ハノーバーメッセ2026 マイクロソフトブース訪問 — Microsoft IQと4つのヒーローデモ #HM26

「マイクロソフトによる製造業への取組とAI活用の方向性、全方位で進んでる」

ハノーバーメッセ2026のマイクロソフトブースで、製造業向けAIのガイドツアーに参加してきました。Microsoft IQ for Manufacturingを軸に、フィジカルAI・人間×エージェント協働・エージェント型サプライチェーン、と4つのヒーローデモを順番に見せてもらえる、ぎっしり詰まったツアーでした。

「データに仕掛けをしてハルシネーションを起こさせない」「PLCから上はクラウド、エッジで自律」「Copilot Studioで現場の人がそのまま触れる」と、設計思想が一貫していて、そのカバー範囲の広さとAI活用のデモンストレーションの幅の広さに終始感心しっぱなしでした。

本記事では、現場でのブースツアーの流れに沿って、その内容を紹介していきます。以下が、マイクロソフトブースのレイアウトです。本当に巨大。

マイクロソフトのコアメッセージ — 産業インテリジェンスの解放

ブースに入って最初に説明員の方が見せてくれたのが、ブース全体の構成図と、マイクロソフトが今回ハノーバーメッセで打ち出している全体メッセージです。

ツアーの説明員が冒頭に整理してくれたのが、今回のブースのテーマ「産業インテリジェンスの解放」と、その中核に据えられたMicrosoft IQという考え方です。

Microsoft IQ | AI 用統合エンタープライズ インテリジェンス

エンジニアリング、工場操業、サプライチェーン、商業システム — これらのサイロを跨いでAIとエージェントが協調できる「共有インテリジェンス層」を提供しよう、というのがマイクロソフトの主張です。具体的には3層構造で整理されていました。

• Work IQ — エンジニアリングチーム、オペレーター、バイヤー、スケジューラーがどう協働しているかを理解する
• Fabric IQ — 製品、設備、サプライチェーン、需要パターン、品質シグナル、財務フローなど、ビジネスがどう動いているかを理解する
• Foundry IQ — 運用手順、コンプライアンスルール、エンジニアリング標準、暗黙知など、組織の知識を理解する

裏側にあるのは「LLMをそのまま製造現場に持ち込んでも、専門知識もコンテキストもないからそれらしく嘘をつく」という現実です。これに対する答えがオントロジーとデジタルツインの組み合わせで、エージェントにシニアエンジニア並みの当たりをつける力を持たせる、というアプローチでした。

ブース全体は、この思想を4つのヒーローデモゾーンに分けて見せる構成になっています。

• 製品ライフサイクルインテリジェンス — 設計・PLM領域（Aras、PTC、TCS、Brembo他）
• AIを活用した工場の運営 — 工場オペレーション領域（シーメンス、AVEVA、Schneider、Sight Machine、Rockwell他）
• 人間とエージェントのチーム — Copilot/エージェント協働領域（Bosch、Cognite、SymphonyAI、Kongsberg他）
• エージェント型サプライチェーン — サプライチェーン領域（Resilinc、Fractal、C3 AI他）

今回のツアーでは、フィジカルAI（Future Factory）→ Microsoft IQ for Manufacturing → エージェント型サプライチェーン（Fractal） → Krones（AIを活用した工場）、という順で見せてもらえました。

物理パネルに描かれていたのは、ブース全体の見取り図と各ゾーンのテーマ。実物のロボットが動くゾーンを軸に、その周辺にPLM・サプライチェーン・人間×エージェントのデモが配置されている、という構成になっていました。

フィジカルAI — Hexagonロボット × シーメンスNXの自律加工セル

ブースで一番混雑していたのが、このフィジカルAIエリア。マイクロソフトが「Microsoft Factory of the Future」として打ち出している、自律型ロボットの実演ゾーンです。

