Chatbots wie ChatGPT markieren im Alltag bereits den Übergang zu agentischer KI: Nutzende sehen, dass ihre Anfrage in mehrere Schritte zerlegt wird (suchen, auswerten, zusammenfassen), nicht aber, nach welcher Logik das System die dafür passenden Werkzeuge auswählt und aneinanderreiht. In verschiedenen Anwendungen von Softwareentwicklung, Kundenservice, IT-Betrieb, Wissensmanagement und administrativen Unternehmensprozessen spielt agentische KI ihre Stärken bereits heute aus – überall dort, wo komplexe Aufgaben aus mehreren Schritten bestehen und über verschiedene Systeme hinweg koordiniert werden müssen.
- Im Kundenservice eingesetzt, kann agentische KI große Teile der Kundenanfragen selbstständig bearbeiten und dabei nicht nur Fragen beantworten, sondern komplette Serviceprozesse abarbeiten und eigenständig Entscheidungen innerhalb definierter Regeln treffen.
- in der Softwareentwicklung: analysieren moderne Coding-Agenten Anforderungen, schreiben Codes, führen Tests aus, beheben (iterativ) Fehler.
- Im Einzelhandel können gut orchestrierte KI-Agenten bei Bestandsmanagement, Nachfrageprognosen, Logistik und Produktverwaltung unterstützen. Die Agenten sollen dabei selbstständig Informationen aus verschiedenen Systemen kombinieren, operative Entscheidungen vorbereiten und teilweise auch ausführen.
Orcha-3: Transfer in die industrielle Produktion
Die am Fraunhofer IWU entwickelte Plattform Orcha-3 überträgt diesen Ansatz auf die Produktionstechnik. Orcha-3 ist für Fragestellungen konzipiert, die sich mit einzelnen KI-Modellen bislang schlecht bearbeiten lassen: offene Fragen entlang einer Prozesskette, deren Beantwortung nicht aus einer Messung folgt, sondern aus vielen aufeinander aufbauenden Schritten und bei denen der nächste sinnvolle Schritt erst feststeht, wenn der vorherige ausgewertet ist.
Ein Beispiel: In einer Prozesskette aus Umform- und Fügeoperationen treten am Ende Maßabweichungen auf, deren Ursache offen ist. Orcha-3 zerlegt diese Frage selbstständig in einzelne Arbeitsschritte – Prozessdaten aus dem Maschinen- und Anlagenumfeld abrufen, Zeitreihen mehrerer Stationen zusammenführen, Korrelationen berechnen, Parametervariationen simulieren, Zwischenergebnisse bewerten – und entscheidet nach jedem Schritt neu, wie weiter vorzugehen ist. Ausgeführt wird jeder dieser Schritte von einem spezialisierten Agenten mit klar definierter Aufgabe.
Entscheidend für den Einsatz in der Fertigung ist dabei die Aufgabenteilung zwischen Sprachmodell und Ausführung: Das Sprachmodell plant, es greift jedoch selbst auf kein Produktionssystem zu. Datenbankabfragen, Berechnungen und Simulationen laufen ausschließlich lokal in den Agenten. Rohdaten verlassen das Unternehmensnetz nicht; an das Modell geht ausschließlich eine kuratierte, vollständig protokollierte Sicht auf die Planungslage. Diese Sicht wird für jeden Planungsschritt deterministisch erzeugt und gespeichert. Es ist damit im Nachhinein überprüfbar, welche Informationen tatsächlich an das Modell gegangen sind. Prozess-Know-how, das in Fertigungsparametern steckt, ist häufig der eigentliche Wettbewerbsvorteil eines Unternehmens; Orcha-3 ist so ausgelegt, dass die Nutzung leistungsfähiger Sprachmodelle nicht die Preisgabe dieses Wissens voraussetzt.
Aus demselben Grund ist die gesamte Ausführung deterministisch orchestriert (regelbasiert ausgeführt, jede Entscheidung im Nachhinein rekonstruierbar) und lückenlos protokolliert: Jeder Schritt, jedes Zwischenergebnis und jede Entscheidung der Plattform bleibt gespeichert und auch nach Monaten nachvollziehbar. Für eine Empfehlung, die in die Serienfertigung eingeht, ist diese Rekonstruierbarkeit keine Komfortfunktion, sondern Voraussetzung. Ergänzend kann Orcha-3 fehlende Auswertungsschritte in Form kleiner Programme selbst dann ausführen, wenn der vorhandene Werkzeugkasten für eine Fragestellung nicht ausreicht.
