PlantPulse AI Platform
- Den Chatbot mit unseren eigenen Dokumenten antworten lassen — mit einem einzigen Dokument die erste Antwort erhalten
- Beispielfragen — was sich alles fragen lässt
- Ein-Zeilen-Installation → Initialpasswort ändern
- Arbeitsprozess — nach der Einführung dauerhaft nutzbar halten
„Alle Daten der Fabrik, für alle, mit einem Satz in natürlicher Sprache"
Online-Handbuch: https://kopens.gitbook.io/plantpulse-ai
Die PlantPulse AI Platform ist eine industrielle KI-Copilot-Plattform, die Echtzeitdaten aus der Fertigung, KI-Analyse und Wissensmanagement vereint.
Stellt ein Anlagenbediener eine Frage in natürlicher Sprache, führt die KI automatisch Abfragen von Echtzeit-Sensordaten, Anomalieerkennung, prädiktive Analysen und die Suche in technischen Dokumenten aus und unterstützt so sofortige und präzise Entscheidungen.
Copilot — die App für Entscheidungen Vor-Ort
Der Copilot, die App für den Menschen, ist eine App für Entscheidungen Vor-Ort: Sie findet Probleme in der Fabrik, schlägt Maßnahmen mit Belegen vor, der Mensch genehmigt und schließt den Fall, bei Unklarheiten wird nachgefragt, und wiederkehrende Aufgaben übernimmt die Automatisierung. Sie ist der Einstieg in den Arbeitstag für Werker, Schichtführer, Instandhaltung und Werkleiter, und sie hat drei Verwendungen: Fragen · Vorschläge · Automatisierung. In der Seitenleiste stehen von oben nach unten Neuer Chat · Vorschläge · Automatisierung — eine eigene Zeile «Fragen» gibt es nicht: Neuer Chat und der Startbildschirm sind das Fragen.
| Verwendung | Funktion | Details |
|---|---|---|
| Fragen | Per Text, Foto oder Sprache fragen und Antworten mit Belegen erhalten. Dies ist der Startbildschirm; was Handarbeit erfordert, ist als einzeilige «Aufgaben für heute» eingeklappt (Klick öffnet sie) | KI-Chat |
| Vorschläge | Von der KI gefundene Aufgaben (geplant) sowie zu prüfende Anomalien und Incidents (ungeplant) werden von Aufnahme → Genehmigung → Maßnahme → Ergebnis → Wiederholungsprüfung in einer einzigen Detailansicht abgeschlossen | Vorschläge |
| Automatisierung | „Schau dir das bitte jeden Morgen an" in einem Satz übergeben. Ergebnisse kommen als Vorschlagskarte oder Bericht zurück — per App-Benachrichtigung, interner E-Mail oder Messenger. Auch Beobachtungsaufträge (früher «Watch») entstehen hier | Automatisierung |
Alle Bildschirme finden Sie in der Copilot-Bildschirmübersicht, das Öffnen beschreibt Copilot öffnen.
Ebenso klar ist, was der Copilot nicht ist.
| Nicht | Grund |
|---|---|
| MES | Führendes System für Ausführung und Rückmeldungen bleibt das Kundensystem. Der Copilot liest; geschrieben werden nur vom Menschen genehmigte Entwürfe |
| ERP | Auch für Aufträge, Material und Kosten führt das Kundensystem. Schreibend gehen ebenfalls nur genehmigte Entwürfe hinaus |
| BI-Dashboard | Ziel sind nicht Zahlen, sondern die Ursache dahinter und die nächste Handlung. Wer Zahlen braucht, fragt im Fragen-Bereich |
| Chatbot | Der Chat ist nur ein Eingang. Gefundene Probleme laufen als Vorschlag weiter bis zu Genehmigung, Maßnahme, Ergebnis und Wiederholungsprüfung |
| Ausführungsterminal für Werker | Start- und Fertigmeldungen zu MES-Arbeitsaufträgen erfolgen nicht — die «Ergebniserfassung» im Vorschlag betrifft Durchführungsvorschläge und Incidents |
Es gelten zwei Prinzipien.
- Automatisierung statt Funktionen — kommt eine neue Aufgabe hinzu, die überwacht werden soll, wartet man nicht auf neue Bildschirme oder Menüs, sondern prüft zuerst, ob sie sich automatisieren lässt. Wiederkehrende Prüfungen übergibt man in einem Satz.
- Optionale Anbindung — Digital Thread, MES, ERP, PLM und QM sind optional. Ohne Anbindung sind die Bildschirme vollständig; mit Anbindung wachsen nur die Fähigkeiten — Werkzeuge für Fragen und Automatisierung sowie Beleglinks an den Vorschlägen. Eigene Bildschirme, Karten oder Menüs für Anbindungen gibt es nicht.
