Die gläserne Fabrik: Wie Inpixon mit KI und Echtzeit-Ortung den Materialfluss revolutioniert

Stellen Sie sich eine Fabrikhalle vor, in der Gabelstapler lautlos ihre Bahnen ziehen, Werkzeuge sich wie von Geisterhand selbstständig machen und Materialströme so präzise fließen wie ein gut einstudierter Tanz. Was nach einer futuristischen Vision klingt, ist in den Werken von Pionieren der Industrie 4.0 bereits gelebte Realität. Das Zauberwort heißt Echtzeit-Lokalisierung (RTLS). Doch die reine Ortung von Gegenständen ist nur der erste Schritt. Die eigentliche Revolution beginnt dort, wo diese Daten auf künstliche Intelligenz treffen.

Das kalifornische Unternehmen Inpixon, ein Spezialist für „Indoor Intelligence“, hat mit seiner Plattform INTRANAV.IO und der integrierten KI „askPixi“ eine Lösung geschaffen, die nicht nur sieht, wo sich Dinge befinden, sondern auch versteht, was dort passiert – und noch bevor ein Problem entsteht, eigenständig Gegenmaßnahmen einleitet . Dieser Artikel taucht tief in die Welt dieser Technologie ein und beleuchtet den gesamten Prozess: von der ersten Analyse beim Kunden über die Auswahl der Hardware, die Komplexität der Programmierung und Integration bis hin zum handfesten Nutzen, den Unternehmen daraus ziehen.

Die Herausforderung: Im Blindflug durch die Produktion

Bevor wir uns in den technischen Details verlieren, lohnt ein Blick auf das Problem, das Inpixon löst. In den meisten Fabriken und Lagern herrscht ein seltsamer Zustand: Obwohl sie vollgestopft sind mit Daten aus ERP-Systemen (Enterprise Resource Planning), Maschinensteuerungen und Barcode-Scans, wissen die Verantwortlichen oft nicht genau, wo sich ein bestimmtes Werkstück gerade befindet oder warum der nächste Produktionsschritt stockt.

Die Informationen sind in Silos gefangen. Das ERP-System weiß, dass ein Auftrag raus soll. Das Warehouse-Management-System (WMS) weiß, dass die Ware kommissioniert wurde. Aber was dazwischen passiert – der physische Transport über den Hof, das kurze Zwischenlagern in einer Pufferzone, das Suchen nach einem Gabelstapler – bleibt eine Blackbox . Die Folge sind Verschwendung: Mitarbeiter verbringen bis zu 20% ihrer Zeit mit der Suche nach Werkzeugen und Materialien. Maschinen stehen still, weil das falsche Teil geliefert wurde. Und niemand bemerkt den Stau am Verladedock, bis es zu spät ist.

Schritt 1: Der Weg zum Projekt – Analyse und Einkauf

Ein solches System implementiert man nicht von heute auf morgen. Der Einkaufsprozess bei Inpixon ist daher stark beratungsorientiert und beginnt in der Regel mit einer detaillierten Analyse der bestehenden Prozesse.

Von der ersten Anfrage zur Machbarkeitsstudie

Ein typisches Projekt startet mit der Erkenntnis eines Unternehmens, dass es blinde Flecken in seiner Lieferkette oder Produktion gibt. Ein Automobilzulieferer stellt beispielsweise fest, dass die teuren Produktionswerkzeuge für Pressen immer wieder „verschwinden“. Ein Logistikdienstleister hingegen will wissen, warum die Durchlaufzeiten an einem bestimmten Knotenpunkt so stark schwanken.

Die erste Phase ist das „Discovery“-Gespräch. Inpixon-Experten kommen vor Ort, analysieren die Abläufe und identifizieren gemeinsam mit dem Kunden die kritischen Punkte. „Viele unserer Kunden haben das Gefühl, sie reagieren nur noch, statt zu agieren“, beschreibt Ersan Guenes, SVP of Product bei Inpixon, die Ausgangslage. „Sie wünschen sich ein System, das ihnen Frühwarnungen liefert, bevor der nächste Linienstopp droht“ .

