_________

Published on Sep. 28, 2026

Chinas Autoindustrie hat ihre erste und zweite Transformation weitgehend abgeschlossen. Elektrische Antriebe, Batterien und Ladenetze sind etabliert oder im Aufbau. Intelligente Fahrfunktionen werden auch in Einstiegsmodellen rasch zum Standard.

Jetzt konzentrieren sich sowohl die Unternehmen als auch die Regierung in Peking auf die dritte Transformation der Industrie mit künstlicher Intelligenz. Zum ersten Mal überhaupt erklärt ein hochrangiger Plan „KI + Automobil“ ausdrücklich zur Priorität.

Am 9. September 2026 veröffentlichten das Ministerium für Industrie und Informationstechnologie (MIIT) und acht weitere Regierungsbehörden den „15. Fünfjahresplan für die Entwicklung der Industrie für intelligente vernetzte Fahrzeuge mit neuer Energie“. Er enthält einen eigenen Abschnitt mit dem Titel „Aktionsplan für die Entwicklung von ‚KI + Automobil‘“ (auf Chinesisch).

Der gesamte NEV-Plan strebt bis 2030 einen Anteil von 70 Prozent Elektroautos und Plug-in-Hybriden bei Pkw und 40 Prozent bei Nutzfahrzeugen an, dazu den breiten Einsatz autonomer Fahrfunktionen. Mit anderen Worten, er behandelt die Transformation zu intelligenten Elektrofahrzeugen als „Mission Accomplished“.

Chinas politischer Fokus verschiebt sich jetzt von der raschen Verbreitung von Fahrzeugen mit neuer Energie, kurz NEV, hin zu neuen Kerntechnologien unter Führung der KI. Auch Themen wie die globale Expansion der chinesischen Autoproduktion und die Widerstandsfähigkeit der heimischen Lieferketten rücken stärker in den Vordergrund.

Das Kapitel „KI + Automobil“ liest sich wie eine Checkliste für die Branche in den kommenden Jahren. Drei zentrale Aufgaben für chinesische Autohersteller stechen heraus.

Erstens will das MIIT Innovationen bei KI-Modellen und intelligenten Agenten sehen und deren Einsatz im Automobilbereich vorrangig vorantreiben, mit Pilotbasen und Rechenanlagen aus öffentlichen und unternehmenseigenen Ressourcen.

Zweitens fordern die Planer einen tieferen Einsatz von KI im Fahrzeug selbst, mit Schwerpunkt auf Energiemanagement, Bewegungssteuerung, multimodaler Mensch-Maschine-Interaktion und Fehlervorhersage, und verlangen eine „Integration von Cockpit und Fahren“ durch domänenübergreifende Koordination.

Drittens befasst sich der MIIT-Plan mit Fortschritten bei Fahrzeugdaten, von vertrauenswürdigen Datenräumen und besseren Datensätzen bis zu großen Modellen und rund 50 typischen Anwendungsszenarien.

Das ist, wohlgemerkt, ein „Plan“, eine Blaupause für die Zukunft. KI in Chinas Autoindustrie befindet sich derzeit in einem frühen Stadium des Experimentierens, das sich leicht verspotten lässt.

Mehr als 60 Autohersteller und Zulieferer in China haben das populäre KI-Modell DeepSeek bereits lokal installiert. „Die meisten verharren jedoch im Stadium des ‚Technologie-Rebrandings‘“, zitierte die chinesische Branchenzeitung Zhongguo Qiche Bao (China Auto News) kürzlich aus einem Whitepaper von Baidu Intelligent Cloud und China EV100 (auf Chinesisch).

Ein Chatbot im Cockpit ist weit entfernt von der Ära des KI-definierten Fahrens, die manche Marketingtexte schon ausrufen. Ebenso falsch wäre es aber, das reale und weit verbreitete Experimentieren mit KI in der chinesischen Autoindustrie abzutun, das weit über das Cockpit hinausgeht. Das war unter anderem auf dem jüngsten „AI-Defined Vehicle Forum“ zu sehen.

Bei KI-Agenten im Engineering, einem der Punkte auf der Wunschliste des MIIT, ist ein deutsches Unternehmen in China aktiv. Die Xcelerator-Plattform von Siemens, vor drei Jahren in China gestartet, hat mehr als 600 lokale Partner, 900 Anwendungen und 660.000 Nutzer, zitierte das chinesische Autoportal Gasgoo Qian Shiming von Siemens Digital Technology auf dem schon erwähnten Forum in Shanghai.

