Как Siemens внедряет генеративный ИИ на производстве

Как работает Industrial Copilot

Siemens впервые представила Industrial Copilot в 2023 году, встроив помощника на базе генеративного ИИ прямо в программную среду TIA Portal. Во всём мире его используют для управления задачами промышленной автоматизации.

Теперь инженер может описать нужное действие обычным языком. Например: «конвейер должен автоматически остановиться, если обнаружит затор» или «выдавать предупреждение, когда рабочая температура превышает безопасный уровень».

По данным Siemens, такие возможности уже применяют более 100 компаний. Среди них — Krause Automation, ранее называвшаяся ThyssenKrupp. На своих площадках компания производит аккумуляторы и трансмиссии для автомобилей. Industrial Copilot автоматически создаёт код для управления оборудованием автоматизации: задачи, которые раньше занимали несколько часов, теперь выполняются примерно за 30 секунд.

Цифровые двойники фабрик

Недавно Siemens объявила о запуске платформы Digital Twin Composer, построенной на технологиях ИИ от NVIDIA. Она позволяет производителям создавать полные виртуальные копии фабрик, производственных линий и предприятий, а затем моделировать изменения и проверять их до вмешательства в физическую инфраструктуру.

PepsiCo использовала платформу для моделирования своих производственных объектов в США. Это помогло выявлять до 90% потенциальных проблем ещё до их появления в реальном мире и заметно повысить эффективность производства на заводе Gatorade.

Siemens применяет технологию и на собственных промышленных объектах. В 2026 году компания представила планы по развитию завода Erlangen Electronics Factory. На площадке Industrial Copilot работает круглосуточно, а сам завод должен стать первой в мире полностью управляемой ИИ адаптивной производственной площадкой. Для Siemens это возможность показать работу собственной технологии в большом масштабе и получить измеримые результаты в реальных промышленных условиях.

Что меняется для производства

Industrial Copilot показывает, что генеративный ИИ способен создавать код для автоматизации производства на основе простых запросов на естественном языке.

Это снижает порог входа в автоматизацию фабрик. Опытные инженеры могут охватывать больше задач, а младшие специалисты — быстрее осваивать работу. Растёт и число машин, которые можно программировать, обновлять и обслуживать, без пропорционального увеличения штата.

Именно поэтому Siemens говорит о дополнении работы людей, а не об их замене. Инженерам по-прежнему нужно проверять и дорабатывать код, а техническим специалистам — вносить физические изменения в оборудование.

Цифровые двойники позволяют заказчикам Siemens и операторам собственных заводов заранее оценивать риски и понимать последствия изменений. Благодаря этому эксперименты обходятся дешевле, а уверенность в результате растёт: ещё до физической реализации можно проверить, приведёт ли решение к нужному эффекту.

Сочетание более низких требований к навыкам и ускоренного внедрения новшеств составляет основу стратегии Siemens. Решения можно проверять, дорабатывать и разворачивать в большом масштабе, не дожидаясь подготовки нового поколения инженеров и специалистов.

Уроки Siemens

Siemens начала с проблемы, которая затрагивает её саму и её клиентов: нехватки квалифицированных работников, а также долгого найма и обучения людей для закрытия этого дефицита.

Затем компания встроила Industrial Copilot в TIA Portal — основной инструмент, которым её инженеры пользуются для программирования и настройки фабричного оборудования. Им не пришлось осваивать полностью новую систему: внедрение ИИ в существующие рабочие процессы снижает трение, которое часто возникает при появлении новых инструментов и процедур, и повышает вероятность того, что сотрудники примут технологию.

Третий урок — испытания на собственной площадке в Эрлангене. Так Siemens могла проверять решения на знакомых ей производственных проблемах. Фабрика с ИИ работает в реальной производственной среде, поэтому успех или сбой сразу заметны. Это отличается от внедрения у клиентов, когда разработчику приходится ждать обратной связи из условий, которые он не контролирует.

Не у каждой компании есть такие объекты и масштаб, как у Siemens. Но общий вывод заключается в другом: чтобы создавать работающие в реальном мире стратегии применения ИИ, нужно досконально понимать проблему и полностью видеть, как решение ведёт себя на практике, а не ограничиваться пилотами и демонстрациями.