Methodensichere FMEA@KI: Warum die Methode vor das Modell gehört

Der teuerste Teil einer KI-gestützten ist nicht die Lizenz, sondern das Denken, das Sie bei jedem Lauf neu bezahlen. Dieser Beitrag überträgt einen bewährten DC-Maßstab auf das KI-Zeitalter: Methodensicherheit. Er zeigt, warum die richtige Reihenfolge, Methode vor Modell, über planbare Kosten, reproduzierbare Ergebnisse und die Frage entscheidet, wer am Ende bewertet: der Mensch oder die Maschine.

Methode vor Modell: Das Regelwerk führt, das Sprachmodell ist nur die Schnittstelle.

Fragen Sie drei Anbieter, was KI in der FMEA kostet, und Sie erhalten drei Antworten, von denen keine sagt, was Sie am Ende des Jahres wirklich zahlen. Die Aufmerksamkeit richtet sich auf das Sprachmodell, auf seine Größe, seine Geschwindigkeit, seinen Preis pro Abfrage. Die eigentliche Kostenfrage bleibt unbeantwortet: Wo sitzt die fachliche Arbeit? Solange das Modell die FMEA-Logik bei jeder Anfrage neu herleitet, mieten Sie das Denken, und die Rechnung läuft mit jedem Lauf weiter. Wer das Risiko planbar machen will, muss zuerst entscheiden, wo die Methode lebt: im Modell oder davor.

Dieser Beitrag überträgt einen bewährten DC-Maßstab auf ein Feld, das gerade entsteht: aus Methodensicherheit in der FMEA-Anwendung wird methodensichere FMEA@KI. Er zeigt, warum die Reihenfolge Methode vor Modell über planbare Kosten, reproduzierbare Ergebnisse und die Bewertungshoheit des Menschen entscheidet. Danach können Sie im eigenen Haus prüfen, ob Ihr KI-Ansatz das Denken mietet oder es besitzt, und ob die Bewertung dort bleibt, wo sie hingehört.

Von Methodensicherheit zu methodensicherer FMEA@KI

Bei Dietz Consultants steht ein Begriff seit vielen Jahren für den Kern guter FMEA-Arbeit: Methodensicherheit. Gemeint ist, dass ein Team die Methodik sicher beherrscht und seine Urteile begründet, statt zu raten. Im Seminarbereich ist Methodensicherheit ein etablierter Maßstab. Mit KI stellt sich dieselbe Frage eine Ebene höher: Bleibt das methodensicher, oder rät jetzt das Modell statt des Menschen? Der Markt diskutiert KI in der bisher als Werkzeugfrage, welches Modell, welcher Anbieter, welcher Preis pro Abfrage. Das ist die falsche Ebene. Die eigentliche Frage ist eine Architekturfrage: Führt die Methode das Modell, oder umgekehrt? Wir nennen den Ansatz, in dem die Methode führt und das Modell nur die Schnittstelle zur Sprache ist, methodensichere @KI. Wer so denkt, bewertet KI-Angebote nicht mehr am Modell, sondern an der Methode dahinter.

Das LLM ist die Ware, nicht der Wert

Ein großes Sprachmodell (Large Language Model, LLM) ist heute ein austauschbares Gut. Es formuliert flüssig, es fasst zusammen, es überträgt Sprache. Für die ist das wertvoll an genau den Stellen, an denen es um Sprache geht: Bestandsdaten zusammenführen, Formulierungen vereinheitlichen, das Team bei der Dokumentation entlasten. Was ein LLM allein nicht leistet, ist die fachliche Schlussfolgerung, die eine belastbare trägt. Es erzeugt plausible Sätze, keine gesicherte Methodik. Der gewerbliche Mehrwert entsteht nicht durch ein größeres Modell, sondern durch die Struktur, die vor dem Modell liegt.

Wo die Methode sitzt, entscheidet, was Sie bezahlen

Es gibt zwei grundsätzlich verschiedene Orte für die FMEA-Logik, und sie führen zu gegensätzlichen Kostenkurven. Liegt die Methode im Modell, wird sie bei jeder Anfrage neu hergeleitet. Jede Fehlerkette, jede Ursache, jedes Urteil wird pro Lauf neu berechnet. Sie mieten die Schlussfolgerung, und Sie mieten sie jedes Mal wieder. In einer Vorführung fällt das nicht auf, dort zehrt der Verbrauch über einen Nachmittag ein eingestelltes Guthaben auf. Im Produktivbetrieb zehrt er es jeden Tag.

Liegt die Methode dagegen vor dem Modell, in einem strukturierten, gepflegten Regelwerk, dann übernimmt das Modell nur noch das Formulieren und das Abgleichen gegen dieses Regelwerk. Die Schlussfolgerung besitzen Sie einmal. Die Kosten bleiben beherrschbar, weil nicht jede fachliche Aussage neu erkauft wird. Der Unterschied ist nicht graduell, er ist strukturell: laufende Verbrauchskosten gegen einmal aufgebaute, wiederverwendbare Struktur.

