Auf der Emerson Exchange EMEA 2024 in Düsseldorf, einer Konferenz für Firmen aus den Bereichen Chemie, Life Sciences, Metall und Bergbau, Energie, Wasserstoff, Biokraftstoffe, Kohlenstoffabscheidung und Energie, kamen führende Automatisierungsexperten aus aller Welt zusammen, um sich über „Boundless Automation“ zu informieren und auszutauschen. CHEManager Redakteur Volker Oestreich sprach auf dieser Tagung mit Peter S. Zornio, Chief Technology Officer von Emerson, über Trends der Automatisierung, KI und Cybersecurity.

CHEManager: Herr Zornio, was genau meinen Sie mit „Boundless Automation“, also grenzenloser Automatisierung?

Peter Zornio: „Boundless Automa­tion“  ist unser Begriff für das, was wir als zukünftige Architektur der Produktionstechnologie, also der OT, sehen – intelligente Feldgeräte, Automatisierungssoftware, Optimierungssoftware und die Rechen- und Datenarchitektur, die sich miteinander vereinen werden. Und wir betrachten alle funktionalen Elemente des Betriebs: die Automatisierung der Prozesse, Geräte zur Kosten- und Produktionsoptimierung, aber auch die Art und Weise, wie Sensorik, Daten und Anwendungen in einer Architektur zusammengeführt werden, die auch anderen Funktionsbereichen wie Zuverlässigkeit, funktionaler Sicherheit und Nachhaltigkeit dient. Wir haben den Begriff „grenzenlos“ gewählt, weil wir das Konzept ohne Grenzen vermitteln wollen, nämlich dass Daten und Informationen in allen diesen Bereichen leicht zugänglich oder „demokratisiert“ sind, wie wir es nennen. Heutige OT-Systeme haben viele Grenzen: Spezifische Netzwerk­architekturen im Sinne des Purdue-Modells, Silos von Daten und Anwendungen, die funktionsspezifisch sind. Das kann den Zugriff auf Daten in einem konsistenten und nutzbaren Kontext über diese Grenzen hinweg sehr schwierig machen. Dies hat sich als eines der größten Hindernisse für die digitale Transformation oder Industrie 4.0-Programme von Unternehmen erwiesen. Heute stehen alle Arten neuer Technologien wie Cloud, Edge, KI, neue Sensoren, APL, Mobilität und so weiter zur Verfügung, um alle OT-Funktionen zu optimieren und Fertigungsmitarbeiter zu unterstützen. Aber das Problem, Daten aus der Vielzahl individueller Systeme, über die die meisten Hersteller verfügen, sicher zu extrahieren und zu verstehen, steht Anwendungen im Weg, die diese Optimierung erreichen würden.

Daher müssen wir uns eine umfassendere Architektur vorstellen, die die Demokratisierung dieser Daten ermöglicht – und es Anwendern ermöglicht, ihre Anlagen hinsichtlich aller betrieblichen Ziele wirklich zu optimieren, nicht nur der Produktion, sondern auch der Zuverlässigkeit, Sicherheit und Nachhaltigkeit. Wir sehen, dass die neuen Edge-Technologien und die Cloud in dieser neuen Architektur eine größere Rolle spielen und der Bereich immer mehr zu einem eigenständigen System wird.

„Auch beim Thema Cybersicherheit gibt es im Zusammenhang mit genAI Chancen und Risiken.“

Welchen Einfluss wird KI, die künstliche Intelligenz, auf die Prozessautomatisierung haben?

P. Zornio: Zunächst möchte ich daran erinnern, dass, wie ich gerne sage, „Automatisierungsanwendungen KI waren, bevor KI cool war“. In den letzten zehn Jahren ist das Interesse an KI-Technologien stetig gestiegen und hat sich mit dem Aufkommen großer Sprachmodelle, den Large Language Models oder LLMs und generativer KI noch verdoppelt. Aber wir verwenden seit Mitte der 1980er Jahre routinemäßig numerische Formen der KI wie neuronale Netze und andere Modelle in der Automatisierung, mit Anwendungen wie modellbasierter Steuerung sowie Planung und Terminierung. Unser DeltaV Prozessleitsystem verfügt seit seiner Einführung sowohl über APC als auch über neuronale Netze als Standardfunktionen. Algorithmen des maschinellen Lernens werden seit den 1990er Jahren häufig zur Gerätediagnose und -vorhersage eingesetzt. Die nächste Generation grundlegender Modelle, die LLMs einschließen, öffnet jedoch neue Türen. Ich betrachte die Anwendungsbereiche grob in drei Kategorien: Konfiguration und Design des Automatisierungssystems, also Autokonfiguration, Fehlerbehebung des Automatisierungssystems, also der Super-Produktionsassistent, und Betriebsassistenz, also der Super-Operator. Außerdem stellen LLMs im Allgemeinen eine natürliche Möglichkeit dar, mit numerischen KI-Modellen zu interagieren, da sie Abfragen mithilfe von Sprache formulieren können, was für Menschen die natürliche, native Art der Interaktion ist. Für die nahe Zukunft wird erwartet, dass diese Verbesserungen vor allem denjenigen zu Gute kommen werden, die neu in der Indus­trie oder in ihren Anlagen sind. GenAI mit LLMs ermöglicht ihnen den Zugriff auf rollenerforderliche Informationen und Fähigkeiten, ohne dass sie über umfassende Systemkenntnisse verfügen müssen. Diese Ressourcen werden noch stärker beansprucht, wenn Unternehmen zu zentralisierten Abläufen in mehreren Werken übergehen, was die zu verstehende Komplexität erhöht.