Die Vielfalt der Anwendungsfälle gibt einen ersten Eindruck vom Ausmaß der laufenden Transformation. Im Automobilsektor bietet Siemens mehr als 100 KI-Anwendungen in acht Szenarien an. In der SPS-Programmierung ist der Eigen-Agent in das TIA Portal integriert und erzeugt Code, HMI-Bildschirme und Hardwarekonfigurationen in einem Schritt. Im Zeichnungsmanagement ist die Zahl manueller 3D-zu-2D-Zeichnungsvorgänge um 90 Prozent gesunken, während sich die Zeichnungsausgabe verfünffacht hat, sagt Siemens.

In der Produktion hat die MES-Plattform Yanfeng Visteon nach Angaben des deutschen Unternehmens geholfen, die Qualitätskosten um 15 bis 20 Prozent zu senken. Und der Qualitätsagent „Zhi Xiao Q“ hat die Effizienz der Qualitätsingenieure bei Amphenol um 66 Prozent gesteigert, ebenfalls laut Hersteller.

Im Produktdesign verkürzt NX MCD die Inbetriebnahme vor Ort um 30 Prozent und senkt die Kosten für Versuch und Irrtum um 20 Prozent, berichtet Siemens.

Solche Produktivitätsgewinne lassen sich schwer unabhängig überprüfen. Die Richtung ist jedoch klar. Das ist Teil der Aufwertung des Engineerings, die der MIIT-Plan anstrebt, geliefert von einem europäischen Zulieferer.

Für das zweite Feld, die Integration von Cockpit und Fahren, dient der chinesische Autohersteller Seres als gutes Beispiel, sowohl für das bereits Erreichte als auch für die künftige Roadmap der KI-Integration.

Seres hat die Marke Aito gemeinsam mit Huawei aufgebaut und kürzlich die Kontrolle darüber übernommen. Heutige Fahrzeuge haben getrennte Domänen für intelligentes Fahren, das Cockpit und das Fahrwerk, sagt Liu Xiaofei von Seres Technology. Künftig würden sie sich zu „verkörperten intelligenten Agenten“ integrieren.

Seres schlägt eine dreistufige Hardware-Architektur aus „Gehirn, Kleinhirn und Zonensteuerung“ vor. Eine zentrale Rechenplattform bündelt die Ressourcen von Cockpit, Fahren und Fahrzeugsteuerung und wird zum Wahrnehmungs- und Entscheidungszentrum des Autos. Ein Motion-Domain-Controller, das Kleinhirn, koordiniert Antrieb, Bremsen, Lenkung und Federung. Zonencontroller reduzieren die Verkabelung und senken Gewicht und Kosten.

Das Rechnen ist hybrid, verschiedene Aufgaben laufen entweder in der Cloud oder im Auto. Tiefe Inferenz findet in der Cloud statt, Antworten im Millisekundenbereich im Fahrzeug, so Seres. Die domänenübergreifende Koordination, ein weiterer Punkt des MIIT, ist als konkrete Elektronikarchitektur direkt im Auto verankert.

Das chinesische Unternehmen QCraft entwickelt KI-Modelle für Fahrintelligenz. Sein cloudbasiertes Weltmodell erzeugt kontrollierbare Videos, Zero-Shot-Szenarien und kostengünstige Simulationen. Ein fahrzeugseitiges Modell kombiniert Vision-Language-Action mit Reinforcement Learning und deckt den Weg von der Wahrnehmung bis zur Aktion ab, sagte Qian Xiangjun von QCraft auf dem KI-Forum in Shanghai.

Das sind keine kleinen Pilotprojekte mehr. Die Fahrassistenz-Software von QCraft läuft in mehr als einer Million Fahrzeugen in mehr als 40 Modellen von zehn Marken, nach Angaben des Unternehmens.

Die Rechenleistung im Fahrzeug, derzeit eine der größten Beschränkungen der KI, wächst rasch. Die Pro-Plattform des Unternehmens war die erste, die urbane Navigationsassistenz auf dem Horizon-J600M-Chip mit 128 TOPS einsetzte, während die Max-Plattform bereits mit mehr als 500 TOPS arbeitet.

Assistiertes Fahren und volle Autonomie teilen sich dieselbe Plattform. QCraft testet diese Technologie nicht nur in chinesischen Städten, sondern auch in München und Paris. Autonomes Fahren sei die „erste kommerzielle Anwendung physischer KI im großen Maßstab“, sagt Qian Xiangjun.

In der chinesischen Autoindustrie wächst die Erkenntnis, dass kein Unternehmen die kommende Transformation allein bewältigen kann. Die Kosten für Forschung und Entwicklung sind zu hoch und die Iterationszyklen zu kurz. Das einzugestehen ist neu für stolze Marken, die an Entwicklung hinter verschlossenen Türen gewöhnt sind.

Doch auch dieser Trend ist in China deutlich sichtbar. Immer mehr Unternehmen loten aktiv Partnerschaften aus, selbst mit Wettbewerbern. „OEM + OEM + Schlüsselpartner + Institutionen“ nennt Wang Xiaojuan von Geelys Institut für externe Kooperation und Forschung dieses neue Kooperationsmodell.

Sie sprach auf dem World New Energy Vehicle Congress in Haikou am 22. September 2026. Die Gründe, die die Expertin für den Zusammenschluss nannte, waren technischer Natur.

Ein Fahrzeugmodell habe früher fünf Jahre gehalten, sagte sie, während KI-basierte Fahralgorithmen alle paar Monate Updates bräuchten. Einen Chip wie Nvidias Orin mit 254 TOPS von Grund auf zu entwickeln, würde mindestens mehrere Milliarden Yuan kosten, noch vor der Anpassung an das Ökosystem.

Wettbewerber, Zulieferer und Forschungsinstitute sollten schon ab der Produktdefinition gemeinsam entwickeln, schlug Wang vor, während die Fahrzeugsteuerung und die Sicherheitssysteme unter der Kontrolle des Autoherstellers blieben.

Das zuvor zitierte Baidu-Whitepaper liefert eine noch längere Liste von Hindernissen, vor denen jedes Industrieunternehmen steht, das KI in seine Prozesse und Produkte integrieren will. Die gegenwärtige Realität ist für die meisten, dass KI-Anwendungen noch auf Pilotprojekte beschränkt sind. Alte Geschäftsdaten lassen sich schwer anbinden. Selbst Abteilungen innerhalb eines Unternehmens koordinieren sich schlecht.

Wer einfach das klügste große Modell in diese Umgebung einführt, wird von den Ergebnissen möglicherweise dennoch enttäuscht sein. „Die Herausforderung besteht darin, dass allgemeine große Modelle mit öffentlich verfügbaren Daten trainiert werden, während die Kerndaten der Autohersteller in Systemen wie ERP, MES und PLM gespeichert sind. Beide leiden daher unter einer ‚Verständnislücke‘“, schreibt die Branchenzeitung Zhongguo Qiche Bao.

Bleibt das Verständnis oberflächlich, könnten Agenten „die Bedeutung anhand der Feldnamen erraten“ und Abweichungen in Geschäftsrisiken verwandeln. Datensilos und die Verbindung alter und neuer Systeme sind systemische Probleme.

Der Fokus der Branche verschiebt sich daher vom „Streben nach stärkerer KI“ hin zum „wirklichen Verständnis der Geschäftsdaten“, schließt das Baidu-Whitepaper. Das meint das chinesische Industrieministerium mit „vertrauenswürdigen Datenräumen“ für Fahrzeugdaten.

Solche Herausforderungen sind nicht einzigartig für dieses Land, das Umfeld für ihre Bewältigung ist es aber. Chinas großer Markt wirkt wie ein Testfeld für neue Technologien in einer Vielzahl unterschiedlicher Szenarien. Ist eine Innovation erst bewährt, erlaubt eine vollständige Industriekette den schnellen Sprung vom Test zur Massenproduktion.

Deshalb wird der Spott über Autohersteller, die DeepSeek im Cockpit installieren und mit ihren KI-Fähigkeiten prahlen, nur für einen flüchtigen Moment berechtigt sein. Die dritte Transformation der chinesischen Autoindustrie findet noch schneller statt als die erste und die zweite.