AICon Industry Mannheim 2026

Generative KI hat die Art und Weise verändert, wie Unternehmen über Künstliche Intelligenz denken. Gleichzeitig wird KI in vielen Diskussionen auf ChatGPT/Copilot/Claude und Content-Generierung reduziert. Das führt häufig zu falschen Erwartungen und nicht immer zu den besten technologischen Entscheidungen.

In diesem Vortrag wirft Maryam Arabshahi, Data Scientist bei Bosch AIG, einen praxisnahen Blick hinter den GenAI-Hype. Sie vergleicht klassische KI mit generativer KI, erklärt die Funktionsweise beider Ansätze, zeigt ihre jeweiligen Stärken und Grenzen auf und erläutert, warum die richtige Technologie immer von der konkreten Problemstellung abhängt und nicht vom aktuellen Trend.

Anhand praxisnaher Beispiele aus der Industrie zeigt sie, warum klassische KI in vielen Anwendungsfällen weiterhin die bessere Wahl ist, insbesondere wenn Zuverlässigkeit, Genauigkeit, geringe Latenz und strukturierte Entscheidungsprozesse im Vordergrund stehen. Gleichzeitig wird deutlich, in welchen Szenarien generative KI ihr volles Potenzial entfalten kann. Die Teilnehmenden erhalten einen praxisorientierten Entscheidungsrahmen, um für unterschiedliche Anwendungsfälle die passende KI-Technologie auszuwählen, statt automatisch auf den aktuellen Hype zu setzen.

Generative KI hat gezeigt, wie leistungsfähig Sprachmodelle sein können. Doch in der Industrie entscheidet nicht Sprache über den Erfolg, sondern das Verständnis der realen Welt. Maschinen, Roboter und KI-Agenten müssen wissen, wo sich Menschen, Material, Fahrzeuge und Betriebsmittel befinden und wie sie sich bewegen.

Der Vortrag zeigt anhand praxisnaher Beispiele aus Produktion und Intralogistik, warum räumliche Daten die fehlende Dimension moderner Industrial AI sind. Dabei wird erläutert, welche Rolle der offene Standard omlox spielt, wie Unternehmen herstellerunabhängig Positionsdaten nutzen können und wie daraus neue Anwendungen von Materialflussoptimierung bis zur Zusammenarbeit zwischen Mensch und Roboter entstehen.

Der Vortrag richtet sich an Entscheider und Innovationsverantwortliche aus dem Mittelstand und gibt konkrete Orientierung, wie der Einstieg in Physical AI ohne technologische Sackgassen gelingt.

LÄPPLE Automotive hat eine eigene KI-Plattform programmiert und erfolgreich in der Konzerngruppe veröffentlicht. Markus Rosenfelder zeigt, wie die eigene KI-Software im Unternehmen eingeführt wurde (rund 2000 Mitarbeitende, Verwaltung und Produktion).

Außerdem geht es um die Frage Make or Buy: Wie kann ein mittelständisches Unternehmen heute eigene Software-Plattformen programmieren? Das Pendel schlägt stark nach Make um.

Foundation models are changing the way robots are built and programmed. Instead of designing a separate solution for every task, these models let robots better understand images, language and their surroundings, which makes them more flexible and able to handle a wider range of real-world tasks.

Foundation models are becoming one of the most exciting developments in robotics. They let robots combine perception, language understanding and decision-making in ways that were not possible with traditional robotics approaches. In this talk, Negin Schmidt introduces the core concepts behind robotics foundation models, shows what they can already do, and discusses their current limitations.

For the longest time, intelligence was the defining constraint for most businesses. Acquiring talent that could solve increasingly complex problems with intuition, intelligence and knowledge set great companies apart from merely good ones.

With frontier models, intelligence becomes a commodity, available to anyone with a credit card. It is priced like water or electricity, and it halves in cost every 18 months. So what becomes valuable?

Tobias Wasle wears two hats. As a Solutions Architect at AWS, he puts intelligence to work on real-world problems every day. As founder of Wildschytz, he decides which problems are worth solving. In this keynote, he shares how this tectonic shift changes what is valuable, and a framework, built from running an experience company while working with AI every day, for scaling human connection with intelligence instead of losing it to it. The audience learns how AI will shape future jobs, how to scale human connection and skills with AI, and how to build a lasting moat for their career or business.

