GeArLLM: Wenn KI-Agenten zum digitalen Expertenteam für die Fertigung werden

Die Planung neuer Bauteile erfordert umfangreiches Fachwissen und ist häufig mit manueller Arbeit verbunden. GeArLLM untersucht, wie KI-Agenten CAD-Daten analysieren, notwendige Fertigungsschritte identifizieren und daraus geeignete Arbeitspläne ableiten können.

Für die computergestützte Fertigung müssen Informationen aus Bauteilgeometrien mit geeigneten Werkzeugen, Maschinen und Bearbeitungsstrategien zusammengeführt werden. Spezialisierte Agenten sollen diese Informationen verknüpfen und die Erstellung von CAM-Programmen unterstützen. Simulationen und Rückmeldungen aus der Fertigung fließen anschließend wieder in das System ein.

In Unternehmen steckt ein großer Teil des Fertigungswissens in Erfahrungswerten, historischen Daten und dem Wissen einzelner Fachkräfte. GeArLLM führt Planungs- und Fertigungsdaten in einer dynamischen Wissensbasis zusammen. Dadurch soll vorhandenes Wissen systematisch für neue Aufgaben verfügbar werden und langfristig im Unternehmen erhalten bleiben.

Das Multi-Agenten-System wird modular entwickelt. Spezialisierte Agenten sollen sich dadurch austauschen, erweitern oder für andere Aufgaben kombinieren lassen. Dieser Aufbau schafft die Grundlage dafür, das entwickelte System künftig auf weitere Problemstellungen in der Fertigung zu übertragen.

GeArLLM untersucht, wie sich Large Language Models nicht nur einzeln, sondern als kooperierendes System spezialisierter Agenten für komplexe Aufgaben der Fertigungsplanung einsetzen lassen. Ein Koordinationsagent zerlegt übergeordnete Aufgaben in Teilprobleme und verteilt sie an spezialisierte Agenten, die jeweils auf bestimmte Werkzeuge, Daten und Fachinformationen zugreifen.

So entsteht ein digitales Expertenteam, das unterschiedliche Kompetenzen innerhalb eines gemeinsamen Prozesses verbindet.

Damit KI-Agenten belastbare Vorschläge für reale Fertigungsprozesse entwickeln können, müssen unterschiedliche Informationsquellen zusammengeführt werden. Dazu zählen CAD-Modelle, Maschinenkapazitäten, Bauteilinformationen sowie historische Planungs- und Fertigungsdaten.

GeArLLM untersucht, wie diese heterogenen Daten für die einzelnen Agenten nutzbar gemacht und in gemeinsame Entscheidungs- und Planungsprozesse integriert werden können.

Das entwickelte Multi-Agenten-System soll nicht statisch bleiben. Menschliches Feedback, Simulationsergebnisse und Erfahrungen aus bereits bearbeiteten Fertigungsaufträgen fließen zurück in das System.

Damit untersucht GeArLLM auch, wie sich KI-basierte Fertigungsplanung kontinuierlich an neue Daten, Erfahrungen und Anforderungen anpassen lässt.

Die Zusammenarbeit zwischen der OTH Amberg-Weiden und up2parts verbindet KI-Forschung mit konkreten Anforderungen aus der industriellen Praxis. Dadurch können die entwickelten Ansätze an realen Fertigungsprozessen erprobt und weiterentwickelt werden.

Die OTH Amberg-Weiden verantwortet die Entwicklung und das Training des Multi-Agenten-Systems. So lässt sich untersuchen, wie sich die entwickelten Methoden unter praxisnahen Bedingungen bewähren und auf industrielle Anwendungen übertragen lassen.