Von Rohdaten zu Insights in Sekunden: Der AI Reporting Showcase

Predictive Maintenance und Condition Monitoring sind in der modernen Industrie in aller Munde, doch die Realität in der Werkshalle sieht oft noch anders aus. Stellen Sie sich vor, eine Schichtleitung bereitet das nächste Shopfloor-Meeting vor und benötigt dringend eine Visualisierung der Auslastungsdaten einer bestimmten Produktionseinheiten.

In der Vergangenheit war dieser Prozess oft durch Systembrüche und Zeitverzögerungen blockiert. Das Problem ist meist die Komplexität der bestehen Infrastruktur. Daten liegen in isolierten IoT-Backends, der Zugriff erfordert Spezialberechtigungen in BI-Tools, und die manuelle Zusammenführung verschiedener Datenquellen ist so zeitaufwendig, dass Information oft zu spät vorliegen. Wenn Daten erst mühsam exportiert, bereinigt und standardisiert werden müssen, bleibt die datengetriebene Entscheidung ein theoretisches Ideal.

Mit unserem AI Reporting Showcase lösen wir diesen Engpass auf. Wir kombinieren die Flexibilität von KI-Agenten mit industriellen Maschinendaten, um interaktive Reports direkt im Dialog zu erstellen, ganz ohne technisches Fachwissen oder manuelle Vorarbeit.

Das Fundament: Die Demokratisierung von Maschinendaten

Die Basis für unseren Showcase bildet die adesso Smart Product Platform. Hier fließen die Daten der Assets (Maschine, Sensor, etc.) zusammen. Während wir im aktuellen Showcase noch den flexiblen Weg über Demo-Daten und einfache CSV-Imports nutzen, um eine einfache Demonstration zu ermöglich, ist die Roadmap klar definiert: Eine nahtlose Anbindung via RESR-API soll künftig den direkten Zugriff auf Live-Daten ermöglichen.

Unser Ziel ist die Demokratisierung von Daten. Informationen müssen dort verfügbar sein, wo sie für Entscheidungen gebraucht werden. Durch generative KI schlagen wir die Brücke zwischen komplexen Datenbankstrukturen und der intuitiven natürlichen Sprache. Einen ähnlichen Showcase, um mit Daten aus der adesso Smart Product Platform per Chat zu interagieren haben wir bereits in dem Blog-Beitrag zur „Sprechende Maschine“ vorgestellt.

Der Mehrwert von dynamischen interaktiven Diagrammen

Ein Kernproblem herkömmlicher KI-Ansätze ist die Statik. Ein Bot liefert oft nur Text oder ein unbewegliches Bild. Genau hier setzt unser Showcase mit dynamischen interaktiven Diagrammen an. Unser Agenten-System liefert kein fertiges Bild, sondern ein interaktives Datenobjekt, welches im Frontend als Diagramm angezeigt wird. Durch diesen Ansatz eröffnen sich für User verschiedene Möglichkeiten:

• Echte Interaktion: Anwender können in die Diagramme hineinzoomen und einzelne Datenpunkte per Mouseover genau inspizieren.
• Dynamische Erweiterung: Wenn der Nutzer feststellt: „Ich brauche zusätzlich noch eine Temperaturkurve“, wird das bestehende Diagramm on-the-fly angepasst.
• Flexibilität: Ein einfacher Befehl wie „Zeig mir das lieber als Balkendiagramm“ ändert sofort die Darstellung. Die Hürde, Visualisierungsparameter manuell konfigurieren zu müssen, entfällt komplett.

Hinter den Kulissen: Das Agenten-Framework

Um diese Flexibilität zu erreichen, setzen wir auf eine agentische Orchestrierung. Anstatt eines starren Programmcodes arbeitet ein Team aus spezialisierten Agenten die Nutzeranfrage ab:

• 1. Planungs-Agent (Architekt): Er analysiert den Intent des User. Ist die Anfrage unklar, stellt er gezielte Rückfragen. Er nutzt Wissen über das Datenschema, um einen Plan (Berechnungen, Diagrammtyp) zu erstellen.
• 2. Logik-Agenten: Diese Agenten greifen auf spezialisierte Funktionen zu. Sie berechnen beispielsweise die Dauer von Statuszuständen (z.B. Idle vs. Active) oder ermitteln Deltas von Zählerständen über bestimmte Zeiträume.
• 3. Visualisierungs-Agent: Er erstellt die spezifische Konfiguration für das Daten-Objekt der Visualisierung. Dafür greift er auf bereitgestellte Funktionen zurück, welche nur noch mit den richtigen Parametern aufgerufen werden müssen, um ein passendes Diagramm zu erstellen.
• 4. Antwort-Agent: Er fasst die technischen Ergebnisse zusammen und formuliert die Antwort in natürlicher Sprache für den User.

Dieser modulare Aufbau sorgt dafür, dass das System den Kontext der gesamten Konversation versteht.

Praxisbeispiel: Fräsmaschine

Um die Theorie greifbar zu machen, werfen wir einen Blick auf eine Demo-Fräsmaschine. Hier zeigt sich, wie das Zusammenspiel der Agenten komplexe Daten ad hoc nutzbar macht.

Szenario 1: Eine Technikerin fragt: „Wie lange war die Maschine im Operation Mode setup? Vergleiche alle Kategorien.“

Zuerst erstellt der Planungs-Agent eine Strategie. Der Logik-Agent übernimmt die Rechenarbeit und summiert die Dauer für jede Status-Kategorie exakt auf. Da die Anfrage auf einen Vergleich abzielt, entscheidet sich das System automatisch für eine Visualisierung. Die berechneten Werte werden dabei präzise in ihrer SI-Einheit (Sekunden) ausgegeben (siehe Abb. 1). Der User erhält also nicht nur eine Zahl, sondern sofort den Kontext zur restlichen Laufzeit.

Szenario 2: Im zweiten Beispiel vergleichen wir Temperatur, Vibration und Energieverbrauch.

Nachdem ein Plan erstellt wurde, berechnet der Logik-Agent die Mittelwerte und der Visualisierungs-Agent präsentiert diese als Balkendiagramm (Abb. 2). Da für eine tiefere Analyse jedoch oft der zeitliche Verlauf entscheidend ist, genügt ein kurzer Befehl, um den Diagrammtyp zu wechseln. Der Visualisierungs-Agent wandelt die Ansicht in ein Liniendiagramm (Abb. 3).

Dieses agentische Vorgehen erlaubt bei einer individuellen Umsetzung eine mühelose Anpassung an unternehmensspezifische Präferenzen. Ob spezielle Diagrammtypen für bestimmte Datenquellen oder maßgeschneiderte KPI-Logiken. Das Reporting passt sich dem Nutzer an, nicht umgekehrt.

Fazit: Reporting als Dialog, nicht als Ticket

Der Showcase beweist, dass die Lücke zwischen IT-Abteilung und Werkhalle geschlossen werden kann. Für die IT-Leitung bedeutet das weniger Ad-hoc-Anfragen für simple Reports und eine höhere Datenakzeptanz im Unternehmen. Für den Techniker bedeutet es echte Handlungsfähigkeit durch Insights in Sekunden.

Wie sieht es in Ihrem Unternehmen aus? Verbringen eure Fachleute mehr Zeit in BI-Tools oder Excel als an der Maschine? Lasst uns darüber diskutieren, wie wir Maschinendaten mobilisieren können. Sprecht uns an für eine Vorführung und weitere Insights zu unserem AI Reporting Showcase.