Industrial AI has spent a decade optimizing what machines can see and compute: vision systems, sensors, dashboards, data pipelines. It has barely touched how people on the floor actually interact with any of it. For someone with their hands full or gloves on, a screen is the wrong answer to almost every question.

This keynote argues that voice is the missing interface layer for industrial AI, not a nice-to-have but the natural way people already work, and proves it live: real-time, hands-free reporting and a safety check, done entirely by voice with state-of-the-art speech technology built and running in production today. Not a concept, not a roadmap: what is actually possible right now.

What makes a voice agent feel natural? This keynote follows one story from start to finish: "Anna" calls her insurer, and in a recorded opening the call goes badly.

Over five acts the agent is rebuilt on ElevenAgents, each act proving one design principle with an optimized outcome: voice design (conveying intelligence through the voice and natural fillers rather than polish), latency (removing friction; the choice of LLM and text-to-speech), interruptions (letting callers barge in, including a fix for the German filler word "ja"), personalization (switching languages, dynamic variables and tool calls) and continuous improvement (monitoring, regression testing and evaluation criteria).

The keynote closes by replaying Anna's call before and after, and with an open question: which calls should we be making that we aren't making today?

Der Vortrag zeigt, wie KI-Agenten mit Semvec ein dauerhaftes semantisches Gedächtnis bekommen, ohne dass die Token-Kosten mit der Gesprächslänge linear wachsen. Statt bei jedem Turn den kompletten Verlauf neu einzulesen, verdichtet Semvec den Kontext in einen Zustandsvektor und liefert nur die relevanten Erinnerungen an das LLM. Auf dem LOCOMO-Benchmark erreicht Semvec eine Qualität nahe an mem0 (J 0.605 gegenüber 0.669). Dabei fallen beim Ingest keine generativen LLM-Aufrufe an, der Kontext pro Reader-Call ist rund 8× kleiner und der Ingest etwa 8× schneller.

Am Beispiel eines klinischen Assistenten wächst das Szenario schrittweise von einem einzelnen Agenten zu einem Krankenhausnetzwerk. Semvec Cortex ergänzt dafür Cluster mit geteiltem Gedächtnis, Regionen mit Konsens-Drift-Erkennung, einen Global Observer für Anomalien, Schichtübergaben per Export/Import mit SHA-256 und Konsistenzprüfung sowie Konsensabstimmungen. Neo4j dient als einzige Datenquelle für Domänenwissen und Gesprächszustand. Die zentrale Verbindung ist die INVESTIGATED-Beziehung, über die sich per Cypher auditieren lässt, welcher Agent wann was untersucht hat. Weitere Themen sind die Kombination aus Drift-Score und Top-Similarity zur Themenwechsel-Erkennung, die wortgetreue Speicherung von Daten, Dosierungen und IBANs sowie Best Practices für den Produktivbetrieb.

Many complex industrial and creative tasks, such as editing videos, producing 3D renders, optimizing logistics and supply chains, or monitoring and configuring production lines, traditionally need complicated software with bloated interfaces full of menus, knobs and parameters to support their many features. AI agents can turn these complex workflows into simple interfaces that work through natural language alone.

However, a powerful trade-off can be achieved by presenting control widgets (sliders, dropdowns, selections) and custom visualizations dynamically, when they are needed and tailored to the intent the user expresses in natural language. With Generative UI, these intricate tasks shift toward an agentic approach in which AI goes beyond traditional controls to help solve, create and design, while the dynamic interface provides more control and transparency. Combining intelligent agents with a dynamic UI that communicates accurately drives the 10x productivity and reliability that industrial scenarios and critical systems require.

In an era where AI tools are spreading faster than the trust needed to rely on them, the real challenge for operational teams is not access to technology but meaningful adoption. This session explores the journey from skepticism to confidence: how moving beyond generic, off-the-shelf chatbots toward purpose-built tools, grounded in a team's own processes, domain knowledge and data, turns AI from a novelty into a trusted colleague.

Many organizations are adopting agentic AI at unprecedented speed, and some of those who have already come part of the way face new questions. In the past, the question was often: can AI solve this? For more and more workloads, the answer over the last few years became yes.

While token prices keep falling for similar levels of intelligence, the tone has shifted. As workloads mature from proofs of concept and demos to production, cost becomes a real constraint. Instead of "Does it work?", the question becomes "Is it worth it?"