ここに並んでいたのが、ヒューマノイド型のロボットと、Hexagon（ヘキサゴン）社のロボットです。説明員いわく、シナリオは以下の流れになっていました。

1. シーメンスNXで作成したCADモデルに、エージェントがCAMの加工シーケンスを展開
2. 隣のヒューマノイドが、荒削りされたワークをCNCに運び込む
3. CNCがCAMモデルに従って加工
4. 加工が終わると、Hexagonのロボットが良/不良の判定をしてアセンブリ、もしくは不良として除外する

ポイントは、 クラウドから指令を出しているわけではなく、エッジ側にAIが入っていて自律的に判断・動作している という点。「ここにワークが来た」というのを検知したら、事前にトレーニングしたモデルに従って動く、という構造になっていました。

ロボットの動きを学習させているシミュレーション環境はNVIDIA Omniverse上で動いていて、3D空間でロボットの旋回や姿勢を試せる作りでした。Isaac Labなどを組み合わせて、コンテナにモデルを固めてエッジに配布する、というデプロイメントの流れも併せて説明してもらえました。

「コンテナを作って、エッジに寄せて、推論する」という、いま製造現場のAIで標準化されつつあるパターンが、そのまま展示の裏側として実装されている形です。バージョン管理がどうしても課題になりますよね、というのは、説明員側からも率直に出てきていた論点でした。

ロボットの頭部に複数のカメラが内蔵されていて、それが組立判断に使われています。「カチャっと挟む」程度のアセンブリならヒューマノイドで十分こなせていましたが、人間並みの手先の器用さが必要な作業はソフトよりハード側がボトルネック、とのことです。

「フィジカルAI」「フューチャーファクトリー」と銘打たれているとおり、社会実装にはまだ少し時間がかかる、というスタンスでした。

セルの脇に並んでいたのが、Advantech製の産業用エッジ機器類。これらにはセンサーから取得した振動・回転数・温度といったデータが流れ込んでいて、すべてエッジ側で動いています。

ここからのデータパスがマイクロソフト的にきれいに整理されていて、

• エッジで取得したデータをAzure IoT Operations経由でクラウドに送信
• MicrosoftのOneLake（Fabric基盤）に蓄積
• Fabric Real-Time Intelligenceで時系列の異常を検知し、ダッシュボード化
• ノイズ除去だけだとただのデータ可視化なので、エージェントで異常傾向を検知

という流れになっていました。

エンタープライズ側のデータ（生産実績、歩留まり）と、エッジ側のセンサーデータをどう紐付けるか、というところが、製造業データ活用の本丸です。これに対するマイクロソフトの回答がMicrosoft IQ／Fabric IQで、

• 物と物の関係性、従属関係といったオントロジーをグラフデータベースで表現
• センサーデータの時系列履歴をデジタルツインで保持
• それらを組み合わせてエージェントに渡す

という整理になっていました。「ナレッジエンジニアリングが大変なのは事実なので、できるだけベースになるモデルを提供して、お客さんは差分の整備に集中できるようにする」というメッセージは、現実的です。

ブース全体のアーキテクチャ図。一番手前の物理的なロボットセル、その手前にAzure Local（Azureスタックをオンプレミスに置けるアプライアンス）、ここでAzure IoT Operationsがシーケンシャルなデータを意味のあるイベントに変換し、OneLakeに蓄積される、という構造が描かれていました。

「シミュレーション環境」「学習環境」「推論モデルのデプロイメント」「実機」が一枚の絵に収まっていて、フィジカルAIが工場のどこに位置するのか、というのが直感的に理解できる図でした。

