Am Fraunhofer IWU soll eine Plattform namens Orcha-3 zeigen, dass agentische KI mehr kann als Kundenservice und Coding: Sie zerlegt offene Produktionsfragen selbstständig in Arbeitsschritte, weist diese spezialisierten Agenten zu und entscheidet nach jeder Auswertung neu, wie es weitergeht. Der Clou für die Industrie liegt weniger in der Autonomie als in der Nachvollziehbarkeit.
Anbieter zum Thema
Am Fraunhofer IWU soll eine Plattform namens Orcha-3 zeigen, dass agentische KI mehr kann als Kundenservice und Coding: Sie zerlegt offene Produktionsfragen selbstständig in Arbeitsschritte, weist diese spezialisierten Agenten zu und entscheidet nach jeder Auswertung neu, wie es weitergeht. Der Clou für die Industrie liegt weniger in der Autonomie als in der Nachvollziehbarkeit.
Agentische KI soll anspruchsvolle, komplexe Aufgaben übernehmen und passgenaue Lösungen vorschlagen können. (Bild: Fraunhofer IWU)
Mit dem Bilddatenabgleich zog Künstliche Intelligenz (KI) vor einigen Jahren in die Produktion ein, vor allem für die Qualitätskontrolle: Neuronale Netze gleichen ein Bauteil mit Referenzbildern ab und stellen Abweichungen fest. Später kam generative KI auf Basis großer Sprachmodelle hinzu, die eng eingegrenzte Fragestellungen in einem iterativen Prozess löst, gesteuert über die Prompts des Nutzers. Agentische KI setzt darüber an: Sie wählt die für eine komplexe Aufgabe nötigen KI-Werkzeuge selbst aus und erarbeitet weitgehend eigenständig eine Lösung.
Im Alltag zeichnet sich dieser Übergang bereits ab. Wer eine Anfrage an ein System wie ChatGPT stellt, sieht, dass sie in Schritte zerlegt wird, etwa suchen, auswerten, zusammenfassen. Nach welcher Logik das System die passenden Werkzeuge auswählt und aneinanderreiht, bleibt verborgen. In der Softwareentwicklung, im Kundenservice, im IT-Betrieb, im Wissensmanagement und in administrativen Prozessen ist agentische KI dem Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU zufolge schon heute im Einsatz, überall dort, wo Aufgaben aus mehreren Schritten bestehen und über verschiedene Systeme hinweg koordiniert werden müssen.
Vom Chatbot zur ProzessketteDie am Institut entwickelte Plattform Orcha-3 übertrage diesen Ansatz auf die Produktionstechnik. Sie sei nach eigenen Angaben für Fragestellungen konzipiert, die sich mit einzelnen KI-Modellen bislang schlecht bearbeiten lassen: offene Fragen entlang einer Prozesskette, deren Antwort nicht aus einer einzelnen Messung folge, sondern aus vielen aufeinander aufbauenden Schritten. Der jeweils nächste sinnvolle Schritt stehe erst fest, wenn der vorherige ausgewertet ist.
Ein Beispiel des Instituts: In einer Prozesskette aus Umform- und Fügeoperationen treten am Ende Maßabweichungen auf, deren Ursache offen ist. Orcha-3 zerlege diese Frage selbstständig in einzelne Arbeitsschritte. Die Plattform ruft Prozessdaten aus dem Maschinen- und Anlagenumfeld ab, führt Zeitreihen mehrerer Stationen zusammen, berechnet Korrelationen, simuliert Parametervariationen und bewertet Zwischenergebnisse. Nach jedem Schritt entscheide sie neu, wie weiter vorzugehen ist. Ausgeführt werde jeder Schritt von einem spezialisierten Agenten mit klar definierter Aufgabe.
Das Sprachmodell plant, es sieht aber keine RohdatenEntscheidend für den Einsatz in der Fertigung sei laut IWU die Aufgabenteilung zwischen Sprachmodell und Ausführung. Das Sprachmodell plane, greift aber selbst auf kein Produktionssystem zu. Datenbankabfragen, Berechnungen und Simulationen liefen ausschließlich lokal in den Agenten. Rohdaten sollen das Unternehmensnetz nicht verlassen; an das Modell gehe nur eine kuratierte, vollständig protokollierte Sicht auf die Planungslage, die für jeden Schritt deterministisch erzeugt und gespeichert werde. Damit ließe sich im Nachhinein überprüfen, welche Informationen das Modell tatsächlich erhalten hat.
