Digitalisierung Smart Factory : Warum ist dieser Auftrag verspätet?

Die Beantwortung dieser kritischen Frage erfordert eine nahtlose Kombination aus Datenintegration, Prozessverständnis und KI-gestützter Analytik. Der ganzheitliche Produktionsmanagement-Ansatz von PSI und die Industrial‑AI‑Fähigkeiten in PSImetals schließen diese Realitätslücke und verkürzen die Bearbeitungszeit von 24 Stunden auf nur 10 Minuten. Unser Anspruch ist es, genau diese Fähigkeit bereitzustellen – weg von fragmentiertem Data Logging hin zu einer echten diagnostischen Intelligenz. Wir nutzen KI‑gestützte Analysen, um unterschiedliche Dateninhalte „zusammenzukleben“ und eine Antwort in natürlicher Sprache zu formulieren.

Um den Wert dieses Ansatzes zu verstehen, müssen wir uns die aktuelle Situation ansehen, mit der viele Hersteller heute konfrontiert sind. Ein einziger Anruf in der Qualitätsabteilung mit der Frage „Warum ist dieser Auftrag verspätet?“ stößt meist einen massiven manuellen Aufwand an. Der Qualitätsingenieur muss sich typischerweise in mehrere unterschiedliche Systeme einloggen: etwa in das System des Stahlwerks, um die produzierte Schmelze zu prüfen, in das System der Stranggießanlage für die Brammenproduktion und in das System des Warmbandwerks für die Coilfertigung.

Zunächst ruft er in jedem dieser Systeme die Standardansichten auf und exportiert PDFs. Da jedoch nicht alle benötigten Teilsysteme und Sensoren in diesen Standarddatensichten enthalten sind, braucht er zusätzliche Detailansichten und sehr spezifische Datenbankabfragen, um die vollständige Genealogie des Materials nachzuvollziehen. Dieser manuelle Prozess der Datensammlung und -bereinigung dauert typischerweise einen ganzen Tag.

PSI verändert diese Dynamik grundlegend. Statt eines vollen Tages manueller Datenerfassung reduziert sich der Prozess auf ungefähr 10 Minuten. Es dauert nur etwa eine Minute, um die Information in natürlicher Sprache über einen GenAI‑gestützten, in PSImetals eingebetteten Chatbot anzufordern. Der Chatbot ermöglicht es den Anwendern, im Tagesgeschäft kontextbezogene Informationen einfach abzurufen, indem er eine detaillierte Antwort auf eine konkrete Frage generiert – inklusive zuverlässig belegter Informationen.

Hinter den Kulissen wird diese Fähigkeit durch die PSIqualicision A2 (Ask and Answer)‑Technologie bereitgestellt, die ein Sprachmodell und Retrieval‑Augmented Generation (RAG) nutzt, um Texte mittels PSImetals MCP auf Basis des zentralen PSImetals Factory Model als verlässliche „Single Source of Truth“ zu verarbeiten und zu erzeugen. Der gesamte iterative Prozess, der vom Qualitätsingenieur geführt wird, benötigt etwa 10 Minuten, um alle relevanten Informationen abzurufen, zu konsolidieren und zu verfeinern.
 

Um die Architektur hinter dieser Analyse zu verstehen, ist es hilfreich, sich kurz von den technischen Details zu lösen. Stellen Sie sich ein spezialisiertes Detektivteam vor, das einen Fall untersucht:

Der Archivar: Hat Zugriff auf alle Auftragsbücher und Produktionspläne.
Der Außendienstmitarbeiter: Beobachtet den Produktionsbereich in Echtzeit.
Der Forensikspezialist: Untersucht die Details des Maschinenzustands.
Der Logistikexperte: Kennt den Materialfluss im Werk in- und auswendig.

In einer traditionellen Umgebung arbeiten diese Detektive in getrennten Räumen. Man muss jeden einzelnen separat befragen, und die Antworten können widersprüchlich oder unvollständig sein.

