idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
KI-Sprachmodelle gelten als Schlüsseltechnologie für die Industrie, scheitern aber oft an Datenschutzbedenken und fehlendem Fachwissen. Wissenschaftler*innen der Universität Stuttgart und ihre Forschungspartner der WRS Energie + Druckluft GmbH haben eine vollständig lokal betriebene KI entwickelt und erfolgreich erprobt. Diese KI liefert mit Hilfe eines digitalen Zwillings konkrete Handlungsanweisungen für Druckluftsysteme ohne zu halluzinieren. Das neue On-Premise-System ist sicherer und schneller als vergleichbare Cloudlösungen.
Intelligentes Druckluftsystem: Lücke zwischen komplexen Daten und Bedienbarkeit schließen
„Wer Künstliche Intelligenz in der Industrie einsetzen möchte, steht oft vor einem Dilemma: Cloud-Lösungen sind skalierbar, aber ein Sicherheitsrisiko für sensible Produktionsdaten. Mit unserem neuen KI-Assistenten haben wir diesen Konflikt nun gelöst“, sagt Christian Wolf, Wissenschaftler am Institut für Energieeffizienz in der Produktion (EEP) der Universität Stuttgart. Im Forschungsprojekt „AI4Air“ haben das EEP und die WRS Energie + Druckluft GmbH ein On-Premise-Large-Language-Modell (LLM) erforscht und in einem frühen Entwicklungsstadium erfolgreich getestet, das die Lücke zwischen komplexen Anlagendaten und einfacher Bedienbarkeit schließt. So soll ein intelligentes Druckluftsystem entstehen, das zum Beispiel in der Robotik, im Karosseriebau oder in der Lebensmittelindustrie zum Einsatz kommen kann. Sein Herzstück ist eine eigens entwickelte KI, die relevante Systeminformationen gezielt nutzt und so in direkter Verbindung mit dem digitalen Zwilling der Anlage eine sichere, leistungsstarke und anwendungsspezifische Interaktion mit Druckluftanlagen ermöglicht.
Lokales Sprachmodell statt Cloud: Sicherheit, Geschwindigkeit und Kontrolle
Während viele industrielle KI-Anwendungen auf allgemeine Sprachmodelle und externe Cloud-Dienste setzen, geht »AI4Air« einen anderen Weg: Die KI wird mit spezifischem Anlagenwissen gespeist, arbeitet vollständig „on premise“ und ist direkt in das technische System integriert. Das heißt, die spezialisierten Sprachmodelle laufen nicht auf fremden Servern, sondern in einer geschützten lokalen Umgebung. Die Evaluation der Pilotphase zeigt: Das System ist herkömmlichen Cloud-Lösungen überlegen. Es reagiert in durchschnittlich zehn Sekunden auf komplexe Fragestellungen. Bei druckluftspezifischen Fragen erreicht das Modell eine Genauigkeit von über 90 %, sensible Produktionsdaten verlassen dabei zu keinem Zeitpunkt das Unternehmen. „Gerade für produzierende Unternehmen mit hohen Anforderungen an IT-Sicherheit und Verfügbarkeit könnte dieser Ansatz einen entscheidenden Wettbewerbsvorteil bringen“, sagt Lennard Schwidurski, Geschäftsführer von WRS.
