Embedded KI als Servicetechniker

Teure Ausfallzeiten und Servicetickets gehören zu den zentralen Herausforderungen eines effizienten Fertigungsbetriebs. Embedded KI kann dazu beitragen, Kosten zu senken und die Overall Equipment Effectiveness (OEE) zu verbessern — indem sie im Zusammenspiel von Small- und Large-Language-Models sowie agentischer KI den „virtuellen Servicetechniker“ ermöglicht. Gemeinsam mit unserem Partner Grossenbacher Systeme haben wir gezeigt, dass dieses Konzept bereits heute technisch umsetzbar ist.

Jeder Betrieb mit automatisierter Fertigung kennt das Problem: Maschinen fallen zu Zeiten aus, in denen kein Servicetechniker verfügbar ist — insbesondere nachts und am Wochenende. Hinzu kommen Performance- und Qualitätsprobleme, die selbst erfahrenes Bedienpersonal nicht eigenständig beheben kann. Beides verursacht beträchtliche Kosten und löst teure Servicetickets aus. Die Frage ist, ob Embedded KI das Bedienpersonal in die Lage versetzt, auf Stillstände unverzüglich zu reagieren und Performance-Einbußen ohne Ticket selbst zu beheben.

Als Demonstrator bereits verfügbar

Um das zu zeigen, hat Grossenbacher Systeme auf Basis seines Universal Controllers und mithilfe der KI-Agenten von ForestHub einen Demonstrator für einen KI-basierten „virtuellen Servicetechniker“ entwickelt. Dieser bildet eine vollständige SPS ab und wird durch einen KI-Agenten unterstützt, der verschiedene Tools und KI-Modelle situations- und aufgabenabhängig koordiniert — also gezielt und kontextabhängig im Sinne eines vorgegebenen Ziels steuert. Im Fokus der Zusammenarbeit stand das Zusammenspiel von KI-Agent und Small-Language-Model (SLM).

Im Demonstrator kümmert sich der virtuelle Servicetechniker um einen Drucker. Die eingesetzten Konzepte eignen sich jedoch grundsätzlich für die meisten Maschinen und Anlagen, die durch konventionelle SPS-Systeme gesteuert werden. Der KI-Agent kategorisiert zunächst die Daten aus der Sensorik der Anlage und klassifiziert sie, um Anomalien zu erkennen und zu melden. Das übernimmt ein klassisches KI-Modell direkt auf der Edge-Ebene im Controller.

Seine Fähigkeit zur lokalen Ausführung von KI-Modellen erlaubt es zudem, den PID-Regler durch eine KI-basierte modellprädiktive Regelung (MPC) zu ergänzen oder zu ersetzen, sofern die Zykluszeit über 50 ms liegt. Statt nur vergangenheitsorientiert Fehler auszugleichen, berücksichtigt ein MPC als Regelungsstrategie für dynamische Systeme auch zukünftige Zustände — das unterstützt die frühzeitige und zuverlässige Erkennung von Anomalien.

Modelle und Agenten als Basis

Um dem virtuellen Servicetechniker die nötige Wissensbasis zu verschaffen, kommt ein Small-Language-Model (SLM) zum Einsatz. Im Gegensatz zu großen, generisch mit „Weltwissen“ trainierten Large-Language-Models (LLM) ist ein SLM nur auf Domänenwissen zur jeweiligen Maschine oder Anlage trainiert. Das begrenzt seinen Ressourcenbedarf und ermöglicht die lokale Nutzung auf Edge-Geräten wie dem Universal Controller.

Der Vorteil: Language Models sind unabhängig von ihrer Größe stark in der Logikverarbeitung, der Analyse von Zusammenhängen und der Interpretation zahlreicher Inputvariablen in Kombination mit definierten Output-Variablen — auch mit prädiktiven Anteilen. Der KI-Agent kann mithilfe des SLM den Zustand der Maschine bewerten und den Operator prädiktiv unterstützen: Deutet ein Maschinenparameter auf einen möglichen Stillstand hin, gibt der Agent frühzeitig Hinweise zur Kontrolle relevanter Umgebungsvariablen. Kommt es dennoch zum Stillstand, unterstützt er den Operator durch logische Schlussfolgerungen und hinterlegtes Domänenwissen.

Der KI-Agent mit seinem SLM kann zudem als „Point of Contact“ zwischen Maschine und Operator fungieren und als virtueller Servicetechniker assistieren — mit Erklärungen in Form von Text, Bildern und bei Bedarf audiovisueller Unterstützung. Die Entscheidungsverantwortung verbleibt beim Operator; der menschliche Servicetechniker bleibt relevant, wird aber voraussichtlich seltener benötigt.

Was kritisch ist, bleibt lokal

Der virtuelle Servicetechniker arbeitet ausschließlich lokal — ohne Verbindung ins Internet, zu Cloud-Diensten oder externen Servern. Externe Systeme kommen nur dann zum Einsatz, wenn optional ein externes Large Language Model (LLM) als zusätzliche Unterstützung eingebunden wird. Dafür eignen sich insbesondere abgesicherte LLM-Instanzen auf Standort- oder Unternehmensebene, die zusätzliche kontextbezogene Informationen bereitstellen — etwa Betriebsdaten anderer Maschinen oder anonymisierte Daten anderer Anwender.

Diese Architektur ermöglicht es, dass die klassischen Echtzeitfunktionen auf der Feldebene verbleiben. Die SPS arbeitet gemäß IEC 61131-3 und garantiert deterministisches Verhalten im Millisekundenbereich — etwa bei Safety-Funktionen oder Interlocks. Die auf Agenten und SLM basierenden, nicht-deterministischen KI-Komponenten sind davon entkoppelt und in eigenen Containern auf der Edge-Computing-Ebene angesiedelt. Hardwareseitig bildet der Universal Controller mit ARM-CPU sowie integrierten NPU- und GPU-Einheiten die Grundlage; das integrierte Linux-Yocto-Betriebssystem unterstützt OCI-Spezifikationen für die Containerisierung.

Genau hier liegt der Beitrag von ForestHub: Die Orchestrierung der KI-Komponenten folgt einem graph-first-Ansatz. Der Ablauf — Sensor lesen, klassifizieren, bewerten, erklären, eskalieren — ist ein explizit verdrahteter Graph, in dem das Language Model ein Knoten unter vielen ist und nicht die Runtime selbst. Dadurch bleibt jede Entscheidung des Agenten einsehbar, wiederabspielbar und auf eine endliche Aktionsmenge begrenzt — eine Voraussetzung dafür, KI in einer regulierten Fertigungsumgebung überhaupt einsetzbar zu machen.

Fazit: Ergänzung statt Substitution

So wie die Anlagenverfügbarkeit nie vollständig erreicht und Servicekosten nie ganz entfallen, wird KI menschliche Servicetechniker nicht vollständig ersetzen. Die Kombination aus SPS und KI kann sie jedoch spürbar entlasten und unterstützen — gerade in Fertigungsumgebungen mit wenigen Anlagen oder außerhalb regulärer Servicezeiten lässt sich so die OEE verbessern. KI-basierte „virtuelle Servicetechniker“ lassen sich mit aktueller Hard- und Software bereits wirtschaftlich umsetzen, wie der gemeinsame Demonstrator von Grossenbacher Systeme und ForestHub zeigt.

Ergänzung statt Substitution — KI als Entlastung, nicht als Ersatz.

Der Fachartikel von Oliver Roth, CEO von Grossenbacher Systeme, ist im Fachmagazin „Computer & Automation“ (Ausgabe 05-26) erschienen. Den vollständigen Beitrag stellen wir hier als PDF bereit: