Philipp Zieris, Fraunhofer AISEC, zum Forschungsprojekt KIbSIS KI-gestützte Sicherheitsquittierung von Werkzeugmaschinen

Anbieter zum Thema

Fraunhofer AISEC - Fraunhofer- Einrichtung für Angewandte und Integrierte Sicherheit

Mensch und Maschine Akademie

Bohnhardt Cad-Consulting

CAD+T Solutions GmbH

Das Forschungsprojekt „KI-basierte Sicherheit für Industrie-Systeme (KIbSIS)“ entwickelt Technologien, die Unternehmen helfen sollen, Sicherheitsrisiken zu minimieren. Was sich dahinter verbirgt, erläutert Dipl-Inf. Philipp Zieris vom Fraunhofer Institut für Angewandte und Integrierte Sicherheit AISEC.

Mit der zunehmenden Digitalisierung und Vernetzung industrieller Anlagen entstehen neue Möglichkeiten für automatisierte Produktionsprozesse, gleichzeitig steigen jedoch auch die Anforderungen an IT-Sicherheit. Das Forschungsprojekt „KI-basierte Sicherheit für Industrie-Systeme (KIbSIS)“ entwickelt Technologien, die Unternehmen dabei unterstützen sollen, diese Systeme besser zu schützen.

Zu den zentralen Ansätzen zählen eine KI-gestützte Anomalieerkennung zur Identifikation von Cyberangriffen, eine gehärtete Plattform für sichere KI-Anwendungen, quantenresistente Kryptografie mit Secure Elements sowie eine vertrauenswürdige Software Bill of Materials (SBOM) für Industrieprodukte.

Ein Beispiel für den praktischen Einsatz ist die automatische, KI-gestützte Sicherheitsquittierung von Werkzeugmaschinen. Nach einem Sicherheitsstopp überprüft das System selbstständig, ob der Gefahrenbereich frei ist, und ermöglicht anschließend einen automatischen Neustart der Maschine.

Autocad Magazin (ACM): Herr Zieris, warum ist eine vollautomatische KI-gestützte Sicherheitsquittierung für Werkzeugmaschinen notwendig?

Philipp Zieris: Es gibt mehrere Gründe. Der wichtigste Faktor ist zunächst einmal Effizienz beziehungsweise die Kosten. Wenn eine Maschine heute in einen Not-Aus geht – zum Beispiel, weil eine Lichtschranke ausgelöst wurde –, muss normalerweise ein Mitarbeiter zur Maschine gehen und überprüfen, was passiert ist. Erst danach kann die Maschine wieder quittiert werden und weiterlaufen. Wenn dieser Schritt automatisiert wird, kann die Maschine schneller wieder starten und Stillstandzeiten werden reduziert.

Vollautomatische KI-gestützte Sicherheitsquittierung im Forschungsprojekt KiBSIS

Ein zweiter Faktor sind neue Geschäftsmodelle. Viele Maschinenhersteller verkaufen ihre Anlagen heute nicht mehr nur, sondern betreiben sie zunehmend selbst beim Kunden. Die Maschine steht dann zwar in einer Fabrik irgendwo auf der Welt, wird aber weiterhin vom Hersteller betrieben. In solchen Szenarien ist es besonders interessant, wenn möglichst viele Prozesse automatisiert ablaufen können – perspektivisch sogar ohne Personal vor Ort.

Ein dritter Aspekt ist langfristig auch die Sicherheit im Sinne des Personenschutzes. Eine KI kann Situationen sehr schnell auswerten und wird nicht müde oder unaufmerksam. Allerdings steht dieser Punkt aktuell noch etwas im Hintergrund, weil solche Systeme zunächst zuverlässig genug für den industriellen Alltag werden müssen.

ACM: Woher stammen die Daten, mit denen die KI trainiert wird?

Philipp Zieris: Die Trainingsdaten sollen direkt aus der Praxis kommen. Im Projekt arbeitet ein Werkzeugmaschinenhersteller mit, der eine konkrete Maschine ausgewählt hat, an der entsprechende Daten aufgezeichnet werden.

Diese Maschine läuft im normalen Produktionsbetrieb. Dabei werden beispielsweise Videodaten aus dem Arbeitsbereich der Maschine aufgezeichnet. Ziel ist es, den realen Betrieb möglichst vollständig abzubilden und daraus Trainingsdaten für die KI zu gewinnen.

Der Ansatz besteht also darin, den Videofeed der Maschine über längere Zeit mitzuschneiden und anschließend auszuwerten. Damit lassen sich KI-Modelle trainieren und später auch testen.

ACM: Wie funktioniert der Prozess der KI-gestützten Sicherheitsquittierung technisch?

Philipp Zieris: Grundsätzlich bleibt die bestehende Sicherheitsarchitektur der Maschine erhalten. Eine Werkzeugmaschine besitzt normalerweise einen Sicherheitsbereich, der durch Lichtschranken abgesichert ist. Wenn jemand diesen Bereich betritt oder ein Objekt die Lichtschranke unterbricht, geht die Maschine automatisch in einen Not-Aus. Im klassischen Fall muss anschließend ein Bediener vor Ort überprüfen, ob der Bereich wieder frei ist. Erst dann kann die Maschine wieder gestartet werden.

