Generative KI im Engineering
Große Sprachmodelle halten Einzug in die Automatisierungstechnik: IEC-61131-3-Code erzeugen, Spezifikationen verfassen, übersetzen und dokumentieren, Diagnose unterstützen. Der Produktivitätsgewinn ist real — doch ein Modell, das im Sicherheitskontext "erfindet", ist eine Gefahr. Die Regel: KI schlägt vor, der Ingenieur validiert.
Die Anwendungsfälle
Automatisierungs-Copilots
Assistierte IEC-61131-3-Codegenerierung (ST, KOP), FB-Vorschläge, plattformübergreifende Konvertierung, Erklärung und Review bestehender Programme.
Lastenheft & E/A-Listen
Entwürfe von Lastenheften (URS), E/A-Listen, R&I-Skizzen und Verriegelungsmatrizen aus einer natürlichsprachlichen Beschreibung.
Handbücher, Protokolle, Übersetzung
Bedienhandbücher, HAZOP-Protokolle, konsistente mehrsprachige Übersetzung von Normen und Verfahren — eine Stärke der Sprachmodelle.
Wissensassistenten (RAG)
Retrieval-Augmented Generation (RAG) verankert Antworten in echter Dokumentation: Handbücher, Alarmhistorien, Erfahrungsberichte — für einen verlässlichen Fehlersuche-Copilot.
KI schlägt vor, der Ingenieur validiert
Ein generatives Modell erzeugt plausiblen Text, keine garantierte Wahrheit. In der Automatisierung muss vorgeschlagener Code geprüft, getestet und — für eine Sicherheitsfunktion — nach dem geltenden Lebenszyklus (IEC 61511, IEC 61508) validiert werden. Der Generator beschleunigt den ersten Entwurf; er ersetzt weder Review noch Test. Er ist Copilot, nie Pilot.
| Anwendungsfall | Reife | Menschliche Validierung |
|---|---|---|
| Dokumentation & Übersetzung | ausgereift | redaktionelle Prüfung |
| Code-Erklärung & Review | ausgereift | Urteil des Ingenieurs |
| Spezifikationserstellung | aufkommend | Review + Test |
| Automatisierungscode-Erzeugung | aufkommend | Review + Test; bei Sicherheit Lebenszyklus 61511/61508 |
| Diagnoseassistent (RAG) | aufkommend | mit zitierten Quellen abgleichen |
Die Verhältnismäßigkeitsregel: je näher das Ergebnis an Sicherheit oder Produktion liegt, desto schwerer die menschliche Validierung. Ein Handbuch wird Korrektur gelesen; Code, der eine sicherheitsgerichtete Funktion steuert, durchläuft den vollen Lebenszyklus und seine unabhängige Beurteilung.
Halluzination beherrschen
Ein Sprachmodell optimiert Plausibilität, nicht Genauigkeit — es kann eine falsche Antwort selbstbewusst behaupten. In der Technik wird dieses Risiko durch systematische Schutzmaßnahmen beherrscht, nicht durch Vertrauen.
| Risiko | Schutzmaßnahme |
|---|---|
| Plausible, aber falsche Antwort | Verankerung (RAG) in interner Dokumentation |
| Erfundener Baustein, Adresse oder Norm | systematische Prüfung, Zitate verlangt |
| Code- oder Datenabfluss | EU-/On-Premise-Hosting, Nutzungsregeln |
| Übervertrauen in die Ausgabe | KI schlägt vor, Mensch validiert (EU AI Act Art. 14) |
Zentrale Herausforderungen
- Halluzination & Verifikation — das Modell kann einen Baustein, eine Adresse oder eine nicht existierende Norm erfinden; Verankerung (RAG) und systematische Prüfung sind nicht verhandelbar.
- Vertraulichkeit & geistiges Eigentum — Code, Rezepturen und Schemata sind sensibel; On-Premise-Einsatz oder EU-Hosting und klare Regeln, was an ein externes Modell gesendet werden darf.
- Werkzeug-Integration — der Wert kommt vom in die IDE (TIA Portal, Codesys, AVEVA) eingebetteten Copilot statt von einem separaten Chat mit Copy-Paste.
- Haftung & Validierung — wer haftet für generierten Code? Entscheidungs-Nachvollziehbarkeit und finale Validierung bleiben menschlich; der EU AI Act formalisiert die menschliche Aufsicht.
Rahmen & Referenzen
- EU AI Act — Allzweck-KI (GPAI) trägt eigene Pflichten; der Einsatz in einer "hochriskanten" Funktion verlangt Dokumentation, menschliche Aufsicht und Risikomanagement.
- ISO/IEC 42001 — Den Einsatz generativer Werkzeuge mit einem Managementsystem rahmen: Politik, Rollen, Nachvollziehbarkeit unterstützter Entscheidungen.
Verwandte Normseiten
Hauptakteure
Industrie-Copilots
Siemens Industrial Copilot, Codesys AI, Rockwell, AVEVA.
Allgemeine Code-Copilots
GitHub Copilot, Cursor, Claude, ChatGPT.
RAG- & private Plattformen
Azure OpenAI, AWS Bedrock, Mistral, modèles open-weight on-premise.