Vorausschauend statt reaktiv: Wie Buderus Edelstahl mit KI die Stahlproduktion absicherte

Fast 300 Jahre Stahl aus Wetzlar

Die Buderus Edelstahl GmbH in Wetzlar blickt auf eine fast 300-jährige Geschichte zurück und gehört zu den traditionsreichsten Edelstahlherstellern Deutschlands. Mit rund 1.130 Mitarbeitenden fertigt das Unternehmen Werkzeugstahl, Edelbaustahl, Schmiedestücke und Walzprodukte — die gesamte Wertschöpfungskette liegt dabei in einer Hand.

Seit Anfang 2025 befindet sich Buderus Edelstahl unter neuer Führung in einer umfassenden Transformation mit dem klaren Auftrag, Effizienz zu steigern und den Standort zukunftsfähig aufzustellen.

Über 400 Maschinen und Anlagen — vom 100-Tonnen-Elektrolichtbogenofen über hydraulische Freiformschmiedepressen bis hin zum Duo-Reversiergerüst im Warmwalzwerk — erzeugen im Rund-um-die-Uhr-Betrieb enorme Mengen an Prozess- und Logdaten. Ein einziger ungeplanter Stillstand an einer Schmiedepresse kann fünfstellige Kosten pro Stunde verursachen.

Der Wunsch nach vorausschauender Instandhaltung war daher groß, doch ein dediziertes Machine-Learning-Modell zu entwickeln schied aus: Der Aufbau der Dateninfrastruktur, ein internes Data-Science-Team und monatelanges Modelltraining hätten erhebliche Investitionen und vor allem Zeit erfordert, die im laufenden Transformationsprozess nicht zur Verfügung stand.

Hinzu kam eine nicht verhandelbare Anforderung: Die Maschinendaten — darunter Stichpläne, Legierungszusammensetzungen und Prozessparameter — sind hochsensible Geschäftsgeheimnisse. Eine Verarbeitung in unsicheren oder außereuropäischen Systemen war ausgeschlossen.

Den entscheidenden Impuls gaben die Abteilungsleiter in der Produktion selbst. Im Rahmen eines Projekts, das von März bis November 2025 lief, begannen sie, Maschinen-Logdaten und Stichpläne in DeutschlandGPT hochzuladen und mithilfe leistungsstarker Sprachmodelle zu analysieren. Was zunächst als Experiment startete, entwickelte sich schnell zu einem systematischen Ansatz.

Auf der Plattform wurden mehrere Spezialanwendungen entwickelt, die jeweils auf einen spezifischen Anlagentyp zugeschnitten sind. Über den integrierten Dokumenten-Upload wurden historische Wartungsprotokolle als zusätzlicher Kontext eingebunden, sodass die Sprachmodelle ihre Analysen auf einer breiten Datenbasis durchführen konnten.

Der entscheidende Vorteil: Statt eines jahrelangen ML-Projekts konnten die Produktionsverantwortlichen innerhalb weniger Tage funktionierende Analyse-Workflows aufbauen. Dass sämtliche Daten dabei DSGVO-konform auf der Open Telekom Cloud verarbeitet wurden und zu keinem Zeitpunkt das geschützte System verließen, war für ein Unternehmen mit derart sensiblen Produktionsdaten nicht verhandelbar — und bei DeutschlandGPT von Beginn an gewährleistet.

Die Resultate dieser Partnerschaft sind heute im gesamten Unternehmen spürbar.

Rund 95 % der Analyse-Aufgaben, die zuvor durch externe Dienstleister erbracht wurden, übernehmen heute die KI-gestützten Spezialanwendungen. Allein bei den jährlichen Kosten für Beratungsleistungen bedeutet das eine Einsparung von über 300.000 Euro.

Ebenso entscheidend ist die Reduzierung ungeplanter Ausfallzeiten: Kritische Verschleißmuster werden nun frühzeitig erkannt, sodass Wartungsmaßnahmen in geplanten Produktionspausen statt in Notfallszenarien stattfinden. Darüber hinaus führten die datenbasierten Analysen zu prozessualen Verbesserungen bei der Stichplanoptimierung — ein Nebeneffekt, der die Produktionseffizienz zusätzlich steigert.