Software-Defined Vehicle, KI, neue Cyberrisiken und geopolitische Unsicherheit treffen auf Kostendruck, Legacy und knappe Ressourcen. Eine aktuelle CIO-Studie von Bechtle Greenfield und Fortinet untersucht, was diese dramatische Gleichzeitigkeit für die Automotive-IT bedeutet. Zum Auftakt ordnen die Initiatoren die Ergebnisse ein: Was hat in den Gesprächen überrascht – und welche Befunde sollte die Branche besonders ernst nehmen?

Key Takeaways:

• Welche Herausforderungen Automotive-CIOs derzeit besonders beschäftigen
• Wo die Studie Handlungsbedarf für die Branche erkennt
• Welche Muster sich über einzelne Technologien und Projekte hinweg zeigen

SDV, Security, AI & Scale – Wo das heutige Operating Model an Grenzen stößt
Wenn Software über Wettbewerbsfähigkeit entscheidet, Cyberrisiken mit Machine Speed wachsen und erfolgreiche Pilotprojekte noch lange keine industrielle Wirkung garantieren, verändern sich die Anforderungen an die Automotive-IT grundlegend. Gleichzeitig müssen gewachsene Systemlandschaften integriert, neue Formen der Zusammenarbeit gestaltet und immer mehr Transformationsaufgaben parallel bewältigt werden. Das Panel bringt die Befunde der Studie mit der Erfahrung führender Köpfe aus der Automotive-IT zusammen.

Im Fokus der Diskussion:

• Software und Daten als Faktoren der Wettbewerbsfähigkeit
• Security zwischen Innovationsgeschwindigkeit und wachsender Angriffsfläche
• Integration von IT, OT und Engineering
• Vom PoC zur industriellen Skalierung
• Menschen, KI-Agenten und Software im neuen Arbeitssystem
• Priorisierung unter wachsender Transformationslast

Zum Abschluss blicken Pascal Nagel, Christian Vogt und Uwe Burk aus der Vogelperspektive auf die Ergebnisse und die Diskussion des Tages. Was bedeutet das für die Automotive-IT – und welche Fragen müssen Unternehmen jetzt stellen, um mehr gemeinsame Handlungsfähigkeit zu entwickeln, damit der Move zurück vor die Welle gelingt?

Eine schlanke Produktion muss heute nicht nur effizient arbeiten, sondern auch schnell und kontrolliert auf Veränderungen reagieren können. Die zentrale Produktivitätsreserve liegt dabei im optimierten Informations- und Entscheidungsfluss: Medienbrüche, uneinheitliche Daten und isolierte IT-Lösungen führen hingegen zu einer signifikanten digitalen Verschwendung. Der Vortrag zeigt anhand von praktischen Ansätzen aus dem ZF-Umfeld, wie die Produktions-IT digitale Konzepte, ein intelligentes Digital Twin Engineering sowie Qualitätsmanagement-Ansätze miteinander verknüpft und somit die Grundlage für bessere Entscheidungen und einen gezielten KI-Einsatz schafft. Im Mittelpunkt der Betrachtung steht dabei die Digital Manufacturing Platform – ZFs zentrale Cloud-Lösung innerhalb der Fertigung. Sie veranschaulicht, wie aus einzelnen Anwendungsfällen durch gemeinsame Standards, wiederverwendbare Plattformfähigkeiten und eindeutigen Zuständigkeiten innerhalb der Prozesslandschaft skalierbare Lösungen werden. Daraus entstehen konkrete Handlungsimpulse für CIOs und ihre Unternehmens-IT. Diskussionsgrundlage des Vortrags ist, welche IT-Fähigkeiten die adaptive Produktion tatsächlich benötigt – und wie sich Business und IT die Verantwortlichkeiten sinnvoll teilen. 

Künstliche Intelligenz verändert die industrielle Produktion grundlegend und macht den Wandel von Audi konkret sichtbar: schneller, schlanker und digitaler. Audi verbindet jahrzehntelange Produktionskompetenz mit eigener Innovationskraft und starken Partnern, um Werke zu denkenden Fabriken weiterzuentwickeln. Anhand aktueller Anwendungsbeispiele zeigt der Vortrag, wie ein Blumenstrauß an KI-Anwendungen und digitalen Innovationen bereits heute Qualität, Effizienz und Ergonomie verbessert und warum der entscheidende Erfolgsfaktor nicht nur die Technologie, sondern die Audianerinnen und Audianer dahinter sind.

Michael Fried im Gespräch mit Yannick Tiedemann.

Die Fabrik der Zukunft muss Kosten senken, Varianten beherrschen, Qualität sichern und gleichzeitig schneller auf Marktveränderungen reagieren. Das Panel diskutiert, wie OEMs, Zulieferer und Technologiepartner Smart-Factory-Ansätze praktisch umsetzen und welche digitalen Lösungen tatsächlich messbare Verbesserungen auf dem Shopfloor bringen.

Diskussionsfragen:

• Wie verändert Digitalisierung die klassischen Lean-Methoden? 
• Welche Use Cases liefern heute den größten Produktivitätshebel? 
• Wie gelingt die Integration von OT, IT und Produktionssystemen? 
• Wie werden Mitarbeitende in datengetriebene Produktionsprozesse eingebunden? 

Key Takeaways:

• Absicherung der gesamten Wertschöpfungskette
• Schutz von Fahrzeug, Backend, Mobile App und OTA-Prozessen
• Secure Identity und Zero Trust im Fahrzeug
• Threat Detection über Fahrzeugflotten hinweg
• Post-Production Security Management

Management-Botschaft: Die Angriffsfläche endet nicht am Fahrzeug.

Beim Software-Defined Vehicle geht es nicht nur um Technologie, sondern um Kontrolle über Architektur, Daten, Kundenschnittstellen und Wertschöpfung. Das Panel diskutiert, wie OEMs, Zulieferer und Tech-Unternehmen ihre Rollen neu definieren – und welche Kooperationsmodelle notwendig sind, um softwarebasierte Fahrzeugfunktionen schneller, sicherer und wirtschaftlicher auf die Straße zu bringen.

Diskussionsfragen:

• Welche Softwarekompetenzen müssen OEMs selbst aufbauen? 
• Wie verändert SDV die Zusammenarbeit mit Zulieferern und Tech-Partnern? 
• Welche Rolle spielen Standardisierung und Open Source? 
• Wie lassen sich Geschwindigkeit, Sicherheit und regulatorische Anforderungen verbinden? 

Das Automobil verändert sich – und mit ihm unser Verständnis von Qualität. Neben klassischer Produktqualität gewinnen Software, Vernetzung, UX/UI, Bedienlogik und das gesamte Produkterlebnis zunehmend an Bedeutung. Denn ein Produkt kann technisch genau das tun, wofür es entwickelt wurde, und trotzdem die Erwartungen des Kunden nicht erfüllen.
Der Vortrag zeigt, warum Volkswagen den Qualitätsanspruch um Experience Quality erweitert und die Kundenperspektive früher in Produktentscheidungen einbringen will. Anhand konkreter Beispiele geht es darum, Customer Evidence in Anforderungen zu übersetzen, den potenziellen wirtschaftlichen Einfluss von Experience Quality sichtbar zu machen und Kundenwissen bereits in frühen Phasen der Produktentwicklung wirksam werden zu lassen.
Die zentrale These: Qualität bedeutet nicht mehr nur, Fehler zu vermeiden. Qualität bedeutet, ein Produkterlebnis zu schaffen, das aus Sicht des Kunden so funktioniert, wie er es erwartet.

 

Die nächste Fahrzeuggeneration in weniger als 30 Monaten zur Marktreife zu bringen, erfordert mehr als schnelleres Engineering. Die gesamte Wertschöpfungskette muss früher entscheiden, Wissen besser nutzen und komplexe Prozesse neu orchestrieren.

Genau hier verändert industrielle KI die Spielregeln: Industry World Models verbinden KI mit Engineering-Wissen, Unternehmensdaten, Virtual Twins und physikalischen Modellen. Darauf aufbauende Virtual Companions können Wissen kontextbezogen erschließen, Zusammenhänge erkennen, nächste Schritte ableiten und Aufgaben direkt in bestehenden Workflows unterstützen. Der Vortrag gibt einen praxisnahen Ausblick darauf, wie diese Technologien die nächste Generation der Fahrzeugentwicklung prägen werden.

Das nehmen Sie mit:

• Potenzial von Large Industry Models & generativer KI für softwaredefinierte Mobilität
• Zusammenspiel von Virtual Twins, Systems Engineering & KI
• Entwicklungsentscheidungen früher treffen und Zyklen senken
• Digitale Kontinuität über Unternehmens- und Systemgrenzen schaffen
• Mit Industry World Models industrielles Wissen kontextbezogen nutzbar machen
• Neue Formen der Zusammenarbeit durch Virtual Companions

Agentic AI wird zu einem entscheidenden Hebel für Effizienz, Geschwindigkeit und Prozessautomatisierung. Doch Unternehmen, die ohne klare Zielarchitektur skalieren, riskieren fragmentierte Agentenlandschaften, isolierte Punkt-zu-Punkt-Integrationen, unsichere Systemzugriffe, steigende Kosten und wachsende Abhängigkeit von einzelnen Plattformen. Der Vortrag zeigt, warum eine umfassende AI Architektur zur strategischen Voraussetzung für Wettbewerbsfähigkeit wird - und warum die Integration von Unternehmensdaten, Systemen und Prozesswissen dabei die zentrale Herausforderung ist. Denn erst wenn AI auf verlässlichen Kontext zugreifen, Systeme sicher nutzen und Prozesse wirklich verstehen kann, entsteht skalierbare Wertschöpfung. Entscheidend ist dafür ein Architekturansatz, der zentrale Leitplanken und Kontrollpunkte mit dezentraler Umsetzung verbindet - und so Geschwindigkeit ermöglicht, ohne Kontrolle, Interoperabilität und Wiederverwendbarkeit zu verlieren.

