AI výroba: Merck ukazuje cestu – spí střední podniky?
KI & Automatisierung · 23. Februar 2026 · Manuel Krapf
AI výroba je realitou. Zatímco chemičtí giganti jako Merck KGaA modernizují s AI robotikou, mnozí váhají. Zjistěte, co tato dohoda skutečně znamená pro váš provoz.
Pamatujete si ještě na chemické sady z dětství? Trocha bublání, malé zabarvení, možná zvláštní zápach – to už byl obrovský úspěch. V laboratořích německého velkého průmyslu to, upřímně řečeno, po desetiletí nevypadalo zásadně jinak. Jen s dražšími skleněnými baňkami a doktory v bílých pláštích, kteří pečlivě míchali receptury. Proces charakterizovaný pokusy, omyly a velkou trpělivostí.
Ale ty časy ručního míchání, pipetování a doufání jsou definitivně pryč. To, co bylo právě v lednu 2026 zpečetěno mezi Merck KGaA v Darmstadtu a startupem ChemLex ze Singapuru, je víc než jen další vznešené „Memorandum o porozumění“. Je to pohřeb starého paradigmatu výzkumu a vývoje. Je to startovní výstřel pro novou éru ve výrobě, jejíž ozvěna se ponese daleko za chemický průmysl až do výrobních hal německých středních podniků. Otázka zní: Poslouchá tam někdo?
AI výroba není hudba budoucnosti – je to nová realita
Pojďme si promluvit na rovinu. Merck, jeden z našich německých chemických parníků, si s ChemLexem pořizuje armádu robotů řízených umělou inteligencí. Jde o to, že už to nejsou primárně lidé, kdo míchá látky, ale algoritmy a vysoce přesné automaty. ChemLex dodává platformu, která propojuje plně automatizovanou laboratoř s umělou inteligencí. Cíl? Radikálně urychlit výzkum a vývoj (R&D) tak, aby konkurence viděla jen zadní světla. Jde o to vyvíjet nové materiály pro polovodičový nebo automobilový průmysl ne už za roky, ale za měsíce. A to s přesností a reprodukovatelností, o které si člověk může jen zdát.
To není jen hračka pro bohatý koncern. To je změna paradigmatu. Merck nazývá AI „kritickým umožňovačem“ pro řešení „komplexních vědeckých výzev“. Přeloženo to znamená: Bez AI se u nás brzy nic neobejde. A nejsou sami. Podle aktuálních čísel, která mám k dispozici, AI již pohání 46 % všech simulačních úloh v R&D týmech evropského chemického, energetického a polovodičového průmyslu. 42 % těchto týmů již používá AI-nativní platformy. To už není nika, to je nový standard na špičce.
Rozdíl: Rychlost, náklady a přesnost v číslech
Abychom to učinili hmatatelným, musíme se rozloučit s obrazem laboratoře a podívat se na chladná fakta. Jde o tvrdé ekonomické výhody. Při mé poslední návštěvě středně velkého strojírenského podniku poblíž Stuttgartu si generální ředitel stěžoval, že vývojový cyklus nové komponenty trvá klidně 18 měsíců. 18 měsíců! Za tu dobu konkurent, který sází na AI simulaci, již prošel třemi iteracemi a je na trhu s lepším produktem.
