Und KI-Agenten können noch viel mehr, sie verbinden an immer mehr Schlüsselstellen der Industrie vorhandene Sensoren, Maschinen, ERP-Systeme und Cloud-Plattformen zu selbstlernenden Netzwerken, die Produktionsprozesse in Echtzeit steuern, prüfen und optimieren.

Auch wenn die Vorstellung naheliegt, ist ein in der Industrie eingesetzter KI-Agent deutlich mehr als ein mit den üblichen Agenten-Gadgets ausgestatteter Chatbot. Er befolgt klare Anweisungen wie „optimiere den Energieverbrauch dieser Linie“ mit strategischen Maßnahmen und führt zielführende Aktionen über Software-Schnittstellen oder Robotersteuerungen aus. Auch lernt ein KI-Agent stetig aus Rückmeldungen dazu.

Ohne tiefes Coding KI-Projekte umsetzen

So stellt Altair die berechtigte Frage „ai agents are putting the smart in smart factory – are you ready?” und zeigt, wie KI-Agenten dafür sorgen können, dass Unternehmen nicht nur schneller, sondern auch resilienter gegenüber Störungen werden. Mit RapidMiner schuf Altair eine umfassende Plattform für künstliche Intelligenz, maschinelles Lernen und Datenanalyse. Sie ist das zentrale Werkzeug, mit dem Altair KI-Agenten „denken“ lässt, indem sie Daten analysieren, Muster lernen und Handlungsempfehlungen liefern, die industrielle Prozesse messbar effizienter machen. Die Berührungsangst mit dem KI-Agenten senkt Altair mit dem No-Code/Low-Code-Interface, das eine intuitive Drag-and-Drop-Umgebung für Data Scientists und Ingenieure schafft, damit sie ohne tiefes Coding KI-Projekte umsetzen können.

Auf dem Weg zu vollständig agentengesteuerten Fabriken

Auch Siemens, der Mutterkonzern von Altair, schafft mit den neuen Industrial AI Agents selbstständig handelnde Systeme, die Produktionsdaten auswerten und Handlungsempfehlungen umsetzen. In Pilotwerken führten diese Agenten laut Siemens zu bis zu 50 % Produktivitätssteigerung und 15 % höherer Anlagenverfügbarkeit. Zusammen mit Microsoft und OpenAI sollen die Leistungen der Industrial AI Agents in die Industrial Copilot-Umgebung integriert werden, um den Weg hin zu vollständig agentengesteuerten Fabriken weiterzugehen.

KI-Agenten überwachen Kameradaten

Auf visuelle Agenten setzt Pegatron, einer der größten Elektronikfertiger der Welt. Mit Unterstützung von NVIDIA Metropolis und Omniverse Digital Twin kontrollieren KI-Systeme die Montageprozesse. Pegatrons KI-Agenten überwachen dafür Kameradaten, vergleichen sie mit dem digitalen Zwilling der Produktion und greifen bei Abweichungen automatisch ein. Auch hier sprechen die Zahlen für sich: Pegatron meldet 67 % weniger Fehler und 7 % niedrigere Arbeitskosten pro Linie.

Im Automobilsektor führte BMW in seinen Werken in Leipzig und München ebenfalls KI-Agenten zur visuellen Oberflächenprüfung ein. Bildverarbeitende Agenten erkennen Lackfehler in hohem Tempo und dokumentieren sie im System. Die Prüfzeiten sollen um 30 % gesunken sein, während die Qualitätsquote stieg.

Auf Knopfdruck komplette Produktideen

Ein lernfähiges Sprachmodell mit generativem Design und konzeptionellem Know-how – diese Kombination brachte HARTING jüngst den Industrial AI Award „FREDDIE“ ein. Laut HARTING liefert sein KI-System „Connectivity AI“ auf Knopfdruck komplette Produktideen für neue Verbindungslösungen, inklusive Skizzen, CAD-Modellen und Simulationen. Denn „Connectivity AI“ erlaubt es Produktentwicklern und -designern, intuitiv in natürlicher Sprache mit der künstlichen Intelligenz zu interagieren und Anforderungen und Lösungsvorschläge auszutauschen.

Nicht nur ökonomischer, auch ökologischer Nutzen

Der Einsatz von KI-Agenten beschränkt sich allerdings nicht allein auf die Kontrolle von Qualität sowie die Steigerung von Produktion und Resilienz, auch die Ressourcenschonung rückt in den Fokus. So nutzt Schneider Electric nach eigenen Angaben sogenannte EcoStruxure AI Agents, um Energieflüsse in Werken zu überwachen. Diese KI-Agenten passen in Echtzeit Lastverteilungen an und sollen dadurch den Energieverbrauch um bis zu 30 % reduzieren können.

In die Stahlproduktion integriert ArcelorMittal seine KI-Agenten. Durch eine Kombination aus Machine Learning und Prozessdatensteuerung konnten, so das Unternehmen, 5 bis 10 % Energie eingespart und zugleich CO2-Emissionen gesenkt werden.

Multi-Agenten-Systeme sorgen für Balance zwischen Kosten und Output

Was James Bond sein CIA-Kumpel Felix Leiter, sind dem KI-Agenten die Multi-Agenten-Systeme – also Netzwerke aus spezialisierten Agenten, die untereinander kommunizieren. Das Startup Juna AI setzt beispielsweise auf Reinforcement Learning, um mehrere Produktionsziele gleichzeitig zu optimieren, darunter Durchsatz, Qualität und Energieverbrauch. In der Praxis soll so ein selbstorganisierendes Steuerungssystem entstehen, das permanent die bestmögliche Balance zwischen Kosten und Output findet. Auch Robotikhersteller wie FANUC erforschen den Einsatz adaptiver Agenten, die Roboterbewegungen eigenständig verbessern. Dank Feld- und Cloud-Daten sollen sie Taktzeiten um bis zu 20 % senken können und Stillstände durch vorausschauende Wartung reduzieren.

Natural Intelligence Agency bleibt am Drücker

Das Leistungsvermögen autonomer KI-Agenten ist also bereits jetzt mehr als beeindruckend und es braucht nicht allzu viel Phantasie sich vorzustellen, was noch kommen wird. Der Begriff autonomer Agent ruft dabei nicht selten negative Konnotationen hervor. Entscheidend wird also sein, dass dem Menschen trotz immer umfassenderer Automatisierung weiterhin die zentrale Rolle zukommt. Für die imaginäre Natural Intelligence Agency der Industrie übernehmen KI-Agenten zwar die datenintensiven Routinen, doch die menschlichen Fachkräfte überwachen weiterhin die Entscheidungen, sie trainieren die Systeme und gestalten strategisch die Prozesse. Unternehmen wie Siemens oder Bosch investieren daher stark in Schulungsprogramme, um Mitarbeitende zu „AI Operators“ auszubilden – in Spezialisten aus Fleisch und Blut, die KI-Agenten führen, statt Maschinen zu bedienen.