KI-Agenten beschleunigen die Iteration im Maschinenbau
Agentic AI kann im Maschinenbau eine Modelländerung per Simulation oder Test prüfen und das Ergebnis dem Ingenieur vorlegen. Das spart Koordinationsaufwand, setzt aber aktuelle Engineering-Artefakte voraus, und das Urteil über das Design bleibt beim Menschen.
Textquelle: Mathworks
Die industrielle Automatisierung stellt Ingenieure fortlaufend vor neue Fragen. Im Designprozess von Maschinen treffen sie ständig Entscheidungen darüber, wie sich eine Maschine verhalten soll. Das reicht von Regelungsstrategien über die Maschinendynamik bis hin zu Wechselwirkungen zwischen Teilsystemen. Jede Entscheidung kann beeinflussen, was als Nächstes berücksichtigt werden muss. Kann beispielsweise durch eine höhere Produktionsgeschwindigkeit der Verpackungsmaschine das Durchsatzziel erreicht werden? Oder stösst das System aufgrund der höheren Geschwindigkeit an anderer Stelle an maschinendynamische Grenzen?
Agentic AI bietet Maschinenherstellern die Möglichkeit, diese Fragen durch den gesamten Entwicklungsworkflow hindurch zu verfolgen. Ein Agent kann klar abgegrenzte Änderungen vornehmen, eine Simulation oder einen Test auslösen und die daraus resultierenden Modelle, Protokolle und Ergebnisse zur Überprüfung bereitstellen. Jedes Ergebnis kann den nächsten Schritt beeinflussen und verkürzt so den Iterationszyklus zwischen einer Konstruktionsentscheidung, deren Auswirkung auf das Maschinenverhalten und der Reaktion des Ingenieurs.
Model-Based Design macht die Iteration ausführbar
Ein Grossteil dieser Iterationen hängt davon ab, dass Ingenieure den relevanten Kontext von einem Arbeitsschritt zum nächsten mitführen. Teams müssen den Überblick über die relevante Maschinenvariante und deren zugrunde liegende Annahmen behalten, während sie einzelne Analysen durchlaufen, die Ergebnisse interpretieren und entscheiden, ob eine weitere Iteration erforderlich ist.
Model-Based Design macht einen Grossteil dieses iterativen Prozesses ausführbar. Modelle von Systemen und Subsystemen ermöglichen es Teams, Designalternativen zu untersuchen und das Verhalten von Maschine und Regelung zu bewerten, noch bevor die vollständige Hardware verfügbar ist. Während der Weiterentwicklung von Konfigurationen und Implementierungen können Ingenieure die Modelle aktualisieren und Verifizierungsprozesse wiederholen. Damit verfügen sie über ein veränderbares Engineering-Artefakt, mit dem sie feststellen können, wie sich Änderungen auf das Maschinenverhalten auswirken.
Ein Agent prüft jede Modelländerung in der Simulation
Agentic AI schafft einen durchgängigen Ablauf innerhalb dieses Iterationszyklus. Ein festgelegter Workflow kann eine Modelländerung mithilfe von Simulationen oder Tests überprüfen und so den manuellen Koordinationsaufwand für jede Iteration reduzieren. Teams können mehrere Alternativen bewerten und dabei die erforderlichen Modelle und Ergebnisse verfügbar halten, um festzustellen, ob sich das Verhalten der Maschine verbessert hat, eine weitere Iteration erforderlich ist oder eine Änderung an anderer Stelle eine Schwachstelle offenlegt.
Maschinenhersteller nutzen solche Iterationszyklen für System- und Subsystemmodelle, Regelung und Mechatronik, Maschinenvarianten, Steuerungsimplementierung sowie die virtuelle und hardwarebasierte Verifikation. Ingenieure definieren das Entwicklungsziel, die Randbedingungen, die Bewertungskriterien und die Zuständigkeit für die Überprüfung. Der Agent führt die festgelegte Abfolge aus und gibt die Ergebnisse zur Kontrolle zurück.
