Was AI-Agenten sind und wozu sie in der Industrie dienen

In der Industrie sind AI-Agenten Systeme, die komplexe oder wiederkehrende Aufgaben innerhalb definierter Prozesse automatisieren können – von der zyklischen Datenanalyse über das Versenden von Benachrichtigungen und E-Mails bis hin zur Erstellung von Berichten oder der Verbindung verschiedener Systeme.

Wenn sie in die Arbeitsabläufe integriert werden, helfen AI-Agenten den Teams, schneller und effizienter zu arbeiten, indem sie Aufgaben übernehmen, die normalerweise spezielles Fachwissen oder viel Zeit erfordern. Sie können zum Beispiel Anomalien auf der Produktionslinie erkennen oder Parameter verschiedener Maschinen in Echtzeit vergleichen, ohne dass eine ständige Überwachung nötig ist.

Einige Anwendungsfälle in der Fertigung

Aber wie sieht das in der Praxis aus? In Fabriken gibt es viele unterschiedliche Herausforderungen: Man muss die richtige Produktionsrezeptur finden, kritische Komponenten im Auge behalten, die jederzeit ausfallen könnten, und historische Daten analysieren, um zu verstehen, warum die Leistung heute von der Norm abweicht.

All diese Tätigkeiten erfordern Zeit, Fachwissen und ein hohes Maß an Präzision. Mit Wilson.ai Agents können mehrere Agenten konfiguriert werden, die auf bestimmte Ziele spezialisiert sind, wodurch die Arbeit erleichtert und Ergebnisse schneller und zuverlässiger erzielt werden können.

Spritzguss

In einem Anwendungsfall wurde ein Agent konfiguriert, um zwei Gummispritzgussmaschinen zu analysieren, die dasselbe Produkt herstellten.

Ziel war es, das Verhalten der beiden Maschinen bei identischer Produktion zu vergleichen, um herauszufinden, warum die eine Probleme hatte, während die andere normal arbeitete. Der Agent verglich wichtige Telemetriedaten wie Temperaturen, Drücke und Zykluszeiten sowie Alarmmeldungen und Änderungen, die von den Bedienern vorgenommen wurden.

Auf diese Weise konnten operative Unterschiede zwischen den beiden Maschinen hervorgehoben und die Variablen identifiziert werden, die die Leistung am stärksten beeinflussten.

Thermoformen

Hier wurde der AI-Agent eingesetzt, um das Verhalten einer Stanzform während des normalen Betriebs zu überwachen. Ziel war es, Abnutzungs- oder Belastungsanzeichen frühzeitig zu erkennen, bevor sie zu Maschinenausfällen oder Sicherheitsproblemen führen konnten.

Durch die regelmäßige Analyse der Parameter der Stanzform und der angewandten Belastung bewertet der Agent, ob die Bedingungen im normalen Bereich liegen oder ob sich Anomalien entwickeln.

Wenn abnormale Werte festgestellt werden, sendet der Agent Benachrichtigungen an die Produktionsverantwortlichen, um auf notwendige Kontrollen oder einen vorbeugenden Austausch der Stanzform hinzuweisen. Dieser Ansatz ermöglicht zeitnahe Eingriffe, reduziert Stillstände und sorgt für kontinuierliche Produktion.

Aluminiumextrusion

In diesem Bereich wurde der AI-Agent auf den Extrusionsprozess von Nichteisenmetallen angewendet. Er überwacht in Echtzeit die kritischen Parameter während des Aufheizens der Brammen und kann mögliche Probleme erkennen, bevor sie die Produktqualität beeinträchtigen.

Wenn Abweichungen von den optimalen Werten festgestellt werden, schlägt der Agent Korrekturen an den Ofenparametern vor, wodurch Ausschuss reduziert und die Qualität des Endprodukts gesichert wird. Gleichzeitig führt er eine rückwirkende Analyse der Ofenaustrittstemperaturen durch, sortiert nach Legierungstyp und Brammenlänge, und meldet Abweichungen, während er gezielte Maßnahmen empfiehlt.

