Der Recommender, eine Komponente der SMP, ist ein intelligentes System, das mithilfe eines KI-Algorithmus maßgeschneiderte Handlungsempfehlungen zur Verbesserung der Nachhaltigkeit in industriellen Prozessen generiert. Es basiert auf dem Retrieval Augmented Generation (RAG) Ansatz und nutzt das open-source Python Framework Llama_index (siehe Abbildung 1). Durch die Analyse von Kontextdokumenten wie dem Basistechnologien-Kompendium und der KPI-Definitionsliste, sowie der Prozessbeschreibung und den vom Zero3-Algorithmus identifizierten Potentialen, erstellt das System gezielte Empfehlungen (siehe Abbildung 2).
Abbildung 1 Schematische Darstellung der KI-basierten Recommender Komponente.
Abbildung 2 Datenquellen und Ausgabe des Recommenders
Das RAG-System wurde in einem ersten Schritt mit einer Chat-basierten Benutzeroberfläche umgesetzt, die interaktive Abfragen ermöglicht (siehe Abbildung 3). Erste Implementierungen zur Echtzeit-Erweiterung des Kontextes durch Agenten-basiertes Web-Crawling sind bereits integriert. Diese agentenbasierte Architektur ermöglicht es, den Kontext zu erweitern, wenn die Benutzeranfrage ungenau oder nicht ausreichend durch die vorhandenen Kontextdokumente abgedeckt ist. Dies geschieht durch die Durchführung von Websuchen zur Identifizierung zusätzlicher Basistechnologien und relevanter KPIs (siehe Tabelle 1). Durch eine entsprechende Kennzeichnung kann dem/der User:in immer transparent gemacht werden, woher eine angezeigte Handlungsempfehlung stammt.
Abbildung 3 Prototypische Umsetzung der KI-Recommender Komponente mit Chat-basierter Benutzeroberfläche.
Aktuell wird an einer für den/die Anwender:in einfacheren und effizienteren Interaktion mit dem Recommender in der SMP gearbeitet. Der/die User:in muss in Zukunft das Prompting für den Recommender nicht mehr selbst formulieren, sondern es reicht nach dem Laden des zu analysierenden Wertstroms die Angabe des KPI, zu dem eine Verbesserung gesucht wird. Ein weiterer LLM-Agent wird dann die Aufgabe übernehmen, mit Hilfe der im Wertstrom vorliegenden, bereitgestellten Informationen (z.B. Prozessbeschreibungen, Maschinenanleitungen,…) und der KPI-Angabe einen passenden Prompt zu generieren und an den Recommender zu übergeben (siehe Abbildung 4).
Abbildung 4 Erweiterung des Recommender-Systems um einen Prompting-Agenten