CrossnoKaye bringt physische KI mit AWS AgentCore in die industrielle Steuerung

Ein anderer Ansatz für industrielle KI

In Industrieanlagen sind Zuständigkeiten typischerweise auf speicherprogrammierbare Steuerungen, Prozessleitsysteme, Historian-Systeme, Systeme zur Prozessüberwachung und Datenerfassung sowie separate Optimierungs- oder Alarmwerkzeuge verteilt. Nach Angaben von AWS erschwert dies einem externen KI-Agenten, sowohl die Anlagendaten als auch die Steuerungslogik für die Ausrüstung zu verstehen.

CrossnoKaye verfolgt den Ansatz, die KI innerhalb seiner softwaredefinierten Automatisierungsplattform ATLAS zu belassen. Die Plattform verbindet Live-Anlagendaten und KI-Logik mit der Anlagensteuerung in Lebensmittel- und Getränkefabriken, Industrie­kälteanlagen, Steinbrüchen und Produktionsstandorten. ATLAS läuft auf AWS und vereint das Anlagenmodell, die grundlegende Steuerungssoftware, das Historian-System und Optimierungsanwendungen innerhalb einer Sicherheitsgrenze.

Das agentische Intelligenzsystem AURA von CrossnoKaye kann dadurch über das interne Datenmodell der Plattform auf den Betriebszustand einer Anlage zugreifen. AWS zufolge speichert das System mehr als 22 Billionen Maschinendatenpunkte, verarbeitet täglich mehr als 50 Milliarden neue Messwerte und führt über 1.000 Anwendungen für fortgeschrittene Prozessregelung live aus.

Die Steuerung bleibt lokal, während die KI das gesamte Anlagenmodell nutzt

ATLAS arbeitet mit bestehender SPS- und Prozessleittechnik, darunter Anlagen wie Öfen, Brecher, Trockenkammern, Backöfen, Spiralfroster, Kälteanlagen, Turbinen, Ventile und Kompressoren. Kunden müssen ihre Anlagenhardware laut AWS nicht ersetzen.

Jede Anlage verfügt über ein lokales ATLAS-Steuerungsmodul mit redundanten Rechnern, Stromversorgungen und Netzwerk-Switches. Ein lokaler Kubernetes-Cluster führt die Steuerungsdienste aus und setzt versionierte Steuerungsabläufe um, die Anlagenzustände, Sequenzen, Betriebsgrenzen, Verriegelungen und Alarmregeln definieren.

Die Edge-Appliances fungieren als ausschließlich ausgehende IT- und OT-Gateways, wobei innerhalb der Anlage keine eingehenden Firewall-Ports geöffnet sind. Fällt die Cloud-Verbindung aus, läuft die Anlage mit den lokalen Steuerungsabläufen weiter. CrossnoKaye meldet mehr als 9.000 Bereitstellungen von Steuerungssoftware pro Jahr und mehr als 1 Million Betriebsstunden ohne Sicherheitsvorfälle.

Cloudbasierte Systeme ergänzen abgeleitete Engineering-Signale und Optimierungen. Dazu können Wärmeflussverteilungen, Zustandsindizes von Anlagen, Energieintensität und Abweichungen in der Massenbilanz gehören. Optimierungsanwendungen kombinieren diese Signale mit physikalischen Modellen, modellprädiktiver Regelung, bestärkendem Lernen, Tarifen für Versorgungsleistungen und Wetterprognosen, um Sollwertpläne zu berechnen. CrossnoKaye zufolge führt sein System im geschlossenen Regelkreis täglich 650.000 Steuerungsaktionen aus.

AgentCore liefert Rechenleistung für AURA-Untersuchungen

Large Language Models können den technischen Kontext interpretieren und eine Untersuchung planen. Sie können jedoch aus Millionen von Sensormesswerten, die direkt in einem Prompt übergeben werden, nicht zuverlässig Statistiken oder physikalische Bilanzen berechnen. AURA begegnet diesem Problem mit der Code-Interpreter-Funktion von Amazon Bedrock AgentCore.

Wenn eine numerische Analyse erforderlich ist, schreibt und führt AURA Python-Workloads zur Laufzeit in isolierten, von AWS verwalteten MicroVM-Sandboxes aus. Das System nutzt diese Umgebungen für statistische, thermodynamische und Multi-Dataset-Berechnungen, während Amazon Bedrock Guardrails und lokale Sicherheitskontrollen am Edge zusätzliche Schutzmechanismen bieten.

AURA läuft als Microservices und dauerhafte Workflows innerhalb der Plattformgrenze. Im Rahmen der Unternehmensberechtigungen eines Nutzers können die Agenten auf die Anlagentopologie, bereitgestellte Steuerungsabläufe und Verriegelungen, physische und synthetische Messwerte, Alarm- und Einstellungsänderungshistorien, Optimierungspläne sowie in Amazon Bedrock Knowledge Bases indizierte Anlagendokumentation zugreifen.

AWS beschreibt eine Untersuchung in einem Steinbruch, bei der der hintere Teil einer Brecheranlage während einer Schicht zweimal ausfiel. Zeitstempel aus dem Historian-System deuteten auf einen Fehler am Sekundärbrecher hin. Durch die zusätzliche Analyse der Förderbandanordnung und der Steuerungsverriegelungen führte AURA das Problem auf ein durchrutschendes Umlaufband unterhalb des Tertiärbrechers zurück. Das Band löste eine Überlastverriegelung des Tertiärbrechers aus, die anschließend den Sekundärbrecher stoppte. Ein Bediener bestätigte das Problem und behob den Bandfehler innerhalb weniger Minuten.

Warum die Architektur für Industriekunden wichtig ist

CrossnoKaye zufolge steigern seine Anwendungen für fortgeschrittene Prozessregelung den Produktionsdurchsatz um 11,17 Prozent und senken gleichzeitig die Energiekosten der gesamten Anlage im Durchschnitt um 21 Prozent. Die Architektur des Unternehmens soll es der KI ermöglichen, den vollständigen betrieblichen Kontext zu nutzen, ohne Zugangsdaten auf mehrere Anlagensysteme zu verteilen oder die zentrale Sicherheitssteuerung einem externen Agenten zu überlassen.

Für industrielle Nutzer zeigt das Beispiel, wie KI bei der Fehlersuche unterstützen kann und zugleich mit bestehender Steuerungsinfrastruktur verbunden bleibt. Lokale Steuerungsabläufe regeln die Anlagen weiterhin am Edge, während AURA Ereignisse mithilfe von Anlagentopologie, Verriegelungen und Sensordatenhistorie gemeinsam untersuchen kann. Amazon Bedrock AgentCore ergänzt die Laufzeit um Python-Ausführung für Berechnungen, die über die Fähigkeiten von Sprachmodellen hinausgehen.