Künstliche Intelligenz und Machine Learning ermöglichen es, Fehlverhalten von industriellen Maschinen früh zu erkennen und Fehlerursachen schnell zu identifizieren. Das Entstehen einer KI- und ML-basierten Industrial-Analytics-Lösung erfordert dabei in der Regel spezifisches Know-how im Bereich Data Science. Im Ingenieurbereich sind jedoch aus heutiger Sicht die notwendigen Erfahrungen im Umfeld Data Science gering, was den erfolgreichen Einsatz von künstlicher Intelligenz in der Fabrikhalle verhindert. Der Vortrag beleuchtet Herausforderungen und unsere Erfahrungen in der Implementierung von KI-Analysemodellen für industrielle Anwendungen. Dabei zeigen wir, warum ein rein datengetriebener Ansatz nicht zu zufriedenstellenden Analysemodellen führt. Wir verfolgen einen Lösungsweg auf Basis von Automated Machine Learning unter Einbeziehung von Domänenwissen. Anhand praktischer Beispiele demonstrieren wir, wie Automated Machine Learning genutzt werden kann, um industrielle Analysemodelle ohne Data Science Know-how zu erstellen. Zusammenfassend nennen wir fünf Faktoren für die erfolgreiche Einführung von KI und ML im Umfeld der Smart Factory.