: 85 Millionen Euro für KI-integrierende Wertschöpfung: Was die neuen BMFTR-Förderrichtlinien InProKI und ModuS‑KI für Industrie und Mittelstand bedeuten

Wie viel Produktivitätsgewinn steckt realistisch in Künstlicher Intelligenz – und wer kann sich den Einstieg überhaupt leisten? Mit zwei neuen Förderrichtlinien stellt das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) bis 2029 insgesamt 85 Millionen Euro für Projekte bereit, die KI direkt in Wertschöpfungsketten integrieren und als modulare Bausteine speziell für Handwerk, Handel und Industrie verfügbar machen. Für börsennotierte Unternehmen im Maschinenbau, in der Automatisierungstechnik, bei Industrie-Software und Cloud-Infrastruktur ist das ein Rückenwindsignal: Hersteller von Industrie-4.0‑Lösungen, KI-Software und Edge-Hardware dürften zu den Gewinnern gehören, während arbeitsintensive Dienstleistungsmodelle ohne KI-Upgrade mittelfristig unter Margendruck geraten.

Im Zentrum der Initiative stehen zwei Programme: InProKI („Innovative Produktionssysteme durch KI-Integration“) und ModuS‑KI („KI-Module für Schlüsselfähigkeiten in Handwerk, Handel und Industrie“). Beide zielen auf vorwettbewerbliche Verbundprojekte, die neue, produktivitätssteigernde KI-Anwendungen in realen Wertschöpfungsumgebungen entwickeln, erproben und in die Breite tragen.

Einordnung der neuen Förderrichtlinien: InProKI und ModuS‑KI im Überblick

Das BMFTR bündelt mit InProKI und ModuS‑KI den Anspruch, KI nicht nur als Forschungsthema, sondern als sichtbaren Produktivitätshebel in Produktion, Handwerk und Handel zu verankern. Laut Ministeriumsangaben stehen bis 2029 insgesamt 85 Millionen Euro zur Verfügung, verteilt auf beide Förderrichtlinien, die sich in Zielgruppe und technischen Fokus unterscheiden.

InProKI: KI-integrierte Produktionssysteme für die nächste Generation der Industrie

Die Förderrichtlinie „Innovative Produktionssysteme durch KI-Integration (InProKI)“ adressiert vor allem die industrielle Produktion. Gefördert werden vorwettbewerbliche Verbundprojekte von Wirtschaft und Wissenschaft, die produktivitätssteigernde KI-Anwendungen für Produkte, Produktionssysteme und Produkt‑Service‑Systeme der nächsten Generation entwickeln.

Einige zentrale Eckpunkte:

Fokus: Flexible, skalierbare KI-Lösungen zur Optimierung industrieller Prozesse, Steigerung von Ressourceneffizienz und Resilienz in Wertschöpfungsnetzwerken.
Verbundprojekte: In der Regel 5 bis 7 Partner aus Unternehmen, Hochschulen und Forschungseinrichtungen; Projekte müssen den Stand der Technik deutlich übertreffen.
Förderhöhe: Obergrenzen von 35 Mio. Euro pro Unternehmen und Vorhaben (industrielle Forschung) bzw. 25 Mio. Euro für experimentelle Entwicklung, orientiert an der AGVO.
Förderquote: Typisch bis zu 50 % für Unternehmen, bis zu 100 % für Hochschulen und Forschungseinrichtungen (abhängig von Größe, Vorhabenart und Beihilferegeln).
Laufzeit: Projektlaufzeiten von maximal 36 Monaten sind vorgesehen.
Verwertung: Ergebnisse müssen im Europäischen Wirtschaftsraum oder der Schweiz genutzt werden.

Der Anspruch ist klar: KI soll nicht mehr als Einzel-Pilot in der Ecke eines Werkes laufen, sondern als integraler Bestandteil vernetzter Wertschöpfungssysteme wirken – ein Thema, das wir bereits im Beitrag „Vom KI-Pilot zur vernetzten Wertschöpfung“ vertieft haben.