Eine kürzere Feedbackschleife zwischen einer Designänderung und der Bewertung ihrer Auswirkungen reduziert den Aufwand für die Koordination routinemässiger Arbeitsschritte. Dies setzt aktuelle und nutzbare Engineering-Artefakte voraus. Denn das blosse Verknüpfen von Dateien und Werkzeugen liefert noch nicht den Kontext, der für die Bewertung eines Designs erforderlich ist.
Welches Design weiterkommt, entscheiden die Ingenieure
Agentische Workflows funktionieren am besten, wenn sie auf ausführbaren Engineering-Artefakten und klar definierten Bewertungskriterien basieren und Ergebnisse liefern, die Ingenieure überprüfen können. Die Verifikation zeigt, ob eine Iteration zu einem akzeptablen Ergebnis geführt hat. Das technische Urteilsvermögen von Ingenieuren bestimmt, wie es im Entwicklungszyklus weitergeht.
Kurzfristig liegt das Potenzial in einem durchgängigen Entwicklungszyklus, der Modelle, Simulationen, Implementierung und Verifikation miteinander verknüpft. Mit Agenten lässt sich der Prozess von der Designänderung bis zur Bewertung des Maschinenverhaltens systematischer durchführen. Menschen bleiben dabei unverzichtbar: Sie entscheiden, welche Designalternativen weiter untersucht werden und was ein erfolgreiches Ergebnis ausmacht. Letztlich müssen Ingenieure immer noch die wichtigste Frage beantworten: Welches Design lohnt es sich weiterzuverfolgen?
Mathworks auf der SPS
Erfahren Sie mehr über den Einsatz von Agentic AI in der Maschinenentwicklung auf der SPS in Nürnberg (Halle 6, Stand 215). Dort gibt Mathworks in mehreren praxisnahen Demos Einblicke in den Einsatz von KI und zeigt, wie Ingenieure davon profitieren. Ein weiterer Fokus liegt auf dem Trend-Thema Robotik.
Hier ein kurzer Überblick zu den Demos:
- Engineering mit KI-Agenten: Wie man Matlab und Simulink nutzt, um mit KI-Agenten Code zu generieren, Modelle zu erstellen, Simulationen auszuführen, Ergebnisse zu analysieren und Entwürfe weiterzuentwickeln.
- Edge AI entwickeln und bereitstellen: Wie die neue Visual Inspection Toolbox auf industrieller Hardware bereitgestellt werden kann und dort bei der Anomalieerkennung unterstützt.
- Entwurf eines kartesischen Roboters mit Simscape: Wie in Simscape Multibody ein parametrisches Modell eines kartesischen Roboters erstellt wird, um die CAD-Entwicklung zu beschleunigen.
- Algorithmen zur Fehlerklassifizierung entwickeln: Wie durch die Generierung realistischer Fehlerdaten Algorithmen zur Fehlerklassifizierung für Condition Monitoring und Predictive Maintenance entwickelt werden.
- KI auf SPSen bereitstellen und mittels HIL verifizieren: Wie Algorithmen zur Fehlerklassifizierung auf industriellen Steuerungen bereitgestellt und verifiziert werden.
- Regelungsprototyping für ein Präzisionsrobotiksystem: Wie ein 6-Achs-Roboterarm durch die Steuerung und Bewegungsregelung mit Simulink, Stateflow, Simulink Real-Time und EtherCAT komplexe und präzise Bewegungen durchführt.
- Virtuelle Inbetriebnahme eines SPS-gesteuerten Präzisionsrobotiksystems: Wie sich Echtzeitsimulationen eines digitalen Zwillings zum Testen und zur virtuellen Inbetriebnahme von SPSen auf einem Kuka-Roboter einsetzen lassen.
Wo: SPS Nürnberg, Halle 6, Stand 215
Wann: 24. bis 26. November 2026
Weitere Artikel von Mathworks
- Digitaler Zwilling
- Engineering
- Künstliche Intelligenz
- Maschinenbau
- Mathworks
- Predictive Maintenance
- Robotik
- Simulation
- Simulink
Veröffentlicht am: