In welchen Bereichen der PC-basierten Automatisierung setzen Sie KI ein?

AI-based agentic systems - Mit ‚TwinCAT CoAgent‘ setzen wir generative KI-Agenten ein, die Ingenieure und Ingenieurinnen im Engineering-Workflow unterstützen – etwa beim Erstellen von PLC-Code, bei der HMI-Gestaltung oder beim Debugging. Diese Systeme sind kreativ und flexibel, arbeiten immer mit dem Menschen zusammen und steigern Effizienz, Softwarequalität und Produktivität.

Task-specific AI: Für den Einsatz in Maschinen stellen wir Werkzeuge bereit, mit denen Automatisierungstechniker selbst KI-Modelle entwickeln können – ohne KI-Experten zu sein. Mit dem ‚TwinCAT Machine Learning Creator‘ lassen sich task-spezifische Modelle, etwa für visuelle Inspektion oder Anomalieerkennung, einfach erstellen, trainieren und direkt in die TwinCAT-SPS integrieren. So entstehen robuste, echtzeitfähige KI-Lösungen für die Produktion.

Wie profitieren Ihre Steuerungsplattformen von KI-gestützten Funktionen?

Unsere PC-basierten Steuerungen werden durch KI intelligenter und effizienter: Mit TwinCAT Machine Learning lassen sich Modelle deterministisch in Echtzeit ausführen, direkt in der PLC-Applikation. Dadurch verbessern wir die Qualität von Prozessen, reduzieren Stillstände und steigern die Gesamtproduktivität. Gleichzeitig unterstützen KI-basierte Agenten wie TwinCAT CoAgent den Service Techniker bei der Behebung von Problemen im Betrieb der Maschine.

Können Sie ein Beispiel für eine KI-basierte Anwendung nennen?

Mit der automatisierten Ringsägemaschine ‚mySaw‘ beweist die Carl Benzinger GmbH in Pforzheim, dass auch in kleinen Anlagen für noch kleinere Endprodukte viel Hightech stecken kann. So konnte mit der durchgängigen Steuerungslösung von Beckhoff nicht nur die im Schmuckbereich erforderliche hohe Anlagenflexibilität, sondern mit den nahtlos integrierten Vision- und Machine-Learning-Lösungen auch eine leistungsfähige KI-Qualitätskontrolle für die fertigen Ringrohlinge integriert werden. Ausgangspunkt ist dabei, dass sich durch die zahlreichen Parameter bei der Ringweitung, wie zum Beispiel Materialeigenschaft und -qualität sowie Ringbreite und -stärke, bzw. das Wenden des Rings während des Prozesses, nicht exakt vorhersagen lässt, in welchem Maß der Ring geweitet werden kann bzw. wann das Material nachgibt und bricht. Ohne KI bzw. maschinelles Lernen kann die Maschine daher nicht feststellen, ob ein Ringrohling gerissen ist oder nicht – zumal sich je nach Material unterschiedliche Fehlerbilder ergeben und auch Sägespäne bzw. Kühlmittelreste zu erkennen sind. Hierfür konnte mit dem TwinCAT Machine Learning Creator effizient ein KI-Modell entwickelt und anhand von nur rund 200 Bildern von Gut- und Schlechtteilen trainiert werden.

Wie hilft KI, große Datenmengen Ihrer Steuerungssysteme zu analysieren?

Unsere Steuerungsplattformen können KI-Modelle direkt in Echtzeit ausführen. Diese Task-spezifischen Modelle überwachen kontinuierlich ausgewählte Datenströme, verdichten die Informationen und erkennen Muster oder Abweichungen sofort. Die verdichteten Ergebnisse lassen sich anschließend an eine übergeordnete Instanz weitergeben, zum Beispiel an einen agentenbasierten Assistenten wie den TwinCAT CoAgent. Dort werden sie mit Erfahrungswissen des Maschinenbauers oder Betreibers in Kontext gesetzt. So entsteht aus großen Rohdaten ein praxisrelevantes Entscheidungswissen, das sowohl die Automatisierungstechnik als auch die Menschen im Betrieb unterstützt.

