Industrielle Intelligenz rückt näher an die Maschine
Künstliche Intelligenz verändert, wie Systeme der industriellen Automatisierung Informationen verarbeiten, Entscheidungen treffen und auf veränderte Betriebsbedingungen reagieren. Anstatt sich vollständig auf zentralisierte Rechenressourcen oder cloudbasierte Analysen zu verlassen, setzen sich Hersteller zunehmend mit Edge AI auseinander. Dabei werden Datenverarbeitung und intelligente Entscheidungsfindung näher an Sensoren, Steuerungen, Embedded-Plattformen und Produktionsanlagen verlagert.
Das IIoT Forum auf der electronica 2026 beleuchtet diese Entwicklungen am 10. und 11. November in Halle C6 auf der Future Tech Stage in München. Das Forum wird in Zusammenarbeit mit Embedded Computing Design veranstaltet und behandelt Edge AI, industrielle Konnektivität, Cybersicherheit, Motorsteuerung, Robotik und vorausschauende Wartung.
Für Industrieingenieure geht es dabei um mehr als reine Rechenleistung. Die eigentliche Herausforderung besteht darin, KI in bestehende Automatisierungsarchitekturen zu integrieren, ohne das vorhersehbare Steuerungsverhalten zu beeinträchtigen, Betriebsdaten zu gefährden oder die technischen Grenzen industrieller Umgebungen zu überschreiten.
Meiner Ansicht nach lautet die wichtigste Frage nicht, wie viel Intelligenz sich am Netzwerkrand unterbringen lässt, sondern wie wirksam sich diese Intelligenz in ein Produktionssystem integrieren lässt, ohne neue Betriebsrisiken zu verursachen.
Tag 1: Industrielle Computerplattformen und langfristige Cybersicherheit
Der erste Tag beginnt um 14:00 Uhr mit „Qualcomm Dragonwing: Modernizing Industrial Automation for the AI Era“. Anand Venkatesan, Senior Director of Product Management bei Qualcomm Technologies, spricht über die Rolle moderner Computerplattformen bei der Unterstützung KI-gestützter Industrieanwendungen.
Da Embedded-Prozessoren immer anspruchsvollere Arbeitslasten bewältigen können, stehen Automatisierungsdesignern zusätzliche Möglichkeiten für Bildverarbeitung, lokale Datenanalyse und Zustandsüberwachung zur Verfügung. Die Wahl eines Prozessors ist jedoch nur ein Teil des Systemdesigns. Ingenieure müssen auch Softwarekompatibilität, Kommunikationsschnittstellen, Wärmemanagement, Stromverbrauch und die Integration in bestehende SPS- und industrielle Steuerungsarchitekturen berücksichtigen.
Um 14:45 Uhr präsentiert Balraj Kathiresan, Principal Engineer bei Infineon, den Vortrag „Mitigating Security Risks in the Era of Quantum Attacks“. Die Sitzung befasst sich mit den Auswirkungen neuer Quantencomputerfähigkeiten auf die Sicherheit und den langen Lebenszyklen vernetzter Industrieanlagen.
Industrielle Systeme bleiben nach ihrer ersten Inbetriebnahme oft viele Jahre lang im Einsatz. Sicherheitsmechanismen, die heute ausreichen, müssen möglicherweise angepasst werden, wenn sich kryptografische Standards und Bedrohungen weiterentwickeln. Das stellt Anlagenhersteller und Betreiber vor eine praktische Herausforderung: Cybersicherheit muss über den gesamten Produktlebenszyklus hinweg berücksichtigt werden und darf nicht als einmalige Aufgabe bei der Inbetriebnahme behandelt werden.
Für Automatisierungsingenieure bedeutet das, sichere Kommunikation, Authentifizierung, Firmware-Updateverfahren, Zugriffskontrolle und die Möglichkeit zu prüfen, kryptografische Schutzmaßnahmen in älteren und modernen Anlagen aufrechtzuerhalten.
