Bd. 66 Nr. 6-7 (2024): atp magazin
Schon wieder KI? Wirklich? Ja! Zum zweiten Mal in diesem Jahr widmet sich das atp magazin dem Motto der AUTOMATION in Baden-Baden („AI beats Automation?“) folgend der Künstlichen Intelligenz. Dieses Mal legen wir den Fokus dabei auf Large Language Models (LLMs) und generative Tools, die auch für die Automatisierung neue Möglichkeiten und Potenziale bieten.
Unser Heft zeigt dabei anschaulich auf, welchen Einfluss LLMs wirklich auf den Alltag in der produzierenden Industrie haben. Wer jetzt aber denkt, dass KI auf lange Sicht die Automation ersetzen könnte, wie es das Motto des VDI/VDE-GMA-Kongresses nahelegt, irrt gewaltig.
Denn mit KI wird eine Katze keinesfalls zum Hund, auch wenn uns die generative KI das vielleicht manchmal im übertragenen Sinne glauben machen will. Es hängt also doch wieder an uns: Am Ende wird es das menschliche Domänenwissen sein, das solche Halluzinationen erkennt und die Fehler der Maschine korrigiert. Warum gerade LLMs und generative AI-Technologien dennoch wichtig für die Zukunft der Automatisierung sind, zeigt Ihnen das atp magazin 6-7/2024.
Das Interview-Highlight:
„Wir laufen Gefahr, zum KI-Kunden zu werden“
Alle Welt spricht über Künstliche Intelligenz und auch die AUTOMATION 2024 greift das aktuelle Hype-Thema unter dem Motto „AI beats Automation?“ auf. Dabei vor allem im Fokus: Generative KI, von der sich auch die Industrie enorme Potenziale verspricht. Wie Unternehmen Gen AI bestmöglich einsetzen, warum es notwendig ist, jetzt KI-Projekte zu starten und was Kühe damit zu tun haben, erklärt Professor Alexander Löser, Leiter des Data Science Research Centers an der Berliner Hochschule für Technik und Mitglied der acatech Expertenplattform „Lernende Systeme“.
Die peer-reviewten Hauptbeiträge
Applying Large Language Models for intelligent industrial automation
„Drei konkrete Anwendungen für LLMs in der Automation“
Die Möglichkeiten von LLMs werden systematisch vorgestellt: Texte verstehen, Anweisungen ausführen nach außen kommunizieren. Bei der Integration von LLMs in die Automatisierungslandschaft wird ein digitaler Zwilling zwischen LLM und Automatisierungssystem geschaltet. Der LLM-Agent beobachtet und entscheidet über das Systemerhalten. Bei Bedarf können mehrere LLM-Agenten zusammen ein LLM-Multi-Agentensystem bilden. Drei praxisnahe Use Cases werden diskutiert.
Large Language Models in der Robotik
„Robotercode per LLM erzeugen? Sieht gut aus!“
Es klingt wie ein Traum und zeigt ein großes Potenzial auf: LLMs einzusetzen, um Roboter zu programmieren und die Interaktion von Mensch und Maschine zu optimieren. Der Beitrag gibt einen Überblick über aktuelle Lösungen und bewertet das Potenzial. Anwendungen sind die autonome Navigation, die Manipulation sowie die Aufgabenplanung. Drei vortrainierte LLMs werden erprobt und verglichen. Wesentlich ist dabei, mit welchem „Prompt“ die Aufgabe gestellt wird: Mit guten Fragen liefern alle Systeme solide Ergebnisse.
From data to design
„Verteilte Informationen zusammentragen durch LLMs“
Große Sprachmodelle, besser bekannt als Large Language Models (LLMs), können verwendet werden, um Informationen aus unstrukturierten Daten zu gewinnen. Das ist die Aufgabe von Retrieval Augmented Generating Systems. Vier verschiedene LLM-Modelle wurden getestet und auf Lesbarkeit, Genauigkeit sowie Klarheit bewertet.
Engineering in der Prozessindustrie mit der Verwaltungsschale (Teil 1)
„Eine Folge standardisierter AAS statt Dateninseln“
Zur Planung und Betreuung von PLT-Einrichtungen wird aktuell eine Vielzahl von Engineering-Systemen verwendet, die meist manuell synchronisiert werden müssen. Dieser erste Teil dieses Beitrags schlägt vor, die Ein- und Ausgangsdaten von definierten Planungsschritten in standardisierten Verwaltungsschalen abzulegen. ITWerkzeuge können so flexibel eingesetzt und ausgetauscht werden. Dadurch entsteht im Planungs- und später Instandhaltungsprozess ein konsistenter und leicht pflegbarer digitaler Zwilling.
