen
Viele Industrie-Websites sind darauf ausgelegt, dass Kunden ein Produkt bereits kennen und gezielt danach suchen. Bei komplexen Sortimenten ist das aber oft nicht der Fall. Kunden wissen, welches Problem sie lösen möchten, kennen aber weder das passende Produkt noch die richtigen technischen Filter. Wie ifm dieser Herausforderung mit einem AI Product Advisor begegnet, erfahren Sie hier.
Klassische Suchfunktionen stoßen hier schnell an ihre Grenzen. Sprachmodelle können dagegen zunächst den konkreten Bedarf erfassen und mit gezielten Rückfragen eingrenzen, welche Lösung infrage kommt. So wird aus einer reinen Produktsuche eine Beratung, die beim Anwendungsfall beginnt.
Der Vorteil: Kunden finden leichter eine passende Lösung. Gleichzeitig steigt die Chance, dass aus einer allgemeinen Frage eine konkrete, qualifizierte Anfrage wird.
Servicewissen schneller verfügbar machen
Im technischen Service kommt es auf die richtigen Details an:
Welcher Maschinentyp ist betroffen? Welche Seriennummer gehört dazu?
Was regelt der Vertrag
Welche Servicefälle gab es bisher?
Welche technische Dokumentation ist relevant?
Wenn diese Informationen im Kundenprozess zusammenlaufen, können Service- und Vertriebsteams schneller fundierte Antworten geben – etwa zur passenden Ersatzteilkomponente oder zu einem technisch geeigneten Upgrade.
Ein konkretes Beispiel ist die erweiterte Partnerschaft zwischen Salesforce und Siemens. Geplant ist, Siemens Teamcenter Service Lifecycle Management mit Agentforce zu verbinden, um technische Produktinformationen in Vertriebs-, Service- und Kundenprozessen verfügbar zu machen. Salesforce beschreibt zudem den Einsatz von Agentforce zur Bearbeitung eingehender Leads bei Siemens.
Diese Beispiele zeigen, wie KI-Ansätze in einem großen Industrieunternehmen aussehen können. Ob sich die Lösungen ohne größere Anpassungen auf andere Fertigungsunternehmen übertragen lassen, ist damit allerdings noch nicht bekannt.
KI braucht Kontext
Ein KI-Agent kann nur so zuverlässig arbeiten, wie es die Informationen, Regeln und Zugriffsrechte erlauben, auf die er zugreifen kann. Sind Maschinen-, Vertrags- und Servicedaten nicht sauber miteinander verknüpft, entstehen schnell unvollständige oder widersprüchliche Ergebnisse. Und wenn sich nicht nachvollziehen lässt, was der Agent getan hat und warum, leidet das Vertrauen in die Lösung.
Deshalb muss der Einstieg nicht gleich ein unternehmensweites KI-Projekt sein. Sinnvoller ist es, mit einem klar definierten Prozess zu beginnen:
Einen konkreten Use Case auswählen
Zum Beispiel die Vorbereitung einer Ersatzteilbestellung oder die erste Prüfung einer Ausschreibung.
Die benötigten Informationen zusammenführen
CRM-, ERP-, Maschinen- und Wissensdaten, die für diesen Prozess tatsächlich erforderlich sind.
Klare Grenzen festlegen
Welche Aufgaben darf der Agent vorbereiten? Was darf er selbst ausführen? Und wann muss ein Mensch entscheiden oder zustimmen?
Den Nutzen messbar machen.
Geeignete Kennzahlen wie Zeit bis zu einer qualifizierten Antwort, die First-Time-Fix-Rate oder die Dauer eines Prozesses von Anfang bis Ende.
Ergebnisse prüfen und schrittweise ausbauen
Erst wenn Ergebnisse, Fehlerquoten und Ausnahmen im Alltag überzeugen, sollten weitere Prozesse hinzukommen.
Fazit: Entscheidend ist der konkrete Nutzen
Die Ankündigungen rund um Dreamforce 2026 zeigen, wohin Salesforce will: Daten, Geschäftslogik und KI-Agenten sollen dort verfügbar sein, wo Mitarbeitende ihre Arbeit erledigen – nicht nur innerhalb des CRM.
Der eigentliche Nutzen entsteht aber nicht dadurch, dass ein Unternehmen einen KI-Agenten einführt. Er entsteht, wenn bisher verstreute Informationen zusammenkommen, Abläufe einfacher werden und Mitarbeitende schneller zu einer verlässlichen Antwort gelangen. Gleichzeitig muss klar bleiben, wer welche Entscheidungen trifft und die Verantwortung trägt.
Die entscheidende Frage lautet deshalb nicht: „Wo können wir KI einsetzen?“ Sondern: „Wo verlieren unsere Kunden oder Teams heute Zeit, weil Informationen gesucht, mehrfach erfasst oder zwischen Abteilungen weitergereicht werden?“
Wer genau dort ansetzt, einen überschaubaren Prozess auswählt und den Erfolg anhand konkreter Kennzahlen prüft, schafft eine belastbare Grundlage für weitere Schritte. Nicht möglichst viel KI auf einmal ist das Ziel, sondern eine spürbare Verbesserung im Arbeitsalltag.