Das Programm des Tages endet mit der Podiumsdiskussion „AI at the Edge for IIoT“ von 16:30 bis 17:15 Uhr. Zu den Teilnehmenden gehören Vinay Agarwal von Texas Instruments, Karthi Gopalan von Renesas, Robin Saltnes von Nordic Semiconductor und Yankin Tanurhan von MIPS/GlobalFoundries. Rich Nass von Embedded Computing Design moderiert die Diskussion.
Das Podium erörtert die Möglichkeiten und technischen Überlegungen rund um die Verarbeitung von KI-Arbeitslasten näher an Industrieanlagen. Lokale Datenverarbeitung kann die Abhängigkeit von Cloud-Verbindungen verringern und schnellere Reaktionen ermöglichen. Die tatsächliche Leistung hängt jedoch von der jeweiligen Anwendung, der Netzwerkarchitektur, der Rechenlast und den Steuerungsanforderungen ab.
Aus technischer Sicht sollte Edge AI bewährte Automatisierungsfunktionen ergänzen und nicht automatisch ersetzen. Regelkreise mit deterministischem Verhalten, Verriegelungen und sicherheitsbezogene Funktionen müssen ihr festgelegtes Verhalten beibehalten, auch wenn KI-Anwendungen zur Optimierung oder Entscheidungsunterstützung hinzukommen.
Tag 2: Physical AI und intelligente Robotersysteme
Am zweiten Tag stehen Physical AI, Robotik, Embedded-Speicher und das autonome Verhalten von Maschinen im Mittelpunkt.
Um 14:00 Uhr hält Jean-Jacques Adragna, Staff Manager bei Qualcomm France, den Vortrag „Advancing Physical AI with Qualcomm Dragonwing Robotics“. Dabei geht es um Computerplattformen für intelligente Robotersysteme, bei denen Wahrnehmung, Entscheidungsfindung und physische Interaktion innerhalb praktischer Grenzen bei Rechenleistung und Energieverbrauch funktionieren müssen.
Anders als Anwendungen, die Empfehlungen geben oder historische Daten analysieren, müssen Robotersysteme Informationen in physische Aktionen umsetzen. Kameras, Sensoren, Aktoren, Motorantriebe, Embedded-Prozessoren und Steuerungssoftware müssen innerhalb der zeitlichen und betrieblichen Grenzen der Maschine zusammenarbeiten.
Dadurch entsteht eine Unterscheidung, die für industrielle Anwendungen besonders wichtig ist: Ein Objekt zu erkennen oder einen Zustand vorherzusagen bedeutet nicht automatisch, dass ein Roboter anhand dieser Information sicher handeln kann. Das Gesamtsystem muss Sensorgenauigkeit, Kommunikationslatenz, Aktorreaktion, Bewegungsgrenzen und die Folgen falscher Entscheidungen berücksichtigen.
Um 14:45 Uhr präsentiert Donnie Garcia, PSoC Marketing Manager bei Infineon, den Vortrag „Beyond Bigger Memory: Smart Storage and AI Performance on PSoC Edge“.
Die Sitzung behandelt den Zusammenhang zwischen Arbeitsspeicher, Speicherarchitektur und der Ausführung von KI-Anwendungen. Die Leistung von Embedded-KI hängt von mehr als dem Prozessordurchsatz ab. Speicherkapazität, Datenübertragungsraten, Speicherzugriffe und Ressourcenzuweisung können die Anwendungsleistung ebenfalls beeinflussen.
Für Geräteentwickler sind diese Faktoren besonders relevant, wenn Bildverarbeitung, Sensorfusion oder mehrere KI-Funktionen auf einer Plattform mit begrenzten Ressourcen zum Einsatz kommen. Die Hardwareauswahl sollte sich daher an der gesamten Arbeitslast der Anwendung orientieren und nicht allein an den Prozessorspezifikationen.