Welche Rolle spielt Edge AI bei Beckhoff?

Edge AI ist bei uns eng mit der PC-basierten Steuerung verknüpft. Beckhoff kann Steuerung und Edge optional auf einem einzelnen IPC zusammenfassen: So lassen sich Inferenzaufträge aus der SPS mit dem ‚TwinCAT Machine Learning Server‘ direkt auf eine GPU senden, die SPS läuft parallel auf demselben Industrie-PC. Alternativ kann ein IPC mit GPU als dediziertes Edge Device fungieren, während ein anderer IPC die SPS beherbergt. Und selbst ohne TwinCAT-Laufzeitumgebung ist jeder Beckhoff Industrie-PC grundsätzlich als Edge Device einsetzbar. Damit bieten wir maximale Flexibilität: vom kompakten All-in-One-Ansatz bis hin zur klassischen Edge-Architektur.

Wie lassen sich KI-Modelle nahtlos in bestehende Maschinen integrieren?

Unsere KI-Modelle werden direkt über den SPS-Code eingebunden. Dafür stellen wir Funktionsbausteine bereit, mit denen sich ONNX-Modelle laden und ausführen lassen. Das Modell wird so ein integraler Teil der Maschinenapplikation – der Aufruf erfolgt direkt aus der SPS heraus. Die Ausführung kann wahlweise deterministisch in Echtzeit auf der CPU oder asynchron, beschleunigt auf der GPU erfolgen. Damit gelingt die Integration von KI nahtlos und ohne Bruch in bestehende Steuerungsarchitekturen.

Ein entscheidender Mehrwert ist, dass das Ergebnis der Inferenz direkt im SPS-Code vorliegt und sofort weiterverarbeitet werden kann. Gerade bei hochdynamischen Prozessen – etwa bei einer Qualitätsprüfung mit 600 Produkten pro Minute – bleibt keine Zeit für Umwege über externe Edge-Geräte. Unsere Lösung sorgt dafür, dass KI-Ergebnisse ohne Latenz in die Steuerungslogik einfließen. Für den Kunden bedeutet das: maximale Prozessgeschwindigkeit, höchste Qualitätssicherung und eine deutliche Reduktion von Ausschuss und Stillständen.

Welche Mehrwerte bringt KI Ihren Kunden in der Praxis?

Mit KI können Kunden ihre Produktqualität sichern – bis hin zu 100 % Inline-Inspektion – und gleichzeitig Ausschuss und Nacharbeit drastisch senken.

KI macht unsere Steuerungen effizienter: Prozesse laufen stabiler, schneller und mit weniger Stillständen. Das steigert unmittelbar die Produktivität.

KI unterstützt auch die Ingenieure selbst: weniger Routinearbeit, schnellere Inbetriebnahme, bessere Fehlersuche. Das spart Zeit und Ressourcen.

Wie sichern Sie die Datenintegrität Ihrer KI-Anwendungen?

Unsere KI-Modelle sind integraler Bestandteil der Maschinenapplikation und laufen im gleichen sicheren IT-Umfeld wie die Steuerung selbst. Damit gelten dieselben Sicherheits- und Integritätsmechanismen, die unsere Kunden seit Jahren für ihre Steuerungssysteme einsetzen.

Wo sehen Sie die größten Potenziale von KI in der Automatisierung?

Die größten Potenziale liegen in der Demokratisierung von KI. Mit Generative AI – wie beim TwinCAT CoAgent – und AutoML-Technologien im TwinCAT Machine Learning Creator wird KI für alle Automatisierungsexperten nutzbar, nicht nur für Data Scientists. Diese Zugänglichkeit ist der entscheidende Treiber: Sobald Domänenexperten GenAI und ML-Werkzeuge selbst einsetzen können, erschließen wir automatisch immer mehr Anwendungsfelder – von der Qualitätssicherung über die Prozessoptimierung bis hin zu völlig neuen Automatisierungskonzepten