Der Einkauf: Technologie, Module und Lizenzen

Basierend auf dieser Analyse wird ein Leistungsverzeichnis erstellt. Der Einkauf ist hier komplex, da es sich nicht um ein Standardprodukt von der Stange handelt, sondern um ein Ökosystem aus mehreren Komponenten :

1. Die RTLS-Hardware: Hier muss entschieden werden, welche Ortungstechnologie die richtige ist. Für welche Tags (Sender) und Sensoren (Anker, Nodes) entscheidet man sich? Benötigt man eine Ultrabreitband (UWB)-Lösung für zentimetergenaue Ortung von Werkzeugen in der Halle ? Oder reicht eine kostengünstigere Bluetooth Low Energy (BLE)-Lösung für die grobe Ortung von Paletten auf dem Hof? Die Wahl der Hardware bestimmt maßgeblich die Genauigkeit und damit den Preis.
2. Die INTRANAV.IO-Plattform: Sie ist das Herzstück und wird in der Regel als Software-as-a-Service (SaaS) lizenziert. Die Kosten richten sich nach der Anzahl der gleichzeitig genutzten Tags, der Anzahl der Nutzer und den gebuchten Modulen (z.B. Warehouse-Modul, Prozess-Fluss-Modul) .
3. Die KI „askPixi“: Der Zugriff auf die agentische KI ist ein eigenes Lizenzmodell, das sich oft nach der Anzahl der automatisierten Workflows oder der Komplexität der Analysen richtet .

Erst wenn diese technischen und kaufmännischen Parameter geklärt sind, kann das eigentliche Projekt beginnen.

Schritt 2: Die Programmierung – Vom Signal zum digitalen Zwilling

Ist der Vertrag unterschrieben, beginnt die Arbeit der Ingenieure und Entwickler. Hier wird aus der Theorie Praxis. Die Programmierung ist weniger das Schreiben von Code aus dem Nichts, sondern vielmehr eine hochkomplexe Integrations- und Konfigurationsaufgabe.

Die Sensor-Ebene: Daten sammeln

Zunächst muss die Infrastruktur geschaffen werden. In der Decke der Produktionshalle werden die RTLS-Nodes (Empfänger) installiert. Sie lauschen auf die Signale der Tags, die an Gabelstaplern, Werkzeugen, Paletten oder sogar Mitarbeiterausweisen befestigt sind. Ein UWB-Tag wie der AssetTAG Pro sendet dabei mehrmals pro Sekunde ein Signal aus, das von mehreren Nodes empfangen wird. Über die Laufzeitdifferenz (Time Difference of Arrival, TDoA) kann der Standort des Tags mit einer Genauigkeit von unter 50 Zentimetern berechnet werden .

Gleichzeitig werden Geozonen definiert – virtuelle Zäune auf der digitalen Karte. Bereiche wie „Wareneingang“, „Pufferzone 3“ oder „Maschine 7“ werden so zu digitalen Orten, die das System versteht.

Die Integrations-Ebene: Daten verbinden

Der schwierigste Teil ist die Integration. Die gesammelten Standortdaten sind wertlos, wenn sie nicht mit den Geschäftsprozessen verknüpft werden. Hier kommen die Programmierer ins Spiel. Sie müssen Schnittstellen (APIs) zu den bestehenden Systemen des Kunden schaffen – zum SAP-System, zum MES (Manufacturing Execution System) oder zum WMS .

Erst diese Verknüpfung schafft Intelligenz. Sobald ein Tag mit einer Palette die Zone „Wareneingang“ passiert, löst dies automatisch eine Transaktion im WMS aus. Oder: Wenn ein Werkzeug die Zone „Maschine 5“ betritt, wird im MES der Rüstvorgang gestartet. Diese „Wenn-Dann“-Regeln sind das Grundgerüst der Automatisierung .

Die KI-Ebene: askPixi lernt den Betrieb

Hier betreten wir das Reich von askPixi. Während die regelbasierte Automatisierung auf fest definierte Ereignisse reagiert, ist askPixi lernfähig. Die KI wird mit den historischen Daten der Plattform gefüttert. Sie lernt, wie ein normaler Tag im Werk aussieht: Wann sind die Stoßzeiten am Versanddock? Wie lange dauert ein typischer Transport von Halle A zu Halle B? Welche Materialverbräuche sind normal?

