KI unter OT- und Safety-Restriktionen ausrollen

# KI unter OT- und Safety-Restriktionen ausrollen

Ein KI-Modell überwacht eine Drehmoment-Schraubstation und erkennt ein Muster: Die Schrauben an einer bestimmten Motorkonsole tendieren zum unteren Ende der Spezifikation. Es empfiehlt, das Zieldrehmoment leicht zu erhöhen. Diese Empfehlung geht nicht direkt an das Werkzeug. Sie bleibt stehen. Bevor sich an einer einzigen Schraube etwas ändert, muss die Änderung durch die PLC-Logik der Maschine, eine Functional-Safety-Prüfung und eine menschliche Freigabe.

Genau diese Lücke zwischen „das Modell empfiehlt“ und „die Linie ändert sich tatsächlich“ ist das Thema dieser Lektion. In der Produktion darf KI den physischen Prozess nicht anfassen, nur weil sie sich sicher ist.

Zwei Netze, zwei Denkweisen

Zuerst das Terrain abstecken.

IT (Information Technology) sind Ihre E-Mails, ERP, Datenbanken und Cloud. Priorität sind Vertraulichkeit und Datenintegrität. Fällt die IT eine Stunde aus, ist das schmerzhaft, aber reparabel.

OT (Operational Technology) ist die Ausrüstung, die die physische Anlage betreibt: PLCs, Antriebe, Sensoren, Roboter, Sicherheitsrelais. Eine PLC (Programmable Logic Controller) ist der robuste Industrierechner, der die deterministische Steuerungslogik einer Maschine ausführt. Priorität der OT sind Verfügbarkeit und Safety. Verhält sich eine Presse unerwartet, kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen Menschen verletzt werden.

KI ist in der IT- und Cloud-Welt zu Hause: viele Daten, schnelle Iteration, Retraining im laufenden Betrieb. OT ist das Gegenteil: Änderungen sind langsam, validiert und konservativ. KI in der Produktion auszurollen heißt, diese zwei Kulturen zu verbinden, ohne dass die „move fast“-Gewohnheiten der IT eine sicherheitskritische Maschine kontaminieren.

Die Referenzkarte: ISA-95

Um KI richtig zu platzieren, nutzen Ingenieure ISA-95, einen internationalen Standard, der Produktionssysteme als Stapel von Ebenen beschreibt.

• Level 0: der physische Prozess (Motoren, Ventile, Sensoren).
• Level 1: Sensorik und Aktorik-Steuerung (PLCs).
• Level 2: überlagerte Steuerung (SCADA, HMI-Bildschirme).
• Level 3: Produktionsbetrieb (MES, Planung, Qualität).
• Level 4: Business-Systeme (ERP).

Die meiste Produktions-KI gehört auf Level 3 und 4 oder in eine Cloud-Schicht darüber. Sie analysiert, prognostiziert und empfiehlt. Sie sollte so gut wie nie direkt auf Level 1 schreiben. Das Drehmoment-Modell aus unserer Eingangsszene sitzt deutlich über der PLC. Es schickt einen Vorschlag nach oben an einen Menschen und an Betriebssysteme, nicht einen Befehl nach unten an das Werkzeug.

Merken Sie sich diese Regel: KI schlägt auf den hohen Ebenen vor; validierte Steuerungslogik entscheidet auf den unteren Ebenen.

Die Verbindung absichern: IEC 62443

KI an Anlagendaten anzubinden erzeugt eine neue Angriffsfläche. Das relevante Framework ist IEC 62443, der führende Standard für die Security industrieller Automatisierungs- und Steuerungssysteme.

Zwei Kernideen sind hier wichtig:

Zonen und Conduits. Sie gruppieren Assets in Security-„Zonen“ (zum Beispiel die sicherheitskritische Zelle, das allgemeine OT-Netz, das IT-Netz) und kontrollieren jeden „Conduit“ (Datenpfad) dazwischen. Ein KI-System, das Sensordaten abzieht, sollte in seiner eigenen Zone sitzen und die OT nur über einen streng kontrollierten, überwachten Conduit erreichen, oft eine unidirektionale Datendiode oder eine Firewall mit strikten Regeln.