Der Grund dafür sei wirtschaftlicher Natur. Prozess-Know-how, das in Fertigungsparametern steckt, sei dem Institut zufolge häufig der eigentliche Wettbewerbsvorteil eines Unternehmens. Orcha-3 sei so ausgelegt, dass sich leistungsfähige Sprachmodelle nutzen lassen, ohne dieses Wissen preiszugeben.
Aus demselben Grund ist die Ausführung nach Angaben des IWU deterministisch orchestriert, also regelbasiert und im Nachhinein rekonstruierbar, sowie lückenlos protokolliert. Jeder Schritt, jedes Zwischenergebnis und jede Entscheidung bleibe gespeichert und auch nach Monaten nachvollziehbar. Für eine Empfehlung, die in die Serienfertigung eingeht, sei diese Rekonstruierbarkeit keine Komfortfunktion, sondern Voraussetzung. Reicht der vorhandene Werkzeugkasten für eine Fragestellung nicht aus, könne Orcha-3 fehlende Auswertungsschritte in Form kleiner Programme ergänzen.
Synthetische Daten lösen das Henne-Ei-ProblemWer eine komplexe Produktion planen oder optimieren will, braucht eine solide Datenbasis, die zum Start meist fehlt. Das IWU will dieses Henne-Ei-Problem mit eigens erzeugten synthetischen Daten lösen, die auf virtuellen Prozessketten beruhen und reale Vorgänge wie einzelne Umformschritte nachbilden. An dieser virtuellen Prozesskette setze die KI an und zeige Verbesserungspotenziale auf. Problem- und Aufgabenstellung liesen sich so nahezu beliebig variieren.
Orcha-3: Prinzipdarstellung. (Bild: Fraunhofer IWU)
Stand der EntwicklungDie Plattform sei derzeit als Forschungs- und Erprobungsumgebung angelegt, funktionsfähig und an virtuellen Prozessketten erprobt. Der nächste Schritt ist nach Angaben des Instituts die Anwendung auf reale Fertigungsfragen; dafür sucht das IWU das Gespräch mit Unternehmen, die eine solche Frage konkret vor sich haben. Mittelfristig soll sich der Ansatz von der einzelnen Prozesskette auf das gesamte Produktionssystem ausweiten, bis hin zu Fragen des Maschinen- und Personaleinsatzes, des Flächenbedarfs und des Logistikkonzepts, die sich heute nur durch aufwendige manuelle Analysen beantworten lassen.
Technisch verarbeitet Orcha-3 komplexe Aufgaben als sogenannte „Jobs“ in mehreren Schleifen. Die Architektur trennt API, Orchestrator, Supervisor und Agenten; alle Informationen werden persistent im Dateisystem gespeichert. Ein Planner-Agent analysiert den Ist-Zustand und entscheidet über die nächsten Schritte, aus denen Tasks für spezialisierte Agenten entstehen. Deren Ergebnisse fließen in den nächsten Planungszyklus ein. Der Kreislauf wiederholt sich, bis eine Lösung erreicht ist oder eine Abbruchbedingung greift.
(ID:50948447)
| # | Наименование новости | Тональность | Информативность | Дата публикации |
|---|---|---|---|---|
| 1 | Wo KI im Produktionsnetz heute wirklich hilft | 0 | 11.3 | 10-09-2026 |
| 2 | Yandex B2B Tech запускает автономных ИИ-агентов для разработки | 0 | 14.26 | 24-09-2026 |
| 3 | Yandex B2B Tech запускает автономных ИИ-агентов для разработки | 0 | 14.26 | 24-09-2026 |
| 4 | Beyond automation: Why logistics firms are betting on agentic AI | 0 | 7.35 | 19-05-2026 |
| 5 | Gartner declares ‘agentic AI’ the next step function | 0 | 7.43 | 30-06-2026 |
| 6 | Oracle erweitert AI Agent Studio um Pro-Code-Werkzeuge | 0 | 7 | 16-07-2026 |
| 7 | openJiuwen’s Agent Swarm: When AI Agents Finally Work as a Team | 0 | 19.07 | 10-08-2026 |
| 8 | The Factory Floor Is Where Agentic A.I. Matters Most | 0 | 9.23 | 23-07-2026 |
| 9 | Agentic AI meets integration: The next frontier | 0 | 18.56 | 25-01-2026 |
| 10 | Разработана ИИ-система для мониторинга производственных процессов | 0 | 0 | 24-03-2025 |