Dieses Wissen nutzt askPixi für prädiktive Analysen. Die KI erstellt einen digitalen Zwilling der Abläufe, der nicht nur die Gegenwart abbildet, sondern auch in die Zukunft blickt . Wenn askPixi erkennt, dass drei dringende Aufträge in 25 Minuten gleichzeitig an Dock 5 eintreffen werden und gleichzeitig zwei Stapler im Stau stehen, schlägt es Alarm – und bietet sofort Lösungen an: „Empfehlung: Versand benachrichtigen, Stapler 12 neu zuweisen, Dock 7 aktivieren“ .

Schritt 3: Der Aufbau – Vom Testfeld zur flächendeckenden Lösung

Die Implementierung erfolgt in der Regel nicht als „Big Bang“, sondern iterativ. Pilotprojekte sind der Schlüssel zum Erfolg.

Der Pilot: Lernen an einem überschaubaren Beispiel

In einer Fallstudie mit einem großen Hersteller von Automatisierungstechnik begann der Aufbau mit einem klaren Fokus: der Verfolgung von Fertigwaren an drei Standorten . Zunächst wurden nur die Packstücke eines bestimmten Produkttyps mit Tags versehen und der Transportweg von Werk A zum Kundendienstzentrum digital abgebildet. Die Mitarbeiter vor Ort wurden geschult, die App installiert und der Prozess begleitet.

Das Pairing: Die Brücke zwischen analog und digital

Ein kritischer Moment im Aufbau ist das „Pairing“. Ein RFID-Tag allein weiß nicht, was er da eigentlich verfolgt. In der Praxis scannen die Mitarbeiter daher mit der INTRANAV.APP den Barcode auf dem Produktionsauftrag und dann den Tag. Im System wird diese Verbindung gespeichert: Tag XY ist jetzt für die nächsten Stunden der digitale Zwilling von Produktionsauftrag 4711 .

Automatisierung schrittweise einführen

Sobald die Basis stimmt, werden die Regeln geschärft. In der Fallstudie wurden Geofences eingerichtet. Sobald ein Tag eine bestimmte Zone betritt, wird der Status im System automatisch aktualisiert – ohne weiteres Scannen. Das spart Zeit und vermeidet Fehler. Nach und nach werden weitere Zonen, weitere Transportbeziehungen und schließlich die KI-Funktionalität aktiviert. Das System lernt und wird präziser.

Der Nutzen: Was bringt es wirklich?

Am Ende des Tages zählen harte Fakten. Und die sind beeindruckend. Die Einführung eines KI-gestützten RTLS ist eine Investition mit messbarem Return on Investment (ROI).

Die vielleicht wichtigste Kennzahl ist die Steigerung der Gesamtanlageneffektivität (OEE). Wenn Maschinen nicht mehr auf Material warten müssen und Rüstzeiten optimiert werden, steigt der Durchsatz. In einer hochgemischten CNC-Produktion konnte Inpixon den Durchsatz um 17 Prozent steigern und die Anzahl manueller Eingriffe um 60 Prozent reduzieren .

Direkt damit verbunden ist die Reduzierung von Stillstandszeiten. Ein Hersteller von Industrie-Dichtstoffen erlebte immer wieder Engpässe bei einem Rohstoff, die zu Linienstopps führten. askPixi erkannte das Risiko frühzeitig und löste automatisch Nachbestellungen aus. Das Ergebnis: 18 potenzielle Linienstopps wurden verhindert und die termingerechte Lieferung verbesserte sich um 12 Prozent .

Ein weiterer, oft unterschätzter Nutzen ist die Effizienzsteigerung der Mitarbeiter. Wenn Arbeiter nicht mehr suchen müssen, können sie sich auf wertschöpfende Tätigkeiten konzentrieren. Ein Kunde aus der Kunststoffherstellung berichtete, dass die Suchzeiten für Werkzeuge durch die Echtzeit-Ortung drastisch sanken und Engpässe beim Werkzeugwechsel der Vergangenheit angehören . In Lagern kann die Produktivität durch automatische Erfassung und reduzierte Scan-Tätigkeiten um bis zu 40 Prozent steigen, wie das Beispiel des Logistikers TB International zeigt .

In der Logistik zahlt sich die Technologie ebenfalls aus. Die Analyse von Verweilzeiten (Dwell Times) an verschiedenen Stationen hilft, Engpässe zu identifizieren und den Materialfluss zu optimieren. Wer weiß, wie lange eine Palette wirklich im Puffer steht, kann die internen Transportwege effizienter gestalten .

