Viele Hersteller unterstützen die SPS-Programmierer heute mit einem KI-Assistenten zur Erzeugung von Code im Strukturierten Text. Diese KI-Systeme auf Basis von Large Language Models (LLM) erleichtern dem Programmierer zwar die Arbeit, führen aber zu einer rein textbasierten Software, die für den Betreiber weitgehend unverständlich ist, ähnlich wie der frühere maschinennahe Code der Anweisungsliste (AWL). In diesem Projekt wird untersucht, wie die KI trainiert und gepromptet werden muss, um die SPS-Software mit grafischen Programmiersprachen (CFC, SFC) zu erzeugen und so die Anforderungen an Transparenz und Änderungsfreundlichkeit zu erfüllen. Im Paper wird das Vorgehen am Beispiel einer Füllstandsregelung beschrieben. Die Spezifikationsdateien (PCE-Liste, SFC-Tabelle, Feedbackdatei) stehen ebenso wie die erzeugte xml-Datei und das entstandene Codesys-Projekt hier zum Download zur Verfügung. 

Folgende Videos zeigen zunächst die Vorgehensweise bei Erstellung der PCE-Liste. Danach erzeugt die KI durch den ersten Prompt die CFCs in der Programmiersprache FUP, anschließend durch einen zweiten Prompt die Schrittkette als SFC und zum Schluss mit dem dritten Prompt das Hauptprogramm PLC_PRG, das alle anderen Programme aufruft. Somit ist die KI-generierte Software vollständig und kann compiliert und gestartet werden.

Die in der SPS eingelesenen Messwerte und ausgegebenen Stellwerte werden zunächst zum Lernen eines Prozessmodells mit einem neuronalen Netz an einen leistungsfähigen Rechner, z.B. in der Cloud, übergeben. Mithilfe des erlernten Modells kann in der Simulation in der Cloud gefahrlos eine optimale Steuerungs- und Regelungsstrategie ermittelt werden, bevor diese durch einen neuronalen Zwilling in der SPS zu einer lernenden Regelung eingesetzt wird.