Ford hat in den vergangenen drei Jahren mehr als 350 erfahrene Ingenieure und Qualitätsprüfer zurück ins Unternehmen geholt, nachdem die zuvor forcierte KI-gestützte Qualitätskontrolle die Erwartungen nicht erfüllte. Der unmittelbare Effekt dieser Kehrtwende ist messbar: Im jüngsten JD-Power-Initial-Quality-Ranking stieg der Konzern unter den Volumenmarken erstmals seit 2010 wieder an die Spitze. Die Entscheidung markiert eine deutliche Korrektur der Automatisierungsstrategie.

Die werksintern „Gray Beards“ genannten Spezialisten kompensieren eine Schwäche, die das Management nun offen einräumt. Charles Poon, Vizepräsident für Fahrzeug-Hardwareentwicklung, erklärte, man habe fälschlich angenommen, es genüge, Konstruktionsvorgaben in eine KI einzuspeisen, um hochwertige Produkte zu erhalten. Die automatisierten Systeme, darunter 900 KI-Kameras in den Werken, verfügten nicht über das praktische Erfahrungswissen, das viele Veteranen beim Ausscheiden aus dem Unternehmen mitnahmen, ohne dass es zuvor in die Modelle eingeflossen war. Heute leiten die zurückgekehrten Ingenieure verbindliche Qualitätsprüfungen, schulen jüngere Kollegen und trainieren zugleich die KI-Tools, deren Treffsicherheit sie damit erhöhen.

Fords anfänglicher KI-Vorstoß war von markanten Ansagen begleitet. Konzernchef Jim Farley hatte prognostiziert, KI werde viele Büroangestellte überflüssig machen, und Betriebsvorstand Kumar Galhotra verkündete die flächendeckende Einführung der Technologie im industriellen System. Das Unternehmen steht mit seiner Ernüchterung nicht allein: Das schwedische Fintech Klarna stellte nach Chatbot-Problemen wieder menschliche Servicemitarbeiter ein, McDonald’s setzte KI-Sprachbestellung wegen Fehlern aus. Aus Sicht der Industrie deutet sich eine breitere Rückbesinnung darauf an, dass Automatisierung ohne erfahrenes menschliches Urteilsvermögen an Grenzen stößt.

Die Rückkehr der Fachleute hat neben der Qualitätsverbesserung auch die Produktionskosten sinken lassen. Ford nutzt weiterhin über 100.000 KI-basierte Verifikationstests, doch nun unter der Aufsicht und mit der Trainingsleistung der erfahrenen Ingenieure. Die Botschaft aus Detroit lautet, dass KI ein leistungsfähiges Werkzeug bleibt, dessen Wirksamkeit aber entscheidend von der Qualität der Trainingsdaten und der Expertise derjenigen abhängt, die es anlernen.

Für deutsche Hersteller, die in Wolfsburg, München oder Stuttgart ebenfalls massiv in KI für Fertigung und Qualitätssicherung investieren, liefert der Fall Ford ein aufschlussreiches Beispiel. Er unterstreicht, dass sich über Jahrzehnte angesammeltes implizites Wissen nicht einfach durch Algorithmen ersetzen lässt. Der nächste sachliche Meilenstein wird sein, ob Ford die Qualitätsgewinne verstetigen kann und inwieweit andere Konzerne ihre KI-Strategien um eine systematische Einbindung von Erfahrungswissen ergänzen.