Der KI‑basierte, in PSImetals eingebettete Chatbot agiert als leitender Ermittler. Er bringt dieses gesamte Team in einem „zentralen Kooperations‑Hub“ zusammen, ermöglicht den unmittelbaren Informationsaustausch und korreliert ihre Erkenntnisse, um Ihnen – dem Anwender oder Kunden – einen einzigen, schlüssigen Bericht zu liefern.

Der gesamte Diagnoseprozess basiert auf der PSImetals Service Platform. Sie hostet das Factory Model, verbindet alle Anwendungen miteinander und stellt grundlegende Kernfunktionen wie Benutzer‑ und Rechteverwaltung bereit. Die verschiedenen „Teammitglieder“ aus der Analogie teilen ihre Informationen innerhalb dieses gemeinsamen Factory Model.

Um die Verzögerungsfrage präzise zu beantworten, integrieren wir Daten aus allen Ebenen nahtlos:

• Auftragsstatus und Planungsinformationen
• Produktionsfortschritt auf dem Shopfloor
• Maschinen  und Sensorzustände
• Materialverfügbarkeit und Supply Chain Restriktionen
• Zusätzliche unstrukturierte Informationen wie E Mails und Dokumentation
   

Diese Integration stellt sicher, dass das System gezielte, auftragsbezogene Datenabfragen über das gesamte digitale Ökosystem hinweg durchführen kann.

Während dieses ganzheitliche Konzept bereits bekannt ist und in vielen Werken eingesetzt wird, kommt nun ein neues Element hinzu: die Möglichkeit, das Factory Model für die Welt der Generativen KI zu öffnen und damit die Grundlage für den beschriebenen KI‑basierten Chatbot zu schaffen.

Auch wenn die zugrunde liegende Architektur eine dynamische, nichtlineare Analyse ermöglicht, zeigt der folgende Ablauf exemplarisch, wie das System einen konkreten Fall – etwa einen Maschinenausfall – bearbeiten kann.

Phase 1: Die Einweisung (automatisierte Fehlererkennung und Planung)

Der Prozess beginnt, wenn der Bediener das Gespräch mit folgender Eingabe an den eingebetteten PSImetals‑Chatbot startet:

„Warum ist Auftrag Nr. 12345 verspätet?“

• Verstehen der Frage: Das System interpretiert die in natürlicher Sprache formulierte Anfrage, identifiziert den Auftrag und erkennt, dass die Intention darin besteht, die Ursache der Verzögerung zu verstehen.
• Planung der Untersuchung: Wie ein leitender Ermittler erstellt das System einen Plan. Es bestimmt, welche Daten benötigt werden und welche Analysen erforderlich sind. Dazu gehört das Brainstorming möglicher Ursachen und das Auffinden allgemeiner Informationen, einschließlich ähnlicher Fälle und deren Lösungen in der Vergangenheit.

Phase 2: Die Untersuchungsschleife (rekursive Datensuche und Analyse)
Dies ist kein linearer Prozess, sondern ein rekursiver Kreislauf, in dem die „Detektive” Hinweise miteinander in Verbindung bringen, bis der Fall gelöst ist. Die PSImetals-Komponente Schedule Execution Management (SEM) steuert diesen Prozess. Um ihn zu beschleunigen, versucht jeder Detektiv, eine einzelne mögliche Ursache aus dem Brainstorming zu bestätigen.

• Integrierte Datenrecherche: Das System führt die erforderlichen Recherchen über die Serviceplattform und die verbundenen Systeme (ERP, MES, IoT, SCP) durch. Analyse und Korrelation: Die generative KI analysiert die Rohdaten, um Korrelationen zu identifizieren – beispielsweise indem sie eine Verzögerung im Produktionsfortschritt (MES) mit einem Maschinensensor abgleicht, der einen Ausfallschwellenwert erreicht hat (IoT).
• Die rekursive Überprüfung: Das System überprüft die Informationen auf Vollständigkeit. Das System schlägt eine Prioritätenliste mit möglichen Ursachen vor. Der Benutzer entscheidet, welche Ursache genauer untersucht werden soll (kein Feedback, sondern „Teile und herrsche”).
   

