AURA LLM — Industriespezifisches Modell
Überblick
AURA ist ein von PlantPulse selbst entwickeltes großes Sprachmodell (LLM) speziell für die Industrie.
Auf Basis der leistungsstärksten Open-Source-Modelle wurde es mit Daten aus der Fertigungs- und Industriedomäne nachtrainiert (Fine-Tuning) und versteht dadurch Sprache, Kontext und technische Nuancen der Produktion Vor-Ort präzise.
Verfügbare Modelle
| Modell | Einsatzzweck | Merkmale |
|---|---|---|
| AURA LLM | Dialog/Analyse/Berichtserstellung | Industrielles Fine-Tuning, multimodal |
| AURA Embedding | Vektor-Embedding | Optimiert für RAG-Suche |
| AURA Reranker | Neubewertung von Suchergebnissen | Präzise Relevanzbewertung |
Fine-Tuning-Daten
Daten offizieller Normungsgremien
| Quelle | Inhalt |
|---|---|
| KATS (koreanische Behörde für Arbeitssicherheit und Gesundheitsschutz) | Verbindliche SOP-Leitfäden auf Grundlage des Arbeitsschutzgesetzes |
| ISO/IEC | SOP-Vorlagen für Qualitätsmanagement nach internationalen Normen (z. B. ISO 9001) |
| OSHA/NIOSH | US-amerikanische Arbeitssicherheitsstandards, branchenspezifische Sicherheitsanweisungen |
Praxiserprobte Daten
| Datentyp | Inhalt | Wirkung auf die KI-Leistungsfähigkeit |
|---|---|---|
| Vorschriften-/Sicherheitsdokumente | Interne Sicherheitshandbücher, MSDS, Rechtsprechung | Höhere Genauigkeit bei Compliance und Reaktion auf Gefahrensituationen |
| Q&A-/Diskussionsdaten | Q&A zwischen Technikern Vor-Ort, interne Foren, Störfallberichte | Besseres Kontextverständnis und konkretere Lösungsvorschläge |
| Unstrukturierte Logs | Störungsaufzeichnungen von Anlagen, Wartungsprotokolle, Notizen der Bediener | Stärkere Schlussfolgerungsfähigkeit für vorausschauende Wartung und Fehlerbehebung |
Multimodale Unterstützung
- Text: Dialog in natürlicher Sprache, Verständnis technischer Dokumente, Berichtserstellung
- Bild: Analyse von Anlagenfotos, Ablesen von Anzeigetafeln, Interpretation von Zeichnungen
- Tabellen/Diagramme: Analyse von Datentabellen, Interpretation von Diagrammen
AURA im Vergleich zu allgemeinen LLMs
| Kriterium | Allgemeines LLM (GPT, Claude usw.) | AURA |
|---|---|---|
| Verständnis von Fachbegriffen | Allgemeines Niveau | Fertigungsspezifisches Expertenniveau |
| Auslegung von SOPs/Vorschriften | Fehlender Kontext | Auslegung auf rechtlicher Grundlage |
| Datenspeicherort | Cloud (Übertragung nach außen) | On-Premises (im Haus) |
| Kostenstruktur | Abrechnung pro Token | Feste Kosten, unbegrenzt |
| GPU-Anforderungen | Große GPU oder API | Auch mit geringer Ausstattung, z. B. DGX Spark |
| Multimodalität | Unterstützt | Unterstützt (spezialisiert auf Industriebilder) |
| Embedding/Reranker | Separate Modelle erforderlich | Integriert enthalten |
| Anpassbarkeit | Eingeschränkt | Nachtraining mit Daten Vor-Ort möglich |
Technische Merkmale
Betrieb auf GPUs mit geringer Leistung
Der Betrieb ist auch in GPU-Umgebungen mit geringer Leistung wie NVIDIA DGX Spark möglich. Damit wird eine On-Premises-Bereitstellung ohne große Cloud-GPUs realisiert; die Modelle sind so schlank, dass sie auch auf Edge-Servern in der Produktion Vor-Ort laufen.
Vollständige On-Premises-Unterstützung
Da keine Abhängigkeit von externen Cloud-APIs besteht, gelangen sensible Werksdaten nicht nach außen. Der KI-Dienst läuft auch bei unterbrochener Netzwerkverbindung weiter.
Nativ koreanisch
Begriffe aus der koreanischen Fertigungspraxis werden präzise verstanden. Ausdrücke Vor-Ort wie „Degradation", „Interlock" oder „Trip" werden kontextgerecht interpretiert, ebenso der Regelungskontext des koreanischen Arbeitsschutzgesetzes.
Anwendungsszenarien
| Szenario | Einsatz von AURA |
|---|---|
| Dialog mit dem KI-Copiloten | Zentrale Dialog-Engine von PlantPulse AI Chat |
| Optimierung der Dokumentensuche | Höhere Genauigkeit der RAG-Suche durch AURA Embedding |
| Ursacheninterpretation bei Anomalien | Ursachenermittlung aus Sensordaten und Industriewissen |
| Automatische Berichtserstellung | Automatische Erstellung von Tages-/Schichtberichten |
| Prüfung von Sicherheitsvorschriften | Sofortiger Zugriff auf Vorschriften nach KATS/ISO/OSHA |
| Unterstützung der Einarbeitung | Antworten auf Expertenniveau bei Fragen Vor-Ort |