Process Control Narrative Miner: Knowledge-Enhanced LLMs for Extracting PCN Information

Mohamed Elsheikh; Nicolai Schoch; Mario Hoernicke; Katharina Stark; Thilo Braun; Sebastian Palacio; Nika Strem

doi:10.17560/atp.v68i5.2831

Process Control Narrative Miner

Knowledge-Enhanced LLMs for Extracting PCN Information

Authors

Mohamed Elsheikh ABB AG Corporate Research Center Germany
Nicolai Schoch ABB AG Corporate Research Center Germany
Marion 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

Keywords:

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

Abstract

In automation engineering, converting unstructured specifications into machine readable formats remains a key challenge. The “Engineering Data Funnel” (EDF) addresses this by combining neuro-symbolic AI and domain knowledge to process multimodal data. This paper presents an EDF component that extracts structured information from process control narratives (PCNs) using a domain‑knowledge‑augmented, schema‑guided LLM workflow with automated validation, improving reliability
and accuracy over unconstrained LLM prompting.

Published

2026-05-12

Issue

Vol. 68 No. 5 (2026): atp magazin 5/2026

Section

Article / Peer Review

License

Die Zeitschrift und alle in ihr enthaltenen Beiträge und Abbildungen sind urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverﬁlmungen und die Einspeicherung und Bearbeitung in elektronischen Systemen. Auch die Rechte der Wiedergabe durch Vortrag, Funk- und Fernsehsendung, im Magnettonverfahren oder ähnlichem Wege bleiben vorbehalten.