To answer it, we need to sharpen our understanding of "it": the work we want agentic AI to get done. From that understanding, workloads can be optimized for cost and performance.

Wie setzt die Stadt Heidelberg KI-Assistenten in der Verwaltung ein, um den Arbeitsalltag der Mitarbeitenden zu erleichtern? Philipp Lechleiter gibt Einblicke in die KI-Praxis der Stadt Heidelberg.

Ziel der Masterclass ist es, die theoretischen Grundlagen für MCP und Skills zu erarbeiten und anschließend selbst einen MCP-Server für eine beliebige Software zu erstellen, zu der ein API-Zugang vorhanden ist.

Oh, nein – bitte nicht schon wieder ein neu geschaffener Anglizismus, den keiner versteht. Doch es bestehen Synergien zwischen den Themen Nachhaltigkeit, Sicherheit und Digitalisierung. Sie sind unmittelbar verzahnt und bauen aufeinander auf.

Nachhaltigkeit und Sicherheit in der Welt: „Wir müssen in unsere Sicherheit investieren“, so die Bundesregierung, „um unsere Freiheit, unsere Demokratie und damit zugleich die Lebensgrundlagen für künftige Generationen zu schützen.“ Das ist der eigentliche Kern von Nachhaltigkeit. Daher ist Nachhaltigkeit nicht ohne Sicherheit zu erreichen.

Nachhaltigkeit und Sicherheit in Unternehmen: Corporate Sustainability und Cyber Security – beide Themen stehen weit oben auf der Agenda von Unternehmen. Statt daraus zwei Initiativen zu entwickeln, sollten Unternehmen einerseits „sichere Nachhaltigkeit“ und andererseits „nachhaltige Sicherheit“ in den Fokus nehmen. Gleichberechtigt! Vor allem gibt es heute diverse Synergien bzw. Symbiosen zwischen Corporate Sustainability und Cyber Security. Beide Bereiche eines Unternehmens bauen aufeinander auf, sie sind sogar unmittelbar miteinander verzahnt. Dieses Phänomen bezeichnet Apurva Gosalia als „Cyber Sustainability“.

Corporate Sustainability als Treiber von Cyber Security: Künftig gehören Maßnahmen zur Cybersicherheit in den Nachhaltigkeitsbericht. Diese Informationen können Stakeholder nutzen, um die Risikobereitschaft und die potenzielle, langfristige Rentabilität des Unternehmens zu bewerten. Die von den Unternehmen ergriffenen Cyber-Security-Maßnahmen müssen mit dem EU-Rechtsrahmen übereinstimmen, der alle Cybersicherheitsverpflichtungen regelt. Dieses Vorgehen verbessert insgesamt die Qualität und den Inhalt der Nachhaltigkeitsberichterstattung.

Das heißt: Corporate Sustainability kann als ein Treiber für Cyber Security betrachtet werden. Corporate Sustainability und Cyber Security sind zwei Seiten derselben Medaille, die einen Namen trägt: Cyber Sustainability.

KI-Transformation verspricht Entlastung. Was in der Praxis passiert, ist oft das Gegenteil: Die Routinearbeit verschwindet, die Verantwortung bleibt — nur ohne das Prozesswissen, die Zeit oder das Mandat, sie noch wirklich zu tragen.

Mit Agentic AI verschärft sich das Problem. Ein Agent schlägt nicht mehr nur vor, er handelt. Wenn Menschen dann nur noch nominell „im Loop“ sind, weil sie täglich Dutzende Agenten-Entscheidungen abnicken sollen, wird aus einer abstrakten Frage eine akute: Wer haftet, wenn es schiefgeht?

Diese Keynote zeigt, warum das kein Trainingsproblem ist, sondern ein Architekturproblem. Aus der Begleitung von über 70 KI-Transformationsprojekten im Mittelstand entsteht ein klares Muster: Unternehmen bauen Automatisierungs- und KI-Strecken, ohne die Verantwortung neu zu verteilen — und wundern sich über Fehlerquoten, Vertrauensverlust und ausgebrannte Mitarbeitende, die zu Prüfern ohne Prüfmandat gemacht wurden.

Der Talk liefert eine Antwort jenseits von „mehr Schulung“: eine Verantwortungsarchitektur, die klar benennt, wo Automatisierung, wo GenAI und wo der Mensch die Kontrolle behält — und warum genau diese Klarheit über Erfolg oder Scheitern der nächsten KI-Welle entscheidet.