Die Plattform ist derzeit als Forschungs- und Erprobungsumgebung angelegt. Mittelfristiges Ziel ist die Ausweitung von der einzelnen Prozesskette auf das Produktionssystem, bis hin zu Fragen des Maschinen- und Personaleinsatzes, des Flächenbedarfs und des Logistikkonzepts, die heute nur durch aufwendige manuelle Analysen zu beantworten sind.
Synthetisierte Daten zur Abbildung einer Vielzahl an Aufgabenstellungen und Anwendungsfällen
Eine komplexe Produktion zu planen oder zu optimieren, erfordert eine solide Datenbasis. Das Henne-Ei-Dilemma zum Start lässt sich elegant lösen – mittels eigens erzeugter synthetisierter Daten, die auf virtuellen Prozessketten beruhen und dabei beispielsweise reale Prozesse wie einzelne Umformschritte nachbilden. Auf dieser virtuellen Prozesskette kann die KI nun ansetzen und Verbesserungspotenziale aufzeigen. Problem- und Aufgabestellung werden dadurch nahezu beliebig variierbar.
Komplexität, die erst mit agentischer KI beherrschbar wird
In mehrstufigen Fertigungen gibt es Fragen, die geklärt sein sollten, aber meist unbeantwortet bleiben, weil ihre Klärung Tage an Datenarbeit kosten würde:
„Am Ende der Prozesskette liegen Teile außerhalb der Toleranz, jede einzelne Station meldet ‚in Ordnung‘“.
„Woher kommt die Abweichung?“
„Der Werkstofflieferant hat gewechselt, das Datenblatt sieht gleich aus, der Prozess läuft trotzdem nicht mehr wie vorher. Welche Parameter müssen nachgezogen werden?“
„Die Ausschussrate schwankt zwischen den Schichten. Es gibt eine Vermutung, aber niemanden, der zwei Wochen lang Prozessdaten dagegen prüft.“
Solche Fragen sind nicht mit einer Auswertung zu beantworten, sondern mit vielen: Daten aus mehreren Stationen zusammenführen, Zusammenhänge prüfen, eine Hypothese verwerfen, die nächste aufstellen. Genau diesen Ablauf übernimmt Orcha-3 selbstständig und macht dabei jeden Schritt nachvollziehbar.
Die Plattform ist funktionsfähig und an virtuellen Prozessketten erprobt. Der nächste Schritt ist die Anwendung auf reale Fertigungsfragen; dafür suchen wir das Gespräch mit Unternehmen, die eine solche Frage konkret vor sich haben. Wir schätzen gemeinsam ein, ob sich genau diese Aufgabenstellung mit dem Orcha-3-Ansatz bearbeiten lässt, was die vorhandene Datenlage hergibt und wie ein Einstieg aussehen könnte.
Agentic AI / Agentische KI
Agentic AI bezeichnet KI-Systeme, die als autonome Agenten agieren, um komplexe, mehrstufige Aufgaben eigenständig auszuführen. Im Gegensatz zu herkömmlichen Chatbots, die nur auf direkte Befehle reagieren, können diese Systeme komplexe Aufgabestellungen abarbeiten und Werkzeuge (andere Agenten oder Tools) selbstständig einsetzen – je nach Bedarf. Sie zerlegen größere Aufgabenstellungen in mehrere logische Abschnitte, sind nicht auf häufige menschliche Zwischenschritte angewiesen und reagieren flexibel auf kurzfristige oder unvorhergesehene Änderungen.
Die Plattform Orcha-3
Orcha-3 verarbeitet komplexe Aufgaben als sogenannte »Jobs« und bearbeitet diese strukturiert in mehreren Schleifen. Im Kern basiert die Plattform auf einer klar getrennten Architektur aus API (Programmierschnittstelle), Orchestrator, Supervisor und Agenten. Konsequent zustandsbasiert: Alle Informationen werden persistent im Dateisystem gespeichert, wodurch vollständige Transparenz, Nachvollziehbarkeit und Wiederaufnehmbarkeit gewährleistet sind. Der Job wird in einem wiederkehrenden Zyklus aus Planung und Ausführung abgearbeitet:
- Ein Planner-Agent analysiert den Ist- Zustand und entscheidet über nächste Schritte.
- Daraus entstehen Tasks, die jeweils von spezialisierten Agenten ausgeführt werden.
- Ergebnisse werden gespeichert und in den nächsten Planungszyklus integriert.
- Der Prozess wiederholt sich, bis eine Lösung erreicht ist oder eine definierte Abbruchbedingung greift.
– – – – –
Weiterführende Links
👉 www.iwu.fraunhofer.de
Foto: Fraunhofer IWU