| Parametr | Tradiční R&D | Syntéza podporovaná AI (model Merck) |
|---|---|---|
| Doba vývoje nových materiálů | 12-24 měsíců | 3-6 měsíců |
| Počet manuálních experimentů | Stovky až tisíce na projekt | Výrazně sníženo, protože AI předpovídá nejslibnější kandidáty |
| Reprodukovatelnost a standardizace | Silně závislé na provádějícím personálu | Extrémně vysoká, protože je řízeno roboty a daty |
| Osobní náklady v laboratoři | Vysoké, vyžaduje vysoce kvalifikované specialisty pro opakující se úkoly | Nižší, specialisté se zaměřují na komplexní problémy a interpretaci výsledků AI |
| Využití dat | Často v silech (poznámkové bloky, lokální soubory) | Centralizované, strukturované a znovu použitelné pro budoucí modely AI |
Co říkají průkopníci – a co zamlčují
Samozřejmě, korporátní řeč Mercku je jen polovina úspěchu. „Předpoklad pro řešení komplexních vědeckých výzev“ – zní to dobře na každé PowerPointové prezentaci. Ale co se za tím skrývá? Minulý týden jsem telefonoval s Dr. Martinem Grafem, analytikem, který se chemickému průmyslu věnuje 20 let. Vystihl to přesně: „Klausi, to, co zde vidíme, je AlphaFold moment pro materiálovou vědu. Stejně jako AI revolucionalizovala skládání proteinů, tak znovu vynalezne vývoj materiálů. Kdo zmešká příležitost, bude degradován na dodavatele inovátorů.“
Stojíme před transformací v chemii, která bude stejně disruptivní jako AlphaFold pro biologii. Společnosti, které nebudou jednat nyní, riskují, že se za několik let stanou technologicky irelevantními.
— Dr. Martin Graf, průmyslový analytik ve společnosti ChemConsult
Zajímavý je také pohled do Belgie na konkurenta Syensqo (bývalá divize Solvay). Tam jsou již o krok dál a používají generativní AI řešení SYGROW, které pomáhá nejen v R&D, ale také v prodeji – při generování leadů a analýze požadavků zákazníků. Šéfka tam, paní Colegrave, otevřeně hovoří o mantinelech: „Člověk v cyklu“ (Human-in-the-Loop) a jasný princip „žádný dohled“. Dokonce to bylo dohodnuto s evropskými podnikovými radami. To je chytrá cesta: zavádět technologie, ale brát lidi s sebou. Bod, který mnoho německých středních podniků (bohužel) rádo přehlíží.
Automatizace ve středních podnicích: Mezi ambicemi a realitou
To všechno zní nádherně, že? Krásný nový svět AI výroby, kde pro nás pracují roboti a algoritmy nám ukazují cestu k dalšímu miliardovému obchodu. Ale teď k věci. Tady se zase začíná odzadu. Realita ve většině středně velkých výrobních podniků, které navštěvuji – ať už ve Východním Vestfálsku-Lippe nebo v Černém lese – vypadá jinak. Tam se bojuje s problémy dodavatelských řetězců, explodujícími náklady na energii a nedostatkem kvalifikovaných pracovníků, který vám vhání slzy do očí.
Opravdu si někdo myslí, že „skrytý šampion“ s 250 zaměstnanci může jen tak navázat partnerství s AI startupem v Singapuru? Realitou jsou omezené rozpočty, IT infrastruktura, která částečně pochází ještě z éry Helmuta Kohla, a především: nestrukturovaná, nečistá data. AI je jen tak dobrá, jak dobrá jsou data, kterými je krmena. A největší digitální smetiště s nejlepší AI produkuje jen rychlejší, dražší odpad. Zda je to opravdu tak jednoduché, jak slibují lesklé brožury, o tom silně pochybuji. Hrozí obrovské riziko, že střední podniky zde ztratí krok – ne z neochoty, ale z pouhé přetíženosti.
Otázky a odpovědi: Co to konkrétně znamená pro můj podnik?
Zde jsou otázky, které mi generální ředitelé kladou každý týden – a mé nemilosrdné odpovědi.
Je investice do AI výroby pro malé a střední podniky vůbec rentabilní?
Ne, pokud se snažíte kopírovat Merck. Ale absolutně ano, pokud začnete v malém. Pilotní projekt v optické kontrole kvality, optimalizace vašich časů nastavení pomocí AI nebo inteligentní automatizace prodeje – to jsou projekty s návratností investic do 12 až 18 měsíců. Otázka není, zda je to rentabilní, ale kde začnete.
Kde získám potřebné odborníky?