„Nicht nur die Produktion, sondern auch Zuverlässigkeit, Sicherheit und Nachhaltigkeit stehen bei Boundless Automation im Fokus.“

Welche konkreten Anwendungsfälle gibt es oder wird es bald geben?

P. Zornio: Da gibt es viele zu erwähnen, aber kurzfristig denke ich

• an verbesserte digitale Zwillinge mit integrierten KI-Funktionen, um Modelle unter normalen Bedingungen zu trainieren und Anomalien besser zu identifizieren,
• an effizientere Migration mit Tools wie unser Revamp,
• an verbesserte Möglichkeiten, historische Analysen des Anlagenbetriebs durchzuführen, um Abweichungen vom Normalzustand zu erkennen,
• an Copiloten für alle Softwareprodukte und alle Erfahrungen, die von zusätzlichem Kontext und Anleitung für Benutzer profitieren. Diese Copiloten können das gesamte Wissen aus Handbüchern, dokumentierten Kundendienst- und Serviceanrufen sowie Schulungsmaterialien zu einem „Superuser“ eines Produkts kombinieren,
• an die automatische Generierung von Grafiken aus der Kombination von P&IDs und Produktdaten.

Sie sehen, da kommt schon eine Menge zusammen. Längerfristig denke ich, dass jeder von der Idee des „Superoperators“ fasziniert ist – einem KI-System, das vorhandene Modelle der Anlage mit der Anlagenhistorie wie Prozessdaten, Bedienerprotokolle, Alarmprotokolle oder Wartungssystemdaten kombiniert, um die ultimative Betreiberberatung für den Betrieb der Anlage zu werden; oder in einigen Bereichen sogar selbst ein autonomer Betreiber werden. Dies ist sicherlich eine interessante Möglichkeit, und die Fortschritte in der KI-Technologie bringen uns dieser Vision näher.

Wie wird das Cyberrisiko durch KI beeinflusst?

P. Zornio: Wie bei vielen Themen im Zusammenhang mit genAI gibt es Chancen und Risiken im Zusammenhang mit Auswirkungen auf die Cybersicherheit. Ein Risiko besteht darin, dass genAI sehr schnell mehr legitime Bedrohungsakteure hervorbringt. GenAI senkt die Messlatte für unerfahrene Hacker, erhebliche Störungen zu verursachen. Außerdem können Hacker dadurch einen größeren Teil der exponierten Oberfläche angreifen, indem sie automatisch Skripte generieren, die den Korpus von Trainingsdaten nutzen, der Geräte- und Systeminformationen enthält. Ein weiterer Grund ist, dass viele Organisationen verständliche Bedenken hinsichtlich des geistigen Eigentums haben. KI-Anbieter stellen proaktiv Mechanismen zur Gewährleistung des Datenschutzes sensibler Daten bereit, um diese Bedenken auszuräumen. Dazu gehören private Instanzen von KI-Cloud-Diensten und On-Premise-Modelle, um je nach Anwendungsfall unterschiedliche Ansätze für KI zu ermöglichen.

Kann KI auch einen positiven Einfluss auf die Cybersicherheit haben?

P. Zornio: Ja, das ist bereits der Fall. Die auf KI basierende Mustererkennung wird in großem Umfang zur Identifizierung abnormaler Aktivitäten im Netzwerkverkehr oder beim Systemzugriff eingesetzt. Dadurch werden die Betreiber dieser Systeme vor versuchten oder laufenden Eindringversuchen und Hacks gewarnt. Ein weiterer positiver Aspekt, den wir bei GenAI sehen, ist die schnelle Erstellung vollständigerer Testszenarien mit den Funktionen zur Testgenerierung. Dies führt zu weniger potenziellen Lücken bei Geräte- und Softwaretests und zu einem noch höheren Sicherheitsniveau der Geräte. Natürlich ist das gesamte Thema „Deep Fakes“ und die Unterscheidung, was echt oder von der KI generiert ist, bei vielen Anwendungen generativer KI eine generelle Herausforderung.