Microsoft IQ for Manufacturing — Copilot Studioで作るシフト引き継ぎ

続いて見せてもらったのが、製造業向けのオーケストレーターエージェント「Microsoft IQ for Manufacturing」。

デモのシナリオは、シフト交代時の引き継ぎという、製造現場ならどこにでもある業務でした。

• 前のシフトの担当者がCopilotに「このラインで歩留まりが落ちている」「午後のチェンジオーバー（段取り替え）に備えてほしい」「この設備はメンテが必要」と引き継ぎを伝える
• 次のシフトの担当者が「シフトブリーフ」をCopilotに依頼すると、引き継ぎ事項とパフォーマンス／セーフティ／メンテナンスのサマリーが返ってくる
• 「このラインで振動が大きくなっていて、このままだとダメになる」というアラートに対し、Copilotに根本原因分析を依頼

ここで効いてくるのが、先ほどのMicrosoft IQ（Fabric IQ）です。設備の従属関係（全体構造の中にどんなパーツが入っているか）と、センサーデータの相関がオントロジーとして整理されているので、エージェントがシニアエンジニアの当たり付けを再現できる。

設備全体の構造 + パーツの従属関係 + センサーの過去データ
　↓
「ここが悪そう」という当たりを付ける
　↓
統計解析で相関を確認
　↓
過去の補修履歴・マニュアルから対処法を提示

この一連の流れが、Copilot Studioというエンドユーザーでも触れるローコードツール上に実装されているのも面白いポイントでした。「画面が作れることがゴールではなく、データがきちんと整っていて、関係性がオントロジーで定義されていることが本質」というメッセージは、現場での運用を見据えた強さがあります。

権限管理はMicrosoft Entra IDベースで、調達だけ、製造だけ、といった部門単位の制御も普通にできる、とのこと。M365のセキュリティスタックがそのまま製造業エージェントの土台になっていて、統一プラットフォームの強みが効いてくるシーンでした。

「MS以外のデータソースに繋ぐにはどうするか？」と聞いてみたところ、回答はFabricのコネクタとショートカット／ミラーリングの組み合わせ、と明確でした。AWS S3だろうとオンプレミスだろうと、データを物理的に移動させずに仮想的に統合できる、という思想です。データパフォーマンス的に厳しい場合はミラーリングでローカル化、と選べる柔軟さもありました。

エージェント型サプライチェーン — Fractalによる需給最適化

ブース後半のサプライチェーンゾーンで紹介してもらったのが、Fractal Analyticsのスペアパーツ／生産計画最適化のデモ。Microsoft Foundry上に構築されたAIエージェントが、需給を分析して注文信頼性を上げていく、というユースケースです。

説明員（Fractalのエンジニア）から英語で詳しく解説してもらえたのですが、ポイントを整理するとこんな感じでした。

やりたいこと:

• 生産計画担当者は毎日「原材料がいつ来るか」「予定どおりに来るか」を確認する作業に時間を取られている
• ここをエージェントに置き換え、シグナルを常時モニタリングして不足を検知させる
• 不足を検知したら、生産計画への影響を評価し、代替プランを提示する

シグナルの種類:

• 内部シグナル — POと出荷の紐付け、サプライヤー別のキャパシティとトレンド（過去2週で90〜95しか出してきていない、等）
• 外部シグナル
  • 海運インテリジェンス — MarineTrafficなどの船舶位置データ、港湾混雑、船社（CMA、MO等）への積み込み状況
  • 気象データ — 入港地での天候による遅延予測
  • イベント／需要シグナル — マイクロソフトが特定地域でデータセンター建設を発表したら、関連部材の需要を予測（半導体業界向け事例）／野球の大規模試合があるなら消費財メーカーの需要スパイクを予測

外部シグナルの多くはサブスクリプションAPI経由で取得していて、お客様のテナント上に組み込んで提供する形式とのこと。「全部抱える」のではなく、必要なAPIだけ繋ぎ込むスタイルです。

意思決定支援の出し方:

• 単純なアラートではなく、プランA・プランB・プランCを生成
• 各プランのwhat-if分析（コスト・顧客への影響・契約上のペナルティ等）
• 人間が判断材料を見て選ぶ

