Die Integration von KI-Agenten in industrielle Umgebungen stellt einen grundlegenden Wandel im Bereich OT-Management (OT – Operational Technology) dar. Im Gegensatz zu herkömmlichen Automatisierungstools fungieren KI-Agenten als "digitale Mitarbeiter", die rund um die Uhr ohne Ermüdung oder Ablenkung arbeiten können. Die Parallele zu menschlichen Arbeitskräften ist nicht nur metaphorisch, sondern auch funktional – diese Systeme benötigen klare Ziele, Zugang zu qualitativ hochwertigen Daten, angemessene Richtlinien und eine sichere Arbeitsumgebung.

In OT-Kontexten, in denen unternehmenskritische Systeme eine konstante Leistung erfordern, sollten KI-Agenten zunächst für nichtkritische Vorgänge eingesetzt werden.

KI-Agenten sind eine neue Klasse von Softwaresystemen, die KI-Fähigkeiten mit autonomen Betriebsfunktionen kombinieren.

• Google definiert diese KI-Agenten als "... Softwaresysteme, die KI verwenden, um (im Namen von Nutzern) Ziele zu verfolgen und Aufgaben zu erledigen. Sie zeigen logisches Denken, können planen und sich erinnern und haben ein gewisses Maß an Autonomie ...". ^[1]
• AWS beschreibt sie als "Software-programm, das mit seiner Umgebung interagieren, Daten sammeln und die Daten verwenden kann, um selbstbestimmte Aufgaben auszuführen, um vorgegebene Ziele zu erreichen; rationale Agenten".^[2]
• IBM charakterisiert sie weiter als Systeme oder Programme, die autonom Aufgaben ausführen, Workflows gestalten und Werkzeuge verwenden, die Entscheidungsfindung und Problem-lösung umfassen. ^[3] 

In industriellen Kontexten konvergieren diese Definitionen, um KI-Agenten als digitale Systeme zu beschreiben, die in der Lage sind, eigenständig zu operieren, mit der Umgebung zu interagieren und zielgerichtetes Verhalten an den Tag zu legen. Dabei funktionieren sie innerhalb sorgfältig definierter Parameter ähnlich wie qualifizierte Mitarbeiter.

Laut McKinsey könnten Telekommunikationsunternehmen bis zum Jahr 2040 bis zu 250 Mrd. US-Dollar an Wert erschließen, indem sie fortschrittliche, verantwortungsbewusste KI-Praktiken implementieren und außergewöhnlichen Kundenservice zu einem strategischen Geschäftsvorteil machen. Der größte Vorteil besteht darin, dass sie breites IT-Wissen – wie man Daten verarbeitet und analysiert – mit domänen

spezifischem OT-Fachwissen – welche Daten wichtig sind und wie man sie interpretiert – kombinieren können. Diese Kombination ermöglicht eine kontinuierliche Überwachung und Analyse, was menschliche Teams allein nicht leisten könnten.^[4]

Voraussetzungen für den effektiven Einsatz von KI

Damit KI-Agenten effizient als digitale Mitarbeiter fungieren können, müssen Unternehmen detaillierte Anweisungen und einen umfassenden Datenzugang bereitstellen. Im Gegensatz zu herkömmlichen Systemen, die einer starren Programmierung folgen, benötigen KI-Agenten eine kontextabhängige Anleitung, um effektiv arbeiten zu können. Wie bei einem Praktikanten führt das Fehlen eines ausreichenden Kontextes zu unzureichenden Leistungen.

Der Eingabekontext muss enthalten:

• Spezifische Betriebsparameter und ihre zulässigen Wertebereiche
• Historische Muster und bekannte Abweichungen
• Klare Erläuterung, welche Metriken sofortige Aufmerksamkeit erfordern
• Detaillierte Protokolle für verschiedene Szenarien

Bild 1. Beispielnetz mit SPS und zwei Sensoren. © Belden

Nehmen wir ein einfaches Beispiel eines falsch konfigurierten Netzwerks, das anhand einer mit Provize Suite erstellten Netzwerktopologie beschrieben wird (Bild 1). Hier haben wir drei Endgeräte: SPS, Sensor 1 und neuen Sensor 2. Das Belden-Netzwerk wurde ursprünglich von einem externen Berater nach Best Practices konfiguriert, das heißt, SPS und Sensor 1 wurden in ein gemeinsames VLAN-Netzwerk eingebunden. Der neue Sensor 2 und Switch 3 verwenden jedoch keine gültige VLAN-Konfiguration, sodass die SPS keine Verbindung zum neuen Sensor 2 herstellen kann.

In der bestehenden Umgebung benötigt ein Operator die Hilfe eines Netzwerkadministrators (extern oder intern), um Switch 3 und den neuen Sensor 2 zu konfigurieren und das Verbindungsproblem zu beheben. Dies kann Tage oder Wochen dauern.