AIBOM (AI Bill of Materials) adressiert eine zentrale Herausforderung beim Einsatz von KI-Systemen: das Verständnis darüber, was tatsächlich in diesen Systemen steckt. Während Wissenschaftler Transparenz für Reproduzierbarkeit und Validierung ihrer Forschung benötigen, brauchen Unternehmen sie für Risikomanagement und die Erfüllung gesetzlicher Vorgaben. Mit der aktuellen Regulierungslandschaft, insbesondere dem EU AI Act, der Transparenz und umfassende Dokumentation fordert, wird AIBOM zu einem praktischen Werkzeug, das Unternehmen tatsächlich implementieren müssen. Das Konzept lehnt sich dabei an die bereits etablierte Software-Lieferkettensicherheit (SBOM) an, hebt aber gleichzeitig neue KI-spezifische Risiken hervor wie Datenherkunft, Modellqualität oder Schwachstellen in Trainingsdatensätzen. Die Sicherheitsdimension von AIBOM ist dabei von besonderer Bedeutung: Sie ermöglicht die Identifikation von Schwachstellen entlang der gesamten KI-Lieferkette, von den Trainingsdaten über verwendete Modellkomponenten bis hin zu nachgelagerten Abhängigkeiten. Damit wird AIBOM zu einem unverzichtbaren Instrument für die Absicherung kritischer KI-Infrastrukturen gegen Manipulationen und Angriffe. Für Unternehmen übersetzt sich AIBOM in konkrete Anwendungsfälle im operativen Geschäft. Für die Forschung bedeutet es die Etablierung von Standards und Best Practices in einem noch jungen Feld. Der Vortrag zeigt, wie AIBOM die Lücke zwischen der Black-Box-Natur moderner KI-Systeme und dem Bedürfnis nach Kontrolle und Nachvollziehbarkeit schließt.

Viele Unternehmen testen KI erfolgreich in einzelnen Anwendungsfällen: Dokumente zusammenfassen, Anfragen beantworten, Prozesse automatisieren. Die nächste Herausforderung beginnt dort, wo diese Lösungen skalieren sollen: Wie wird aus vielen punktuellen KI-Initiativen ein integriertes Steuerungssystem für die gesamte Organisation?

Der Vortrag zeigt anhand von KARO, wie sich KI praktisch als Steuerungsschicht über bestehende Organisations-, Prozess- und Architekturinformationen legen lässt. Im Fokus stehen dabei die konkreten Bausteine: ein gemeinsames Metamodell für Capabilities, Prozesse, Organisation, Daten und IT; die Anbindung von Dokumenten, Kennzahlen und Ereignissen; KI-gestützte Abhängigkeits- und Impact-Analysen; sowie Governance-Mechanismen für nachvollziehbare Empfehlungen und menschliche Freigaben.

An konkreten Beispielen wird gezeigt, wie KARO Fragen beantwortet wie:

Welche Prozesse, Systeme und Verantwortlichkeiten sind von einer neuen regulatorischen Anforderung betroffen?

Wo entstehen Abhängigkeiten, Risiken oder unnötige Komplexität?

Welche KI- oder Automatisierungsmaßnahmen haben den größten Hebel für die Wertschöpfung?

Wie werden Erkenntnisse aus Betrieb und Umsetzung in Standards zurückgeführt?

KARO bleibt dabei nicht bei der Analyse des Bestehenden. Auf Basis des Organisationswissens kann die KI neue Handlungsoptionen, Prozessvarianten und Lösungsansätze entwickeln, Zusammenhänge über Domänen hinweg kombinieren und Hypothesen in einer Breite erzeugen, die in der täglichen Arbeit oft nicht leistbar ist. So wird KI nicht nur zum Effizienzwerkzeug, sondern auch zum Impulsgeber für Innovation und zur Unterstützung bei der Neugestaltung von Wertschöpfung.

Nicht jede Organisation braucht sofort autonome Agenten. Aber jede Organisation braucht ein belastbares Lagebild, klare Entscheidungsleitplanken — und die Fähigkeit, Veränderungen zielgerichtet und innovativ in Wertschöpfung zu übersetzen.