Um 15:30 Uhr spricht Ivo Marocco, Vice President und Head of UX bei Renesas, über „Managing Complexity in the Humanoid Robotics Ecosystem: A Systems Approach to Scalable Autonomy“.
Humanoide Roboter vereinen Sensorik, Aktorik, Rechenleistung, Kommunikation und Steuerungssoftware in immer komplexeren Architekturen. Die Koordination dieser Teilsysteme erfordert eine sorgfältige Verwaltung von Schnittstellen, Ressourcenzuweisung, Systemverhalten und Fehlerzuständen.
Dasselbe Prinzip gilt allgemein für die Industrierobotik. Je autonomer Maschinen werden, desto wichtiger wird die Systemintegration. Ein leistungsfähiger Prozessor oder ein ausgeklügeltes KI-Modell kann schlecht koordinierte Teilsysteme, unzureichende Rückkopplungsmechanismen oder unklare Fehlerbehandlungsstrategien nicht ausgleichen.
Physical AI in der Fabrik: Von der Demonstration zum Einsatz
Die abschließende Podiumsdiskussion des zweiten Tages, „Physical AI on the Factory Floor“, beginnt um 16:30 Uhr. Mit dabei sind Lee Gonzales-Fuentes, Global Product Marketing Manager mit Zuständigkeit für PSoC Control MCUs bei Infineon, und Larry Olivas, Vice President of Secure Connected Edge bei NXP Semiconductors. Rich Nass übernimmt erneut die Moderation.
Im Mittelpunkt der Diskussion stehen wieder die praktischen Anforderungen der industriellen Produktion, in der intelligente Maschinen mit realen Anlagen, Prozessen und Arbeitsumgebungen interagieren müssen. KI in der Fabrik einzusetzen bedeutet mehr, als ein Modell lokal auszuführen. Ingenieure müssen klären, wie KI-Ergebnisse mit Maschinensteuerungen, Produktionsabläufen, Sicherheitsmechanismen und übergeordneten Systemen zusammenwirken.
Eine KI-gestützte Zustandsüberwachung kann beispielsweise ein ungewöhnliches Vibrationsmuster erkennen und eine Inspektion empfehlen. Diese Information in einen Wartungsablauf einzubinden, ist etwas anderes, als einem KI-System zu gestatten, Maschinenbewegungen oder Prozessparameter direkt zu verändern. Für jede Anwendung müssen der zulässige Handlungsspielraum klar festgelegt, eine angemessene Validierung durchgeführt und geeignete Reaktionen auf unsichere oder falsche Ergebnisse vorgesehen werden.
Meiner Einschätzung nach hängt der erfolgreiche Einsatz von Physical AI davon ab, klare Grenzen zwischen probabilistischen KI-Funktionen und deterministischen Steuerungsfunktionen zu ziehen. KI kann wertvolle Fähigkeiten zur Wahrnehmung, Klassifizierung und Optimierung bereitstellen, während herkömmliche Steuerungslogik weiterhin zeitkritische Abläufe und validierte Verriegelungen verwaltet. Sicherheitsbezogene Funktionen müssen der jeweiligen Sicherheitsarchitektur entsprechen. Sie dürfen sich nicht allein auf ein KI-Modell stützen, es sei denn, die gesamte Implementierung wurde für diesen Zweck angemessen bewertet und zertifiziert.
So können Hersteller die Möglichkeiten von KI erkunden und zugleich die für die industrielle Produktion erforderliche Betriebsdisziplin bewahren.
Vorausschauende Wartung und industrielle Konnektivität bleiben zentrale Anforderungen
Auch vorausschauende Wartung und industrielle Konnektivität gehören zum umfassenderen Programm des IIoT Forums. Diese Technologien schaffen die Infrastruktur, die benötigt wird, um Anlagendaten zu erfassen, sich anbahnende Störungen zu erkennen und Wartungsarbeiten zu koordinieren.