ModuS‑KI: Modulare KI-Bausteine für KMU, Handwerk und Handel

Die Schwester-Richtlinie „ModuS‑KI – KI‑Module für Schlüsselfähigkeiten in Handwerk, Handel und Industrie“ legt den Schwerpunkt auf kleine und mittlere Unternehmen (KMU), die bei KI-Einsatz oft an Ressourcen, Know-how und Standardisierung scheitern. Ziel ist die Entwicklung modularer KI-Lösungen, die sich passgenau in bestehende Prozesse einfügen lassen.

Wichtige Eckdaten:

Zweistufiges Verfahren: Zunächst eine Konzeptphase (Skizzen), dann Vollanträge.
Konzeptphase: Je Verbundvorhaben bis zu 250.000 Euro Förderung für die Ausarbeitung tragfähiger Module, Architekturen und Projektverbünde.
Hauptphase: Je Verbundprojekt bis zu 2,5 Millionen Euro, Laufzeit maximal 27 Monate.
Verbundstruktur: Vorwettbewerbliche Kooperation von Wirtschaft und Wissenschaft; ein Teil der Richtlinie sieht zudem ein übergreifendes wissenschaftliches Projekt vor.

Beide Programme teilen zentrale Anforderungen: Projekte müssen mindestens drei konkrete, klar abgegrenzte und wertschöpfungsrelevante KI-Anwendungsfälle zur Produktivitätssteigerung adressieren, wie es etwa die Projektberatungsseite EurA AG zusammenfasst.

Politischer Kontext: KI als Hebel für Wertschöpfung und Wettbewerbsfähigkeit

Die Förderrichtlinien sind Teil einer breiteren Strategie. In einer Pressemitteilung betont das BMFTR, dass KI „neue Türen für Wertschöpfung und Wettbewerbsfähigkeit“ öffne. Mit den Programmen zu „KI-integrierender Wertschöpfung“ stellt das Ministerium bis 2029 insgesamt 85 Millionen Euro bereit, um KI aus der Laborphase heraus direkt in Produktionshallen, Werkstätten und Fachhandel zu bringen.

Bemerkenswert sind drei strategische Schwerpunkte:

Breiter Transfer statt Leuchttürme: Die Projekte sollen explizit auf Übertragbarkeit angelegt sein – nicht nur auf eine einzelne Fabrik, sondern auf ganze Wertschöpfungsnetzwerke.
KMU-Fokus: ModuS‑KI adressiert die strukturelle Unterinvestition von KMU in KI und will Zugangsbarrieren über modulare, anpassbare Lösungen senken.
Vorwettbewerblichkeit: Gefördert werden Projekte, die neue Fähigkeiten der KI identifizieren, erforschen, bewerten und prototypisch vorbereiten – mit klarem Bezug auf spätere Markteinführung, aber noch ohne unmittelbare Produktentwicklung für den Endkundenmarkt.

Damit unterscheidet sich der Ansatz von rein akademischer KI-Forschung – etwa den BMFTR-Förderlinien zu Grundlagen der KI-Methoden – und zielt explizit auf die operative Transformation im industriellen Alltag, zu der auch Trends wie Agentic AI und Corporate LLMs im Mittelstand gehören.

Struktur der Förderung: Zweistufige Verfahren und Verbundlogik

Charakteristisch für die BMFTR-Programme ist das zweistufige Antragsverfahren, das man aus anderen KI-Förderlinien, etwa im Bereich klimaneutrale Mobilität, kennt. Diese Struktur ist für Unternehmen entscheidend, weil sie den Einstieg abfedert und das Risiko einer Vollantrags-Erstellung ohne Chance auf Förderung reduziert.

Von der Projektskizze zum Vollantrag

Typischer Ablauf – exemplarisch aus der Richtlinie zu KI-basierter klimaneutraler Mobilität:

Skizzenphase: Einreichung einer Projektskizze (max. meist ca. 10–12 Seiten) mit Grobkalkulation der Kosten über das Portal „easy‑Online“.
Begutachtung: Externe Gutachter bewerten die Skizze nach Relevanz, Qualität, Innovationshöhe und Umsetzbarkeit.
Einladung: Nur bei positiver Bewertung erfolgt die Aufforderung zur förmlichen Antragstellung.
Vollantrag: Detaillierte Projektbeschreibung, Finanzierungsplan, Meilensteinplanung, Verwertungs- und Transferkonzept sowie Kooperationsvereinbarung.

InProKI und ModuS‑KI folgen einem ähnlichen Muster. Das entlastet vor allem KMU und Handwerksbetriebe, die selten Erfahrung mit umfangreichen Forschungsanträgen haben.

Rechtliche und operative Voraussetzungen

Aus den parallelen BMFTR-Richtlinien lassen sich typische Anforderungen ableiten, die auch für InProKI und ModuS‑KI relevant sind:

Verbundprojekte: Mehrere unabhängige Partner (in der Regel Unternehmen, Hochschulen, Forschungseinrichtungen); in manchen Programmen mindestens drei, bei InProKI explizit meist fünf bis sieben.
Kooperationsvereinbarung: Schriftliche Vereinbarung nach BMFTR-Vorgaben, die Rollen, IP-Rechte und Verwertung regelt.
Standort: Betriebsstätte oder Einrichtung in Deutschland; Nutzung der Ergebnisse im EWR oder der Schweiz.
Innovation: Das Vorhaben muss deutlich über den Stand der Technik hinausgehen; reine Implementierung bestehender Tools ist nicht förderfähig.
Finanzielle Solidität: Unternehmen in Schwierigkeiten gemäß AGVO sind ausgeschlossen.

Damit adressiert das Ministerium zwei Ziele: zum einen die Risikostreuung über Verbünde, zum anderen die Sicherung von Know-how und Wertschöpfung in Europa.

Was konkret gefördert wird: Drei KI-Anwendungsfälle als Mindestanforderung

Ein zentrales Detail der neuen KI-Förderlinien: Projekte müssen mindestens drei konkrete, klar abgegrenzte und wertschöpfungsrelevante KI-Anwendungsfälle zur Produktivitätssteigerung in den Blick nehmen. Diese Vorgabe zwingt Antragsteller weg von Einzellösungen hin zu Portfolios von Use Cases, die in der Kombination einen echten Hebel entfalten.

Typische Anwendungsfelder in Produktion, Handwerk und Handel

Beispiele, die in der Debatte rund um InProKI und ModuS‑KI immer wieder auftauchen, sind:

KI in der Fertigung: Predictive Maintenance, adaptive Prozessregelung, Qualitätsinspektion mit Computer Vision, dynamische Ressourcenplanung.
KI im Handwerk: Automatisierte Angebotserstellung, Materialdisposition mit Prognosemodellen, AR-gestützte Assistenzsysteme für Monteure.
KI im Handel: Nachfrageprognose, dynamische Preisgestaltung, automatisierte Sortimentsoptimierung, personalisierte Kundenansprache.

Die Richtlinien verlangen, dass diese Anwendungsfälle klar abgegrenzt und wirtschaftlich relevant sind. Ein Projekt, das etwa lediglich eine Vision oder Roadmap beschreibt, dürfte keine Chancen haben. Gefragt sind konkrete Prozessketten und messbare Kenngrößen (z. B. Durchlaufzeit, Ausschussquote, Energieverbrauch), die durch KI-Einsatz signifikant verbessert werden sollen.

Neuer Wissenspunkt 1: Kombination von KI-Modulen als Systeminnovation

Spannend ist, dass der Mehrwert nicht nur im einzelnen Use Case entsteht, sondern in der Systemintegration mehrerer KI-Module. In vielen Werken scheitern KI-Projekte daran, dass sie zwar lokal funktionieren, aber nicht in die übergeordneten Planungs- und Steuerungssysteme eingebettet sind. Die neuen BMFTR-Richtlinien zwingen Unternehmen, über interoperable Module, gemeinsame Datenmodelle und standardisierte Schnittstellen nachzudenken – eine entscheidende Voraussetzung für die nächste Stufe industrieller KI, wie sie auch im Kontext von multimodalen und spezialisierten KI-Modellen diskutiert wird.

Beispiele aus verwandten Programmen: Klimaneutrale Mobilität und Medizintechnik

Um besser zu verstehen, was realistisch gefördert wird und wie Projekte am Ende aussehen, lohnt sich ein Blick in verwandte BMFTR-Programme.