Wie wird aus Agentic AI eine produktive Unternehmenslösung? Anhand eines konkreten Use Cases bei Audi zeigt der Vortrag den Weg von der Idee bis zur praktischen Umsetzung. Im Mittelpunkt stehen zentrale Herausforderungen bei der Integration in bestehende IT-Landschaften, der Bereitstellung relevanter Informationen und der sicheren Nutzung von Unternehmenssystemen. Der Praxisbericht vermittelt wesentliche Erfahrungen und zeigt, welche Voraussetzungen für den erfolgreichen Einsatz von KI-Agenten im Unternehmen entscheidend sind.

Sie steuern seit Jahrzehnten zuverlässig Werke, Logistik und Aftersales: die gewachsenen Systemlandschaften der Automobilindustrie aus COBOL, RPG, C/C++, ABAP und Java. Doch wer versteht sie noch, wenn die letzten Experten in Rente gehen? Und warum scheitern ausgerechnet hier KI-Agenten, die anderswo ganze Anwendungen schreiben? Weil sie den Code bei jedem Lauf neu lesen, auf dieselbe Frage verschiedene Antworten geben und Legacy kaum kennen.

Der Vortrag zeigt, wie ein deterministischer digitaler Zwilling der Anwendungslandschaft Agenten zu übermenschlichen Experten macht: zum Business Analyst, der jede Zeile gelesen hat, und zum Architekten, der jede Abhängigkeit kennt. Das Ergebnis: transparente Systeme, belastbare Entscheidungen statt Bauchgefühl und eine schnellere, risikoärmere Modernisierung. In einer Live-Demo sehen Sie, wie Coding- und Chat-Agenten tief in der Wahrheit des Quellcodes verankert werden und daraus umfassende Systemanalysen durchführen und visualisieren.

Viele Unternehmen haben erste KI-Anwendungen erfolgreich getestet. Die eigentliche Herausforderung beginnt jedoch beim Rollout: Daten müssen verfügbar, Systeme belastbar, Modelle kontrollierbar und Kosten steuerbar sein. Das Panel diskutiert, wie Unternehmen von einzelnen Use Cases zu einer skalierbaren KI-Infrastruktur gelangen – und welche Rolle CIOs, Cloud-Provider, Produktions-IT und Fachbereiche dabei übernehmen.

Diskussionsfragen:

• Was unterscheidet erfolgreiche KI-Piloten von skalierbaren KI-Plattformen? 
• Wie viel Cloud braucht KI – und wo bleibt Souveränität entscheidend? 
• Wie lassen sich Security, Compliance und Geschwindigkeit verbinden? 
• Welche Fähigkeiten müssen IT-Organisationen für AI Operations aufbauen?

Globale Unsicherheiten, volatile Nachfrage und komplexe Liefernetzwerke machen Supply Chain und Logistik zu strategischen Steuerungsfeldern. Digitale Plattformen, KI und digitale Zwillinge schaffen Transparenz, machen Risiken früher sichtbar und ermöglichen präzisere Entscheidungen. Diese Session zeigt, wie Unternehmen ihre Lieferketten resilienter, intelligenter und reaktionsfähiger aufstellen.

Key Takeaways:

• Wie digitale Transparenz Risiken in Liefernetzwerken früher sichtbar macht
• Welche Rolle KI und Predictive Analytics in Planung und Steuerung spielen 
• Wie digitale Zwillinge Materialflüsse und Szenarien abbilden können 
• Wie Supply Chain Management vom Kostenfaktor zum Wettbewerbsvorteil wird 

Der Beitrag zeigt, wie Digital Twins, Asset Administration Shells und souveräne Datenräume verteilte Informationen aus Automotive-Logistik und Supply Chain in einen gemeinsamen Entscheidungskontext überführen. Bestehende Systeme werden dabei nicht ersetzt, sondern standardisiert und kontrolliert miteinander verbunden. Anhand eines konkreten Materialflusses wird erläutert, wie Unternehmenmit einem messbaren Pilotprojekt starten und daraus eine wiederverwendbare Grundlage für weitere Logistik- und KI-Anwendungenentwickeln können.