Methode vor Modell: die Reihenfolge ist der Punkt

Der Kern ist eine Reihenfolge. Erst wird das Wissen strukturiert, dann spricht das Modell. Ein gepflegtes Regelwerk und eine kuratierte Wissensbasis bilden das Fundament. Darauf setzt eine strukturierte Wissensrepräsentation auf. Das Modell kommt zuletzt, als Schnittstelle zur Sprache, nicht als Quelle der Fachlichkeit. So wird das Modell zum variablen, ersetzbaren Teil. Der verteidigbare Wert ist die Methode davor, nicht das Modell dahinter. Wer nur am Modell schraubt, baut auf Sand, denn das nächste, bessere Modell macht seine Arbeit wertlos. Wer die Methode besitzt, wechselt das Modell und behält den Wert.

Reproduzierbarkeit ist kein Komfort, sondern eine Norm-Anforderung

Eine muss im Review Bestand haben. Dieselbe Eingabe muss zu demselben nachvollziehbaren Ergebnis führen, sonst ist die Bewertung nicht reproduzierbar. Gemeint ist die Reproduzierbarkeit des KI-Vorschlags, nicht des menschlichen Urteils: reproduzierbar ist, was die KI aus dem Regelwerk ableitet. Ein Regelwerk ist reproduzierbar, ein frischer Modelllauf ist es nicht. Zwei Anfragen an ein reines Sprachmodell können zwei verschiedene Fehlerbewertungen liefern, ohne dass sich an der Sache etwas geändert hat. Genau diese Drift ist im Audit nicht haltbar. Die Methode vor dem Modell liefert die Rückverfolgbarkeit, die eine braucht: jede Aussage trägt einen Bezug zum Regelwerk, nicht zu einer zufälligen Formulierung des Tages.

Die Bewertung bleibt beim Menschen

Es gibt eine Grenze, die keine KI überschreiten darf, und sie ist keine technische, sondern eine methodische. Die Bewertung eines Risikos, das Urteil über , und Entdeckung, gehört in die Verantwortung des Ingenieurs. Eine gut gebaute KI bereitet diese Entscheidung vor: sie strukturiert die Eingabe, hält den Bezug zur Methode nachvollziehbar und entlastet von der Fleißarbeit. Das Urteil trifft der Mensch, die KI macht Vorschläge. Wer die Bewertung an ein Sprachmodell delegiert, gibt genau die Verantwortung ab, die eine im Kern trägt, und verliert sie im Audit ohnehin. Methodensichere @KI heißt deshalb auch: die Maschine rechnet zu, der Mensch entscheidet.

Der eigentliche Gewinn liegt nicht im Wegfall der Fleißarbeit selbst, sondern in dem, was dadurch frei wird: Zeit für Systemverständnis. Wer die mechanische Arbeit abgibt, gewinnt Raum für die Durchdringung des Systems. Das führt zu besseren Urteilen, zu höherer Effizienz in der Entwicklung und damit, wenn auch eher indirekt, zu einem Kostenvorteil.

Drei Fragen vor der Einführung von KI in der FMEA

Bevor Sie einen KI-Ansatz für die einführen, klären Sie drei Punkte. Erstens die Kosten: Sind sie planbar begrenzt, oder werden sie pro Schlussfolgerung gemessen? Zweitens die Stabilität: Liefert dieselbe Eingabe dasselbe nachvollziehbare Ergebnis, oder raten Sie bei jedem Lauf neu? Drittens die Bewertungshoheit: Bereitet die KI die Entscheidung vor und lässt den Ingenieur bewerten, oder maßt sie sich das Urteil selbst an? Die ersten beiden Antworten hängen am Ort der Methode. Die dritte ist eine Frage der Haltung, und sie ist nicht verhandelbar.

Beispiel

Der Unterschied zeigt sich nicht in der Vorführung, sondern im Betrieb und im Audit. Ein Ansatz, der die fachliche Bewertung dem Modell überlässt, wirkt in der Demo überzeugend, doch die laufenden Kosten skalieren mit der Nutzung, und zwei gleiche Anfragen können unterschiedlich . Ein Ansatz, der die Methode vor das Modell legt, verschiebt das Gewicht: die Kosten bleiben beherrschbar, gleiche Eingabe führt zu gleichem nachvollziehbaren Ergebnis, und die Begründung verweist auf die Methode, nicht auf eine Tagesform. Der entscheidende Praxistest ist einfach: Fragen Sie zweimal dasselbe und vergleichen Sie die Antworten. Weichen sie ohne sachlichen Grund voneinander ab, sitzt die Methode im Modell und nicht davor. Genau das fällt spätestens im Review auf.

Ergebnis

Ein Sprachmodell kann eine formulieren. Verteidigen kann sie nur eine Methode, und bewerten nur ein Mensch. Legen Sie die Methode vor das Modell, dann sind die Kosten planbar, die Ergebnisse reproduzierbar und die Bewertung bleibt in Ihrer Verantwortung. Das ist der Kern methodensicherer @KI.

Wo lebt die Methode in Ihrem KI-Ansatz, im Modell oder davor?

Sprechen Sie mit den FMEA-Experten von Dietz Consultants: www.dietz-consultants.com

Autor: Winfried Dietz, CEO Dietz Consultants GmbH
Winfried Dietz ist CEO der Dietz Consultants GmbH und begleitet seit über 30 Jahren Entwicklungsorganisationen weltweit bei der Einführung und Reifung der FMEA-Methodik. Er ist Trainer, Autor und Referent für FMEA nach AIAG-VDA. Mehr von der FMEA-Quick-Tip-Reihe finden Sie auf LinkedIn.