KI-Agenten für Kranwartung: Von Q&A zur praktischen Umsetzung
📋 Kernzusammenfassung
Großmodelle können nicht nur chatten – Agenten befähigen sie zum Handeln: Werkzeuge aufrufen, Aufgaben zerlegen, Schritte ausführen. In der Kranwartung kann ein Agent eigenständig Inspektionen durchführen, Daten abrufen und Empfehlungen zur Fehlersuche geben. Die Technologie steckt jedoch noch in den Anfängen; Zuverlässigkeit und Sicherheitsgrenzen sind die entscheidenden Rahmenbedingungen. Dieser Artikel erläutert den Unterschied zwischen Agent und herkömmlicher Q&A-Funktion, den Aufbau der Fähigkeiten sowie die Grenzen, die bei industriellen Anwendungen einzuhalten sind.
📌 Kurzpositionierung
Großmodell-Q&A: Sie fragen, es antwortet – es sagt, aber handelt nicht.
Großmodell-Agent: Es ruft Werkzeuge auf, zerlegt Aufgaben, führt Aktionen aus – vom „Sagen" zum „Handeln".
Der erste Schritt von Großmodellen in die Wartung ist die Q&A-Funktion – Normen nachschlagen, Fragen beantworten, Berichte schreiben. Doch Q&A stößt an Grenzen: Es kann nur sprechen, nicht handeln. Bei einer Geräteanomalie sagt es zwar, „was das Problem sein könnte", aber es prüft keine Daten und löst keine Inspektion aus.
Der Agent schließt genau diese Lücke des Handelns. Er befähigt das Großmodell, Werkzeuge aufzurufen, Aufgaben zu zerlegen und Schritte auszuführen – vom „Reden" zum „Machen". Das ist die nächste Stufe von Großmodellen in der Wartung.
Im Folgenden werden die Unterschiede zwischen Agent und Q&A sowie die Fähigkeitsgrenzen erläutert.
Wesentlicher Unterschied zwischen Großmodell-Agent und Q&A: Sagen versus Handeln
Die herkömmliche Q&A-Funktion eines Großmodells funktioniert nach dem Prinzip „Sie sagen etwas, es antwortet". Es versteht die Frage und liefert eine Antwort, doch die Antwort bleibt auf Sprache beschränkt – es ruft keine Echtzeitdaten aus dem System ab und löst keine Aktionen aus.
Der Großmodell-Agent erweitert die Q&A-Funktion um die Fähigkeit zum Handeln. Er kann Werkzeuge aufrufen – Sensordaten abfragen, Wartungsaufzeichnungen einsehen, Inspektionsprozesse anstoßen; er kann Aufgaben zerlegen – „Inspektionsausrüstung prüfen" in mehrere Schritte wie „Daten abrufen, Schwellwerte vergleichen, Ergebnis ableiten" aufteilen; und er kann Schritte ausführen und anhand der Ergebnisse nachjustieren.
Der Kern dieses Unterschieds ist der Sprung vom „Sprachmodell" zum „Handlungsträger". Der Agent nutzt das Großmodell als Gehirn und die Werkzeugaufrufe als Hände und Füße. Kelude Schwerindustrie geht davon aus, dass Agenten zunächst bei unterstützenden Aktionen wie „Prüfen, Anzeigen, Melden" zum Einsatz kommen, nicht bei Steueraktionen wie „Steuern, Einstellen, Ändern". ISO 24617 „Intelligentes Steuerungssystem für Krane" definiert die Grenzen der intelligenten Steuerung.
Fähigkeitsaufbau des Agenten: Werkzeugaufruf, Mehrschrittplanung, Umgebungswahrnehmung
Der Agent kann handeln – gestützt auf drei Kernfähigkeiten.
Werkzeugaufruf: Der Agent kann externe APIs und Systeme aufrufen. Gerätedaten abfragen, historische Arbeitsaufträge einsehen, Wartungshandbücher abrufen – all das erfolgt über Werkzeugaufrufe, nicht über das „Gedächtnis" des Großmodells.
Mehrschrittplanung: Der Agent kann eine komplexe Aufgabe in mehrere Schritte zerlegen und diese sequenziell ausführen. Beispiel: „Anomaler Temperaturanstieg des Hubmotors" wird zerlegt in „aktuelle Temperatur abfragen, historischen Trend prüfen, Lastdaten abrufen, Schwellwerte vergleichen, Ergebnis ableiten".
