KI-gestützte Systementwicklung für das Lebenszyklusmanagement in der industriellen Automatisierung

Rockwell Automation hat ein Engineering-Framework eingeführt, das künstliche Intelligenz nutzt, um digitale Zwillingssimulationen mit Steuerungs-Entwicklungsplattformen zu synchronisieren. Dieser Übergang von fragmentierten Arbeitsläufen zu einem einheitlichen, KI-gesteuerten Modell zielt darauf ab, die manuelle Konfiguration im Automobilbau und in der Schwerindustrie zu reduzieren.

Integration von digitalen Zwillingen und generativer Programmierung
Die technische Herausforderung im traditionellen Industrie-Engineering liegt in der Diskrepanz zwischen Simulation und Ausführung. Ingenieure nutzen in der Regel getrennte Umgebungen für die mechanische Simulation und die Entwicklung speicherprogrammierbarer Steuerungen (SPS). Rockwell Automation adressiert dies durch die Verknüpfung der Digital-Twin-Software Emulate3D mit dem FactoryTalk Design Studio und KI-gestützten Schnittstellen.

Diese Integration ermöglicht die Übersetzung von Simulationsparametern in ausführbaren Steuerungscode innerhalb einer cloudbasierten Umgebung. Durch den Einsatz von Large Language Models (LLMs) und autonomen Agenten wird ein automotive data ecosystem begünstigt, in dem natürliche Spracheingaben strukturierten Text oder Kontaktpläne generieren. Dieser Mechanismus verringert die Abhängigkeit von der manuellen SPS-Konfiguration, die historisch gesehen eine zeitintensive Phase in der digital supply chain darstellt.

Validierung durch Closed-Loop-Emulation
Die Wirksamkeit dieses Modells basiert auf einer Validierung im geschlossenen Regelkreis (Closed-Loop). Vor dem physischen Hardware-Einsatz wird das KI-generierte Steuerungsprojekt gegen den digitalen Zwilling getestet. Diese Emulationsphase bietet eine messbare Verifizierung der Systemlogik, des Timings und der Sicherheitsprotokolle. Laut Jordan Reynolds, Vice President of Artificial Intelligence & Autonomy bei Rockwell Automation, ermöglicht dieser Ansatz den Ingenieuren den Übergang von einem validierten Modell zu einem vollständig getesteten Steuerungsprojekt noch vor der Inbetriebnahme der Hardware.

Der Einsatz von KI-Agenten in diesem Kontext dient der Verkürzung von Entwicklungszyklen. Durch die Automatisierung der Verifizierung von Design-Iterationen können Hersteller Logikfehler in einer virtuellen Umgebung identifizieren. Dies mindert das Risiko von Geräteschäden oder Betriebsausfällen während der Standortabnahme (Site Acceptance Testing, SAT).

Auswirkungen auf industrielle Produktivität und Sicherheit
Die Umstellung auf ein ergebnisorientiertes Engineering-Modell beeinflusst mehrere technische Leistungskennzahlen (KPIs). Durch die Orchestrierung von KI über den gesamten Design-Lebenszyklus ermöglicht der Workflow:

Dieses Framework unterstützt übergeordnete industrielle Ziele, einschließlich Arbeitssicherheit und Nachhaltigkeit, indem Maschinenbewegungen und Energieverbrauch bereits in der Simulationsphase optimiert werden. Die Integration dieser Technologien markiert einen Schritt hin zu autonomen Industriesystemen, bei denen die Softwareschicht die architektonische Bereitstellung physischer Anlagen proaktiv unterstützt.

Herausgegeben von Evgeny Churilov, Induportals Media - Angepasst von AI.

www.rockwellautomation.com