Industrial AI und Physical AI: einfach erklärt

Kaum eine Messe und kaum eine Keynote kommt im Moment ohne zwei Begriffe aus: Industrial AI und Physical AI. Beide klingen nach Zukunft. Beide werden oft durcheinandergeworfen. Und beide sagen einem Betrieb mit Maschinenpark erst einmal wenig darüber, was er am Montag anders machen kann.

Hier ist eine nüchterne Einordnung.

Industrial AI: KI, die mit Maschinendaten arbeitet

Industrial AI meint KI für Industrie und Fertigung. Der Unterschied zur KI im Büro liegt in den Daten. Ein Sprachmodell im Büro liest Mails, Verträge und Protokolle. Industrial AI arbeitet zusätzlich mit Messwerten, Zeitreihen und dem Wissen aus Wartung und Produktion: Vibration, Temperatur, Stromaufnahme, Stückzahlen, Störmeldungen.

Typische Aufgaben sind:

• Zustandsüberwachung (Condition Monitoring): Wie geht es der Maschine gerade?
• Vorausschauende Wartung (Predictive Maintenance): Was kündigt sich an, bevor die Linie steht?
• Energie und Nachweise: Wo geht Energie verloren, und wie belegst Du das gegenüber Kunden oder Prüfern?
• Wissen an der Anlage: Welche Wartungsanweisung gilt, und was ist beim letzten Mal passiert?

Der Nutzen entsteht selten aus einem einzelnen Messwert. Er entsteht, wenn Messwerte, Dokumentation und Erfahrung zusammenkommen. Ein Lager, das wärmer wird, ist eine Zahl. Ein Lager, das wärmer wird, obwohl es vor drei Wochen getauscht wurde, ist eine Information.

Physical AI: KI, die die physische Welt erfasst

Physical AI ist der jüngere Begriff, geprägt vor allem von Chip- und Robotikherstellern. Gemeint ist KI, die nicht nur Texte und Bilder verarbeitet, sondern die physische Welt erfasst und versteht: über Sensoren, Kameras und Messwerte.

Der Begriff hat zwei Ebenen, und die Unterscheidung lohnt sich:

1. Wahrnehmen und verstehen. Die KI erfasst, was an der Maschine passiert, und erklärt es.
2. Handeln. Die KI steuert selbst, etwa als Roboter oder autonomes Fahrzeug.

In den Schlagzeilen geht es meist um die zweite Ebene. Für die meisten Betriebe beginnt Physical AI bei der ersten. Bevor eine KI etwas an einer Maschine verändern darf, muss sie die Maschine verlässlich verstehen. Und schon dieses Verstehen spart Stillstand.

Edge-KI: Rechnen, wo die Daten entstehen

Industrial AI und Physical AI erzeugen viele Daten. Ein einziger Schwingungssensor liefert schnell Millionen Messpunkte am Tag. Diese Daten in ein entferntes Rechenzentrum zu schicken, kostet Bandbreite, Zeit und Kontrolle.

Edge-KI dreht das um: Gerechnet wird dort, wo die Daten entstehen, an der Anlage und im Werk. Nach außen geht nichts, was nicht nach außen muss. Für Maschinendaten ist das mehr als eine technische Frage. Messwerte verraten Taktzeiten, Rezepturen und Auslastung. Das sind Betriebsgeheimnisse.

Woran Du ein gutes Angebot erkennst

Wer Industrial AI einführen will, sollte vor der Technik ein paar Fragen stellen:

• Wo laufen die Daten? Im Werk oder beim Anbieter? Und wer kommt an die Rohdaten heran, wenn die Zusammenarbeit endet?
• Passt es zu den Maschinen, die Du hast? Lässt es sich an Bestandsanlagen nachrüsten, oder setzt es einen neuen Maschinenpark voraus?
• Erklärt die KI, woher ihre Aussage kommt? Eine Warnung ohne Begründung wird in der Halle schnell ignoriert. Eine Warnung mit Messwert und Quelle wird ernst genommen.
• Verbindet es Messwerte mit Wissen? Sensordaten allein sind ein Dashboard. Erst mit Wartungsanweisung und Historie wird daraus eine Antwort.
• Kommst Du wieder heraus? Offene Schnittstellen und Modelle, die Du austauschen kannst, sind die Versicherung gegen Abhängigkeit.

Wie wir das bei MINERVA umsetzen

MINERVA ist unsere Antwort auf diese Fragen: Industrial AI im Sinn der ersten Ebene von Physical AI. Die Hardware entwickeln wir selbst. Eine Probe misst als Sensor an der Maschine, ein Node rechnet an der Anlage, ein Hub im Werk. Darüber liegt eine KI, die Messwerte mit Wartungsanweisungen und Historie zusammenführt und Fragen zur Maschine mit Quelle beantwortet. Alles im Werk, ohne Cloud.

MINERVA ist im Design-Partner-Programm. Wir entwickeln es mit Betrieben, die ihre Anforderungen aus der Halle mitbringen.

Industrial AI, Physical AI, Edge-KI: Die Begriffe sind neu. Die Frage dahinter ist alt. Wie holst Du mehr aus Deinen Maschinen heraus, ohne die Kontrolle über Deine Daten abzugeben?