Umgebungswahrnehmung: Der Agent kann den Umgebungszustand erfassen und seine nächsten Schritte an die Ergebnisse der Ausführung anpassen. Die im ersten Schritt abgerufenen Daten beeinflussen, was im zweiten Schritt geschieht. Erst durch das Zusammenspiel dieser drei Fähigkeiten wird aus dem Agenten ein „Problemlöser" statt eines reinen „Antwortgebers".
Anwendung des Agenten in der Kranwartung: Prüfen, Anzeigen, Melden zuerst – Steuern, Einstellen, Ändern mit Vorsicht
Bei der Anwendung des Agenten in der Kranwartung muss klar unterschieden werden, was möglich ist und was tabu bleibt.
Möglich sind unterstützende Aktionen wie „Prüfen, Anzeigen, Melden". Autonome Inspektion: stückweise Gerätezustände nach Plan prüfen, Schwellwerte vergleichen, Inspektionsberichte erstellen. Fehlersuche: relevante Daten abrufen, Empfehlungen und Begründungen für die Fehlersuche liefern. Berichtserstellung: Betriebsdaten zusammenfassen, Wochen- und Monatsberichte generieren. Diese Aktionen greifen nicht in die Gerätesteuerung ein und sind risikoarm.
Mit Vorsicht zu behandeln sind Steueraktionen wie „Steuern, Einstellen, Ändern". Direkte Steuerung des Hebens, Parametereinstellung, Konfigurationsänderung – all das betrifft die Sicherheit und ist für den Agenten derzeit tabu. Hier entscheidet der Mensch, die Ausführung übernimmt die SPS.
Kelude Schwerindustrie zieht die Grenze klar: Unterstützende Entscheidungsfindung kann erprobt werden, Steueraktionen bleiben grundsätzlich gesperrt – die Sicherheitslinie darf nicht überschritten werden. GB/T 28264-2017 „Sicherheitsüberwachungs- und Managementsystem für Hebezeuge" verlangt die lückenlose Protokollierung von Agentenaktionen.
Häufigste Fehler bei der Agenten-Einführung
Der erste Fehler: den Agenten direkt an die Steuerung zu lassen. Wird der Agent in die Steuerungskette von Heben und Fahren integriert, führt jede Halluzination oder Fehlentscheidung zu einem Sicherheitsvorfall. Der Agent darf derzeit nur unterstützend tätig sein, nicht steuernd.
Der zweite Fehler: das Halluzinationsrisiko zu ignorieren. Der Agent erfindet mit überzeugender Miene nicht existierende Gerätedaten oder Wartungsaufzeichnungen. Bei unterstützenden Entscheidungen sind daher Faktenbindung und Datenprotokollierung zwingend erforderlich.
Der dritte Fehler: den Vollautomatik-Modus auf einen Schlag zu erwarten. Die Erwartung, dass der Agent sofort die gesamte Wartung vollautomatisch übernimmt, ist unrealistisch. Kelude Schwerindustrie startet mit unterstützenden Szenarien wie „Prüfen, Anzeigen, Melden", erweitert den Einsatz erst nach erwiesener Zuverlässigkeit – ohne den Anspruch auf den großen Wurf.
Vergleich: Großmodell-Q&A versus Agent
| Dimension | LLM-basierte Beantwortung | Großes SprachmodellAgent | Unterscheidungsmerkmal | Reifegrad |
|---|---|---|---|---|
| Funktionsumfang | Beantwortung von Anfragen | Tool-Ausführung | Differenz zwischen Aussage und Ausführung | Reifegrad der Beantwortung |
| Tool-Aufruf | Keine | Daten- und Ticketabfrage | FähigkeitsgrenzeUnterschiedlich | AgentFrühphase |
| Aufgabenzerlegung | Keine | Mehrstufige Planung und Ausführung | Unterschiedliche Planungsfähigkeit | AgentFrühphase |
| Umsetzungsszenarien | AbfrageNormBerichtserstellung | InspektionFehleranalyse-Report | Unterschiedliche Anwendungsbreite | AgentFrühphase |
Schnellreferenz der Normenklauseln für Large-Model-Agents
| Norm | Vertragskernpunkte | mitAgentBeziehung zu |
|---|---|---|
| ISO 24617 | intelligentes Steuerungssystem für Krane | intelligente SteuerungAbgrenzung |
| GB/T 28264 — Sicherheitsüberwachungs- und Managementsystem | SicherheitsüberwachungNachvollziehbarkeitAnforderungen | AgentAktionsprotokollierung |
| Vorschrift TSG 51 — Sicherheitstechnische Sondervorschrift für Sonderausrüstung-2023 | SicherheitsverriegelungÜberwachungAnforderungen | AgentNicht berührenSicherheitsentscheidung |
Häufige Fragen zu Large Language Model Agents
F: Worin liegt der wesentliche Unterschied zwischen einem LLM-Agent und einem herkömmlichen LLM-Chatbot?
