4つの公開事例
ドイツ企業のAI活用で、公開情報から中身が確認できる事例を4つ挙げます。
| 企業・拠点 | 取り組み | 公表内容 | 時期 |
|---|---|---|---|
| Audi（Böllinger Höfe工場） | TÜV安全認証を受けた仮想PLC（Siemens S7-1500V）と、AIによる溶接スパッタの外観検査 | Neckarsulm工場へ拡大予定 | 2025年4月 |
| Schaeffler | スクラップ率・歩留まり・エネルギー使用量をチャットボットで照会 | 工場情報の民主化（定性） | 2024年 |
| Schaeffler | Siemens Industrial Copilotを現場のエンジニアリング・運用業務に利用 | 2024年に利用 | 2024年 |
| Siemens（Bad Neustadt工場） | Insights Hub Production Copilotで分散したデータから洞察を得る | 運用中（定量値なし） | 2025年5月 |
| Siemens（Erlangen電子工場） | 24時間の現場トラブルシュート・保全にCopilotチャットボット | 運用中（定量値なし） | 2025年 |
共通しているのは、効果の数値をほとんど出していない点です。日本の事例紹介では削減率が強調されがちですが、ドイツ企業の公開事例は「何を、どの仕組みで動かしているか」が中心です。
Audi：制御の仮想化とAI検査を同じ基盤に載せる
Audiの事例で注目すべきは、AIの溶接検査そのものより、PLC（プログラマブルロジックコントローラ）をハードウェアから切り離した仮想PLCが、TÜV（ドイツの第三者認証機関）の安全認証を受けた点です。制御をサーバー上のソフトウェアとして動かせると、同じ計算基盤の上でAI推論と制御を近接して扱えます。溶接スパッタの外観検査AIの結果を制御側に戻す、といった閉ループの構成が組みやすくなります。
Schaeffler：AIの前に「照会できるデータ」を作る
Schaefflerのチャットボットは、スクラップ率・歩留まり・エネルギー使用量という、MESやエネルギー管理システムに既にある指標を自然言語で照会するものです。高度な予測ではありませんが、現場の担当者が自分でデータを引けるようになることを「民主化」と位置付けています。前提は、工場のデータが照会できる形で統合されていることです。
背景にあるIndustrie 4.0のデータ標準
ドイツのAI活用が制御やデータ照会から具体化している背景には、Industrie 4.0の取り組みの中で進めてきたデータの標準化があります。
中心になるのが、アセット管理シェル（Asset Administration Shell、AAS）です。AASは設備・部品・製品といった資産を「標準化されたデジタル表現」として扱い、銘板・技術データ・稼働データなどのサブモデルの各要素が、ECLASSやIEC CDDの辞書の定義を参照します。2023年12月にIEC 63278-1として国際規格になり、IDTA（Industrial Digital Twin Association）の仕様は2025年7月にv3.1.1が公開されています。
AIにとってこの意味は大きく、「定格電流」「スピンドル温度」といった項目が会社や設備メーカーをまたいで同じ意味で扱えれば、ある工場で作った分析やAIを別の工場・別メーカーの設備に移しやすくなります。AASの詳細はアセット管理シェル（AAS）とはで扱っています。
Siemensの動きが示す方向
ドイツの製造業AIを語る上で、自国の大手ベンダーであるSiemensの動きは無視できません。Siemensは2025年のHannover MesseでMicrosoftと協業する産業用基盤モデル（Industrial Foundation Model）を発表しました。3Dモデル・2D図面・技術仕様を処理し、Industrial Copilotや仮想PLCと連携する構想です。2025年にはシミュレーション・AIを強化するためにAltair Engineeringを100億ドルで買収しています。
Audiの仮想PLC、Siemensの自社工場（Bad Neustadt・Erlangen）でのCopilot、基盤モデルと仮想PLCの連携構想を並べると、ドイツ勢が目指しているのは「設計データ・制御・現場の運用データを同じ基盤でつなぎ、その上でAIを動かす」構成だと読めます。この構成はSiemensの製品群を前提にしており、利用者にとってはベンダーへの依存度が上がる面もあります。Siemensの戦略の全体はSiemens Industrial Copilotの全体像を参照してください。
日本の工場が参考にできる点
ドイツの事例から日本の工場が取り入れやすいのは、次の2点です。
1つ目は、上のcalloutのとおり、AIの入口を「データの照会」に置くことです。予測や最適化より効果は地味ですが、データの定義の揺れが早い段階で見つかります。
2つ目は、設備メーカーとの情報の受け渡しを標準化することです。新しく導入する設備から、銘板・技術データ・ドキュメントを構造化された形で受け取る取り決めをしておくと、将来AIで保全支援や設備横断の分析をする際の準備になります。欧州の顧客や親会社からAAS形式でのデータを求められていない場合でも、項目を揃える作業は先にできます。
よくある質問
ドイツの製造業はAI導入で日本より進んでいますか？
一律には言えません。データ標準化（AAS・OPC UA）の取り組みや、制御の仮想化ではドイツが先行している一方、公開事例の多くは効果の数値を出していません。導入率の比較には調査ごとの定義の違いもあるため、領域ごとに見る必要があります。
仮想PLCはAIとどう関係しますか？
仮想PLCは制御をサーバー上のソフトウェアとして動かすため、同じ計算基盤でAI推論と制御を扱いやすくなります。Siemensは産業用基盤モデルと仮想PLCを連携させる構想を示しています。ただし安全機能を担う制御にAIを組み込む場合は、EU機械規則などの第三者評価の対象になりうる点に注意が必要です。
- Siemens unveils first industrial foundation model（CO/AI, 2025年4月13日）
- Industrial AI in manufacturing（Microsoft Industry Blog, 2024年）
- Siemens introduces AI agents for industrial automation（Siemens, 2025年5月12日）
- Siemens Industrial Copilot（Siemens, 2026年閲覧）
- Schaeffler Group Invests and Agrees to Purchase Agility Robotics Humanoids（Automation World, 2024年12月31日）
- IDTA-01001-3-1-1 AAS Specification Part 1: Metamodel（Industrial Digital Twin Association, 2025年7月）
- Siemens Digital Industries Software（Wikipedia, 2026年閲覧）
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
