LLM4EDGE: AGENTIC AI FOR EFFICENT ENGINEERING

Steigerung der Effizienz von Engineering-Prozessen durch Agenten auf Basis von Large Language Models (LLMs), die als KI-Assistenten und agentische Co-Engineers arbeiten. Das Projekt umfasst sowohl Offline-Modelle, die lokal auf Edge-Hardware laufen, als auch Online-Modelle mit Anbindung an Unternehmens-Tool-Landschaften, um folgende Bereiche zu optimieren:

• Offline: Betrieb, Instandhaltung und Prozessoptimierung von Industrieanlagen in stark eingeschränkten Umgebungen ohne Konnektivität, in denen Daten den Standort nicht verlassen dürfen
• Online: Entwicklungsprozesse in großen Engineering-Organisationen (z. B. Halbleiter-, Automatisierungs- und Automobilunternehmen wie Infineon, Siemens oder AVL), von Anforderungen, Design und Simulation bis zu Test, Validierung und Dokumentation

Die wichtigsten Herausforderungen und Forschungsthemen sind:

• Hybrider Offline-/Online-Betrieb: Auswahl des passenden Modells je Aufgabe nach Konnektivität, Datensensibilität, Latenz, Kosten und Energie
• Agentische Engineering-Workflows: Planung, Orchestrierung und Verifikation mehrstufiger Aufgaben mit Human-in-the-Loop
• Standardisierte Tool-Integration über das Model Context Protocol (MCP) zur Anbindung von Engineering- und Anlagen-Tools wie Simulation, CAD/PLM, Anforderungs- und Testmanagement, MES/SCADA
• Wissensdestillation und Modellkompression, um leistungsfähige Modelle offline auf Edge- und Embedded-Hardware zu betreiben
• Agent-Harness: sichere Ausführungsumgebung, Guardrails, Nachvollziehbarkeit und systematische Evaluierung für den industriellen Einsatz
• Effizienz messbar machen: Methoden und KPIs zur Quantifizierung von Verbesserungen bei Durchlaufzeit, manuellem Aufwand und Qualität
• Vertrauenswürdigkeit: Kontrolle von Halluzinationen, Erklärbarkeit, Schutz von geistigem Eigentum und regulatorische Konformität (z. B. EU AI Act)