LLM in der Fertigungsindustrie

Von Bastien Triclot, CEO von Zozio und Experte für die Transformation zur Industrie 4.0

Die Industrie durchlebt eine Komplexitätskrise. Obwohl wir Milliarden in die Digitalisierung investiert haben, stagniert die Gesamtanlageneffektivität (OEE/TRS) in vielen Branchen. Laut McKinsey könnte generative künstliche Intelligenz in der Fertigung bis zu 3 700 Milliarden Dollar jährlichen Wert freisetzen – doch ein großes Hindernis bleibt: Die Daten sind vorhanden, aber sie sind „stumm“.

Deshalb vollziehen wir den Übergang vom Zeitalter der gesammelten Daten zu dem der orchestrierten Intelligenz.

Das Datenparadoxon: Warum Industrie 4.0 ihre Versprechen nicht gehalten hat

Seit einem Jahrzehnt folgt die Industrie dem Mantra „Daten sind König“. Wir haben Sensoren an jeder Steuerung installiert und teure ERP- und MES-Systeme eingeführt. Dennoch ist die Feststellung von Gartner ernüchternd: 80 % der Industriedaten sind „Dark Data“ – ungenutzt und in Silos verstreut.

Das falsche Versprechen des Dashboards

Wir haben Manager unter KPIs begraben. Doch ein Dashboard trifft keine Entscheidung; es stellt ein Scheitern fest.

• Die kognitive Last: Teams verbringen 70 % ihrer Zeit damit, Daten aus widersprüchlichen Quellen abzugleichen (das ERP meldet „auf Lager“, der Lagerist „fehlt“, das MES „in Bearbeitung“).

• Die Diktatur von Excel: Um die Starrheit unflexibler Systeme auszugleichen, läuft die Fertigung auf Tausenden selbstgebauten Excel-Dateien – das schafft technische Schulden und führt beim Eintritt in den Ruhestand zu einem enormen Verlust an Know-how.

Das eigentliche Problem ist nicht technologisch, sondern semantisch. Maschinen sprechen in Protokollen (OPC-UA, MQTT), Systeme sprechen in SQL-Tabellen, und Menschen sprechen in natürlicher Sprache. Die Brücke zwischen diesen Welten war bisher gebrochen.

Der Digitale Zwilling: Weit mehr als ein Modell – ein „Digital Thread“

Damit künstliche Intelligenz schlussfolgern kann, braucht sie Kontext. Hier kommt der Digitale Zwilling der Produktion (Digital Twin) ins Spiel. Entgegen verbreiteter Annahmen ist ein leistungsfähiger digitaler Zwilling keine bloße 3D-Visualisierung der Fabrik. Er ist eine strukturierte Datenarchitektur, die Ursache-Wirkungs-Beziehungen modelliert.

Die Bausteine des Digital Thread

Laut Deloitte beruht der Erfolg von KI auf dieser digitalen Durchgängigkeit:

• Der Wissensgraph: Ein Teil (Seriennummer) wird mit seiner Maschine, dem Bediener, der es gefertigt hat, der Temperatur in der Fertigung zu diesem Zeitpunkt und dem Lieferanten des Rohmaterials verknüpft.

• Die Modellierung von Randbedingungen: Fachliche Regeln werden integriert (z. B. „Diese Maschine benötigt nach 8 Stunden Produktion 2 Stunden Abkühlzeit“).

• Die operative Realität: Anders als eine theoretische Simulation korrigiert sich der digitale Zwilling dank der Echtzeitdaten aus der Fertigung selbst.

Das LLM als Schnittstelle zum Schlussfolgern

Mit den Large Language Models (LLM) kommt der fehlende Baustein hinzu: die Fähigkeit, Kontext zu verstehen und zusammenzufassen. Doch Vorsicht: Ein LLM allein „halluziniert“. In der Industrie sind Fehler keine Option.

Die RAG-Revolution (Retrieval-Augmented Generation)

Die Zielarchitektur ist RAG. Statt das LLM zu „wissen“, lässt man es in den Daten der Fabrik (dem digitalen Zwilling) „suchen“ und eine fundierte Antwort „formulieren“.

• Die Brücke zwischen strukturierten und unstrukturierten Daten: Das LLM ist das einzige Werkzeug, das gleichzeitig eine SQL-Datenbank (den Bestand) und einen Wartungsbericht als PDF (das „Warum“ der Störung) lesen kann.