Nikde. Alespoň ne na volném trhu. Musíte si kvalifikovat své vlastní lidi. Vyškolte interní „AI šampiony“, kteří budou fungovat jako most mezi odděleními a externími poskytovateli služeb. A hledejte partnery – univerzity, instituty Fraunhofer nebo specializované poradenské firmy, které rozumí německým středním podnikům. Nepotřebujete datového vědce z Googlu, potřebujete inženýra, který rozumí, jak fungují vaše stroje a co může AI zlepšit.
Moje data jsou chaos. Mohu přesto začít?
Dokonce musíte. Nečekejte na perfektní databázi. Spusťte projekt čištění dat souběžně s vaším prvním pilotním projektem AI. Využijte pilotní projekt k definování, jaká data SKUTEČNĚ potřebujete a v jaké kvalitě. To vytváří zaměření. Jinak se ztratíte v letech úklidu dat, zatímco konkurence vás předběhne.
- Krok 1: Brutálně upřímná inventura. Na chvíli zapomeňte na AI. Kde přesně ztrácíte peníze, čas a nervy ve vaší výrobě nebo prodeji? Identifikujte 2-3 největší bolestivá místa. Neodhadujte – měřte! Mluvte s lidmi u stroje a v terénu.
- Krok 2: Spusťte projekt majáku. Vyberte JEDEN z těchto bolestivých bodů a definujte jasný, měřitelný cíl. Příklad: „Snížení míry zmetkovitosti v lince 3 o 15 % pomocí AI-podporovaného rozpoznávání obrazu.“ Tento projekt musí přinést první výsledky do 6 měsíců. Jde o rychlé vítězství, které přesvědčí organizaci.
- Krok 3: Datová dieta místo datového paláce. Identifikujte MINIMÁLNĚ potřebná data pro váš projekt majáku. Starejte se POUZE o tato data. Zajistěte, aby byla čistá, dostupná a strukturovaná. Zbytek přijde později. Perfekcionismus je nepřítel pokroku.
- Krok 4: Získejte externí sílu. Nemusíte znovu vynalézat kolo. Najděte si poskytovatele služeb nebo výzkumný ústav, který již řešil podobné problémy ve středních podnicích. Reference jsou zde vše. Nenechte si prodat vzdušné zámky.
- Krok 5: Udělejte ze svých zaměstnanců komplice. Komunikace je vše. Toto není IT projekt, je to kulturní změna. Vysvětlete, co plánujete, jaký je přínos pro jednotlivce (méně hloupé práce, více zaměření na řešení problémů) a berte obavy vážně. AI systém, který je sabotován zaměstnanci, je nejdražší chybnou investicí vůbec.
Základ: Váš ideální zákaznický profil (ICP) Než investujete miliony do AI výroby, musíte vědět, PRO KOHO vyrábíte. Každá strategie podporovaná AI – ať už v R&D nebo prodeji – začíná ostrým pochopením vašeho ideálního zákazníka. Náš ICP Playbook vám pomůže položit přesně tento základ.
Upřímně: Většina generálních ředitelů středních podniků, se kterými jsem v poslední době mluvil, stále mává rukou nad tématem AI. „Příliš drahé“, „příliš složité“, „nic pro nás“ nebo můj oblíbený: „Naši zákazníci to nechtějí“. To je životu nebezpečný omyl. Vaši zákazníci možná nechtějí AI, ale chtějí rychlejší dodací lhůty, lepší kvalitu a nižší ceny. A přesně to jim poskytne konkurence podporovaná AI.
Merck a spol. právě vytvářejí fakta. Využívají svou finanční sílu k vybudování technologického náskoku, který bude za několik let nedostižný. Sázím na to, že do roku 2030 uvidíme v německém průmyslu dvoutřídní společnost: ty, kteří integrují AI a jsou agilní, datově řízení a vysoce efektivní – a ty, kteří zůstanou pozadu a stanou se pouhými dílnami a smluvními výrobci těch prvních. Tomu se nedá vyhnout. Otázka pro vás není, zda naskočíte na vlak, ale jak rychle si zajistíte jízdenku do první třídy. A tento vlak právě opouští nádraží vysokou rychlostí.