Sichere, lokale Code-Generierung für speicherprogrammierbare Steuerungen
Lemgo. Die Programmierung von speicherprogrammierbaren Steuerungen (SPS) ist ein zeitaufwändiger und fehleranfälliger Prozess. Jeder Hersteller verwendet eigene Dialekte und proprietäre Funktionsbausteine – was bei einem Siemens-Controller funktioniert, lässt sich nicht ohne Weiteres auf eine Mitsubishi Electric-Steuerung übertragen. Gleichzeitig scheiden cloudbasierte KI-Assistenten wie ChatGPT oder GitHub Copilot für viele Industrieunternehmen aus Datenschutzgründen aus. In einem Auftragsforschungsprojekt haben das Fraunhofer IOSB-INA und die SmartFactoryOWL gemeinsam mit Mitsubishi Electric einen spezialisierten Programmierassistenten entwickelt, der diese Herausforderungen löst.
Herausforderung: Proprietäre Systeme und Datenschutzanforderungen
Moderne Large Language Models (LLMs) wie GPT-5.2 können zwar grundsätzlich Code schreiben, kennen jedoch die spezifischen Funktionsbausteine und Syntaxregeln einzelner SPS-Hersteller nicht. Diese Informationen sind in umfangreichen, oft tausende Seiten starken Handbüchern dokumentiert, bestehen in Teilen aus Bildern und sind den Trainingsdaten der KI-Modelle nicht ohne Weiteres zugänglich. Sie führen jedenfalls nicht zu der Fähigkeit, Code für den jeweiligen Dialekt eines Herstellers generieren zu können. Hinzu kommt, dass Unternehmen der Automatisierungsbranche und Anwender, wie produzierende Unternehmen, ihre Steuerungslogik als Betriebsgeheimnis betrachten und keine Daten an externe Cloud-Dienste übermitteln möchten. Steuerungscode ist, anders als für Programmiersprachen wie Python oder C, auch nicht massenhaft online verfügbar.
Lösung: Retrieval-Augmented Generation mit Compiler-Integration
Im Projekt GeneriST wurde ein KI-Assistent entwickelt, der speziell auf die Structured-Text-Implementierung von Mitsubishi Electric und die Entwicklungsumgebung MELSOFT GX Works3 zugeschnitten ist. Das System nutzt Retrieval-Augmented Generation (RAG): Eine spezialisierte Wissensdatenbank enthält Funktionsbausteine, Syntaxregeln und Codebeispiele, die bei jeder Anfrage gezielt abgerufen und dem Sprachmodell als Kontext bereitgestellt werden. Dadurch kann die KI herstellerspezifischen Code generieren, ohne dass umfangreiche Trainingsdaten erforderlich sind.
Ein besonderes Merkmal ist die direkte Integration des GX Works3-Compilers. Generierter Code wird automatisch kompiliert und bei Fehlern iterativ korrigiert – der Nutzer erhält so validierten, ausführbaren Code. Das System unterstützt sowohl Cloud-basierte Modelle als auch ein lokal lauffähiges, feinabgestimmtes Modell, das vollständig offline auf einem Standard-Laptop betrieben werden kann und damit höchsten Datenschutzanforderungen genügt.
Ergebnisse: Hohe Kompilierungsraten und praxistaugliche Lösung
Die Evaluation mit 100 Testaufgaben zeigt beeindruckende Ergebnisse: Das RAG-unterstützte System erreicht Kompilierungsraten von bis zu 87 Prozent – im Vergleich zu nur 38 Prozent ohne die spezialisierte Wissensdatenbank. Auch das lokale Modell erzielt mit 86 Prozent eine vergleichbare Leistung und ermöglicht damit den Einsatz in sicherheitskritischen Umgebungen ohne externe Abhängigkeiten. Die Lösung wird derzeit von Mitsubishi Electric pilotiert; ein Folgeprojekt zur Weiterentwicklung ist angedacht.
Übertragbarkeit auf weitere Anwendungen
Die entwickelte Architektur ist nicht auf Mitsubishi Electric beschränkt. Durch Austausch der Wissensdatenbank und Anpassung der Prompt-Vorlagen lässt sich das System auf andere SPS-Hersteller und Steuerungsdialekte übertragen. Damit bietet GeneriST eine Blaupause für Unternehmen, die KI-gestützte Programmierassistenten für proprietäre Systeme entwickeln möchten – ohne sensible Daten in die Cloud zu übertragen.