• Demokratisierter Zugang: Ein Teamleiter muss weder SQL noch PowerBI beherrschen. Er stellt einfach seine Frage: „Was sind diese Woche die drei Hauptursachen für Nichtkonformitäten auf Linie 4?“ Das LLM analysiert die QRQC-Berichte, vergleicht sie mit den Maschinenparametern und antwortet in wenigen Sekunden.

Knowledge Graphs (Wissensgraphen)

Die von führenden Unternehmen (wie BMW oder Siemens) bevorzugte Datenstruktur, um ihre digitalen Zwillinge zu speisen, da sie die komplexen Beziehungen zwischen Maschinen, Teilen und Menschen abbilden kann. Genau diese Verflechtung der verschiedenen Objekte machte Industrie 4.0 so komplex.

Zielarchitektur: Vom Sensor zum Schlussfolgern

Um diese Vision umzusetzen, ist eine stringente Architektur nötig. Sie gliedert sich in 5 Schlüsselschichten:

• Ingestion & Governance: Bereinigung der Daten aus ERP, MES und IoT. Ohne saubere Daten liefert das LLM fehlerhafte Schlussfolgerungen.

• Industrial Data Warehouse: Historisierte und strukturierte Speicherung rund um den digitalen Zwilling.

• Vector Database: Speicherung unstrukturierter Daten (PDFs, E-Mails, Berichte), die in „Vektoren“ umgewandelt werden, damit die KI sie verstehen kann.

• Orchestrierungsschicht (LLM): Das Gehirn, das die Anfrage entgegennimmt, entscheidet, welcher Agent aktiviert wird, und die Konsistenz der Antworten prüft.

• Benutzeroberfläche (HMI 2.0): Mobile Apps, Werkstatt-Tablets oder Sprachschnittstellen für eine natürliche Interaktion.

Das Zeitalter agentischer Systeme: Eine Armee spezialisierter Experten

Die wahre Leistungsfähigkeit entsteht, wenn das LLM nicht mehr nur Fragen beantwortet, sondern zum Orchestrator autonomer Agenten wird. Die Boston Consulting Group (BCG) nennt das agentische KI. Stellen Sie sich Mikro-KIs vor, die auf kritische Aufgaben spezialisiert sind:

Der Agent für Ursachenanalyse (RCA)

Dieser Agent schläft nie. Sobald Ausschuss erkannt wird, durchsucht er die Historie der letzten 5 Jahre, die Maschinenparameter, Schichtwechsel und Qualitätsberichte. Er liefert keine Statistik, sondern eine umsetzbare Hypothese: „Der Vorfall ähnelt dem vom 12. März 2023, der auf vorzeitigen Verschleiß des Lagers X zurückging.“

Der Fertigungsplaner-Copilot-Agent

Die Feinplanung ist ein mathematischer Albtraum. Dieser Agent tritt in den Dialog mit den Planungsalgorithmen (APS), um Szenarien in natürlicher Sprache zu testen: „Wenn ich den Auftrag dieses VIP-Kunden auf morgen verschiebe, welche Auswirkungen hat das auf die Produktionskosten und die Lieferzeiten der 10 anderen Aufträge?“

Der Agent für industrielles Gedächtnis

Im Kontext des „Kriegs um Talente“ erfasst die KI das implizite Wissen erfahrener Experten, bevor diese ausscheiden. Sie verwandelt informellen Austausch und Notizen aus der Fertigung in eine lebendige Wissensbasis, die neue Mitarbeitende in Echtzeit einarbeiten kann. Das Onboarding wird beschleunigt und das Know-how gesichert.

Fazit: Die augmentierte Fabrik als strategischer Imperativ

Wir befinden uns nicht mehr im Experimentierstadium. Unternehmen, die das LLM als Gehirn ihres digitalen Zwillings einsetzen, gewinnen eine Agilität, die traditionelle Systeme nicht bieten können.

Wie das World Economic Forum betont, stellt Industrie 5.0 den Menschen wieder in den Mittelpunkt. Das LLM ist nicht dazu da, den Bediener zu ersetzen, sondern ihm seine Superkraft zurückzugeben: die fundierte Entscheidung. Die Fabrik wird keine Blackbox aus Daten mehr sein, sondern endlich eine dialogfähige, transparente und lernende Einheit.