KI-basierte klimaneutrale Mobilitätssysteme

Die Richtlinie zur Förderung von KI-basierten klimaneutralen Mobilitätssystemen in Modellregionen zeigt, wie KI-Förderungen in der Praxis strukturiert sind: Verbundprojekte mit mindestens drei Partnern, darunter eine interkommunale Institution und eine Hochschule, zweistufiges Verfahren, mehrere Jahre Projektlaufzeit und ein klarer Beitrag zu CO₂-Reduktion.

Übertragbar auf InProKI und ModuS‑KI sind vor allem:

Regionale Modellräume: In der Mobilität werden ganze Regionen als Testfelder genutzt – ein ähnlicher Ansatz ist denkbar für industrielle Wertschöpfungsnetzwerke, etwa regionale Cluster im Maschinenbau oder in der Logistik.
Transferphasen: Nach erfolgreicher erster Projektphase können weitere Mittel für Umsetzung und Skalierung bereitgestellt werden.

Diese Logik deutet an, dass auch bei InProKI und ModuS‑KI nicht nur der Prototyp, sondern der Markt- und Transferpfad eine zentrale Rolle spielen wird.

KMU-innovativ Medizintechnik: Risikoreiche, vorwettbewerbliche Forschung

Die BMFTR-Richtlinie „KMU-innovativ: Medizintechnik“ fördert risikoreiche, vorwettbewerbliche Forschungs- und Entwicklungsprojekte mit hoher Technologie- und Anwendungstiefe. Auch dort gilt ein zweistufiges Verfahren mit Projektskizzen und Vollanträgen, ähnlich wie bei den KI-Förderrichtlinien für Wertschöpfung.

Drei Lehren daraus für Unternehmen, die InProKI oder ModuS‑KI nutzen wollen:

Mut zu Risiko und Neuheit: Projekte mit hoher Innovationshöhe und klarer Anwendungsperspektive haben bessere Chancen als vorsichtige Optimierungen im Status quo.
Klinische Partner ≈ Industriepartner: Analog zur Medizintechnik, wo klinische Partner entscheidend sind, werden in InProKI Industriepartner mit realen Produktionsumgebungen der Schlüssel zum Erfolg sein.
IP-Strategie von Anfang an: Vorwettbewerblichkeit bedeutet nicht IP-Verzicht. Unternehmen sollten früh klären, welche Schutzrechte sie an Ergebnissen beanspruchen können.

Drei zusätzliche Wissenspunkte: Was in der Diskussion oft übersehen wird

Neuer Wissenspunkt 2: Governance und Evaluationskultur werden kritisch

Mit wachsender Zahl von KI-Projekten im industriellen Kontext rückt die Frage in den Fokus: Wie messen wir Erfolg, Robustheit und Fairness von KI-gestützten Wertschöpfungsprozessen? Fördergeber wie das BMFTR verlangen zunehmend belastbare Evaluations- und Governance-Konzepte. Die Diskussion auf Veranstaltungen wie der DeGEval-Fachtagung zu KI und Evaluation zeigt, dass sich hier eine eigene „Evaluation Science for AI“ entwickelt – mit Kennzahlen, die weit über klassische OEE- oder ROI-Zahlen hinausgehen.

Unternehmen, die InProKI oder ModuS‑KI nutzen wollen, sollten deshalb früh überlegen:

Welche Qualitäts- und Robustheitsmetriken gelten für meine KI-Module?
Wie dokumentiere ich Entscheidungen, Trainingsdaten und Modelländerungen?
Welche Compliance- und Audit-Anforderungen könnte der kommende EU AI Act nach sich ziehen?

Neuer Wissenspunkt 3: Datensouveränität und europäische KI-Infrastruktur

Da Ergebnisse der geförderten Projekte nur im EWR oder der Schweiz verwertet werden dürfen, wird das Thema Daten- und Technologiesouveränität zur stillen Leitplanke der Programme. Das passt zur europäischen Diskussion um souveräne KI-Infrastrukturen, etwa um europäische Cloud- und Edge-Plattformen und spezialisierte Inferenz-Hardware.

