Process Control Narrative Miner

Wissensgestützte große Sprachmodelle zur Extraktion von PCN-Informationen

Autor/innen

  • Mohamed Elsheikh ABB
  • Nicolai Schoch ABB AG Corporate Research Center Germany
  • Mario Hoernicke ABB AG Corporate Research Center Germany
  • Katharina Stark ABB AG Corporate Research Center Germany
  • Thilo Braun ABB AG Corporate Research Center Germany
  • Sebastian Palacio ABB AG Corporate Research Center Germany
  • Nika Strem ABB AG Corporate Research Center Germany

DOI:

https://doi.org/10.17560/atp.v68i5.2831

Schlagworte:

AI-supported Engineering, Digitalization of Technical Design Specifications, LLM

Abstract

In der Automatisierungstechnik stellt die Umwandlung unstrukturierter Spezifikationen in maschinenlesbare Formate nach wie vor eine zentrale Herausforderung dar. Der „Engineering Data Funnel“ (EDF) begegnet dieser Herausforderung durch die Kombination von  neurosymbolischer KI und Fachwissen zur Verarbeitung multimodaler Daten. Dieser Beitrag stellt eine EDF Komponente vor, die strukturierte Informationen aus Prozesssteuerungsbeschreibungen (PCNs) mithilfe eines domänenwissensgestützten, schemageführten LLM Workflows mit automatisierter Validierung extrahiert und dadurch gegenüber unbeschränktem LLM Prompting eine höhere Zuverlässigkeit und Genauigkeit erzielt.

Veröffentlicht

12.05.2026

Ausgabe

Rubrik

Hauptbeitrag / Peer-Review

Am häufigsten gelesenen Artikel dieser/dieses Autor/in

1 2 3 > >>