Entsteht jetzt das KI-Dreamteam?
No-Code-Engineering und KI-Agenten für Embedded-Systeme
Die deutsche Industrie hat die Potenziale von KI erkannt. Die Frage ist, wie sie die Datenschätze heben kann, die ihre hochautomatisierten Produktionsprozesse bereits bieten. Der Weg ist einfacher als viele denken – und führt über No-Code-Engineering, agentenbasierte Systeme und »KI-ready«-Hardware.
Es ist weniger als zehn Jahre her, dass No-Code-Engineering als die Zukunft der Softwareentwicklung gefeiert wurde. Heutzutage wissen wir, dass dies für sicherheitskritische oder echtzeitnahe Embedded-Systeme nicht zutrifft. Denn dort schränken diverse Faktoren den Einsatz abstrahierter und meist proprietärer No-Code-Toolchains stark ein:
- Echtzeit und Determinismus: KI-Inferenzzeiten, Speicherzugriffe und Scheduling lassen sich nur begrenzt abstrakt modellieren. No-Code-Werkzeuge verschleiern oft Latenzen, die in Echtzeitsystemen kritisch sind.
- Ressourcenoptimierung: Modellkompression, Quantisierung, Cache-Nutzung oder DMA-Transfers sind hochgradig hardwareabhängig. Diese Optimierungen bleiben klassische Embedded-Disziplinen.
- Debugging und Transparenz: Fehlverhalten in KI-Systemen ist schwer erklärbar. Wird zusätzlich eine No-Code-Abstraktion eingeführt, steigt die Komplexität der Fehlersuche.
- Herstellerabhängigkeit: No-Code-KI-Tools sind häufig proprietär. Für Embedded-Produkte mit langen Lebenszyklen entsteht dadurch ein erhebliches Lock-in-Risiko.
KI als Wegbereiter für No-Code?
Der Verlust an Kontrolle über Echtzeitverhalten, Ressourcen, Hardware-Details und Transparenz wiegt also bei Embedded-Systemen bisher oft zu schwer. Jedoch setzt im Zusammenhang mit Embedded-KI ein zumindest partielles Umdenken ein, weil No-Code-Ansätze hier kürzere Entwicklungszeiten, bessere Skalierbarkeit und damit insgesamt einen einfacheren Zugang zu KI-Funktionalitäten versprechen. Embedded-KI-Modelle in der Industrie sollen typischerweise Aufgaben der Anomalie- und Fehlererkennung erfüllen, also etwa die Klassifikation von Prozesszuständen, Qualitätsprüfung (Vision, Akustik, Sensorfusion) oder prädiktive Wartung. Um sie korrekt zu erfüllen, müssen sie deterministisch reagieren und sich zudem oft in sicherheitsrelevante Steuerungsarchitekturen integrieren. Zudem müssen sie in ressourcenbeschränkter (Edge-)Hardware lauffähig sein – gute Gründe, um für Orchestrierung, Agentenlogik und Integration No-Code zu nutzen, für die eigentliche numerische Modellinferenz aber weiter auf etablierte Runtime-Frameworks wie TensorFlow Lite, PyTorch Mobile und ONNX zu setzen.
Jobangebote+ passend zum Thema
Vom KI-Modell zum KI-Agenten
KI-Modelle liefern also Wissen in Form von Bewertungen, Wahrscheinlichkeiten oder Klassen. Entscheidungen oder besser gesagt Entscheidungsempfehlungen liefert erst »Agentic AI«. Dabei handelt es sich um ein Konzept, bei dem die KI nicht nur Informationen bereitstellen, sondern aktiv Aufgaben erfüllen kann. Der KI-Agent ist dabei eine digitale Instanz, die Informationen interpretiert, mit externen Systemen kommuniziert, Aktionen initiiert und in der Lage ist, im vorgegebenen Rahmen Entscheidungsempfehlungen auf Basis von Kontext, Daten und Regeln zu geben.
Genau hier setzt No-Code-Engineering zur Entwicklung agentenbasierter KI-Systeme für industrielle Edge-Geräte an. Zu diesem Zweck verfolgt Grossenbacher Systeme gemeinsam mit Foresthub einen neuen Weg – die Integration eines Embedded-KI-Agenten mit klar umrissenen Aufgaben: Er unterstützt zum einen lokales Lernen und lokale Modellinferenz – allerdings in klar umgrenztem Rahmen, um das Risiko unkontrollierten Reinforcement Learnings zu minimieren. Der Agent ermöglicht außerdem eine sichere sprachliche Kommunikation zwischen Maschine und Bedienpersonal. Zu diesem Zweck kann er externe Large Language Models (LLM) in der Cloud ebenso in die Lösung integrieren wie Small Language Models (SLM) auf lokaler Ebene.
