Forschende der Universität Stuttgart und die WRS Energie + Druckluft GmbH haben im Projekt „AI4Air“ ein KI-System für Druckluftanlagen entwickelt, das vollständig lokal betrieben wird. Ziel ist es, Anlagenbetreiber bei Analyse und Betrieb zu unterstützen, ohne dass sensible Daten externe Systeme verlassen.
„Wer Künstliche Intelligenz in der Industrie einsetzen möchte, steht oft vor einem Dilemma: Cloud-Lösungen sind skalierbar, aber ein Sicherheitsrisiko für sensible Produktionsdaten. Mit unserem neuen KI-Assistenten haben wir diesen Konflikt nun gelöst“, so Christian Wolf, Wissenschaftler am Institut für Energieeffizienz in der Produktion (EEP) der Universität Stuttgart.
Lokaler Betreiber statt Cloud
Das System basiert auf einem speziell trainierten Sprachmodell, das direkt in die Anlagenumgebung integriert ist. Im Gegensatz zu cloudbasierten Lösungen werden alle Daten vor Ort verarbeitet.
In Tests reagierte das On-Premise-Large-Language-Modell laut Forschenden innerhalb weniger Sekunden auf komplexe Anfragen und erreichte bei anlagenspezifischen Fragestellungen eine hohe Genauigkeit.
Zugriff auf aktuelle Anlagendaten
Zur Verarbeitung nutzt das System eine Kombination aus Sensordaten, Informationen aus technischen Dokumentationen und Wartungsprotokollen. Diese werden über eine Retrieval-Augmented-Generation-Struktur (Retrieval-Augmented Generation, RAG) eingebunden, sodass Antworten auf aktuellen und geprüften Daten basieren. Damit soll verhindert werden, dass das System unzutreffende oder frei generierte Informationen liefert.
Kombination mit digitalem Zwilling
Ein zentrales Element ist die Verbindung mit einem digitalen Zwilling der Anlage. Dieser bildet das Druckluftsystem in Echtzeit ab. Das Sprachmodell greift auf diese Daten zu und übersetzt technische Zustände in konkrete Hinweise, etwa zur Effizienz einzelner Komponenten, zu möglichen Störungen oder zu Wartungsmaßnahmen.
Einsatz und Weiterentwicklung
Das System wurde in einer Pilotphase erprobt und soll nun in weiteren Anwendungen getestet werden. Ziel ist es, die Entscheidungsunterstützung im Betrieb weiter auszubauen und Einsparpotenziale in Druckluftsystemen zu erschließen.