Wenn die Antwort zufriedenstellend ist, formuliert das System daraus den finalen Bericht. Wenn Lücken bleiben und die Datenlage nicht eindeutig ist (z. B. „Maschine gestoppt – aber warum?“), stößt das System einen weiteren rekursiven Datenabruf an. Es geht tiefer – etwa über Wartungsprotokolle oder Materialverfügbarkeit –, bis die eigentliche Grundursache isoliert ist.

Wenn sich herausstellt, dass eine Hypothese nicht zutrifft, wird dies an das gesamte „Team“ zurückgespiegelt, und ein alternativer Pfad wird verfolgt.

Phase 3: Der Bericht (Response)
Sobald die „Detektive“ überzeugt sind, die Ursache gefunden zu haben, formuliert der eingebettete PSImetals‑Chatbot eine umfassende Antwort in natürlicher Sprache, zum Beispiel:

„Auftrag Nr. 12345 ist um 6 Stunden verspätet, ausgelöst durch einen Ausfall von Maschine A heute um 10:00 Uhr. Die Instandhaltung arbeitet an der Störungsbeseitigung; die voraussichtliche Fertigstellung ist um 16:00 Uhr.“

Trotz eines starken „Ermittlerteams“ bleibt die letztendliche Entscheidungskompetenz beim erfahrenen Bediener oder Planer. “Nur noch eine Sache…“. Der in PSImetals eingebettete Chatbot liefert nicht nur wertvolle Informationen, sondern kann auch genutzt werden, um die Befunde vor dem Ergreifen von Maßnahmen weiter zu validieren.

• Validierung: Der Bediener nutzt den Chatbot, um zu prüfen, ob das Problem ausschließlich operativ bedingt ist oder ob die eigentliche Ursache früher im Prozess liegt – etwa durch Kaskadeneffekte in begrenzten Kapazitäten, Kontingenten oder Scheduling‑Entscheidungen.
• Reaktives Scheduling: Mit der klar identifizierten Ursache nutzt der Bediener reaktive Planungsfunktionen – etwa das Verschieben oder Neuzuordnen von Schmelzen, das Umplanen von Walzfolgen oder das Umfahren von Engpassaggregaten –, um Aufträge gezielt am Bottleneck vorbeizuführen.
• Zukünftige Empfehlungen: Um Wiederholungen zu vermeiden, kann der Bediener Regeln anpassen oder Änderungen mithilfe von Szenario‑Workflows in den PSImetals Scheduling‑Applikationen testen.

Durch die Kombination einer flexiblen, rekursiven KI‑Architektur mit menschlicher Expertise stellt PSI sicher, dass große Mengen industrieller Daten unmittelbar in operative Intelligenz übersetzt werden.

Bei PSI sind wir überzeugt, dass die Frage „Warum ist dieser Auftrag verspätet?“ nicht länger tagelanges, aufwendiges Rätselraten auslösen sollte, nur um überhaupt eine Antwort geben zu können. Unser Ziel ist es, diese Frage von einer teuren, einmaligen Ermittlungsaufgabe in eine standardisierte, zuverlässige Fähigkeit zu transformieren – und Produktionskomplexität zu beherrschen, indem wir Industriedaten in umsetzbare Intelligenz überführen.

Die Industrial‑AI‑Funktionen von PSI schließen diese Realitätslücke. Durch die Zusammenführung von Auftrags‑, Produktions‑, Maschinen‑, Supply‑Chain‑ und unstrukturierten Daten innerhalb der PSImetals Service Platform und durch die Anwendung rekursiver, KI‑gestützter Diagnostik verwandelt PSI rohe Industriedaten in klare, kontextbezogene und vertrauenswürdige Erklärungen – in Minuten statt Tagen. Der in PSImetals eingebettete Chatbot ruft diese Daten nicht nur ab, sondern korreliert sie, begründet und erklärt, und liefert eine Antwort in natürlicher Sprache, die Bediener verstehen und in konkrete Maßnahmen umsetzen können.