Egal ob in Fabriken, Raffinerien oder Kraftwerken, agentische KI im Sinn selbstgesteuerter Co-Piloten steckt tief in Produktionsanlagen, Netzwerken und Maschinen. Sie analysiert und optimiert Prozesse, um die Betriebszeit zu erhöhen, die Markteinführungszeit für Produktdesigns zu verkürzen und Abfälle in der Produktion zu reduzieren. Um sicherzugehen, dass sich KI zuverlässig anwenden lässt, sollten Unternehmen zunächst ihre Daten konsolidieren und eine zugängliche, kontrollierte und durch Governance gesteuerte Datenlandschaft schaffen.
Weg von passiver Analyse
Überwachen, Instandhalten und Fehlerbehebung sind oft keine rein manuellen Tätigkeiten mehr. In vielen Firmen lassen sich mithilfe von KI kritische Infrastrukturen in Echtzeit überwachen. KI-gestützte, prädiktive Datenanalysen sollen Ausfallzeiten reduzieren und die Ausfallsicherheit von Maschinen und Anlagen erhöhen. Mit Agentic AI wird das Zusammenspiel der verschiedenen KI-Tools bezeichnet: Ein Agent könnte beispielsweise Ausfälle von Geräten prognostizieren, ein anderer Wartungsprotokolle analysieren und ein dritter Ersatzteilbestellungen bearbeiten.
Der KI-Agent arbeitet autonom und oft rund um die Uhr. Dabei greift er auf Sensordaten aus IoT-Geräten oder Systemdaten wie Betriebstemperaturen, Druckspezifikationen oder Sicherheitskennzahlen zurück und interpretiert sie. Die Mitarbeitenden können so beispielsweise die Leistung einer Förderpumpe im Blick behalten: Dazu weisen sie das System an, ein KI-Modell zu erstellen, das die Pumpe im 24-Stunden-Betrieb kontrolliert und Teams bei Abweichungen alarmiert. Wird das System mit Large Language Models (LLMs) kombiniert, können zudem die Einstiegshürden sinken: Etwa wenn Mitarbeitende Anweisungen in natürlicher Sprache geben und das System auch so antwortet. Künstliche Intelligenz (KI) verspricht die Revolution der Fertigung, doch in der Praxis scheitern viele Projekte an einer unzureichenden Datenbasis. Warum Sie erst Ordnung schaffen müssen, bevor Sie Künstliche Intelligenz erfolgreich nutzen können. ‣ weiterlesen
Ohne Datenordnung keine Effizienz: Wie Sie Ihre Produktion KI-ready machen
KI-Agent benennt Assets
Agentische KI kann zahlreiche bestehende Tech-Stacks erweitern, etwa im Kontext digitaler Zwillinge. Diese Abbilder helfen dabei, Lieferketten zu optimieren, Anlagenleistungen vorherzusagen und die Produktion zu verbessern. Sie benötigen jedoch saubere, kontinuierliche Daten, die oft über verschiedene Systeme hinweg zugeordnet und abgestimmt werden müssen. Wenn beispielsweise ein System ein Gerät als ‚Pumpe 101‘ identifiziert und ein anderes als ‚PMP 101‘, muss ein Mitarbeitender diese Verbindung manuell herstellen. Agentische KI kann den Großteil dieser Arbeit automatisieren und die Identität von Anlagen mit einer Genauigkeit von bis zu 80 Prozent ermitteln. Das bedeutet, dass Ingenieurteams weniger Zeit mit dem Abgleichen von Tabellenkalkulationen verbringen und mehr Zeit damit, Nutzen aus den digitalen Zwillingen zu schöpfen.
Weitreichendere Analysen
Aktuelle KI-Assistenten können bereits Abfragen wie die Anzeige des durchschnittlichen Stromverbrauchs der letzten 24 Stunden bearbeiten. Für Aveva ist das Feld der agentischen KI betreten, wenn sie tiefere Analysen bewältigt: Daten sammelt, Berechnungen durchführt, Muster und Zusammenhänge ermittelt und selbstständig Erkenntnisse generiert. Das ist der Unterschied zwischen einer Temperaturmessung und der Information, dass das System aufgrund mehrerer Symptome auf einen Ausfall zusteuert. So können Mitarbeitende die Risiken besser einschätzen und passend reagieren. Zur Kontrolle der Systeme braucht es aktuell meist mehrschichtige Sicherheitsvorkehrungen, klare Ziele und kontinuierliche Verbesserungszyklen. Den Mitarbeitenden obliegt also weiter die Kontrolle und Verantwortung. Doch die KI-Systeme lernen stetig dazu.