KI-Faktenzugriff: In Echtzeit Wissen dort abrufen, wo es entsteht
Ein bekanntes Problem generischer KI-Modelle ist das „Halluzinieren“ – das Erfinden von Fakten. Ein zentrales Unterscheidungsmerkmal von »AI4Air« ist ein eigens entwickeltes Nachschlagewerk. Es basiert auf einer speziellen Technik zur Informationsverarbeitung, der Retrieval-Augmented Generation (RAG). Mittels RAG kann das Sprachmodell gezielt auf einen kuratierten Fundus aus Sensordaten, Informationen aus technischen Dokumentationen und Wartungsprotokollen zugreifen. Das Ergebnis: nachvollziehbare, kontextbasierte Antworten statt generischer KI-Antworten. Die Halluzinationsrate sinkt auf 26 % – bei Standardmodellen liegt sie bei bis zu 40 %. Da das System stets mit den neuesten System- und Zustandsdaten arbeitet, sind die Informationen in Echtzeit aktuell. „Unsere KI beantwortet nicht nur Fragen – sie begründet ihre Aussagen auf Basis realer Anlagen- und Zwillingsdaten“, erklärt „AI4Air-Projektleiter“ Wolf. „Das ist ein entscheidender Schritt von der reinen Assistenz hin zur verlässlichen Entscheidungsunterstützung.“
Large Language Model trifft digitalen Zwilling: Von der Analyse zu Handlungsempfehlungen
Der technologische Kern, der »AI4Air« von reinen Chatbot-Lösungen abhebt, ist die Symbiose mit dem digitalen Zwilling. Während der Zwilling das Druckluftsystem physikalisch und energetisch in Echtzeit abbildet, dient das LLM als „Dolmetscher“. Es übersetzt abstrakte Datenkurven in verständliche Handlungsempfehlungen. So meldet das System nicht nur einen abstrakten Druckabfall, sondern priorisiert konkrete Maßnahmen. Es kann zum Beispiel den aktuellen Effizienzgrad einzelner Druckluftkomponenten erklären, die Ursachen für steigenden Energieverbrauch benennen, konkrete Maßnahmen wie die Behebung von Leckagen oder den Wartungszeitpunkt priorisieren und die Auswirkungen von Entscheidungen abschätzen „Die Kombination aus digitalem Zwilling und sprechender KI macht komplexe Zusammenhänge erstmals intuitiv zugänglich“, betont Schwidurski. „Damit wird tiefes Expertenwissen auch für Nicht-Spezialisten im Betrieb abrufbar“. Mit der erfolgreichen Evaluation der On-Premise-Architektur geht »AI4Air« nun in die nächste Phase: Die Erweiterung der Pilotanwendungen bei Industriepartnern. Die KI-gestützte Entscheidungsunterstützung soll weiter verfeinert werden, um zusätzliche Einsparpotenziale in energieintensiven Druckluftnetzen zu erschließen – vollständig lokal, erklärbar und direkt mit der Realität verbunden.
Zum Projekt „AI4Air“
Das Projekt „AI4Air“ (Laufzeit 2 Jahre) wird vom Innovationsförderprogramm InvestBW gefördert. Das Projekt ist eine Forschungskooperation zwischen dem Institut für Energieeffizienz in der Produktion (EEP) und der WRS Energie + Druckluft GmbH. Mit InvestBW unterstützt das baden-württembergische Wirtschaftsministerium insbesondere KMUs und Start-ups finanziell bei der Entwicklung neuer Produkte, Dienstleistungen und Geschäftsmodelle in Zukunftsfeldern wie Künstlicher Intelligenz und Digitalisierung.
Universität Stuttgart, Institut für Energieeffizienz in der Produktion (EEP)
M.Sc. Christian Wolf
christian.wolf@eep.uni-stuttgart.de
WRS Energie + Druckluft GmbH
M.Eng. Lennard Schwidurski
l.schwidurski@wrs-energie.de
https://www.uni-stuttgart.de/universitaet/aktuelles/meldungen/Neuer-KI-Assistent... Pressemitteilung Universität Stuttgart
Echtzeit-Datenanalyse: Grundlage für den KI-gestützten Druckluft-Assistenten zur automatischen Lecka ...
Quelle: Rainer Bez
Copyright: EEP
Gemeinsam bringen sie Intelligenz in die Drucklufttechnik: v.l.n.r.: Christian Wolf (EEP), Dominik W ...
Quelle: Rainer Bez
Copyright: EEP
Merkmale dieser Pressemitteilung:
Journalisten, Wirtschaftsvertreter, Wissenschaftler
Elektrotechnik, Informationstechnik, Maschinenbau
überregional
Forschungs- / Wissenstransfer, Forschungsergebnisse
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
