Ford holt erfahrene Ingenieure zurück: Warum KI in der Autoentwicklung an Grenzen stößt

Ford hat bei der Qualitätssicherung eine ziemlich einfache Lektion noch einmal teuer gelernt: KI ersetzt keine Erfahrung.

Der Autobauer hat in den vergangenen drei Jahren mehr als 350 erfahrene technische Spezialisten eingestellt, zurückgeholt oder intern nach oben gezogen. Der Hintergrund: Automatisierte Systeme und KI-gestützte Prozesse haben Probleme übersehen, die erfahrene Ingenieure früher erkannt hätten. Das Unternehmen versucht damit, seine schwächelnde Fahrzeugqualität in den Griff zu bekommen.

Das ist mehr als eine peinliche Kurskorrektur. Es ist ein Hinweis darauf, wie begrenzt der KI-Einsatz in der Industrie bleibt, wenn Daten, Modelle und Prozesse nicht von Leuten geprägt werden, die echte Produktzyklen erlebt haben.

KI kann Muster finden. Sie versteht aber keine Werkbank-Erfahrung.

In der Softwarewelt lässt sich viel automatisieren. In der Autoentwicklung ist die Lage härter. Fahrzeuge bestehen aus tausenden Bauteilen, langen Lieferketten und kleinen Fehlern, die erst im Zusammenspiel auffallen. Genau dort zählt Erfahrungswissen: Welche Vibration später zum Garantieproblem wird. Welche Materialkombination im Labor gut aussieht, in der Serie aber Ärger macht. Welche Designentscheidung bei Hitze, Kälte oder Alterung kippt.

Wenn ein Unternehmen solche Erfahrung ausdünnt und darauf setzt, dass KI schon die richtigen Schlüsse zieht, entsteht eine Lücke. KI erkennt nur, was im Training steckt. Wer alte Fehler, seltene Randfälle oder stilles Werkstattwissen nicht sauber in Daten übersetzt, bekommt Systeme, die sauber rechnen und trotzdem danebenliegen.

Genau das hat Ford selbst eingeräumt. Charles Poon, Vice President für Vehicle Hardware Engineering, sagte, KI sei ein nützliches Werkzeug, funktioniere aber nur so gut wie die Informationen, mit denen sie trainiert werde. Der Satz ist banal. In der Produktion wird er schnell sehr teuer.

350 Rückholaktionen im Personalbereich sind kein Detail

Dass Ford mehr als 350 Veteranen zurückholt, befördert oder neu einbindet, ist keine kleine Korrektur im Organigramm. Das ist ein strukturelles Signal. Offenbar geht es nicht nur darum, einzelne Lücken zu schließen, sondern Wissen wieder in Reviews, Freigaben und Nachwuchsausbildung zu verankern.

Diese Leute sollen nicht bloß Fehler suchen. Sie helfen auch dabei, jüngere Beschäftigte anzulernen und die Datenbasis der automatisierten Qualitätssysteme zu verbessern. Genau da liegt der eigentliche Wert: Erfahrene Ingenieure werden zu Korrektiv und Trainingsinstanz für die Maschinen. KI wird damit vom Ersatzkandidaten wieder zum Werkzeug degradiert. Und das ist in diesem Fall die vernünftige Rolle.

Die Autoindustrie verwechselt Effizienz gern mit Vereinfachung

Der Fall passt in ein größeres Muster. Viele Konzerne wollen mit KI Kosten drücken, Prozesse beschleunigen und Qualitätsprobleme früher erkennen. Das ist nachvollziehbar. Nur wird dabei oft so getan, als sei menschliche Expertise vor allem teuer, langsam und austauschbar. In der Fertigung von Fahrzeugen stimmt das eben nicht.

Gerade Hersteller mit Qualitätsproblemen können sich diesen Irrtum kaum leisten. Rückrufe kosten Geld, beschädigen den Ruf und binden Entwicklungskapazität. Wenn dann ausgerechnet die Systeme, die Probleme verhindern sollen, wichtige Warnzeichen übersehen, wird der Spareffekt schnell zur Belastung.

Für Ford ist das auch eine Reputationsfrage. Das Unternehmen arbeitet seit Jahren daran, seine Qualitätswerte zu stabilisieren. Wer in so einer Lage erfahrene Prüfer und Entwickler aus der Gleichung nimmt, spart womöglich kurzfristig Personalkosten, erhöht aber das Risiko an der falschen Stelle.

Was andere Hersteller daraus mitnehmen sollten

Die Lehre ist nicht, dass KI in der Autoentwicklung nichts taugt. Das wäre zu simpel. KI kann bei Tests, Qualitätsdaten, Mustererkennung und Fehlerfrüherkennung sehr hilfreich sein. Aber sie braucht enge Führung durch Leute, die wissen, wie reale Produkte scheitern.

Besonders wichtig ist dabei ein Punkt, der in vielen KI-Projekten unterschätzt wird: institutionelles Wissen. Also Erfahrung, die nicht vollständig dokumentiert ist, aber in Designreviews, Freigaberunden und informellen Warnsignalen steckt. Wenn dieses Wissen verschwindet, verliert auch das beste Modell seinen Boden unter den Füßen.

Ford korrigiert diesen Fehler nun sichtbar. Das ist keine Niederlage der Technologie. Es ist eine Niederlage des Glaubens, man könne industrielle Erfahrung einfach herausrechnen.

Wer Autos baut, braucht Software, Daten und Automatisierung. Klar. Aber am Ende braucht er auch Menschen, die hören, sehen und sofort merken, wenn etwas faul ist. Genau diese Sorte Urteilskraft lässt sich nicht einfach wegoptimieren.