「人間が完全に手を引く」のではなく、「人間がプランを作るのではなく、選ぶ側に回る」というのが、このソリューションのきれいな立ち位置です。生成AIで内部・外部シグナルをパターン化し、ナレッジベースで判断ロジックを補完する、というアーキテクチャは、サプライチェーン領域での生成AI活用の一つの型として参考になりました。

Krones × Industrial Copilot — チェンジオーバー4時間→30分

ツアーの締めに紹介してもらったのが、ドイツのKrones（クローネス）社のショーケース。コカ・コーラやペプシなど、世界中の大手飲料メーカーをお客様に持つボトリングマシン専業メーカーで、エンタープライズ展示エリアの一等地に大きく構えていました。

Kronesが取り組んでいるのが、ボトリングビジネスの 「as-a-service化」 という大きな転換。今までは設備を売り切っていたところを、「1本詰めたらいくら」という従量課金モデルに転換していこうとしている、というストーリーでした。

これが効いてくるのが、クラフトビールやスペシャリティ飲料といった小〜中規模ロットの市場。大手だけでなく、変化の早い小ロットビジネスをマシンメーカー側がマーケットとして取りに行く、というのが背景にあります。

ただし、小ロット化が進むと不可避なのが、段取り替え（チェンジオーバー）の頻発。炭酸が入っているか、糖度はどれくらいか、ボトル形状はどうか、で機械の設定パラメータがガラッと変わるので、従来は毎回4時間かかっていたとのこと。これだとそもそも稼働率が出ないので、大手しかできない世界になっていたわけです。

ここをデジタルツイン × AIで圧縮した結果、 4時間→30分 というインパクトが出ている、と。地味ですが、稼働率に直結する数字としては破壊力があります。

具体的に何をやっているかというと、シミュレーションでボトル充填時の流体挙動を再現し、機械パラメータの最適解を一発で当てに行く、というアプローチです。

シミュレーションエンジンに使われていたのが、流体解析（CFD: Computational Fluid Dynamics）の老舗Ansys（アンシス、現Synopsys傘下）のソフト。これをNVIDIAのGPU上で回している、という構成でした。CADFEMはAnsysの欧州ディストリビューターですね。

ワークフローはこんな感じになっていました。

1. エンジニアがCopilot（AIエージェント）にボトルのCADデータをアップロード
2. 「炭酸を含む」「砂糖の含有量はこれくらい」「重量はこれ」などのパラメータを入力
3. Copilotが裏でAnsysシミュレーターを呼び出し、最適な機械設定（圧力・温度などのプロセスパラメータ）を提案
4. エンジニアが結果を見て、必要な微調整を加えて適用

ここがエンジニアにとってのキーで、 「シミュレーターの複雑さをAIエージェントが継承する」 という設計思想になっています。流体シミュレーターのGUIは普通かなり複雑なので、現場のエンジニアが普段使うにはハードルが高い。Copilot経由で「やりたいこと」を自然言語で投げれば、裏側のシミュレーション設定はAIが組んでくれる、という形です。

シミュレーションでは、ボトル内部のスロッシング（液面の揺れ）やスプラッシング（飛沫）、ウォールフィルム（壁面に沿って流れる液膜）の挙動が3Dで可視化されていました。これを使って、充填時の液面が暴れすぎないか、泡立ちで充填精度が落ちないか、をビジュアルに確認できる仕組みです。

加えて、稼働中の機械にはノズルの詰まりや微細な歪みといった経時変化も避けられません。これらは毎回シミュレーションするわけではなく、IoTセンサー × デジタルツインで状態をトラックし、エンジニアが調整する形にしている、と。「設計時の最適化」と「運用時のチューニング」を、シミュレーションとデジタルツインで分担している、きれいな設計です。

ツアーの最後、デモエリアの脇には、Krones／NVIDIA／マイクロソフトのロゴが入った特製ボトルがずらりと並んでいて、その場で水を充填して飲める体験コーナーが用意されていました。なんとなくここだけの話ですが、一番はけていたのはNVIDIAのボトルでした。確かに超有名な企業のわりには、ノベルティとかはあまり見ないので貴重ですもんね。

