Was ist Industrial AI? Praktische Anwendungen für Fabriken

Industrial AI ist künstliche Intelligenz für industrielle Prozesse und Aufgaben. Dazu gehören Modelle, die Anomalien in Maschinendaten erkennen, auf Qualitätsrisiken hinweisen oder technische Dokumente durchsuchbar machen. Der Einsatzbereich bestimmt den Begriff; nicht jede digitale Fabrik nutzt AI. Ein Dashboard, ein Barcodescanner und feste PLC-Logik können auch ohne AI bestens funktionieren.

Für Vlegel, das Team für Data, AI und Software Engineering aus Genk, beginnt die Auswahl mit einer Frage aus dem Betrieb. Welche Entscheidung sollen Bediener, Instandhalter oder Qualitätsverantwortliche besser treffen können? Erst danach prüfen wir, ob AI mehr bringt als eine einfache Regel, ein Bericht oder eine Standardanwendung.

Drei Anwendungen in der Produktion

Anomalieerkennung: Ein Modell vergleicht zum Beispiel Schwingungen, Temperatur oder Strom mit dem normalen Verhalten einer Maschine. Eine Meldung kann helfen, Wartungsmaßnahmen zu priorisieren. Aber auch ein anderes Produkt, ein Rüstvorgang oder ein defekter Sensor können eine Abweichung verursachen. Die Meldung ist ein Anlass zum Nachprüfen, kein nachgewiesener Defekt.

Qualitätsanalyse: Prozessmessungen werden mit bekannten Qualitätsergebnissen pro Charge oder Produkt verknüpft. Ein Modell kann helfen, Risikomuster zu erkennen. Teste es mit späteren Chargen, die es noch nicht kennt, und vergleiche die Ergebnisse mit der bestehenden Prüfung. Ein statistischer Zusammenhang beweist keine Ursache; ein Modell darf eine Charge nicht eigenständig freigeben.

Bedienerunterstützung: Ein Assistent durchsucht freigegebene Handbücher und die Störungshistorie und verweist auf seine Quellen. Das kann auch für Anlagen in Lagern und der Intralogistik sinnvoll sein. Fehlen Informationen oder widersprechen sie sich, muss er das offen sagen. Zugriffsrechte bestimmen, welche Dokumente Besucher oder Mitarbeitende lesen dürfen.

Die Datenebene: OPC UA, MQTT, UNS und Bedeutung

Für die Prozessanalyse kannst du Maschinendaten über OPC UA auslesen und mit MQTT austauschen, je nach vorhandener Steuerung. Ein Unified Namespace (UNS) organisiert die Veröffentlichung unter einheitlichen Namen, zum Beispiel nach Standort, Linie und Maschine. Ein semantisches Modell legt fest, was ein Wert bedeutet: Einheit, Zeitpunkt, Auftrag, Maschine und Datenqualität.

Dieser Kontext ist entscheidend. Eine hohe Temperatur während der Produktion kann etwas anderes bedeuten als während der Reinigung. Bewahre relevante historische Daten auf und mache fehlende, veraltete oder unzuverlässige Messwerte sichtbar. Ein UNS ersetzt weder klare Vereinbarungen noch Datenspeicherung oder Absicherung und ist nicht für jede AI-Anwendung erforderlich.

MCP ist eine Schnittstelle, kein Sicherheitsnachweis

Model Context Protocol (MCP) beschreibt, wie AI-Anwendungen auf Quellen und Tools zugreifen können. Das Protokoll kann auch Tools bereitstellen, die Änderungen vornehmen. Für unsere industrielle AI beschränken wir den Zugriff auf reine Lesezugriffe. Autorisierung, Netzwerkgrenzen, Protokollierung und die Kontrolle der bereitgestellten Tools bleiben nötig. AI erhält keinen Schreibzugriff auf PLC-Einstellungen, Aufträge oder Sicherheitsfunktionen.

Ein erster Pilotversuch mit messbarem Ziel

Wähle eine Maschine, Linie oder einen Arbeitsablauf und lege vorher fest, was besser werden soll. Zum Beispiel: schneller das richtige Handbuch finden, weniger unbrauchbare Wartungsmeldungen oder ein Qualitätsrisiko früher erkennen. Erfasse zuerst den Istzustand, einschließlich des Aufwands für die Bewertung einer Meldung.

Teste unter repräsentativen Bedingungen: normale Produktion, Rüstvorgänge, schlechte Sensordaten und Ausnahmesituationen. Halte Trainings- und Testdaten getrennt. Vergleiche mit einem einfachen Ansatz und lass Bediener die Ergebnisse beurteilen. Erweitere die Anwendung erst, wenn die Ergebnisse brauchbar, die Grenzen klar und Updates sowie Support geregelt sind. Ohne geeignete Daten kann der richtige erste Schritt schlicht die Datenerfassung sein.

Industrial AI ist nicht automatisch Physical AI

Industrial AI bezeichnet den industriellen Einsatzbereich. Bei Physical AI geht es um Systeme, die ihre physische Umgebung wahrnehmen und darin handeln, zum Beispiel autonome Roboter. Ein Dokumentenassistent oder eine Wartungsempfehlung fällt nicht automatisch unter diesen zweiten Begriff. Vlegel entwickelt hier die Software- und Datenebene; unsere AI berät und ein Mensch entscheidet.

Du möchtest prüfen, ob Industrial AI zu deiner Fabrik oder Maschine passt? Buche 15 Minuten mit Jorg oder Yannic. Wir besprechen eine konkrete Frage, die verfügbaren Daten und ob ein Pilotversuch sinnvoll ist. Ein mögliches Date ist eine Projektabgrenzung oder ein Workshop bei dir in der Produktion, kein Versprechen für ein AI-Ergebnis innerhalb einer festen Frist.