Im Projekt wird diese Architektur um zusätzliche Kameras erweitert, die den gesamten Sicherheitsbereich überwachen. Die Kameras liefern einen Videofeed an ein KI-System, das mit mehreren Komponenten verbunden ist: mit den Kameras, mit den Lichtschranken und mit der Sicherheitssteuerung der Maschine.

Wenn ein Not-Aus ausgelöst wird, erhält das KI-System dieses Signal und analysiert die Kamerabilder. Es prüft, ob sich noch Personen oder Gegenstände im Gefahrenbereich befinden. Erkennt die KI, dass der Bereich frei ist, kann sie über eine Schnittstelle ein Signal an die Sicherheitssteuerung senden, sodass die Maschine wieder anlaufen darf.

Eine wichtige Frage im Projekt ist dabei, wo das KI-System laufen soll – direkt an der Maschine, auf einem Edge-System oder in einer Cloud-Infrastruktur. Gerade Videodaten erzeugen relativ große Datenmengen, weshalb Rechenleistung und Netzwerkanbindung eine wichtige Rolle spielen.

ACM: Welche technischen Standards und Sicherheitsmechanismen spielen dabei eine Rolle?

Philipp Zieris: Das Projekt baut teilweise auf einem früheren Forschungsvorhaben zur quantenresistenten Kommunikation in Smart Factories auf. Dort ging es unter anderem um die Entwicklung von Vertrauensankern, die auch in maschinennahen Geräten eingesetzt werden können.

Ein wichtiges Konzept ist die Krypto-Agilität. Industrieanlagen haben häufig sehr lange Lebenszyklen, oft zehn Jahre oder mehr. 

Für die automatisierte Sicherheitsquittierung müssen verschiedene Daten übertragen werden, etwa Videodaten oder Steuerinformationen. Diese Daten müssen authentifiziert sein und in vielen Fällen auch verschlüsselt übermittelt werden.

Ein wichtiges Konzept ist außerdem die Krypto-Agilität. Industrieanlagen haben häufig sehr lange Lebenszyklen, oft zehn Jahre oder mehr. Deshalb müssen Systeme so ausgelegt sein, dass sich kryptografische Verfahren später austauschen lassen – zum Beispiel wenn neue Post-Quanten-Verfahren eingesetzt werden sollen.

Darüber hinaus spielt die Software Bill of Materials (SBOM) eine wichtige Rolle. Sie dokumentiert, aus welchen Softwarekomponenten ein System besteht. Wenn später eine Sicherheitslücke in einer bestimmten Bibliothek bekannt wird, lässt sich schnell nachvollziehen, welche Systeme betroffen sind.

Die größere Herausforderung ist die Zuverlässigkeit der KI. Für industrielle Anwendungen muss ein System sehr stabil funktionieren.

ACM: Welche Herausforderungen entstehen bei der Umsetzung?

Philipp Zieris: Ein Teil der Herausforderung liegt gar nicht unbedingt bei der Maschine selbst. Die KI läuft im Prinzip außerhalb der Maschine und kann daher auch zu bestehenden Anlagen hinzugefügt werden. Die Maschinen müssen lediglich entsprechend vorbereitet sein, etwa mit Kameras und Netzwerkanschlüssen.

Die größere Herausforderung ist die Zuverlässigkeit der KI. Für industrielle Anwendungen muss ein System sehr stabil funktionieren. Man kennt das auch aus anderen Bereichen der KI: Man bekommt manchmal sehr gute Ergebnisse und manchmal weniger gute. In der Produktion ist diese Schwankung jedoch problematisch.

Hinzu kommt der Umgang mit großen Datenmengen. Videodaten erzeugen hohe Datenraten, und wenn diese in eine Cloud übertragen werden sollen, muss auch das Netzwerk der Fabrik entsprechend ausgelegt sein.

Ein weiterer wichtiger Punkt sind Zertifizierungen im Bereich Safety. Systeme, die Einfluss auf den Betrieb von Maschinen haben, müssen strenge Sicherheitsanforderungen erfüllen. Gerade beim Personenschutz sind die Prüfprozesse sehr etabliert und entsprechend aufwändig.

Welche Trends lassen sich daraus für die Industrie ableiten?

Philipp Zieris: Ein wichtiger Trend ist das Modell ‚Maschine als Service‘. Maschinen werden künftig häufiger vom Hersteller betrieben, während Kunden sie eher als Produktionsdienstleistung nutzen.

Wenn Maschinen aus der Ferne überwacht und gesteuert werden können, entstehen auch neue Möglichkeiten für Produktionsstandorte. Produktion kann näher am Absatzmarkt stattfinden, während die technische Betreuung weiterhin zentral organisiert wird.

Technologisch spielt KI dabei eine immer größere Rolle. Das Potenzial ist groß, allerdings ist die Zuverlässigkeit der Systeme derzeit noch eine Herausforderung. Gleichzeitig benötigen leistungsfähige KI-Modelle häufig erhebliche Rechenressourcen.

Wenn es gelingt, diese Modelle effizienter zu machen, könnten KI-Systeme künftig deutlich breiter eingesetzt werden – auch in sicherheitskritischen Bereichen der Industrie.

Herr Zieris, vielen Dank für das Gespräch!

Frank Scheufens, PNY, im Gespräch

So wird die KI-gestützte Smart Factory zum Erfolg