Siemens entwickelt industrielle KI vom Berater zum Ausführer weiter
Siemens positioniert KI nicht länger als passiven Assistenten. Mit der Einführung seines Eigen Engineering Agent treibt das Unternehmen intelligente Systeme eindeutig bis auf die Ausführungsebene voran. Statt lediglich Lösungen vorzuschlagen, nimmt das System aktiv an technischen Arbeitsabläufen teil – es plant, programmiert, konfiguriert und validiert Automatisierungssysteme.
Aus Sicht der Ingenieurtechnik ist dies ein bedeutender Wandel: KI sitzt nicht länger nur „neben“ dem Ingenieur, sondern arbeitet zunehmend „als Teil“ des Engineering-Stacks.
Was der Eigen Engineering Agent tatsächlich leistet
Der Eigen Engineering Agent ist darauf ausgelegt, zentrale Aufgaben der industriellen Entwicklung zu übernehmen, darunter die Generierung von SPS-Code, die Konfiguration von HMI-Visualisierungen, die Einrichtung von Systemen und die iterative Validierung.
Besonders hervorzuheben ist sein Verhalten im geschlossenen Regelkreis. Er beendet seine Arbeit nicht mit der Erstellung von Ergebnissen, sondern verfeinert diese, bis vordefinierte technische Ziele erreicht sind. Dadurch entsteht ein teilautonomer Engineering-Zyklus, für den traditionell mehrere Spezialisten in verschiedenen Phasen zusammenarbeiten mussten.
Die eigentliche Herausforderung wird jedoch darin liegen, wie zuverlässig das System mit Sonderfällen umgeht – und davon gibt es in industriellen Umgebungen reichlich.
Leistungsversprechen und Realitätscheck für die Industrie
Siemens verspricht deutliche Leistungssteigerungen: bis zu 5-mal schnellere Arbeitsabläufe, eine um 50 % höhere Engineering-Effizienz und eine Qualitätsverbesserung der Systeme um 80 %. Diese Zahlen sind beeindruckend, doch in realen Automatisierungsprojekten verläuft die Leistungssteigerung nur selten linear.
Aus meiner Erfahrung in der industriellen Automatisierung sind solche Zugewinne in der Regel nur in stark standardisierten Umgebungen erreichbar. Bei komplexen Brownfield-Systemen oder sicherheitskritischen Implementierungen dürfte der tatsächliche Nutzen deutlich konservativer ausfallen.
Dennoch könnten selbst teilweise erzielte Verbesserungen im großen Maßstab die Wirtschaftlichkeit des Engineerings grundlegend verändern.
Fachkräftemangel: Der eigentliche Treiber hinter Physical AI
Hinter der technologischen Entwicklung steht ein praktischeres Problem: der weltweite Mangel an erfahrenen Automatisierungsingenieuren. Siemens positioniert den Eigen Engineering Agent ausdrücklich als Verstärker für die knappen technischen Fachkräfte.
Hier wird Physical AI strategisch wichtig. Es geht nicht nur um Effizienz, sondern darum, die industrielle Produktion mit weniger verfügbaren Fachkräften aufrechtzuerhalten.
In diesem Sinne ist das Tool ebenso eine Lösung für die Personalproblematik wie ein technologisches Upgrade.
Autonomie im Engineering versus Kontrolle im Engineering
Eine zentrale Frage stellt sich: Wie viel Kontrolle sollten Ingenieure an KI-Systeme delegieren?
Obwohl Siemens die Validierung und iterative Verbesserung betont, bleibt die eigentliche technische Verantwortung weiterhin beim Menschen. In regulierten Branchen wie der Fertigung, der Pharmaindustrie und der Energiewirtschaft kann Verantwortung nicht automatisiert werden.
Meiner Ansicht nach wird die nächste Phase nicht durch vollständige Autonomie geprägt sein, sondern durch „begrenzte Autonomie“ – bei der KI innerhalb strenger, von Menschen definierter technischer Leitplanken arbeitet.
Was dies für die Zukunft der industriellen Automatisierung bedeutet
Der Eigen Engineering Agent signalisiert einen umfassenderen Wandel: Die industrielle Automatisierung entwickelt sich vom werkzeugbasierten zum intent-basierten Engineering.
Statt Logik Zeile für Zeile zu schreiben, könnten Ingenieure künftig Ziele, Einschränkungen und Sicherheitsregeln definieren, während die KI die Implementierungsdetails übernimmt.
Dadurch wird die Rolle der Ingenieure nicht kleiner, sondern wichtiger. Der Kompetenzschwerpunkt verlagert sich von der Programmierung von SPS-Logik hin zum Entwurf von Systemen, zur Validierung von Ergebnissen und zur Steuerung KI-gestützter Engineering-Pipelines.
Die eigentliche Disruption ist nicht der Ersatz, sondern die Abstraktion.