Programmiert wird der KI-Agent durch ForestHub, eine visuelle No-Code-Plattform zur Entwicklung, Bereitstellung und Orchestrierung intelligenter Agenten ohne Low-Level-Programmierung direkt in Embedded-Systemen. Die Plattform baut damit eine Brücke zwischen klassischer Embedded-Entwicklung und moderner agentischer KI mit visuellem Agent-Design, automatisierter C-Code-Generierung, On-Device-Inferenz und -Lernen sowie nahtloser Edge-to-Cloud-Interaktion.
Damit die mit ForestHub generierten KI-Agenten effektiv arbeiten können, nutzen sie das Model Context Protocol (MCP) als Kommunikationsstruktur. MCP vereinheitlicht, wie Tools, Daten und Prompts zwischen den Komponenten eines agentenbasierten KI-Systems geteilt werden, und ermöglicht Agent-zu-Agent-Kommunikation in verteilten industriellen Systemen. So bekommen Entwickler alle Möglichkeiten, um die unterschiedlichsten MCP-integrierten Tools zu kombinieren und Workflows präzise an Problemstellungen, Projektziele und Industriestandards anzupassen.
Sichere Umgebung für die KI
Dass all diese Vorteile in der Industrie ohne Reue nutzbar sind, ist der Einbindung in bewährte, klassisch programmierte Strukturen zu verdanken. Schließlich wird die eigentliche Embedded-Softwareplattform durch konfigurierbare KI-Module lediglich ergänzt. Besonders deutlich wird die Trennungslinie, wenn auf der Edge-Ebene Arm-basierte Plattformen mit einfach zu erweiternden Carrierboard/SoM-Designs zum Einsatz kommen, etwa als industrielle Controller. Denn in Arm-basierten Geräten – auch im Universal Controller von Grossenbacher Systeme – kommt typischerweise Linux-Yocto in Kombination mit Container-Technologien wie Podman zum Einsatz. Diese Container stellen in dieser Konstellation die passende, gut gesicherte Umgebung bereit, in der industrietaugliches No-Code-Engineering seine Stärken ausspielen kann. Dazu zählen unter anderem eine Beschleunigung von Entwicklungsprozessen und eine Vereinfachung des Variantenmanagements, und zwar durch folgende Faktoren:
- Trennung von Plattform und Funktion: No-Code-Engineering ermöglicht eine klare Aufgabenteilung: Auf Basis der stabilen Umgebung aus Linux-Yocto und Container-Technologien können Domänenexperten KI-Funktionen konfigurieren und anpassen. Das beschleunigt vor allem die Varianten- und Produktfamilien-Entwicklung.
- Modellintegration statt Algorithmik: KI-Modelle werden nicht implementiert, sondern eingebunden. Auswahl des Modells, Quantisierung, Zielhardware und Inferenzfrequenz lassen sich oft vollständig konfigurieren – ein klassischer Anwendungsfall für No-Code-Werkzeuge.
- Schnellere Iteration und Feldanpassung: Schwellenwerte, Entscheidungslogiken oder Modellversionen lassen sich ohne Firmware-Neuentwicklung anpassen. Gerade bei Edge-KI mit lernenden Systemen ist diese Flexibilität entscheidend.
- Skalierbarkeit über Hardwareklassen hinweg: Ein identisches No-Code-Modell kann auch in anderen Zielplattformen laufen – in leistungsstärkeren Systemen wie (Industrie-)PCs sowie unter Umständen sogar in Mikrocontrollern mit TinyML.
Entscheidend: die richtige Kombination
Wer einen einfachen, schnellen und risikolosen Einstieg in Embedded-KI für industrielle Anwendungen sucht, findet ihn also tatsächlich am besten mit Hilfe des Dreamteams aus KI-Agenten, die auf No-Code-Basis entwickelt wurden, und kurzfristig verfügbarer, bezahlbarer »KI-ready«-Hardware – etwa dem Universal Controller von Grossenbacher Systeme. Derartige Hardware ermöglicht es, einen mit ForestHub erstellten KI-Agenten direkt in einem Container auszuführen, und bietet somit eine moderne und flexible Option, um Embedded-KI in Automatisierungslösungen zu realisieren. Sie bietet hohe Freiheitsgrade in der Anwendung und lässt sich mit Cloud-basierten Large Language Models (LLMs) verbinden, um hochentwickelte Interaktionen oder Entscheidungsunterstützungen zu ermöglichen. Zudem kann der KI-Agent im Universal Controller eigenständig KI-Modelle ausführen oder externe Modelle, die in anderen Containern laufen, überwachen und koordinieren. Anwender können damit verschiedene KI-Architekturen nutzen und in bestehende Automatisierungsumgebungen integrieren – mit entsprechend positiven Folgen für Time-to-Market, Engineering- und Betriebskosten.
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