Die Datenverarbeitung am Netzwerkrand kann helfen, Vibrationen, Temperatur, Stromstärke, Druck und andere Betriebswerte direkt an ihrer Quelle zu analysieren. Dadurch lässt sich möglicherweise die an zentrale Systeme übertragene Datenmenge verringern und die Erkennung anomaler Zustände beschleunigen. Wie nützlich vorausschauende Wartung ist, hängt jedoch weiterhin von der Sensorqualität, der Datenkonsistenz, geeigneten Analysemodellen und der Validierung anhand des tatsächlichen Anlagenverhaltens ab.
Konnektivität bringt eine weitere Herausforderung mit sich. In Industrieumgebungen kommen häufig Anlagen verschiedener Generationen und Hersteller zum Einsatz, die jeweils eigene Schnittstellen, Protokolle und Wartungsanforderungen haben. Die Integration von Edge-Geräten in bestehende SPS-, SCADA-, DCS- und Fertigungsmanagementsysteme erfordert besondere Aufmerksamkeit für Interoperabilität, Netzwerksegmentierung, Datenhoheit und Systemverfügbarkeit.
Eine praktikable Einführungsstrategie sollte daher mit einem klar definierten betrieblichen Problem beginnen. Ingenieure sollten die Ausgangsleistung ermitteln, den Datenbedarf bestimmen, die Folgen von Kommunikations- oder Verarbeitungsausfällen bewerten und messen, ob die daraus entstehende Anwendung die Wartungs- oder Produktionsergebnisse verbessert.
Was Industrieingenieure von der electronica 2026 mitnehmen sollten
Das IIoT Forum hebt mehrere zusammenhängende technische Prioritäten hervor: Edge Computing, langfristige Cybersicherheit, Ressourcenverwaltung in Embedded-Systemen, autonome Robotik und die Integration von KI in physische Steuerungssysteme.
Diese Themen sollten nicht als voneinander unabhängige Technologietrends betrachtet werden. Sie sind Bestandteile derselben Industriearchitektur. Leistungsfähigere Edge-Prozessoren eröffnen Möglichkeiten für lokale Intelligenz, erhöhen aber auch die Anforderungen an Software und Sicherheit. Autonomere Roboter stellen neue Anforderungen an die Integration, während vorausschauende Wartung von zuverlässiger Datenerfassung und aussagekräftigen Analysen abhängt.
Für Hersteller sollte die Priorität darin liegen, Anwendungen zu identifizieren, bei denen Edge-Intelligenz messbare Vorteile bringt, etwa eine geringere Diagnoseverzögerung, eine verbesserte Fehlererkennung oder eine effizientere Nutzung von Maschinenressourcen. Diese Anwendungen sollten anschließend im Hinblick auf betriebliche Einschränkungen, Cybersicherheitsanforderungen, Lebenszykluskosten und die Notwendigkeit bewertet werden, etablierte Steuerungs- und Sicherheitsfunktionen aufrechtzuerhalten.
Ob der Übergang vom KI-Experiment zum industriellen Einsatz gelingt, hängt nicht allein von der Rechenleistung ab. Entscheidend ist, wie gut Ingenieure intelligente Software mit bewährten Automatisierungsprinzipien, wartungsfreundlicher Hardware, sicherer Kommunikation und klar definierten betrieblichen Zuständigkeiten verbinden.
Das IIoT Forum auf der electronica 2026 bietet eine Plattform, um diese Herausforderungen in Fachvorträgen und Expertengesprächen zu erörtern. Teilnehmende können außerdem am Ende jeder Sitzung Fragen stellen und so herausfinden, wie sich neue Technologien auf ihre eigenen Industrieanlagen anwenden lassen.
Letztlich werden die besten industriellen KI-Lösungen konkrete technische Probleme lösen, sich in bestehende Betriebsarchitekturen einfügen und messbare Verbesserungen erzielen, ohne die Steuerungs-, Sicherheits- und Schutzanforderungen der unterstützten Anlagen zu beeinträchtigen.
