Wie CrossnoKaye Physical AI mit Amazon Bedrock AgentCore verankert

Was passiert ist

CrossnoKaye verfolgt einen anderen Ansatz, um Physical AI in die Schwerindustrie zu bringen, und setzt dabei auf Amazon Bedrock AgentCore . Seine softwaredefinierte Automatisierungsplattform ATLAS verbindet Live-Anlagendaten und KI-gestützte Schlussfolgerungen mit geschlossener Regelung der Anlagen, die Lebensmittel- und Getränkewerke, industrielle Kälteanlagen, Steinbrüche für Gesteinskörnung und Fertigungsstandorte betreiben.

Die ATLAS-Plattform und das agentische System AURA verankern KI-Schlussfolgerungen in Live-Anlagendaten und führen überprüfbaren Python-Code in isolierten AgentCore-Sandboxes aus. So erhalten Anlageningenieure überprüfbare, mathematisch fundierte Antworten statt Vermutungen eines Modells. Industriebetriebe stellen KI vor Herausforderungen, die in typischer Unternehmenssoftware nicht auftreten.

Ein externer KI-Agent, der nachträglich an diesen Stack angeflanscht wird, funktioniert in der Praxis selten gut. Jedes System arbeitet mit eigenen Namenskonventionen.

Die Logik, die das Verhalten der Anlagen tatsächlich steuert (die Steuerungsabläufe, Zustandsautomaten und Sicherheitsverriegelungen), steckt in proprietärem Controller-Code, den ein externes Werkzeug nicht prüfen kann. Gewährt ein nachträglich angeflanschter Agent Zugriff auf mehrere Systeme der operativen Technik (OT), müssen zudem Zugangsdaten im gesamten Anlagennetzwerk verteilt werden.

Artificial Intelligence Industriebetriebe stellen KI vor Herausforderungen, die in typischer Unternehmenssoftware nicht auftreten. Da ATLAS das Anlagenmodell, die grundlegende Steuerungssoftware, den Historian und die Optimierungsanwendungen auf einer Plattform auf AWS vereint, hat CrossnoKayes agentisches Intelligenzsystem AURA nativen Zugriff auf den gesamten Betriebszustand der Anlage innerhalb einer einzigen Sicherheitsgrenze.

Der Anlagenkontext ist jedoch nur die halbe Lösung. Large Language Models (LLMs) sind gut darin, technischen Kontext zu interpretieren und eine Untersuchung zu planen, können aber über Millionen von Sensormesswerten innerhalb eines Prompts nicht zuverlässig Statistiken oder physikalische Bilanzen berechnen.