Für die Industrie bedeutet das: Wer heute KI-Module und Wertschöpfungsnetzwerke mit BMFTR-Mitteln baut, sollte auf offene Standards, interoperable Schnittstellen und europäische Technologiepartner setzen – nicht nur aus politischer Loyalität, sondern um langfristige Abhängigkeiten von einzelnen Hyperscalern zu vermeiden.

Wer profitiert wirtschaftlich? Gewinner- und Verlierersegmente

Die 85 Millionen Euro sind im Vergleich zu den globalen KI-Investitionen zwar ein kleiner Baustein, aber sie setzen klare Signale im deutschen und europäischen Markt. Auf Branchenebene lässt sich eine Tendenz ablesen, welche Segmente eher zu den Gewinnern und welche zu den Verlierern gehören dürften.

Wahrscheinliche Gewinner

Industrie-Software und Automatisierungstechnik: Anbieter von MES-, ERP-, APS- und SCADA-Systemen mit klarer KI-Roadmap können ihre Lösungen in geförderten Verbundprojekten verankern und so De-facto-Standards mitprägen.
Cloud- und Edge-Plattformen: Infrastruktur- und Plattformanbieter, die industrielle KI-Workloads – inklusive On-Device-Ansätzen – performant und sicher betreiben können, profitieren als Technologiepartner.
KI-Start-ups im B2B-Bereich: Spezialisierte Anbieter von Computer Vision, Zeitreihenanalyse, Agentensystemen und generativen Modellen für industrielle Anwendungen gewinnen Zugang zu Pilotkunden und Referenzprojekten.
Maschinen- und Anlagenbau: Hersteller, die ihre Produkte mit KI-gestützten Services (z. B. Condition Monitoring, adaptive Steuerung) erweitern, können durch die Programme die Entwicklungskosten senken und ihren Serviceanteil erhöhen.

Potenzielle Verlierer

Arbeitsintensive Dienstleister ohne KI-Strategie: Bereiche wie einfache Logistik-, Wartungs- oder Verwaltungsdienstleistungen werden durch produktivitätssteigernde KI zunehmend unter Preisdruck geraten, wenn sie nicht selbst in Automatisierung investieren.
Zulieferer ohne Datenzugang: Unternehmen, die keine Sicht auf Prozess- und Nutzungsdaten ihrer Produkte haben (z. B. reine Komponentenlieferanten ohne Sensorik), laufen Gefahr, von datengetriebenen Geschäftsmodellen abgehängt zu werden.
Proprietäre Nischenanbieter ohne Interoperabilität: Systeme, die sich nicht in modulare, vernetzte KI-Architekturen integrieren lassen, verlieren an Attraktivität, sobald standardisierte KI-Module Marktanteile gewinnen.

Auf Ebene einzelner Aktien (ohne konkrete Empfehlungen oder Namen zu nennen) ist zu erwarten, dass Industrie-4.0‑Player, Automatisierer, Cloud-Anbieter mit Industrie-Fokus und spezialisierte KI-Softwarehäuser relativ profitieren. Titel aus arbeitsintensiven, schwach digitalisierten Sektoren ohne klare Transformationsstrategie könnten dagegen hinter dem Markt zurückbleiben.

Vor- und Nachteile für die Gesamtwirtschaft

Volkswirtschaftliche Vorteile

Produktivitätssteigerung: Durch KI-integrierte Wertschöpfungssysteme können Output, Qualität und Ressourceneffizienz steigen – ein wichtiger Faktor für ein Hochlohnland wie Deutschland.
Stärkung des Mittelstands: ModuS‑KI adressiert gezielt KMU und Handwerk, die bisher oft zu wenig in KI investiert haben. Das reduziert Digitalisierungs- und Innovationslücken.
Technologische Souveränität: Die Bindung der Verwertung an Europa stärkt regionale Wertschöpfung und kann Abhängigkeiten von außereuropäischen Anbietern mindern.
Wissensaufbau und Kompetenznetzwerke: Verbundprojekte schaffen langfristige Netzwerke aus Unternehmen, Hochschulen und Forschungseinrichtungen, die über das einzelne Projekt hinaus wirken.

