AI-First in Luft- und Raumfahrt und Verteidigung

Die Luft- und Raumfahrt-Branche ist die regulatorisch dichteste Industrie, in der KI 2026 produktive Wirkung entfaltet. Im DACH-Raum betrifft das nicht nur Airbus und MTU — sondern vor allem die zwei- und drei-stufigen Zulieferer im süddeutschen Mittelstand. Liebherr-Aerospace, FACC, RUAG und ihre 400-plus Sub-Tier-Lieferanten: zwischen 60 und 1.200 Mitarbeitern, hochspezialisiert, mit Engineering-Lasten, die ihre Wertschöpfungsketten ausbremsen.

Was wir in Engagements mit A&D-Mittelständlern beobachten, ist ein doppelter Druck. Erstens regulatorisch: EASA-Anforderungen, AS9100-Zertifizierungen, ITAR-Konformität, neuerdings EU-AI-Act-Konformität bei sicherheitskritischen Komponenten. Zweitens operativ: 18-24-Monats-Engineering-Zyklen kollidieren mit 3-Monats-Software-Iterationen ihrer Großkunden. AI-First ist die Antwort auf diesen Druck — wenn sie richtig aufgesetzt wird.

Was AI-First in der A&D-Zulieferer-Welt wirklich bedeutet

A&D-Mittelständler haben drei Wertschöpfungs-Bereiche, in denen KI heute produktiven Hebel liefert: Engineering-Documentation, Supply-Chain-Resilienz und Cyber-Compliance. In keinem dieser Bereiche geht es um Algorithmen — es geht um die orchestrierte Verbindung von Domain-Wissen, regulatorischen Anforderungen und produktiven Workflows.

Engineering-Documentation: ein A&D-Komponenten-Hersteller produziert pro Bauteil zwischen 80 und 300 Dokumente. Stücklisten, Konstruktions-Reviews, FAI-Reports (First Article Inspection), Materialzertifikate, Stress-Analysen, Funktionssicherheits-Nachweise nach DO-178C oder DO-254. Diese Dokumente entstehen in Excel, Word, CAD-Anhängen, PLM-Systemen — und müssen für jede Engineering-Iteration konsistent fortgeschrieben werden. Ein durchschnittliches FAI-Set für eine neue Komponenten-Iteration kostet zwischen 220 und 480 Engineering-Stunden. AI-First-Doku reduziert diesen Aufwand um 40 bis 55 Prozent — bei verbesserter Konsistenz zwischen den Dokumenten.

Supply-Chain-Resilienz: A&D-Lieferketten sind global, mehrstufig und politisch verletzlich. Ein Mittelständler in Bayern, der Titan-Komponenten an einen US-Hauptauftragnehmer liefert, muss heute drei Risiken parallel managen: Material-Verfügbarkeit, ITAR-Konformität, geopolitische Sanktions-Compliance. AI-First in diesem Bereich heißt: kontinuierliche Risiko-Surveillance über alle Tier-2- und Tier-3-Lieferanten, Anomalie-Erkennung in den Logistikdaten, proaktive Substitut-Komponenten-Empfehlungen.

Cyber-Compliance: AS9100D, NIS2, TISAX, neuerdings DORA und EU-AI-Act-Risiko-Management. Ein Mittelständler im A&D-Sektor sitzt heute auf 5 bis 12 parallelen Cyber-Audits pro Jahr. Eine AI-First-Compliance-Schicht baut die geforderten Evidence-Trails kontinuierlich auf — statt im 6-Monats-Vorlauf jedes Audits händisch.

Basis: Azena-Engagements DACH A&D Tier-2, n=6, 2024–2025. Repeat-FAI-Iterationen, mittlere 280 MA.

Drei Hebel mit produktiver Wirkung

Erster Hebel: AI-gestützte FAI-Generation für Repeat-Komponenten. Wenn ein A&D-Mittelständler die zweite, dritte oder fünfte Iteration einer Komponente liefert, sind 60-80 Prozent der FAI-Doku-Inhalte zwischen den Iterationen ähnlich. Ein AI-Doku-Workflow erzeugt aus dem Vorgänger-FAI plus den Engineering-Diffs einen vollständigen Erst-Entwurf. Der Quality-Engineer prüft, ergänzt, signiert. Was vorher in 220 Stunden entstand, entsteht in 80 Stunden.

Illustratives Branchen-Rechenbeispiel, kein konkretes azena-Mandat: ein DACH-Mittelständler im Triebwerks-Komponenten-Segment, etwa 280 Mitarbeiter, hat in zehn Monaten den FAI-Aufwand pro Iteration um 47 Prozent gesenkt. Die Time-to-Customer-Approval ist von durchschnittlich 14 auf 6 Wochen gefallen. Direkte EBIT-Wirkung: 1,4 Millionen Euro pro Jahr durch freigesetzte Engineering-Stunden, plus zusätzlich gewonnene Aufträge durch kürzere Lieferzyklen.

