EDGE AGENTS
KI-Agenten, die dort laufen, wo die Arbeit passiert.
Ein Edge Agent ist ein KI-Agent, der dort läuft, wo die Arbeit passiert — auf einem Linux-Edge-Gerät, nicht in der Cloud. Er nimmt lokale Signale wahr (Sensoren, MQTT, Modbus, OPC-UA), schlussfolgert darüber und handelt am physischen System, ohne Umweg über ein Rechenzentrum. ForestHub baut Edge Agents für den Produktivbetrieb: Der Workflow ist ein deterministischer Graph, das LLM ist nur ein Knoten unter vielen — inspizierbar, wiederholbar, auditierbar, beschränkt by design.
Was ist ein Edge Agent?
Ein Edge Agent ist ein KI-Agent, der dort läuft, wo die Arbeit passiert — auf einem Linux-Edge-Gerät, nicht in der Cloud.
Er nimmt lokale Signale wahr — Sensoren, MQTT, Modbus, OPC-UA — schlussfolgert darüber und handelt am physischen System, ohne Umweg über ein Rechenzentrum. Weil er direkt neben der Maschine läuft, arbeitet er weiter, wenn das Netz ausfällt, reagiert in Echtzeit und hält Betriebsdaten im eigenen Netzwerk. Der Agent ist kein Chat-Assistent, den man an ein Gerät schraubt: Er ist ein beschränkter Entscheidungsprozess, direkt mit Wahrnehmung und Aktorik verdrahtet.
Edge Agents vs Cloud Agents
Beide sind „KI-Agenten". Der Unterschied liegt darin, wer die Kontrolle hat und wo der Agent läuft — und alles, was neben einer Maschine steht, entscheidet damit, ob das System sicher einsetzbar ist.
Cloud Agent
- Das Modell steuert die Schleife: Es entscheidet, welche Tools es aufruft und wann es stoppt.
- Läuft im Rechenzentrum — jede Entscheidung braucht einen Netz-Roundtrip.
- Das Verhalten ist emergent; die Menge möglicher Aktionen ist im Voraus schwer aufzuzählen.
- Stoppt — oder hängt — wenn die Verbindung abreißt.
- Betriebs- und Sensordaten verlassen das Netzwerk, um zum Modell zu gelangen.
Edge Agent
- Ein beschränkter Graph steuert die Schleife; das LLM ist darin ein einzelner, austauschbarer Knoten.
- Läuft auf einem Linux-Edge-Gerät, direkt neben den Sensoren und Aktoren, die es steuert.
- Jede mögliche Aktion ist zur Design-Zeit verdrahtet und vor dem Deployment überprüfbar.
- Läuft offline weiter; die Cloud ist optional, keine Abhängigkeit.
- Daten bleiben lokal; sie verlassen das Netz nur, wenn ein expliziter Schritt sie sendet.
Wo ein Cloud Agent das Modell steuern und hoffen lässt, führt ein Edge Agent einen beschränkten Graphen aus, in dem das LLM ein einzelner, austauschbarer Knoten ist und jede Aktion überprüfbar bleibt — die einzige Art von Agent, die man sicher neben eine Maschine stellen kann.
Warum Edge Agents beschränkt sein müssen
Neben einer Maschine bedeutet eine falsche Entscheidung, dass ein Relais schaltet oder ein Sollwert sich ändert. „Lass das Modell das schon klären" ist in der Fertigung kein akzeptabler Fehlerfall. Ein Edge Agent erwirbt das Recht zu handeln, indem er beschränkt by design ist — nicht durch eine nachträglich aufgesetzte Sandbox.
01Der Workflow ist ein deterministischer Graph
Das Programm ist ein Graph, den du zeichnest, keine Schleife, die das Modell improvisiert. Jeder mögliche Entscheidungspfad ist zur Design-Zeit sichtbar, und gleiche Eingaben erzeugen immer denselben Pfad.
02Das LLM ist nur ein Knoten unter vielen
Das Modell ist ein einzelner Knoten im Graphen — austauschbar durch eine Regel, ein klassisches ML-Modell oder ein kleineres On-Device-Modell. Es erreicht nur die Tools, die eine explizite Verbindung freigibt.
03Jeder Lauf ist wiederholbar und auditierbar
Jede Ausführung lässt sich deterministisch wiederholen und Schritt für Schritt inspizieren. Ein Auditor sieht genau, was der Agent getan hat und warum — bei Industriesystemen eine Anforderung, kein Feature.
04Aktionen sind beschränkt by design
Der Agent kann nichts ansteuern, was nicht in den Graphen verdrahtet wurde. Fähigkeiten sind auf Architekturebene per Default verweigert — genau das macht den Agenten sicher neben physischer Ausrüstung.
Wie ForestHub Edge Agents liefert
ForestHub ist die graph-first Engine, um Edge Agents für den Produktivbetrieb zu bauen — vom visuellen Builder bis zur Binary auf dem Gerät.
Graph-first Engine
Den Agenten als Graph im visuellen Builder entwerfen; die Engine interpretiert ihn zur Laufzeit. Keine Code-Generierung pro Gerät, kein Neukompilieren pro Ziel — der Graph ist das Programm.
Läuft auf dem Linux-Edge
Die Engine kommt als kleines distroless-Docker-Image (amd64 + arm64). Sie führt den Agenten lokal auf dem Linux-Edge-Gerät aus, offline-first, mit der Cloud als optionalem Komfort.
Industrieprotokolle nativ
MQTT, Modbus TCP/RTU und OPC-UA sind als native Knoten eingebaut, sodass der Agent reale Industriesignale ohne Glue-Code wahrnimmt und darauf handelt.
Beschränkte Multi-Modell-Orchestrierung
Jeder Knoten wählt seine eigene Stufe — regelbasierte Logik, klassisches ML, ein kleines On-Device-Modell oder ein Frontier-LLM. Der Graph hält jeden Knoten beschränkt und austauschbar.
Engine, LLM-Proxy, Workflow-Contract und visueller Builder sind Open Source in github.com/ForestHubAI/edge-agents — AGPL-3.0.
Baue Edge Agents, die in Produktion gehen
Zeichne den Graphen, verdrahte deine Protokolle und Modelle und bringe einen beschränkten Agenten auf deine Linux-Edge-Geräte.
Die Sicherheits-Patterns ansehen·Die Edge-AI-Agent-Guides lesen