Mit einem generativen KI-Ansatz und geeigneten Daten kann die Fehlersuche einem KI-Agenten übertragen werden. Ein Dialog zwischen Operator und KI-Agent könnte beispielsweise so aussehen:

Wenn sie entsprechend konfiguriert sind, können diese digitalen Mitarbeiter kritische Infrastrukturen kontinuierlich überwachen und präzise, wertvolle Erkenntnisse mit Erklärungsketten liefern, die sich auf tatsächliche Datenwerte beziehen. Auf diese Weise kann ein menschlicher Operator KI-Empfehlungen schnell validieren und mit der Zeit Vertrauen in das System aufbauen.

Die erklärende Komponente ist von entscheidender Bedeutung – effektive KI-Agenten zeigen nicht nur Abweichungen an, sondern liefern Argumente, die sich auf spezifische Datenpunkte, Zeitstempel und den operativen Kontext beziehen. Dieser Ansatz spiegelt die Art und Weise wider, wie ein erfahrener menschlicher Operator seine Ergebnisse mitteilen würde, und macht die Erkenntnisse für die technischen Teams leichter zugänglich und umsetzbar.

Implementierungsrahmen: AWS Bedrock

Bild 2. Beispiel für die Erstellung eines KI-Agenten mit AWS Bedrock AI Agent Framework. © Belden

Das Beispiel für die Fehlersuche bei einer falschen VLAN-Konfiguration ist kein theoretisches Beispiel. Vielmehr stellt es eine reale Implementierung durch Belden auf Basis des AWS Bedrock AI Agents-Frameworks dar. AWS Bedrock bietet ein produktreifes Framework, das Orchestrierungs- und Tooling-Funktionen für KI-Agenten implementiert. Der AWS Bedrock-Implementierungsprozess, der in Bild 2 dargestellt ist, umfasst die folgenden Hauptschritte:

• Erstellen von Agenten: Namen und Beschreibung des Agenten definieren und Kontext für die Entwickler bereitstellen, die die Implementierung managen.
• Berechtigungskonfiguration: Rolle des Agenten mit den entsprechenden Berechtigungen für den Zugriff auf Dienste und Daten festlegen.
• Modellauswahl: Auswahl eines optimierten LLM für die Orchestrierung der Aktionen des Agenten – in diesem Fall Claude 3.5 Sonnet.
• Konfigurationsanweisung: Detaillierte Anweisungen in einfachem Englisch für bestimmte Aufgaben wie Schritte zur VLAN-Fehlerbehebung und die aufzurufenden APIs geben.
• Integration von Werkzeugen: Definition der Funktionen und APIs, die dem KI-Agenten zur Verfügung stehen, einschließlich Parameteranforderungen und Eigenschaften.
• Test und Einsatz: Validierung des Verhaltens des Agenten unmittelbar nach der Konfiguration.

Dieser Implementierungspfad wird durch AWS-Services optimiert, wobei AWS Bedrock, Lambda und andere Komponenten für eine schnelle Bereitstellung und Integration genutzt werden.

Basis für den Erfolg von KI legen

Der Autor: Dr. Andrii Melashchenko ist System Architect Cloud bei Belden Europe. © Belden

Um das volle Potenzial von KI-Agenten auszuschöpfen, muss die Branche bei Einführung einer neuen Technologie immer mehrere wichtige Schritte durchlaufen. Wir befinden uns derzeit in einer Phase, in der es keine Standardisierung gibt. Der Branchendiskurs hat sich noch nicht auf eine allgemein akzeptierte Sichtweise zur industriellen KI geeinigt und die Unternehmen begegnen der neuen Technologie mit vorsichtiger Skepsis. Um KI-Agenten effektiv einsetzen zu können, müssen Unternehmen zwangsläufig in eine ausgereifte und kostengünstige Dateninfrastruktur investieren. Um effektiv arbeiten zu können, müssen sowohl digitale als auch menschliche Mitarbeiter auf Basis derselben Fakten arbeiten.

Diese Infrastruktur erfordert:

• Zuverlässige Datenerfassungssysteme mit entsprechender Redundanz,
• Standardisierte Datenformate und Speicherlösungen,
• Klare Richtlinien zur Daten-Governance,
• Zuverlässige Cybersicherheitsmaßnahmen,
• Umfassende API-Strategie für nahtlose Systemintegration.

Bei entsprechender Umsetzung ermöglicht diese Strategie neue operative Möglichkeiten, vor allem den Wechsel von reaktiven zu proaktiven Managementansätzen. Durch die kontinuierliche Überwachung komplexer Systeme durch KI-Agenten, die nur die relevantesten Informationen zur Überprüfung durch Menschen bereitstellen, entsteht ein Multiplikatoreffekt, der es Unternehmen ermöglicht, trotz des branchenweiten Talentemangels immer komplexere Netzwerke zu unterhalten.

Literatur

[1] Was sind KI-Agenten? Google Cloud.
[2] Was sind KI-Agenten? Amazon Web Services. 
[3] What are AI Agents? IBM. 
[4] Verantwortungsbewusste KI: Ein geschäftlicher Imperativ für Telekom- munikationsunternehmen. McKinsey, 18. Oktober 2024.