---
title: Künstliche Intelligenz erreicht Prozessleitsysteme
url: https://www.elseif.net/de/kunstliche-intelligenz-erreicht-prozessleitsysteme
published: 2026-10-12T12:07:55+00:00
language: de
section: Modelle
source: https://habr.com/ru/articles/1092508/?utm_campaign=1092508&utm_source=habrahabr&utm_medium=rss
organizations: Rockwell Automation, Siemens, AutomationDirect, CODESYS, PLC Copilot, Habr AI
publisher: elseif
---

# Künstliche Intelligenz erreicht Prozessleitsysteme

Künstliche Intelligenz erreicht Prozessleitsysteme und verändert die Arbeit von Ingenieuren, die Steuerungsprogramme in Python, C++ und JavaScript entwickeln. Auf der Plattform Habr werden häufig darüber diskutiert, wie der Beruf des Programmierers sich entwickelt. Nun richtet sich die Aufmerksamkeit auf die Programmierung von Prozessleitsystemen, sogenannten PLCs. Grundsätzlich ähneln diese Systeme herkömmlichen Softwareprojekten: Es gibt Variablen, Bedingungen, Timer und funktionale Bausteine. Deshalb ist es naheliegend, eine KI zu bitten, einen Algorithmus für eine Pumpe oder eine Förderbandsteuerung zu schreiben. Solche Anfragen sind bereits möglich, doch die Praxis zeigt, dass die Tools noch nicht ausreichen. Es gibt immer mehr Programme, die PLC-Projekte lesen, LAD-Logik erklären, ST-Code generieren und gelegentlich sogar die Kompilierung übernehmen. Diese Werkzeuge bringen jedoch eigene Schwierigkeiten mit sich.

Die ersten Experimente mit KI und PLCs reichen etwa drei Jahre zurück. Ein früher Video von Jakob Sagatowski zeigte, wie ChatGPT einen PIDs-Regler, eine Logik mit Verzögerung und einen TCP/IP-Block für TwinCAT erzeugte. In einem Unternehmen, das Software für Steuerungen und SCADA-Systeme entwickelt, wurde das Experiment ebenfalls getestet. Die Idee war, KI-gestützte Unterstützung in den Arbeitsablauf zu integrieren, ähnlich wie in anderen Entwicklungsbereichen. Anfangs war das möglich: Die Modelle konnten Code-Beispiele liefern und Erklärungen geben. Allerdings war das Vertrauen in die Ergebnisse gering, weil die Modelle häufig unsichere Aussagen machten und die generierten Snippets häufig manuelle Prüfungen erforderten.

Ein limitierender Faktor war damals der Kontextumfang der Modelle. PLC-Projekte benötigen ein tiefes Verständnis der internen Struktur: DatenTypen, Bibliotheken, Aufgabenplanung, HMI-Verbindungen und zeitkritische Abläufe. Der verfügbare Trainingsdatensatz ist zudem stark begrenzt, weil industrielle Projekte selten öffentlich zugänglich sind. Zudem unterscheidet sich die Programmierung von PLCs von der Anwendungentwicklung, weil Programme cyclisch laufen, Timer und Funktionsblöcke ihren Zustand zwischen Aufrufen behalten und enge Wechselwirkungen mit Hardware besitzen.

Um diesen Anforderungen gerecht zu werden, ist ein fachspezifischer Ansatz nötig: Modelle müssen auf Projektdaten, Hersteller-Dokumentationen und Projektstrukturen trainiert werden, bevor sie sinnvolle Ergebnisse liefern können. Nur das Wissen über Syntax reicht nicht aus.

Ein erstes Werkzeug, das diese Möglichkeiten bot, hieß PLC Copilot und unterstützte zunächst nur Projekte für Rockwell Automation im Studio 5000. Der Assistent konnte bestehenden Code analysieren, Fragen beantworten und Hinweise geben, ohne dass der Nutzer einzelne Netzwerke manuell kopieren musste. Trotzdem blieb das Spektrum der Funktionen zunächst klein, es fehlte die Fähigkeit, neue Logik zu entwerfen, Änderungen vorzunehmen und die Ergebnisse automatisch zu validieren.

Im September 2026 wurde PLC Copilot erheblich erweitert: Es unterstützt nun Studio 5000, Siemens TIA Portal und die Productivity Suite von AutomationDirect. Darüber hinaus existieren über ein Dutzend konkurrierender Lösungen, darunter eigenständige Anwendungen, KI-Funktionen in Plattformen für Quellcode und integrierte Assistenten der Hersteller.

Die heutigen KI-Tools für PLCs bieten ein breites Spektrum an Funktionen. Sie können bestehende Logik erklären, Zusammenhänge zwischen Bausteinen und Tags aufzeigen, Dokumentationen erzeugen, ST-Code generieren und zwischen LAD und ST konvertieren. Einige Tools verbinden sich direkt mit der Engineering-Umgebung, schreiben Änderungen in das Projekt ein, kompilieren und melden Fehler. Andere unterstützen die Erstellung von HMI-Screens oder die Konfiguration von Geräten. Die konkreten Fähigkeiten hängen stark vom jeweiligen Produkt und der unterstützten Plattform ab.

Ein bedeutender Trend ist die Entwicklung von KI-Agenten. Statt nur Erklärungen zu geben, führen diese Agenten eine komplette Aktionsequenz aus: Projekt laden, Block ändern, kompilieren und Fehler beheben. Dabei erhalten sie Rückmeldungen aus der Engineering-Umgebung. Eine erfolgreiche Kompilierung ist ein wichtiger Meilenstein, garantiert jedoch noch nicht, dass die resultierende Logik den technischen Anforderungen entspricht.

Um die Vielfalt der Ansätze zu veranschaulichen, wurden fünf Beispiele ausgewählt, die unterschiedliche Strategien zeigen: Analyse geladener Projekte, Arbeit über Repositories, Integration in IDEs und eigene Lösungen der Hersteller.

Die Entwickler von PLC Copilot geben nun Unterstützung für Studio 5000, TIA Portal und die Productivity Suite von AutomationDirect an. CODESYS befindet sich derzeit in der Warteliste. Die Fortschritte zeigen, dass KI zunehmend in die Praxis der industriellen Automatisierung eindringt, jedoch weiterhin sorgfältige Validierung und fachliche Expertise erforderlich bleiben.