Einfache Konfiguration von Wilson.ai Agents und die Voraussetzungen

Damit Wilson.ai Agents in der Industrie wirklich nützlich sind, müssen sie unter den richtigen Bedingungen arbeiten: mit einem klaren Ziel, Zugriff auf die richtigen Daten und den passenden Werkzeugen, um ihre Aufgabe zu erfüllen.

Die erste Zutat: kein Code nötig

Der größte Vorteil bei der Konfiguration eines Wilson.ai Agenten ist, dass kein Programmiercode geschrieben werden muss.
Der Agent wird über ein einfaches Konfigurationsfenster eingerichtet, in dem der Benutzer sein Ziel beschreibt, indem er einen Prompt in natürlicher Sprache eingibt.

Das bedeutet: Es sind keine Programmierkenntnisse erforderlich. Man muss nur wissen, welches Ergebnis man erreichen möchte.

Die zweite Zutat: die Intelligenz der LLMs

AI-Agenten nutzen die Kraft von Large Language Models (LLM). Genau das macht sie zu echten „Agenten“ und nicht zu einfachen Automatismen.

Dank der LLMs ist der Agent in der Lage:

• die im Prompt eingegebene Anfrage zu verstehen
• einen auch komplexen Denkweg zu entwickeln
• zu entscheiden, welche Werkzeuge in welcher Reihenfolge genutzt werden
  
  

Ausgehend von der ihm zugewiesenen Aufgabe definiert der Agent autonom eine Reasoning-Strategie und nutzt die Tools, also Softwarefunktionen, die ihm ermöglichen, die Aufgabe erfolgreich zu erledigen.

Die entscheidende Voraussetzung sind die Maschinendaten

In der Fertigungswelt gibt es einen entscheidenden Punkt: Ein AI-Agent kann nur funktionieren, wenn er Zugriff auf gut organisierte industrielle Daten hat, die direkt von den Produktionsanlagen (also den Maschinen) stammen.

Deshalb ist es unerlässlich, eine Industrial-IoT-Plattform zu haben, die die Maschinendaten sammelt und klassifiziert. Genau aus diesem Grund arbeiten Wilson.ai Agents innerhalb der MAT-Plattform, die dem Agenten den nötigen Kontext und die Daten bereitstellt, um effektiv arbeiten zu können.

Ein praktisches Beispiel

Stellen wir uns vor, wir möchten einen AI-Agenten mit einem einfachen Prompt erstellen, zum Beispiel:
„Analysiere die Leistung der ausgewählten Maschinen und sende täglich einen Bericht per E-Mail“.

Mit Wilson.ai Agents reicht es aus:

1. das Konfigurationsfenster für einen neuen Agenten zu öffnen;
2. den Kontext festzulegen, also seine Rolle, die Maschinen, auf denen er arbeiten soll, die zu verwendenden Daten und das zu erreichende Ziel zu definieren;
3. den Prompt einzugeben;
4. auszuwählen, auf welchen Maschinen der Agent arbeiten soll, indem man sie aus den bereits mit MAT verbundenen Assets auswählt.

Der Agent hat bereits alle von 40Factory bereitgestellten Tools in der Tool Library zur Verfügung, darunter Funktionen zur Datenanalyse, zum historischen Vergleich, zur Berichtserstellung und zum Versenden von Benachrichtigungen.

Anschließend kann auch festgelegt werden, wann der Agent arbeiten soll, zum Beispiel mit einer täglichen automatischen Ausführung.

Vom Task zum Endergebnis

Sobald der Agent gestartet ist, führt er die Aufgabe aus und ermöglicht es, den Denkprozess direkt über die Benutzeroberfläche zu verfolgen, einschließlich der Reihenfolge, in der die Tools eingesetzt werden.

Am Ende sieht das Ergebnis so aus:

• Ein Bericht in natürlicher Sprache, leicht zu lesen und zu teilen
• Eine automatisch versendete E-Mail an den Produktionsleiter mit den angeforderten Informationen

Sobald die Daten und das Wissen bereitgestellt sind, wird die Konfiguration der AI-Agenten schnell und skalierbar: dieselbe Logik kann auf Dutzende oder Hunderte von Maschinen angewendet werden, sodass das Personal mehr Zeit hat, sich auf die strategische Produktionsplanung zu konzentrieren.