Artificial intelligence is not only changing how we work, it is redefining the role of human value creation. Andreas Loroch explores why technological progress requires both personal and organizational transformation. The key lies in an effective interplay between people and AI: ownership rather than control, connection rather than hierarchy, and decisions made where value is created. This keynote offers a thought-provoking perspective on how organizations can actively shape the future of work and turn the accelerating development of AI into greater impact and value.

Diese Keynote zeigt, wie Führungskräfte in der Automatisierung und Supply Chain Berührungsängste gegenüber künstlicher Intelligenz abbauen und als mutige Vorbilder eine wertschätzende, zukunftssichere Zusammenarbeit von Mensch und Maschine etablieren.

Der Vortrag richtet sich an Führungskräfte, Supply-Chain-Manager, Logistik-Verantwortliche und Transformationsentscheider, die automatisierte Prozesse vorantreiben wollen, dabei jedoch auf Skepsis, Überforderung oder diffuse Sorgen in ihren Teams stoßen. Ob rechtliche Unsicherheiten, die Furcht vor Kontroll- und Statusverlust oder die Sorge um die eigene berufliche Existenz: Tim Glück liefert genau den Orientierungsrahmen, den moderne Leader jetzt brauchen.

Nach dieser Keynote begegnen Sie KI nicht mehr mit Abwarten, sondern mit klarer Gestaltungskraft. Sie schaffen einen sicheren Rahmen, der Datenschutz- und Rechtsfragen transparent einordnet und Ihren Teams die Angst vor dem technologischen Tempo sowie sozialer Isolation nimmt. Statt KI als Bedrohung wahrzunehmen, etablieren Sie eine Kultur der wertschätzenden Co-Existenz, in der Technologie den Menschen stärkt statt ersetzt. Sie nehmen praxiserprobte Frameworks mit, um KI gezielt für Priorisierung, Monitoring, automatisierte Reportings und smarte Delegation einzusetzen, und verankern positive Routinen im operativen Führungsalltag entlang der gesamten Lieferkette. Sie führen den Wandel aktiv an – mit Haltung, Empathie und Mut.

Zusammenspiel von Daten, Technologie und KI auf der einen Seite sowie Erfahrung, Intuition und Bauchgefühl aber auch Leidenschaft auf der anderen Seite

Cansu Yapici liefert fachlichen Input zu einem Panel über KI-Integration in Unternehmen und im Public Sector, mit konkreten Use Cases, vor allem zu Avataren und autonomen Shuttles.

Ob neues Produktangebot, Recruiting-Kampagne oder Veränderungsprozess: Unternehmen treffen täglich Entscheidungen, die bei Kunden, Mitarbeitenden, Bewerber:innen oder Partnern Wirkung entfalten müssen. Häufig basieren diese Entscheidungen jedoch auf internen Annahmen – oder auf Zielgruppenbildern, die zwar dokumentiert sind, aber im Alltag kaum als echte Entscheidungsgrundlage dienen.

Genau hier setzt Persona Insights an – ein gemeinsames Entwicklungsprojekt von Fraunhofer IAO und Commha Consulting. Diese interaktive Masterclass zeigt, wie aus klassischen Persona-Profilen realitätsnahe, dialogfähige KI-Simulationen werden. Teams können mit diesen KI-Personas in den Austausch treten: Botschaften testen, Einwände verstehen, Anforderungen hinterfragen, Akzeptanzrisiken erkennen und Ideen aus Zielgruppenperspektive reflektieren.

Der Ansatz verbindet Praxiswissen aus Kommunikation, Change, Marketing und Zielgruppenarbeit mit wissenschaftlich fundierter Technologie und Evaluation. Ziel ist nicht eine weitere generische KI-Anwendung, sondern ein belastbarer Simulationsansatz, der Organisationen hilft, Entscheidungen früher und fundierter an den Perspektiven relevanter Zielgruppen auszurichten.

Die Teilnehmenden erhalten Einblick in die Erstellung von KI-Personas. In einer Live-Demo erleben sie, wie eine Persona auf konkrete Fragen, Angebote, Argumente oder Veränderungsszenarien reagiert – und wie daraus bessere Entscheidungen für strategische Kommunikation, HR und Changeszenarien entstehen können.

Die Masterclass richtet sich an Entscheider:innen aus Industrie, Mittelstand und technologieorientierten Organisationen, die KI nicht nur als Effizienzwerkzeug, sondern als Sparringspartner für bessere Entscheidungen nutzen möchten.