Engineering Data Funnel

Neuro-Symbolische KI für die Automatisierungstechnik

Autor/innen

  • Nicolai Schoch ABB
  • Mohamed Elsheikh ABB
  • Marion Hoernicke ABB
  • Sebastian Palacio ABB
  • Nika Strem ABB
  • Katharina Stark ABB

DOI:

https://doi.org/10.17560/atp.v67i10.2805

Schlagworte:

KI-unterstütztes Engineering, Neurosymbiotische KI, Anlagen-Design-Spezifikation

Abstract

In der Automatisierungstechnik stehen heute viele Softwareapplikationen zur Verfügung, aber eine große Herausforderung
besteht darin, unstrukturierte multimodale Anlagen-Design-Spezifikationen konsistent und widerspruchsfrei so zu transformieren,
dass die existierenden Applikationen diese direkt weiterverarbeiten können. Dieser Beitrag analysiert die Anforderungen an diese
Daten-Transformierung und präsentiert dann den „Engineering Data Funnel“ (EDF), eine neurosymbolische KI, die auf einem agentischen Workflow basiert, bei dem spezialisierte Expertenmodelle multimodale Daten in gegenseitiger Abstimmung und unter Berücksichtigung von Domänenwissen verarbeiten. Abschließend wird der EDF anhand von Beispielen aus verschiedenen Industriesegmenten evaluiert.

Veröffentlicht

03.11.2025

Ausgabe

Rubrik

Hauptbeitrag / Peer-Review

Am häufigsten gelesenen Artikel dieser/dieses Autor/in

1 2 3 > >>