Können Large Language Models (LLMs) zuverlässig und sicher industrielle Steuerungsanwendungen generieren?
Mit dieser Frage beschäftigt sich das Förderprojekt MBO-KISS. Unter der Leitung des Fraunhofer IKS entwickeln sechs Projektpartner aus Forschung und Industrie Methoden, um KI-generierte Steuerungsanwendungen zu bewerten und zu optimieren. Das Ziel ist ein methodischer Ansatz, um LLMs für industrielle Steuerungsanwendungen sicher nutzen zu können.
IEC 61131-3 ist der etablierte Standard für die Programmierung von Steuerungen in der industriellen Produktion. Aber nicht nur Fachkräfte mit Kenntnissen in IEC 61131-3-Sprachen sind selten, gleiches gilt für aktuelle LLMs: Öffentlich verfügbare LLMs wurden überwiegend mit Hochsprachen wie Python, Java oder C/C++ trainiert – nicht jedoch mit IEC 61131-3-Sprachen wie Structured Text (ST) oder Sequential Function Chart (SFC). Diese Sprachen werden primär unternehmensintern verwendet, sodass kaum frei zugängliche Trainingsdaten existieren. Ebenso sind Echtzeitanforderungen, Kommunikationsschnittstellen zu Aktoren und Sensoren sowie sicherheitskritische Aspekte selten Teil der Trainingsdaten.
Neben der Sprachbarriere ist auch die Komplexität von industriellen Steuerungsanwendungen ein Hindernis für die Codegenerierung per LLM. Wichtig für die erfolgreiche Codegenerierung und spätere Orchestrierung sind deswegen eine geeignete Dekomposition, also Zerlegung, in weniger komplexe Komponenten und ein sauberes Schnittstellendesign. Sie ermöglichen es, die einzelnen generierten Codekomponenten schlussendlich zu einer funktionierenden Anwendung zusammenzubauen.
Das Projekt MBO-KISS nutzt existierende LLMs und entwickelt Methoden, um diese trotz der genannten Einschränkungen für die Generierung von Steuerungsanwendungen nach IEC 61131-3 einzusetzen. LLMs kommen dabei entlang des gesamten Entwicklungsprozesses zum Einsatz, von der Anforderungsspezifikation bis zur Testfallgenerierung.
Um die verfügbaren LLM-Modelle zu verbessern, werden sie mit eigenen Datensätzen nachtrainiert. Bei der Prompt-Erstellung kommen außerdem Techniken wie Retrieval-Augmented Generation (RAG) zum Einsatz. RAG verbessert die LLM-Ergebnisse und vermeidet Halluzinationen der KI, indem das LLM auf externe, vertrauenswürdige Datenquellen zugreift.
Die generierten Steuerungsanwendungen durchlaufen anschließend einen dreistufigen Testworkflow, um die Ergebnisse abzusichern:
Die Ergebnisse aus diesen statischen und dynamischen Tests fließen in die kommenden Generierungsdurchgänge ein. Damit wird der Code iterativ und mit jedem Testdurchlauf verbessert.
Das Projektergebnis ist ein umfassend getesteter, methodischer Ansatz zur sicheren Nutzung von LLMs für industrielle Steuerungsanwendungen. Erste Zwischenergebnisse des Projekts sind bereits vielversprechend. Generierte Steuerungsanwendungen wiesen im Abgleich mit dem Code-Styleguide nur wenige Fehler auf. Schon jetzt konnten wir die Fehleranzahl nach mehreren Durchgängen des Testworkflows auf ein Zehntel reduzieren.
Nach Projektabschluss können Fertigungsunternehmen mit dem entwickelten Ansatz KI-basierte Lösungen für die Codegenerierung in der Industrieautomatisierung sicher und effizient einsetzen. Damit senken sie ihren Engineering-Aufwand, minimieren die Auswirkungen des Fachkräftemangels und profitieren von einem optimierten Entwicklungsprozess, der auf die unternehmenseigenen Systeme leicht übertragbar ist.
Das Fraunhofer IKS beschäftigt sich im Rahmen des Projekts MBO-KISS außerdem mit der Frage, welche LLMs am besten für die Codegenerierung in Structured Text (ST) geeignet sind. Dafür erarbeiten wir ein umfassendes Benchmarking, das wir auch nach dem Projekt laufend ergänzen werden und Unternehmen Hinweise für den Einsatz von LLMs in der Industrie liefert
Die im Rahmen des Projekts vom Fraunhofer IKS entwickelten Methoden und Ansätze stehen für den weiteren Einsatz in künftigen Projekten und für Industriekunden bereit. Sie bilden so eine wertvolle Grundlage für Innovationen im Bereich Industrieautomatisierung und KI in der Industrie.
Sie möchten von unserer Expertise profitieren? Kontaktieren Sie uns über das Kontaktformular:
Das Projekt wird gefördert durch das bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie im Programm BayVFP Förderlinie Digitalisierung.
Fraunhofer-Institut für Kognitive Systeme IKS