Defense in Depth. Keiner einzelnen MaMaEinsatz von Software, um wiederkehrende Marketingaufgaben und Kampagnen zu automatisieren und Personalisierung in großem Maßstab über Kanäle wie E-Mail, Web und Social zu ermöglichen.Vollständige Definition ansehen →ßnahme wird vertraut. Segmentierung, Authentisierung, Monitoring und Least-Privilege-Zugriff greifen in Schichten ineinander.

Die praktische Konsequenz: Ihre KI sollte deutlich freier aus der OT lesen als in sie schreiben. Die meisten robusten Deployments starten read-only. Das Modell beobachtet Vibration, Temperatur, Taktzeiten und Defektbilder und produziert Insights. Jeder Write-Back-Pfad ist ein separates, streng gesteuertes Projekt.

Eine kostenlose Einführung, die sich lohnt, ist die CISA-Guidance zur Absicherung von Operational Technology, die OT-Bedrohungsmuster in klarer Sprache erklärt.

Wo KI Wert schafft, ohne die Linie anzufassen

Den größten Teil des Nutzens von KI holen Sie in read-only- oder beratenden Rollen. Konkrete Beispiele:

• Predictive Maintenance. Ein Modell auf Level 3 nimmt Motorstrom und Vibration auf und prognostiziert einen Lagerschaden Tage im Voraus. Output: ein Wartungsauftrag, kein Abschaltbefehl.
• Visuelle Qualitätsprüfung. Ein Vision-Modell markiert Oberflächenfehler an einem Guss. Output: ein Vorschlag für die Ausschussbahn, den ein Bediener bestätigt.
• Beratende Prozessoptimierung. Ein Modell schlägt Ofentemperatur-Setpoints für besseren Yield vor. Output: eine Empfehlung, die ein Ingenieur prüft und, wenn genehmigt, über das normale validierte Verfahren einträgt.

Beachten Sie das Muster. KI verkürzt den Weg zu einer guten Entscheidung. Die Änderung nehmen weiterhin ein qualifizierter Mensch und das bestehende Steuerungssystem vor.

Functional Safety: die harte Grenze

Manche Funktionen existieren ausschließlich, um Schaden zu verhindern: ein Notaus, ein Lichtvorhang, der einen Roboter anhält, wenn jemand seine Zelle betritt, eine Überdruckabschaltung. Das sind Functional-Safety-Systeme, geregelt durch Standards wie IEC 61508 (allgemein) und ISO 13849 (Maschinen).

Die Regel ist hier unmissverständlich: KI sitzt nicht innerhalb der Sicherheitsfunktion. Ein Sicherheitsrelais, das eine Presse stoppt, muss einfach, deterministisch und zertifizierbar sein. Man kann das Verhalten eines neuronalen Netzes nicht über jeden möglichen Input hinweg zertifizieren, wie man einen fest verdrahteten Sicherheitskreis zertifizieren kann. Die Safety-Schicht bleibt also unabhängig und dumm, im guten Sinne: vorhersagbar und testbar.

KI kann Safety indirekt *informieren* (etwa vorhersagen, wann ein Lichtvorhang-Sensor degradiert), aber sie darf niemals das *sein*, was die Hand eines Mitarbeiters aus dem Werkzeug hält.

Deshalb löst die Drehmoment-Empfehlung eine Functional-Safety-Prüfung aus. Schon eine kleine Drehmomentänderung kann Klemmkraft, Schraubenermüdung und die Integrität nachgelagerter Montageschritte beeinflussen. Eine qualifizierte Person muss bestätigen, dass die Änderung keine Gefährdung erzeugt.

Human-in-the-Loop-Governance

„Human-in-the-loop“ heißt, dass eine Person einen KI-Output prüft und genehmigt, bevor ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → wirksam wird. Für OT gestalten Sie das explizit.

