Wenn Fakten sprechen lernen: Das Industrial AI Framework von PSI
Fakten und Erklärbarkeit für industrielle KI
Das PSI Industrial AI Framework bietet einen strukturierten Ansatz für die Integration von KI in die industriellen Anwendungen der PSI, indem es faktenbasierte KI-Algorithmen mit generativen KI-Fähigkeiten kombiniert. Diese Integration zielt darauf ab, sowohl zuverlässige Ergebnisse als auch klare, auf natürlicher Sprache basierende Erklärungen zu liefern, wie es industrielle Umgebungen erfordern. Das Framework ist in erster Linie darauf ausgelegt, KI in bestehende und zukünftige PSI-Produkte einzubetten, um deren Funktionalitäten zu unterstützen und zu erweitern, anstatt ausschließlich als eigenständiger einzelner KI-Algorithmus zu fungieren.
Faktenbasierte Intelligenz: Eine Grundlage für industrielle Zuverlässigkeit
Die faktenbasierten Ebenen des Frameworks tragen dazu bei, in industriellen Anwendungen Determinismus zu gewährleisten:
Adaptive Entscheidungen und Optimierung: Diese Ebene bietet Algorithmen und Komponenten für Entscheidungsfindung, Klassifizierung, Reihenfolgenbildung und Planung. Sie nutzt Techniken wie Qualicision, die auf erweiterten Fuzzy-Sets basieren, um Entscheidungskonflikte zu erkennen und auszugleichen und so adaptive Modelle und Entscheidungsstrukturen bereitzustellen. Zu ihren Funktionen gehören die Auswahl und Rangfolge von Entscheidungsalternativen sowie die Anpassung von Entscheidungen an sich ändernde Entscheidungskriterien.
KI-basierte Prognosen: Diese Ebene befasst sich mit Prognoseaufgaben unter Verwendung von Algorithmen des maschinellen Lernens, die auf historisierten Daten basieren. Sie umfasst das gesamte Spektrum an Techniken wie Regressionsmodelle, Random-Forest-Verfahren und neuronale Netze. Die KI-Prognoseebene bietet eine Full-Stack-Plattform, die mit Google-KI-Tools wie Vertex AI und anderen kompatibel ist.
Generative KI: Für mehr Verständnis und Effizienz
Die Generative-AI-Schicht integriert Funktionen, die PSI-Produkte durch sprachorientierte Inhaltsgenerierung erweitern. Diese Schicht nutzt bestehende große Sprachmodelle (Large Language Models, LLMs) wie Google Gemini, kombiniert diese mit Informationen und Wissen aus Handbüchern und Prozessbeschreibungen und bindet Retrieval-Augmented Generation (RAG) in bestehende PSI-Tools und -Systeme ein.
Eine Schlüsselfunktion dieser Ebene besteht darin, die adaptiven und vollständigen KI-Vorhersageebenen durch Erklärungsfunktionen in natürlicher Sprache zu unterstützen. So ermöglicht beispielsweise die Kombination von generativer KI mit Optimierungsfunktionen Erklärungen in natürlicher Sprache für numerische adaptive Optimierungsalgorithmen wie die Qualicision-AI-basierte Sequenzierung zur Optimierung von Produktionsprozessen in der diskreten Fertigung.
Der industrielle Ansatz: Integration von numerischer Zuverlässigkeit und Erklärbarkeit
Die Kombination aus numerischen, faktenbasierten KI-Algorithmen, die sowohl Teil der Ebene für adaptive Entscheidungen und Optimierung als auch der auf maschinellem Lernen basierenden Vorhersageebene sind, mit der durch RAG-basierte generative KI ermöglichten Erklärbarkeit in natürlicher Sprache bietet eine Reihe von Vorteilen, die in industriellen Umgebungen von entscheidender Bedeutung sind:
Erhöhte Zuverlässigkeit: Faktenbasierte KI-Algorithmen sind darauf ausgelegt, sowohl die Komplexität als auch die Anpassung an die sich ständig ändernden Eigenschaften industrieller Daten zu bewältigen.
Verbesserte Verständlichkeit: RAG-basierte generative KI hilft dabei, die Ergebnisse von KI-Algorithmen in einer verständlichen Sprache zu erklären, die der in dem jeweiligen Geschäftsprozess üblichen Sprache nahekommt.
Domänenspezifische Relevanz: Durch die Ergänzung von LLMs mit proprietären und branchenspezifischen Prozessbeschreibungen, die in Dokumenten festgehalten sind, werden domänenspezifische RAG-/GenAI-Erklärungen der Ergebnisse bereitgestellt. Die Zuverlässigkeit der Erklärungen steigt, und das Risiko von Halluzinationen wird auf ein Minimum reduziert oder sogar durch Determinismus ersetzt.
Operative Vorteile: Die Integration in PSI-Produkte unterstützt Aufgaben wie die Dokumentation und die Erstellung von Berichten und liefert Erkenntnisse in einem leicht zugänglichen Format, wodurch die Effizienz und die operative Leistung in allen Anwendungsfällen gesteigert werden. Beispiele hierfür sind Logistik, diskrete Fertigung, Prozessindustrie und Metallindustrie sowie Systeme für das Energiemanagement.
Ausblick: Auf dem Weg zu einer aktiveren Unterstützung durch agentenbasierte KI
Mit Blick auf die Zukunft wird die künftige Integration eines Agentic-AI-Frameworks in unser PSI-Industrial-AI-Framework die Synergie zwischen faktenbasierter Intelligenz und generativer KI weiter verstärken. Diese Entwicklung wird zu einer aktiveren und proaktiveren Unterstützung in industriellen Anwendungen führen, in denen KI-Systeme Probleme erkennen, Lösungen vorschlagen und möglicherweise Maßnahmen einleiten, wobei der menschliche Eingriff reduziert wird, was zu einer höheren operativen Effizienz und Zuverlässigkeit beiträgt.
