Noch nie von Agentic AI gehört? Lesen Sie unseren vorherigen Beitrag Was kann man von Agentic AI erwarten?, um zentrale Grundideen agentischer KI kennenzulernen – oder lassen Sie sich in Konzept für die Steuerung einer Abfüllanlage mit Agentic AI unser Konzept zur agentischen KI-Verarbeitung für Abfülllinien vorstellen.

‍

Ein agentisches System im industriellen Umfeld arbeitet nicht als einzelnes Modell, sondern als koordiniertes Zusammenspiel spezialisierter Agenten. Zu Beginn sammelt es Kontext aus SPS-Systemen, SCADA-Daten, MES-Aufzeichnungen, historischen Störfällen und interner Dokumentation. Aus diesen Informationen entsteht ein fortlaufend aktualisiertes Betriebsbild, das es dem System ermöglicht, Abweichungen zu erkennen, sie mit bekannten Mustern zu korrelieren und zu entscheiden, ob ein neues Ereignis Handlungsbedarf erfordert. Wissen ist dabei nicht statisch, sondern wird dynamisch aus den eigenen Daten und technischen Datenuellen der Anlage zusammengesetzt.

Der Kern der Entscheidungsfindung ist als Multi-Agenten-Ablauf strukturiert. Jeder Agent übernimmt eine klar definierte Aufgabe, etwa die Interpretation des Ereignisses, die Auswahl relevanter Wissensquellen, die Durchführung von Regelprüfungen oder die Validierung vorgeschlagener Maßnahmen. Hinter jedem Agenten steht ein SLM (Small Language Model) oder eine vergleichbare neuronale Netzwerkkomponente, die die jeweiligen Eingaben analysiert und ein kontrolliertes, schrittweises Ergebnis liefert. Da jeder Agent nur einen eng umrissenen Teilaspekt bearbeitet, verhält sich das Gesamtsystem vorhersehbarer, ist leichter zu auditieren und weniger anfällig für unerwartete Eingaben. Die Ergebnisse werden in jedem Schritt überprüft, und keine Entscheidung wird weitergegeben, ohne zuvor definierte Richtlinien- und Konsistenzprüfungen zu erfüllen.

Ist eine Aktion erforderlich, greift das System ausschließlich über autorisierte Schnittstellen in die Umgebung ein. Es kann Maschinenzustände auslesen, Datenbanken abfragen oder vordefinierte Befehle wie kontrollierte Resets oder Diagnoseroutinen ausführen. Die Ausführung von Befehlen unterliegt dabei einer zusätzlichen Prüfschicht: Ein Aktions-Validierungsagent überprüft, ob Parameter innerhalb freigegebener Grenzen liegen, ob der aktuelle Zustand der Linie den erwarteten Bedingungen entspricht und ob eine menschliche Bestätigung erforderlich ist. Tritt eine Unstimmigkeit auf, wird die Sequenz gestoppt und mit einer klaren Erläuterung der Begründung sowie der Abbruchstelle an einen Bediener eskaliert.

Sicherheit, Überwachung und Auditierbarkeit sind in jeder Phase der Architektur fest verankert. Der Zugriff auf APIs ist strikt begrenzt, Schreibzugriffe sind klar von Lesezugriffen getrennt, und sensible Operationen können eine explizite Freigabe durch den Menschen erfordern. Die Ausgaben jedes Agenten, die Entscheidungsgrundlagen sowie alle ausgeführten Befehle werden in einem Audit-Trail dokumentiert, der von Engineering-, Betriebs- oder Compliance-Teams nachvollzogen werden kann. Diese Leitplanken stellen sicher, dass das System zwar Sprachverarbeitung und neuronale Modelle nutzt, um wahrscheinliche Ursachen zu identifizieren und Maßnahmen vorzuschlagen, dabei aber jeder Schritt kontrolliert, transparent und im Einklang mit etablierten industriellen Sicherheitsanforderungen bleibt.

‍

Möchten Sie wissen, auf welches Wissen unsere Agenten zugreifen? Dann lernen Sie unser Tool SenseDrive.ai kennen.

Sie sind interessiert? Nehmen Sie Kontakt mit uns auf!

‍