Das beste KI-Modell der Welt bringt nichts, wenn es nicht an die Maschine kommt. Genau das ist die Realität in vielen Fertigungsbetrieben: Es gibt beeindruckende Algorithmen für Qualitätskontrolle, vorausschauende Wartung oder Prozessoptimierung. Aber zwischen dem Python-Skript auf dem Server und der SPS an der Maschine liegt eine Lücke, die viele Projekte scheitern lässt.

In diesem Beitrag erkläre ich, wie OPC-UA KI Integration funktioniert, welche Alternativen es gibt, und worauf Produktionsleiter achten sollten, bevor sie ein KI-Projekt starten.

Das Problem: KI ohne Maschinenanbindung ist wertlos

Ich sehe das regelmäßig: Ein Unternehmen investiert in ein KI-Modell, trainiert es mit historischen Daten, erreicht gute Ergebnisse im Test. Dann kommt die Frage, die alles ins Stocken bringt: Wie kommen die Live-Daten von der Maschine ins Modell? Und wie kommt das Ergebnis zurück?

Ohne eine saubere Maschinenanbindung bleibt KI ein Laborexperiment. Die Anbindung ist kein Nebenprojekt. Sie ist die zentrale technische Herausforderung bei jeder industriellen KI-Anwendung. Wer diesen Teil unterschätzt, verliert Monate.

Was ist OPC-UA und warum ist es der Standard?

OPC-UA (Open Platform Communications Unified Architecture) ist ein herstellerunabhängiges Kommunikationsprotokoll für die Industrie. Es wurde speziell dafür entwickelt, Maschinendaten sicher und strukturiert bereitzustellen.

Die wichtigsten Vorteile:

Herstellerunabhängig: Funktioniert mit Siemens, Beckhoff, B&R, Rockwell und vielen anderen
Strukturierte Daten: Nicht nur Rohwerte, sondern semantische Informationsmodelle mit Datentypen, Einheiten und Beschreibungen
Sicherheit: Verschlüsselung und Authentifizierung sind von Anfang an eingebaut
Plattformunabhängig: Läuft auf Windows, Linux, embedded Systemen
Weit verbreitet im DACH-Raum: Die meisten modernen SPS-Systeme haben OPC-UA bereits integriert

Für die Maschinenanbindung Österreich und den gesamten DACH-Raum ist OPC-UA faktisch der Standard. Das bedeutet konkret: Ich kann von einem Python-basierten KI-Modell direkt auf Maschinendaten zugreifen, ohne proprietäre Treiber oder teure Middleware.

Die Brücke: Von der SPS zum KI-Modell und zurück

Der typische Datenfluss bei einer SPS Anbindung künstliche Intelligenz sieht so aus:

Schritt 1 - SPS stellt Daten bereit: Die Steuerung (z.B. Siemens S7-1500 oder Beckhoff TwinCAT) stellt Prozessdaten über ihren integrierten OPC-UA Server bereit. Das sind Temperaturen, Drücke, Drehzahlen, Stückzahlen, Fehlercodes und Zustandsinformationen.
Schritt 2 - OPC-UA Client liest aus: Ein OPC-UA Client auf einem Edge-Rechner oder Server liest diese Daten zyklisch oder eventgesteuert aus. In Python nutze ich dafür die Bibliothek opcua-asyncio, die asynchronen Zugriff auf den OPC-UA Server erlaubt.
Schritt 3 - KI-Modell verarbeitet: Die Daten fließen in das KI-Modell. Das kann ein trainiertes neuronales Netz sein, ein Anomalie-Detektor, ein klassischer Machine-Learning-Algorithmus oder auch ein regelbasiertes System mit KI-Unterstützung.
Schritt 4 - Ergebnis zurück: Das Ergebnis geht zurück. Entweder als Visualisierung auf einem Dashboard, als Alarm an den Bediener, oder - nach Freigabe - als Schreibbefehl zurück an die SPS.

Bei Siemens Beckhoff KI Projekten ist der OPC-UA Server meist schon in der Steuerung vorhanden. Bei Siemens aktiviere ich den Server im TIA Portal, bei Beckhoff läuft er als TwinCAT-Modul. Die Konfiguration dauert typischerweise wenige Stunden, nicht Tage.

Echtzeit-Anforderungen: Nicht jede Anwendung braucht Millisekunden

Ein häufiges Missverständnis: Viele denken, industrielle KI muss immer in harter Echtzeit laufen. Das stimmt nur für einen kleinen Teil der Anwendungen.

Monitoring und vorausschauende Wartung: Abtastraten von einer bis zehn Sekunden reichen völlig aus. Eine Maschine verschleißt nicht in Millisekunden. Hier zählt Zuverlässigkeit über Geschwindigkeit.
Qualitätskontrolle mit Kamerasystemen: Hier brauche ich Zykluszeiten im Bereich von einigen hundert Millisekunden, abhängig vom Produktionstakt. OPC-UA kann das liefern.
Regelungseingriffe in den Prozess: Hier muss ich unter die Zykluszeit der SPS kommen. Das ist mit Standard-OPC-UA allein oft nicht möglich. Für diese Fälle gibt es OPC-UA PubSub in Kombination mit TSN (Time-Sensitive Networking), oder ich arbeite direkt auf der SPS.

Die gute Nachricht: Die große Mehrheit der KI-Anwendungen in der Fertigung fällt in die ersten beiden Kategorien. OPC-UA ist dafür bestens geeignet.

Alternativen zu OPC-UA: Wann welches Protokoll Sinn macht

OPC-UA ist nicht immer die beste oder einzig sinnvolle Wahl. Je nach Situation setze ich auch andere Protokolle ein:

MQTT: Leichtgewichtig, ideal für IoT-Szenarien mit vielen verteilten Sensoren. Gut kombinierbar mit OPC-UA über Sparkplug B. Besonders stark, wenn Daten über Standorte hinweg gesammelt werden.
Modbus TCP: Einfach, weit verbreitet bei älteren Maschinen. Keine semantische Struktur, aber schnell implementiert. Oft die pragmatischste Lösung für Bestandsanlagen.
Digitale I/O: Für einfache Signale (Gut/Schlecht, Start/Stopp) manchmal die schnellste und zuverlässigste Lösung. Keine Konfiguration, keine Netzwerkprobleme.
REST/HTTP: Wenn Daten bereits in einem MES oder Historian vorliegen, kann ein API-Zugriff sinnvoller sein als der direkte SPS-Zugang.

In der Praxis nutze ich oft eine Kombination: OPC-UA für die Kerndaten von der SPS, MQTT für zusätzliche Sensorik, REST für historische Daten aus bestehenden Systemen.

Praktische Herausforderungen: IT versus OT

Die größte Hürde bei der Maschinenanbindung ist selten die Technik. Es ist die Organisation.

Firewalls zwischen IT- und OT-Netz: OPC-UA nutzt standardmäßig Port 4840. Dieser muss freigeschaltet werden, was in vielen Unternehmen einen Änderungsantrag und mehrere Abstimmungsrunden erfordert.
Zugang zur SPS: Produktionsleiter und Maschinenbediener sind zu Recht vorsichtig. Niemand will, dass ein externer Zugriff die Produktion stört oder im schlimmsten Fall stoppt.
Unterschiedliche Verantwortlichkeiten: IT verwaltet das Netzwerk, OT verwaltet die Maschinen. KI-Projekte brauchen beide Seiten am Tisch, und oft spricht man unterschiedliche Sprachen.
Fehlende Dokumentation: Bei älteren Anlagen fehlt oft die SPS-Dokumentation. Welche Variablen gibt es? Was bedeuten sie? In welchem Datenblock liegen sie? Das kostet Zeit und erfordert Zusammenarbeit mit dem Maschinenpersonal.

Ich empfehle, diese Themen früh zu klären. Nicht erst wenn das KI-Modell fertig ist und auf Daten wartet.

Mein Ansatz: Nicht-invasiv, Schritt für Schritt

Bei jedem Projekt folge ich einem klaren Prinzip: nicht-invasiv starten.

Phase 1 - Nur lesen: Ich verbinde mich ausschließlich lesend mit der SPS. Kein Schreibzugriff, kein Eingriff in die Steuerung. Das minimiert das Risiko auf praktisch null und baut Vertrauen auf.
Phase 2 - Daten validieren: Ich prüfe, ob die gelesenen Daten plausibel sind, ob der OPC-UA Server stabil läuft, ob die Netzwerkverbindung zuverlässig ist. Oft finden sich hier schon wertvolle Erkenntnisse über den Prozess.
Phase 3 - KI-Modell anschließen: Erst wenn die Datenqualität stimmt, verbinde ich das KI-Modell. Ergebnisse gehen zunächst nur auf ein Dashboard oder in ein Log.
Phase 4 - Kontrolliertes Zurückschreiben: Wenn gewünscht und validiert, schreibe ich Ergebnisse zurück an die SPS. Immer mit Freigabe durch den Maschinenbediener, nie automatisch ohne Absicherung.

Dieses Vorgehen hat sich bewährt, weil es Vertrauen aufbaut. Produktionsmitarbeiter sehen, dass nichts passiert, bevor sie es freigeben.

Was Produktionsleiter wissen sollten, bevor sie starten

Wenn Sie über KI in der Produktion nachdenken, hier meine konkreten Empfehlungen:

SPS-Typ und Firmware prüfen: Hat die Steuerung einen OPC-UA Server? Bei Siemens S7-1500 und Beckhoff TwinCAT 3 ist das Standard. Bei älteren Systemen wie der S7-300 braucht es eventüll ein Gateway.
IT-Abteilung früh einbinden: Netzwerkfreigaben und Firewall-Regeln brauchen Vorlauf. Planen Sie mindestens zwei bis vier Wochen dafür ein.
Variablenliste vorbereiten: Je besser dokumentiert ist, welche Prozessdaten verfügbar sind und was sie bedeuten, desto schneller geht die Anbindung.
Klein anfangen: Starten Sie mit einem einzelnen Datenpunkt und einer einfachen Auswertung. Nicht mit dem Gesamtsystem.
Erwartungen realistisch setzen: Die Maschinenanbindung ist oft der aufwändigste Teil eines KI-Projekts. Nicht das Modelltraining, nicht die Algorithmen. Die Verbindung zur realen Welt.

Die Brücke zwischen SPS und KI ist keine Raketenwissenschaft. Aber sie erfordert Sorgfalt, Abstimmung zwischen den Abteilungen und ein schrittweises Vorgehen. Wer das berücksichtigt, hat die beste Grundlage für ein erfolgreiches KI-Projekt in der Fertigung.

OPC-UA und KI: So sprechen Maschinen mit Algorithmen