Volkswirtschaftliche Risiken und Nachteile

Komplexität und Bürokratie: Zweistufige Verfahren, umfangreiche Nachweispflichten und Verbundkoordination können insbesondere kleinere Betriebe überfordern und Antragsbereitschaft dämpfen.
Ungleichgewicht zugunsten erfahrener Antragsteller: Institutionen mit Fördererfahrung sind klar im Vorteil. Es besteht die Gefahr, dass Mittel vor allem an ohnehin starke Cluster fließen.
Struktureller Anpassungsdruck: Sektoren und Regionen mit geringem KI-Reifegrad geraten unter Wettbewerbsdruck, was zu Arbeitsplatzverlagerungen führen kann, bevor neue Wertschöpfung entsteht.
Fragmentierung von Lösungen: Wenn Interoperabilität und Standards nicht konsequent verfolgt werden, droht eine Landschaft aus vielen, schlecht integrierten Einzellösungen.

Ausblick: Wie sich KI-Förderung, Industrie und Mittelstand bis 2030 entwickeln könnten

Die neuen BMFTR-Richtlinien sind Teil einer längerfristigen Entwicklung, in der KI-Förderung sich von Grundlagenforschung hin zu wertschöpfungsnahen Anwendungen verschiebt. Was lässt sich für die kommenden Jahre erwarten?

Trend 1: Von Projekten zu Plattformen und Ökosystemen

Viele der jetzt geförderten Verbundprojekte werden – sofern erfolgreich – Keimzellen für branchen- oder regionalspezifische Plattformen. KI-Module, die heute in InProKI oder ModuS‑KI entwickelt werden, könnten bis 2030 als standardisierte Bausteine in ganze Branchen diffundieren. Das betrifft sowohl technische Plattformen (z. B. Datenräume, Modellmarktplätze) als auch Geschäftsmodelle (Pay-per-Use für KI-Services in der Produktion).

Trend 2: Agentische Systeme und autonome Wertschöpfungsketten

Mit der Reifung von Agentic AI und Multi-Agent-Systemen – ein Thema, das wir bereits im Beitrag zu autonomen KI-Agenten beschrieben haben – ist zu erwarten, dass KI-Module zunehmend nicht nur analysieren, sondern selbstständig handeln: Aufträge priorisieren, Wartungen auslösen, Lieferketten umplanen. Förderprogramme wie InProKI bereiten diesen Schritt vor, indem sie die Integration von KI in operative Leitsysteme fördern.

Trend 3: Strengere Regulierung und Qualitätsanforderungen

Mit dem EU AI Act und nationalen Umsetzungen dürfte die Regulierung für KI in sicherheitsrelevanten oder kritischen Bereichen (z. B. Industrieanlagen, Logistik, Energie) schärfer werden. Förderprojekte werden dadurch zu Testfeldern für Governance- und Compliance-Ansätze. Wer heute saubere Datenpipelines, auditierbare Modelle und transparente Mensch‑Maschine-Interaktion aufsetzt, ist morgen regulatorisch im Vorteil.

Trend 4: Verschmelzung von KI und Nachhaltigkeit

Die Verbindung von KI-Förderung mit Klima- und Nachhaltigkeitszielen – wie in den Programmen zu klimaneutraler Mobilität sichtbar – wird sich fortsetzen. Energieeffizienz, Ressourcenschonung und Emissionsreduktion werden zentrale KPIs für KI-Projekte. Für Industrie und Handel bedeutet das: Green & Smart ersetzt „Smart oder Green“.

Für Unternehmen und Investoren ergibt sich daraus ein klares Bild: Die neuen BMFTR-Förderrichtlinien InProKI und ModuS‑KI sind kein isolierter Fördertopf, sondern ein Katalysator für den Übergang von punktuellen KI-Piloten zu vernetzten, KI-integrierten Wertschöpfungssystemen. Wer das nutzen will, sollte jetzt Verbundpartner suchen, konkrete Use-Case-Portfolios schnüren und frühzeitig eine saubere Daten-, Governance- und IP-Strategie aufsetzen. Auf Makroebene verstärkt die Initiative den ohnehin laufenden Strukturwandel hin zu datengetriebener, resilienter und nachhaltiger Industrie – mit messbaren Chancen für produktive, innovationsstarke Akteure und spürbarem Anpassungsdruck für diejenigen, die den KI-Sprung weiter aufschieben.