Über die Effizienz hinaus spielt auch die Sicherheit eine Rolle. Kollisionswarnungen für Gabelstapler, die Ortung von Mitarbeitern in Gefahrenbereichen und die Überwachung von Sperrzonen sind wichtige Features . Zudem erhöht die lückenlose Rückverfolgbarkeit die Sicherheit vor Diebstahl und Verlust .

Kontroversen und Ausblick: Wohin steuert die Reise?

So vielversprechend die Technologie ist, so sehr wirft sie auch Fragen auf. Ein zentraler Punkt ist der Datenschutz. Werden auch Mitarbeiter getrackt? Inpizon betont, dass das System primär für Objekte ausgelegt ist. Wo es dennoch zur Ortung von Personen kommt, etwa für Sicherheitswarnungen, müssen die Vorgaben des Datenschutzes strikt eingehalten werden. Transparenz und die Freiwilligkeit der Teilnahme sind hier das Gebot der Stunde.

Ein zweiter Punkt ist die Abhängigkeit. Wer sein Werk erst einmal mit einer solchen Plattform vernetzt hat, bindet sich langfristig an einen Anbieter. Die Offenheit der Schnittstellen ist daher entscheidend. Inpixon wirbt damit, technologieneutral zu sein und Daten in Drittsysteme wie Power BI oder SQL Server zu exportieren .

Die Zukunft dieser Technologie ist dennoch klar vorgezeichnet. Sie heißt „agentische KI“. askPixi wird nicht nur warnen und Vorschläge machen, sondern immer mehr eigenständig Entscheidungen innerhalb definierter Grenzen treffen . Die KI wird zur unsichtbaren Hand, die den Materialfluss selbsttätig optimiert, Schichtpläne in Echtzeit anpasst und so die Fabrik von einer reaktiven zu einer wirklich vorausschauenden, lernenden Organisation macht .

Die „gläserne Fabrik“ ist nicht länger eine Vision. Sie entsteht gerade, Schritt für Schritt, Tag für Tag – getrieben von Daten, vernetzt durch Software und intelligent gemacht durch KI. Inpixon zeigt, wie dieser Weg aussehen kann.

Quellen

 Inpixon. (2025, 26. November). Vom Reagieren zum Vorausdenken – Wie Industrial AI Ausfälle vermeidet. Inpixon Blog. https://www.inpixon.com/de/blog/industrial-ai-predicts-prevents-manufacturing-disruptions

 Inpixon. (o.D.). Inpixon RTLS-Plattform: Echtzeit-Tracking trifft prädiktive KI. https://www.inpixon.com/de/rtls-platform

 Inpixon. (o.D.). Intelligenter Materialfluss: Optimierung des Produktionsprozesses und des Transports (Fallstudie). https://www.inpixon.com/de/fallstudien/verweilzeiten-transportprozess-optimierung-materialflussverfolgung

 Inpixon. (o.D.). Produktionsmittel und Werkzeuge sofort lokalisieren (Fallstudie). https://www.inpixon.com/de/fallstudien/produktionsmittel-und-werkzeuge-lokalisieren

 Inpixon. (o.D.). Customers Using Inpixon‘s Award Winning Solutions. https://www.inpixon.com/company/customers

 Inpixon. (2025, 21. November). From Firefighting to Flow – How Industrial AI Predicts and Prevents Disruptions. https://www.inpixon.com/blog/industrial-ai-predicts-prevents-manufacturing-disruptions

 Inpixon. (2025, 8. September). Swarm UWB: Ultra-Wideband-Funk- und Sensormodul für RTLS. https://www.inpixon.com/de/technologie/rtls/module/swarm-uwb

 Inpixon. (o.D.). Smart Material Flow: Production process and transport optimization (Case Study). https://www.inpixon.com/case-studies/dwell-time-transport-process-optimization-material-flow-tracking

 Inpixon. (o.D.). Customers Using Inpixon’s Award Winning Solutions. https://www.inpixon.com/company/customers

 Inpixon. (o.D.). How Location-Aware, Agentic AI Keeps Your Operations Ahead of Schedule [Webinar]. https://www.inpixon.com/resources/webinars/ai-manufacturing-rtls-agentic-ai-askpixi