マイクロソフトブース訪問のまとめ

マイクロソフトブースが見せていたのは、共有インテリジェンス層を土台に、フィジカルAIから現場のエージェント、サプライチェーン最適化までを一本のストーリーで束ねた、製造業AIの実装フェーズでした。印象に残ったポイントを3つに整理しておきます。

1. 「IQ」の打ち出し方がわかりやすい

Work IQ／Fabric IQ／Foundry IQという3層整理は、初めて聞くと少しふわっとしますが、実際のデモを通すと「現場に降りてきたAIをハルシネーションさせないための、3つの土台」として理解できる構造になっていました。「LLMだけだとそれらしく嘘をつく」という出発点を率直に認めた上で、オントロジー × デジタルツイン × ナレッジで補強する、というメッセージは、製造現場の人ほど概念が理解しやすいと感じます。

2. Copilot Studioが「現場で運用するエージェント」を実装可能な状態になっている

Microsoft IQ for Manufacturingのデモが、 Copilot Studio上のローコードアプリ だったのは個人的に一番のサプライズでした。これが意味するのは「現場のシニアエンジニアが、自分でエージェントの中身を組める」ということ。マイクロソフトがエージェントAIで強い理由は、結局のところM365スタック（Entra ID／Fabric／Copilot Studio）を一気通貫で持っていて、 権限管理から実装ツールまで揃っている ことだと、改めて感じました。

3. ハードウェアパートナーシップが「業種特化」で効いている

Hexagonの検査ロボット、Advantechのエッジ機器、シーメンスNX、Ansysシミュレーター、NVIDIA OmniverseとGPU、そしてKrones — これらすべてがブース内で連携して動いているのが、マイクロソフトブースの厚みでした。

「Azureというクラウドだけ」ではなく、「フィジカルAIなら誰、サプライチェーンなら誰、ボトリングなら誰」というふうに、業種・領域ごとのパートナーがエンドツーエンドのストーリーを構成している。「製造業はソフト単独では成立しない」という事実に、真正面から解を示しているブースだと感じました。

総じて、マイクロソフトがハノーバーメッセ2026で見せていたのは、「データ × オントロジー × エージェント × ハードウェアパートナー」を組み合わせた、製造業AIの実装フェーズ でした。ハードウェアからクラウド、現場のエンジニア向けローコードまで、垂直に積み上がったマイクロソフトの製造業AIスタック、来年のハノーバーメッセでも要チェックです。

それでは今日はこのへんで。濱田孝治（ハマコー）でした。

参考資料

Microsoft 主要ソリューション

• Microsoft IQ for Manufacturing（製造業向け産業インテリジェンス層）: https://www.microsoft.com/en-us/industry/manufacturing/microsoft-cloud
• Microsoft Fabric（統合データ分析プラットフォーム）: https://www.microsoft.com/en-us/microsoft-fabric
• Azure IoT Operations（エッジ／クラウド統合のIoT基盤）: https://azure.microsoft.com/en-us/products/iot-operations
• Azure Local（オンプレミス向けAzureアプライアンス）: https://azure.microsoft.com/en-us/products/local
• Copilot Studio（エージェント／Copilotのローコード開発環境）: https://www.microsoft.com/en-us/microsoft-copilot/microsoft-copilot-studio
• Microsoft Foundry（エンタープライズAI基盤）: https://azure.microsoft.com/en-us/products/ai-foundry

パートナー・関連企業

• Hexagon: https://hexagon.com/
• Advantech: https://www.advantech.com/
• Krones: https://www.krones.com/
• Ansys: https://www.ansys.com/
• NVIDIA Omniverse: https://www.nvidia.com/en-us/omniverse/
• Fractal Analytics: https://fractal.ai/
• Siemens NX: https://plm.sw.siemens.com/ja-JP/nx/