LLM-basierte open-source Agents zur Analyse industrieller Sensordaten

Inhaltsverzeichnis

Bibliographische Infos

Cover der Ausgabe: VDI-Z Jahrgang 167 (2025), Heft 11-12
Kein Zugriff

Mitgliederausgabe der VDI-Gesellschaft Produktion und Logistik

Jahrgang 167 (2025), Heft 11-12

Autor:innen:
, , , , ,
Verlag
VDI fachmedien, Düsseldorf
Erscheinungsjahr
2025
ISSN-Online
0042-1766
ISSN-Print
0042-1766

Kapitelinformationen

Kein Zugriff

Jahrgang 167 (2025), Heft 11-12

LLM-basierte open-source Agents zur Analyse industrieller Sensordaten

Autor:innen:
,
ISSN-Print
0042-1766
ISSN-Online
0042-1766
Kapitelvorschau:

Industrielle Anlagen erzeugen täglich eine große Anzahl an wertvollen Sensordaten, doch nur ein Bruchteil wird genutzt. Neue KI-Technologien versprechen Abhilfe: Sprachmodelle könnten die Interaktion mit komplexen Daten revolutionieren und damit datenbasierte Entscheidungen deutlich vereinfachen [1]. Anhand praktischer Tests mit lokalen open-source Agents wird gezeigt, wo Potenziale liegen und welche Grenzen derzeit bestehen.

Literaturverzeichnis

  1. [1] Zhang, X.; Chowdhury, R. R.; Gupta, R. K.; Shang, J.: Large Language Models for Time Series: A Survey, 6. Mai 2024. Internet: https://arxiv.org/pdf/2402.01801 Google Scholar öffnen
  2. [2] Bitkom e.V.: Deutsche Unternehmen nutzen ihre Daten kaum. https://www.bitkom.org/Presse/Presseinformation/Deutsche-Unternehmen-nutzen-ihre-Daten-kaum#_. 11. Juni 2024. Google Scholar öffnen
  3. [3] Löwhagen, N.; Schwendener, P.; Netland, T.: Can a troubleshooting AI assistant improve task performance in industrial contexts? International Journal of Production Research, 1–22, 2025. DOI: https://doi.org/10.1080/00207543.2025.2527368. Google Scholar öffnen
  4. [4] Elliott, D.: . A short history of AI in 10 landmark moments. World Economic Forum, 03. Januar 2024. Internet: https://www.weforum.org/stories/2024/10/history-of-ai-artificial-intelligence. Google Scholar öffnen
  5. [5] Alto, V.: Building LLM Powered Applications: Create Intelligent Apps and Agents with Large Language Models (1st ed.). Packt Publishing Limited (2024). Google Scholar öffnen
  6. [6] Industrie.de: Künstliche Intelligenz im Produktionsumfeld, 07. März 2025. Internet: https://industrie.de/iiot/kuenstliche-intelligenz-im-produktionsumfeld. Google Scholar öffnen
  7. [7] Helwig, N.; Pignanelli, E.; Schütze, A.: Condition monitoring of hydraulic systems. UCI Machine Learning Repository, 25. April 2018. Internet: https://archive.ics.uci.edu/dataset/447/ condition+monitoring+of+hydraulic+systems. Google Scholar öffnen
  8. [8] https://github.com/2Obe/Fragenkatalog-LLM-Agents-CRISP-DM. Google Scholar öffnen
  9. [9] Wirth, R.; Hipp, J.: CRISP-DM: Towards a Standard Process Model for Data Mining (2000). https://api.semanticscholar.org/CorpusID:1211505. Google Scholar öffnen
  10. [10] LlamaIndex. (o. D.): Building an agent. Internet: https://docs.llamaindex.ai/en/stable/understanding/agent. Google Scholar öffnen

Zitation

Download RIS Download BibTex
Kein Zugriff
Sie haben keinen Zugriff auf diesen Inhalt.

Per E-Mail teilen

Medien