A: Der Kernunterschied liegt in „sagen" versus „handeln". Ein Chatbot antwortet auf Fragen, bleibt aber auf der Sprachebene – er ruft keine Daten ab und löst keine Aktionen aus. Ein Agent erweitert die Dialogfunktion um Tool-Aufrufe, Aufgabenzerlegung und schrittweise Ausführung: Er kann Sensordaten abrufen, Wartungsaufträge einsehen und Inspektionsabläufe anstoßen. Der Sprung vom Sprachmodell zum handelnden System ist die entscheidende Grenze zwischen Agent und Chatbot.
F: Welche Normen und Standards sind für die Einführung von Agents maßgeblich?
A: Für die Grenzen der intelligenten Steuerung ist ISO 24617 heranzuziehen, für die Überwachung und Nachverfolgbarkeit gilt GB/T 28264 — Sicherheitsüberwachungs- und Managementsystem, und für die sicherheitstechnische Überwachung der Verriegelungssysteme ist die Vorschrift TSG 51-2023 einschlägig. Diese Normen definieren, was ein Agent darf und was nicht: Unterstützende Entscheidungsfindung und lückenlose Aktionsprotokollierung sind zulässig, während Steueraktionen und Sicherheitsentscheidungen zwingend durch den Menschen getroffen und über die SPS ausgeführt werden müssen. Dies ist die sicherheitsrelevante rote Linie für den Agent-Einsatz.
F: Lohnt sich die Investition in Agents bereits heute?
A: Das hängt von der Herangehensweise ab. Ein Einstieg über unterstützende Szenarien wie „Abfragen, Prüfen, Berichten" ist sinnvoll: Automatisierte Inspektionen, Empfehlungen zur Fehlersuche und Berichtserstellung greifen nicht in die Steuerung ein, sind risikoarm, kosteneffizient und liefern schnell Ergebnisse. Eine sofortige Vollautomatisierung ist jedoch nicht realistisch – Steueraktionen und Sicherheitsentscheidungen dürfen derzeit nicht an Agents übertragen werden. Ein pragmatischer Ansatz ist, mit Pilotprojekten im Assistenzbereich zu starten, die Zuverlässigkeit zu validieren und den Einsatzbereich schrittweise zu erweitern.
F: Warum ist ein Agent überhaupt in der Lage, praktisch zu handeln?
A: Dafür sind drei Fähigkeiten entscheidend. Erstens: Tool-Aufrufe – der Agent kann externe APIs ansprechen, um Daten und Aufträge abzurufen. Zweitens: Mehrstufige Planung – komplexe Aufgaben werden in einzelne Schritte zerlegt und sequenziell abgearbeitet. Drittens: Umgebungswahrnehmung – der Agent liest die Ergebnisse seiner Aktionen und passt die nächsten Schritte entsprechend an. Das LLM fungiert als kognitive Zentrale, die Tool-Aufrufe als Aktionsorgane – zusammen verwandeln sie den Agent vom „Antworter" zum „Ausführer".
Agents stellen die nächste Stufe des LLM-gestützten Anlagenbetriebs dar. Eine vertiefte Einordnung der Fähigkeitsgrenzen finden Sie im Beitrag „Welche LLM-Anwendungen im Kranbetrieb sind realistisch? Praktische Szenarien und Grenzen".
Vom Dialog zum Handeln – das ist die nächste Etappe für LLMs im Anlagenbetrieb. Kelude Schwerindustrie setzt Agents zunächst gezielt für unterstützende Aufgaben wie „Abfragen, Prüfen, Berichten" ein und wahrt dabei konsequent die Grenze: keine Steuerungseingriffe, keine Sicherheitsentscheidungen. So bleibt der nächste Schritt solide und risikoarm.
