“Wir bewegen uns in Richtung autonomerer Systeme“

Wenn Sie das aktuelle Zielbild von KI im Engineering und KI-basierter Automation beschreiben: Wo stehen wir heute – und wo wollen wir hin?

Brehm: Unser Ziel ist es seit Jahren, den Engineering-Workflow durchgängig zu verbessern. Mit Plattformen wie dem TIA Portal greifen alle Arbeitsschritte einer Maschine nahtlos ineinander. Jetzt erreichen wir die nächste Stufe: Wir können diesen kompletten Workflow noch viel stärker automatisieren. Innerhalb der Tools – sei es beim Eplan Copilot oder unserem Eigen Engineering Agent – erreichen wir einen massiven Produktivitätsgewinn. Die Basis dafür ist eine zunehmend softwaredefinierte Automatisierung, also mehr Intelligenz, Flexibilität und Automatisierung bis hinein in die Steuerungstechnik. Die zentrale Herausforderung bleibt, industrielle KI mit den Anforderungen deterministischer, sicherheitskritischer Systeme zusammenzubringen.

Seitz: Wir verlassen ein rein regelbasiertes Verständnis von Engineering und bewegen uns in Richtung autonomerer Systeme. Dafür braucht es allerdings eine saubere Datengrundlage und Standards. Ohne standardisierte Informationen beziehungsweise Austauschformate bleibt KI im Engineering Stückwerk. Unser Ansatz mit der neuen Eplan Plattform 2027 und dem neuen Eplan Copilot ist deshalb, Wissen, Funktionen und Aufgaben kontextbezogen und herstellerübergreifend – beispielsweise mit Siemens – zusammenzubringen. Der Copilot soll nicht nur Antworten liefern, sondern Engineering-Wissen verlässlich nutzbar machen.

Lässt sich dieses Zielbild also nur durch eine enge Zusammenarbeit und eine durchgängige Toolchain erreichen?

Brehm: Man muss nicht sofort alles auf einmal umsetzen. Aber wir zeigen gemeinsam den kompletten Workflow, weil genau dort der größte Nutzen liegt. Wir sehen bei unseren Kunden sehr klar, wo heute noch unnötig Zeit verloren geht: wenn Ingenieurinnen und Konstrukteure Daten manuell von einem System ins nächste übertragen, Produktänderungen mühsam recherchieren oder Korrekturen mehrfach anstoßen müssen. Wenn die einzelnen Schritte sinnvoll aufeinander aufbauen, entsteht echter Fortschritt. Entscheidend ist, schon beim ersten Schritt zu wissen, wohin die Reise gehen soll.

Seitz: Absolut. Wir brauchen für die Umsetzung von Standards wie der Verwaltungsschale eine kritische Masse. Siemens ist in der industriellen Automatisierung ein zentraler Player, und wir wollen im Umfeld des Eplan Data Portals und darüber hinaus möglichst viele Partner einbinden. Wir müssen weg von Denkweisen, die seit Jahrzehnten vor allem durch Abgrenzung geprägt sind. Entscheidend ist doch die Frage: Wo schaffen wir gemeinsam echten Kundennutzen? Ich bin zutiefst davon überzeugt: Wenn wir das nicht tun, wird die Welt nicht auf uns warten. Dann macht es jemand anderes.

Brehm: Wir müssen auch aus dem klassischen Henne-Ei-Problem heraus. Wenn Komponentenhersteller keine nutzbaren digitalen Daten anbieten, sagt der Maschinenbauer: Das bringt mir nichts. Wenn Hersteller investieren, die Daten aber niemand nutzt, verpufft der Aufwand. Deshalb appelliere ich auch an den VDMA und an die Maschinenbauer: Fordern Sie diese Daten aktiv ein. Wir müssen dieses Schwungrad gemeinsam in Bewegung setzen. Wenn Marktführer wie Eplan und Siemens zusammenarbeiten, hilft das dem gesamten Ökosystem.

Welche Rolle übernimmt Eplan dabei künftig? Wird Ihr Unternehmen zum Orchestrator der gesamten Toolchain, auf der dann KI-Lösungen wie der Siemens Eigen Engineering Agent aufsetzen?

Seitz: Wir beanspruchen nicht, den gesamten Prozess zu orchestrieren. Aber im Electrical Engineering wollen wir unsere Rolle selbstverständlich voll ausspielen – das ist unsere Domäne. Vereinfacht gesagt ist es wie bei Lego: Unsere Kunden arbeiten mit standardisierten Funktions- und Komponentenbausteinen, aus denen sie Automatisierungssysteme zusammensetzen. Entscheidend ist, dass diese Bausteine semantisch und datenstrukturell zusammenpassen. Heute ist genau das oft noch nicht der Fall: Datenmodelle, Detailtiefe und Aktualität unterscheiden sich von Hersteller zu Hersteller. Wenn wir diese Informationen standardisiert auf die Plattform bringen, entsteht die Grundlage für automatisierbares Engineering – bis hin zur Generierung von SPS-Code.

Wo verläuft aus Ihrer Sicht eigentlich die Grenze zwischen einem Copilot, der Wissen und Funktionen zugänglich macht, und einem Agenten, der Aufgaben eigenständig ausführt? Und an welcher Stelle bleibt der Mensch zwingend in der Verantwortung?

Brehm: KI im industriellen Umfeld braucht belastbare industrielle Daten – keine beliebigen Internetdaten. Das ist die Grundlage für verifizierbare Ergebnisse. Ein Agent kann innerhalb definierter Leitplanken durchaus autonom agieren, aber der Kunde entscheidet letztlich selbst, wie weit er gehen will. Klar ist: Sicherheitsanforderungen, regulatorische Vorgaben und die Maschinenrichtlinie setzen den Rahmen. Wo Risiken entstehen, bleiben klassische Sicherheitskonzepte unverzichtbar. Gleichzeitig sehen wir in der Softwareentwicklung schon heute, wie weit agentische Systeme gehen können: Da gibt es nicht nur einen Coding-Agenten, sondern auch Agenten für Überprüfung, Tests und Simulation. Die Absicherung KI-generierter Ergebnisse in der Industrie wird also selbst zunehmend automatisiert.

Seitz: Ich würde noch einen Schritt weitergehen und nicht nur von Daten sprechen, sondern von abgesichertem Wissen. Genau dieses Wissen müssen wir dem System mitgeben – plus die Fähigkeit, es im richtigen Kontext anzuwenden. Das eigentliche Können steckt in vielen unserer Systeme bereits heute, nur wird es bislang noch manuell über Menüs, Masken und Einzelschritte ausgelöst. Ein Copilot hilft zunächst dabei, Wissen, Funktionen und Bedienlogik zugänglich zu machen. Ein Agent geht weiter: Er kombiniert diese Elemente, plant Arbeitsschritte und führt definierte Aufgaben eigenständiger aus. Der Mensch bleibt so lange im Loop, bis das System in Qualität, Nachvollziehbarkeit und Sicherheit nachweislich besser ist als die manuelle Bearbeitung.

Wie nehmen Sie die Kunden bei diesem rasanten Tempo mit? Viele kleine und mittelständische Maschinenbauer reagieren eher vorsichtig als euphorisch …

Brehm: Vorsicht ist bei vielen Maschinenbauern völlig nachvollziehbar. Niemand braucht noch eine zusätzliche Komplexitätsschicht. Deshalb müssen wir den Einstieg so niedrigschwellig wie möglich halten. Unseren Eigen Engineering Agent kann man einfach ausprobieren. Der entscheidende Punkt ist: Der Nutzen von industrieller KI muss im Alltag sofort sichtbar werden – weniger manuelle Routinen, weniger Medienbrüche, mehr Tempo bei Änderungen und Konfigurationen. Wenn industrielle KI genau dort ansetzt, wächst auch das Vertrauen. Unsere Aufgabe ist es, diese Technologien so aufzubereiten, dass Kunden nicht erst KI-Spezialisten werden müssen, sondern mit ihrem bestehenden Domänenwissen produktiv arbeiten können.

Seitz: Richtig, Kunden sind bereit, wenn der Nutzen unmittelbar erkennbar ist. Im privaten Umfeld erleben wir längst durchgängig digitale Prozesse. Im Engineering dagegen schicken wir teilweise noch Dateien hin und her, obwohl Produktdaten, Änderungen oder Firmware-Updates eigentlich in Echtzeit verfügbar sein müssten. Genau da müssen wir hin: Wenn ein Hersteller eine Komponente ändert oder abkündigt, muss diese Information unmittelbar im Engineering-Kontext ankommen. Genau das bieten wir beispielsweise mit Eplan Smart Sourcing an. Alles andere ist nicht mehr zeitgemäß.

Brehm: Gleichzeitig erwarte ich von unseren Ingenieuren und Anwenderinnen aber auch Neugier. Wenn wir als Industrie diese Neugier verlieren, haben wir das größte Problem. Wir machen den Zugang so einfach wie möglich – aber das Ausprobieren und Lernen können wir niemanden abnehmen.