AI-First in A&D ist kein Engineering-Projekt. Es ist eine Lieferketten-Geschwindigkeits-Entscheidung — und Geschwindigkeit ist im Tier-2-Segment heute die einzige Währung, die OEMs noch belohnen.

Zweiter Hebel: Lieferanten-Risiko-Surveillance über alle Tiers. Ein typischer A&D-Mittelständler hat 40 bis 150 direkte Lieferanten (Tier-2) und indirekt 400 bis 2.000 Tier-3-Lieferanten. Ein AI-First-Surveillance-Workflow überwacht öffentlich verfügbare Signale: Insolvenz-Filings, Sanktions-Listen-Veränderungen, Standort-Schließungs-Nachrichten, Material-Preis-Volatilität. Ergebnis ist ein wöchentlicher Risiko-Bericht mit 3-7 kritischen Signalen, die der Einkauf priorisiert abarbeitet.

Dritter Hebel: kontinuierliche Compliance-Evidence-Sammlung. Statt vor jedem Audit ein 6-Wochen-Compliance-Sprint zu fahren, läuft ein AI-First-Workflow im Hintergrund: jede Engineering-Entscheidung, jede Konfigurations-Änderung, jeder Code-Push wird mit den passenden Compliance-Tags versehen und in eine durchsuchbare Evidence-Datenbank geschrieben. Beim Audit zieht der Compliance-Officer die geforderten Belege in Minuten statt Wochen. Vermeidet typischerweise 4-8 FTE-Monate Pre-Audit-Aufwand pro Jahr.

Wo DACH-A&D-Mittelständler den größeren Hebel haben

Zwei Vorteile haben sie gegenüber jedem KI-Generalisten — wenn sie sie spielen.

Erster Vorteil: tiefe Domain-Spezialisierung. Ein süddeutscher Mittelständler in der Triebwerks-Komponenten-Fertigung hat über 30 Jahre ein Domain-Wissen akkumuliert, das kein KI-Generalist replizieren kann. Dieses Domain-Wissen explizit in einen RAG-Stack zu kodifizieren — und über AI-First-Workflows verfügbar zu machen — ist der härteste Wettbewerbsvorteil, den die Branche kennt.

Zweiter Vorteil: vertraute Großkunden-Beziehungen. Tier-1-OEMs wie Airbus oder Boeing wechseln Lieferanten nicht über Marktplätze. Sie wechseln Lieferanten dann, wenn ein Lieferant zwei Jahre lang messbar schneller, präziser und compliance-fester liefert. AI-First ist der Hebel, um diese Führungsposition aufzubauen — bevor der Wettbewerb sie aufbaut.

Warum klassische Digitalisierungs-Initiativen in A&D oft scheitern

Drei Muster sehen wir wiederholt. Erstens: zu viel PLM-Investment, zu wenig Use-Case-Fokus. PLM-Migrationen verschlingen in A&D-Mittelständlern typischerweise 1,5 bis 4 Millionen Euro über 24 Monate — und produzieren oft keinen direkten EBIT-Hebel. AI-First-Initiativen müssen pro Use-Case einen direkten Geschäfts-Case haben, sonst werden sie nicht durchgezogen.

Zweitens: fehlende ITAR/Export-Control-Architektur. Ein KI-Workflow, der versehentlich technische Daten an einen US-Hyperscaler sendet, ist ein ITAR-Verstoß mit potenziell Millionen-Euro-Strafen. EU-souveräne Inferenz ist im A&D-Sektor nicht „nice to have” — sie ist juristische Voraussetzung.

Drittens: Pilot ohne Quality-Engineering-Einbindung. Ein KI-FAI-Generator, der nicht vom Quality-Engineering-Team mitgebaut wurde, wird vom Quality-Engineering-Team blockiert. Wer AI-First in A&D baut, baut es mit dem Quality-Bereich — nicht trotz ihm.

Wie der Einstieg konkret aussieht

Drei Phasen. Phase eins: ein vierwöchiger A&D-AI-Readiness-Sprint, der die regulatorische Landkarte für das spezifische Geschäftsmodell zeichnet, ITAR/Export-Control-Restriktionen mapped, und die drei Hebel auf den konkreten Engineering-Stack legt. Phase zwei: ein 12- bis 20-wöchiger AI-Build des FAI-Generators oder der Compliance-Evidence-Schicht — typischerweise in EU-souveräner Inferenz-Architektur. Phase drei: schrittweise Erweiterung über 18 bis 24 Monate.

Den Festpreis-Rahmen legen wir im Erstgespräch fest, sobald Scope und Ziel klar sind. Über ZIM und FZulG sind 30 bis 55 Prozent Ko-Finanzierung möglich.

Wenn Sie wissen wollen, welcher der drei Hebel in Ihrem Haus den schnellsten Engineering-Effekt zeigt: 30 Minuten Erstgespräch reichen, um eine erste Hebel-Map zu zeichnen — mit ITAR-konformer Architektur-Empfehlung und konkretem Förder-Pfad.