Die KI erklärt, fasst zusammen und erstellt Entwürfe; geschrieben wird erst nach Freigabe durch den Menschen. Die Oberfläche ist achromatisch, Farbe wird nur für Statuspunkte verwendet (Rot dringend · Orange Achtung · Grün normal).
Agent und Agent Builder heißen jetzt Automatisierung. Jeder einzelne Fall, der durch einen Alarm oder ein Anomaliesignal eröffnet wird, ist ein Incident (in Code und API incident). Die alten Menüs «Heute · Durchführungsvorschläge · Anomaliediagnose · Lösung · Report» sind im Startbildschirm des Fragens und in den Vorschlägen aufgegangen. Watch entfällt — Beobachtungsaufträge werden über die Automatisierung erstellt (die Adressen der alten Bildschirme werden nicht auf die neuen Ziele umgeleitet) → Copilot-Bildschirmübersicht — Alte Adressen
Kennzahlen
| Position | Wert |
|---|---|
| MCP-Server, die dem Chat Werkzeuge bereitstellen | 6 |
| Integrierte MCP-Datenwerkzeuge der Plattform (inkl. Ontologie) | 22 |
| TimeSeries-Insight-Analysewerkzeuge | 39 |
| RAG-Suchwerkzeuge | 2 |
| Digital-Thread-Werkzeuge | 3 |
| Ontologie-Knotentypen | 14 |
Plattformaufbau
| Komponente | Rolle |
|---|---|
| AI Chat Web | Benutzeroberfläche — Copilot (Fragen · Vorschläge · Automatisierung). Werkzeugaufrufe im Fragen-Bereich übernimmt der eingebettete Agent |
| Integriertes MCP | Gateway für Echtzeit-Fabrikdaten (Plattform server-web /api/v5/mcp, inkl. Ontologie) |
| Ontology | Wissensgraph der Fabrik — Analyse von Anlagenbeziehungen und -struktur (im integrierten MCP enthalten) |
| TimeSeries-Insight | KI-Anomalieerkennung + Prognose + Feature Store (39 Analysewerkzeuge) |
| RAG | Suche in technischen Dokumenten auf LightRAG-Basis — sofortiger Zugriff auf Handbücher, SOPs und Vorschriften |
| Digital Thread | Konnektoren zu Fremdsystemen (MES·SCM·ERP·PLM·QM) und Spiegel des Fabrikgraphen — Anlagen-Timeline und Verbindungsverfolgung |
| AURA | Industriespezifisches LLM — auf die Fertigungsdomäne feinabgestimmtes Modell |
Nutzen der Einführung
| Bereich | Vorher (bisher) | Nachher (PlantPulse AI) |
|---|---|---|
| Lagebild | SCADA + Excel + Handbuch, 30 Min~1 Std | Frage in natürlicher Sprache, 10 Sekunden |
| Anomalieerkennung | Regelbasierte Alarme (reaktiv) | Proaktive KI-Erkennung + Ursachenschätzung |
| Instandhaltung | Vorbeugend (intervallbasiert) | Vorausschauend (zustandsbasiert) |
| Dokumentensuche | Manuelles Durchsuchen des Dateiservers | KI-Hybridsuche, sofort |
| KI-Kosten | Cloud-API nach Verbrauch | On-Premises-Fixkosten, unbegrenzt |
| Datensicherheit | Übertragung in externe Cloud | Vollständig intern On-Premises |
Technologie-Stack
| Ebene | Technologie |
|---|---|
| KI-Modelle | AURA LLM, IBM Granite TSPulse, TinyTimeMixer TTM |
| KI-Frameworks | MCP (Model Context Protocol), LiteLLM, LightRAG |
| Backend | Java 21 / Spring Boot 3.4, Python / FastAPI |
| Graph-DB | Neo4j |
| Vektor-DB | Qdrant |
| Relationale DB | PostgreSQL 18 |
| Zeitreihen-DB | Apache Cassandra |
| Cache | Valkey (Redis-kompatibel) |
| Objektspeicher | RustFS (S3-kompatibel) |
| GPU | NVIDIA DGX Spark kompatibel (Betrieb mit geringer Hardwareausstattung) |
| Deployment | On-Premises / Edge / Cloud |
Zielbranchen
| Branche | Wesentliche Anwendungsszenarien |
|---|---|
| Lebensmittel- und Getränkeherstellung | OEE-Management der Produktionslinien, Qualitätsüberwachung, Energieoptimierung |
| Chemie / Petrochemie | Frühzeitige Erkennung von Prozessabweichungen, Einhaltung von Sicherheitsvorschriften, Anlagenzustandsmanagement |
| Automobilzulieferung | Vorausschauende Instandhaltung, Qualitätsverfolgung je Arbeitsauftrag, Linienausbalancierung |
| Halbleiter / Elektronik | Erkennung feinster Abweichungen, Ausbeuteprognose, Reinraumüberwachung |
| Stahl / Metall | Überwachung von Hochtemperaturanlagen, Energiemanagement, Optimierung der Wartungsintervalle |