Der Einsatz generativer KI verändert die tägliche Ingenieursarbeit grundlegend – auch im Antriebsprüffeld. Das für Parametrierung, Programmierung und Betrieb unserer Prüfstände notwendige Wissen ist heute über umfangreiche Herstellerdokumentationen, gepflegte Parametersatz-Datenbanken und das Erfahrungswissen einzelner Kolleginnen und Kollegen verteilt. Cloudbasierte KI-Dienste scheiden für die Erschließung dieses Wissens aus, da Projekt- und Prüfstandsdaten oftmals vertraulich sind. Gefragt ist daher eine maßgeschneiderte, vollständig lokal betriebene Lösung.
Ziel dieser Arbeit ist die Konzeption, prototypische Umsetzung und Bewertung eines vollständig on-premise betriebenen KI-Assistenzsystems auf Basis von Retrieval-Augmented Generation (RAG). Als Proof of Concept soll ein System entstehen, das Prüfstandsingenieurinnen und -ingenieuren belastbare, quellenbelegte Antworten zur Parametrierung und Programmierung liefert – ohne Datenabfluss und ohne laufende Lizenzkosten. Über den unmittelbaren Anwendungsnutzen hinaus dient die Arbeit dem Aufbau interner Kompetenz und als vorzeigbarer Demonstrator, der weitere KI-Einsatzfelder in der Abteilung erschließen soll.
Zunächst erfolgt eine Einarbeitung in den Stand der Technik zu lokal betreibbaren Sprachmodellen (LLMs) und RAG-Architekturen. Anschließend wird auf Basis vorhandener Hardware eine lokale KI-Architektur konzipiert und eine RAG-Pipeline aufgebaut, die die Herstellerdokumentation des Automatisierungssystems als Wissensbasis erschließt und über eine web-basierte Oberfläche im Abteilungsnetz bereitstellt. In einem weiteren Schritt wird der Ansatz um das Retrieval und die Adaption erprobter Prüfstandsparametersätze aus vergangenen Projekten erweitert. Abschließend werden die Antwortgüte und die Grenzen des Systems anhand eines mit Fachexperten erarbeiteten Fragenkatalogs bewertet und eine Handlungsempfehlung für den weiteren Ausbau abgeleitet.