Ein praktikabler Governance-Ablauf für unseren Drehmoment-Fall:

1. Das Modell erkennt die Drift und erzeugt eine Empfehlung mit ihren Belegen (die Daten, die Confidence, der Trend).

2. Die Empfehlung wird geloggt und an einen Prozessingenieur geroutet, nicht an die Maschine.

3. Der Ingenieur bewertet sie gegen die Spezifikation und löst eine Functional-Safety-Prüfung aus, wenn die Änderung einen sicherheitsrelevanten Parameter betrifft.

4. Bei Genehmigung wird die Änderung über das normale validierte Verfahren umgesetzt: aktualisiert in der PLC oder im Rezept durch eine autorisierte Person, mit Change Control und Versionsnachweis.

5. Das Ergebnis fließt zurück in das Monitoring des Modells, damit Sie sehen, ob die Änderung geholfen hat.

Drei Dinge machen das real:

• Auditierbarkeit. Jede Empfehlung und jede Entscheidung wird geloggt. Fragt ein Audit von Behörde oder Kunde, warum das Drehmoment geändert wurde, haben Sie einen Nachweis.
• Umkehrbarkeit. Sie kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen schnell auf den vorherigen validierten Zustand zurückrollen.
• Klare Verantwortung. Ein namentlich benannter Mensch, nicht „die KI“, ist für die Änderung verantwortlich.

Unten eine vereinfachte Illustration dieser Grenze im Code. Das Modell gibt ein Objekt aus, das nichts ausführen kann; es fordert nur eine Prüfung an.

recommendation = {
    "asset": "torque_station_07",
    "parameter": "target_torque_nm",
    "current": 42.0,
    "suggested": 43.5,
    "confidence": 0.88,
    "safety_relevant": True,      # erzwingt Functional-Safety-Prüfung
    "status": "PENDING_HUMAN_REVIEW"
}
# Hier kein Schreiben in die PLC. Das Objekt wird für einen Ingenieur eingereiht.
send_to_review_queue(recommendation)

Der Punkt des Snippets: Die Aufgabe der KI endet bei einer Anfrage. Es gibt keinen Codepfad vom Modell zum Aktor.

Zusammengesetzt: eine Deployment-Checkliste

Wenn ein Werk fragt „kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen wir dieses Modell ausrollen?“, gehen Sie die Ebenen durch:

• Platzierung: Sitzt die KI auf ISA-95 Level 3 oder 4 und liest Daten, statt Steuerung zu schreiben? Starten Sie read-only.
• Security: Ist sie in ihrer eigenen IEC-62443-Zone, mit überwachtem Conduit und Least-Privilege-Zugriff auf OT-Daten?
• Safety: Berührt irgendeine Empfehlung einen sicherheitsrelevanten Parameter? Dann ist eine Functional-Safety-Prüfung Pflicht und nicht verhandelbar.
• Human-in-the-loop: Gibt es einen benannten Genehmiger, ein Audit-Log und ein umkehrbares, validiertes Änderungsverfahren?
• Feedback: Messen Sie, ob umgesetzte Empfehlungen die Ergebnisse tatsächlich verbessert haben?

Ist eine Antwort unklar, bleibt das Modell beratend. Das ist kein Scheitern. Beratende KI holt bereits den größten Teil des Werts bei einem Bruchteil des Risikos.

Wichtigste Erkenntnisse

• KI schlägt vor; validierte Steuerung entscheidet. Halten Sie KI auf ISA-95 Level 3 und 4, wo sie Daten liest und empfiehlt, statt direkt in PLCs zu schreiben.
• Starten Sie read-only. Predictive Maintenance, visuelle Prüfung und beratende Optimierung liefern Wert ohne riskanten Write-Back-Pfad.
• Sicherheitsfunktionen bleiben unabhängig von KI. Notaus und Verriegelungen müssen einfach, deterministisch und nach Standards wie IEC 61508 und ISO 13849 zertifizierbar bleiben.
• Sichern Sie die Verbindung mit IEC-62443-Zonen und -Conduits und behandeln Sie jeden Schreibzugriff auf OT als separates, streng gesteuertes Projekt.
• Machen Sie Governance konkret: benannter menschlicher Genehmiger, Audit-Log, Umkehrbarkeit und ein validiertes Änderungsverfahren für jede KI-Empfehlung, die die Linie erreicht.