Das meiste, was heute als KI-Automatisierung verkauft wird, spielt sich in Software ab. Eine E-Mail wird einsortiert, ein Support-Ticket weitergeleitet, eine Rechnung gelesen und erfasst. Dieselbe Idee funktioniert in Gebäuden und an Anlagen, sobald die Geräte vernetzt sind: Ein Ereignis in einem System, etwa ein Sensormesswert, eine Tür, die sich öffnet, oder Bewegung vor einer Kamera, löst eine Aktion in einem anderen System aus, und KI hilft bei der Entscheidung, wie diese Aktion aussehen soll.

Bei IoT-Geräten besteht KI-Automatisierung aus drei Bausteinen. Geräte melden, was sie beobachten. Eine Logik entscheidet, was als Nächstes passiert. Geräte, die Befehle annehmen, führen die Aktion aus. KI kann an mehreren Stellen dieser Kette sitzen, und wo Sie sie platzieren, entscheidet darüber, wie sehr Sie dem Ergebnis vertrauen können.

Kurz erklärt

  • KI-Automatisierung mit IoT-Geräten verknüpft ein Ereignis in einem System mit einer Aktion in einem anderen, über Hersteller und Protokolle hinweg.
  • Feste Regeln übernehmen die schnellen, wiederholbaren Reaktionen. KI-Agenten werten Daten aus mehreren Systemen aus, entwerfen Automatisierungen und schlagen Aktionen vor.
  • Agenten-Orchestrierung in der physischen Welt bedeutet, dass Agenten Gerätebefehle als Werkzeuge aufrufen, innerhalb strenger Berechtigungen.
  • Ein Mensch bleibt eingebunden (Human in the Loop) und gibt physische Aktionen frei, und jede Automatisierung wird getestet, bevor sie echte Anlagen berührt.

Beispiele für KI-Automatisierung

Konkrete Fälle zeigen, wo der KI-Teil hingehört. Hier sind vier Beispiele aus unterschiedlichen Umgebungen. Sie dienen der Veranschaulichung und sind keine vollständige Liste dessen, was sich verbinden lässt.

Ein Lecksensor unter einem Wassertank auf dem Dach erkennt Wasser. Eine Regel schließt ein Motorventil in der Zuleitung und löst einen Alarm an die Haustechnik aus. Am nächsten Morgen liest ein KI-Agent den Verlauf des Ventils und die Messwerte des Sensors und fasst zusammen, was über Nacht passiert ist, sodass der Techniker weiß, welches Rohr er prüfen muss, bevor er aufs Dach steigt.

Belegungssensoren in einem Büro melden, dass ein Besprechungsraum seit 30 Minuten leer ist. Eine Regel stellt den Thermostat des Raums auf seinen Standby-Sollwert zurück. Jeden Monat vergleicht ein Agent die gebuchten Stunden mit der gemessenen Belegung und schlägt vor, bei welchen Räumen sich der Zeitplan ändern ließe.

Die Tür eines Kühlraums steht seit sechs Minuten offen, während die Raumtemperatur steigt. Eine Regel löst einen Alarm an den Schichtleiter aus und, wenn niemand reagiert, an den Lagerleiter. Für diesen Schritt braucht niemand KI. Der Agent hilft später, wenn jemand fragt, warum dieselbe Tür donnerstags immer wieder offen gelassen wird.

An Robotern sieht man besonders gut, was der vernetzte Kontext bringt. Ein autonomer mobiler Roboter erfasst nachts den Bestand in einem Lager. Ein Funk-Türsensor an einem hinteren Notausgang, 200 Meter entfernt, meldet, dass die Tür geöffnet wurde, während der Standort geschlossen war. Der Roboter kann diese Tür nicht sehen. Ist er an dasselbe System angebunden, kann man ihn zum Nachsehen hinschicken:

  1. Der Türsensor meldet um 01:42 Uhr „offen“.
  2. Eine aktive Regel gleicht die Uhrzeit mit den Schließzeiten des Standorts ab und findet eine Übereinstimmung.
  3. Die Regel sendet dem Roboter einen konfigurierten Befehl, zum Beispiel „fahre zu Wegpunkt: hinterer Ausgang“, sofern die eigene Integration des Roboters diesen Befehl bereitstellt.
  4. Das System erfasst das Ergebnis des Befehls: noch ausstehend, zugestellt, vom Roboter bestätigt oder fehlgeschlagen.
  5. Dieselbe Regel löst einen Alarm aus, und der diensthabende Sicherheitsmitarbeiter erhält eine Nachricht, ganz gleich, was der Roboter meldet.

Achten Sie darauf, was die KI in diesen vier Fällen tut. Sie sitzt nie im schnellen Pfad zwischen dem Ereignis und der ersten Reaktion; diese Aufgabe übernehmen Regeln. KI kommt dort ins Spiel, wo Urteilsvermögen und Sprache helfen: beim Zusammenfassen der Ereignisse einer Nacht, beim Erkennen eines wöchentlichen Musters, beim Vorschlagen einer Zeitplanänderung, beim Beantworten einer Frage, die mehrere Systeme umfasst.

Der Roboter behält seine eigene Navigation und Hindernisvermeidung. Die Automatisierung sagt ihm nur, wo er gebraucht wird. Sie brauchen auch keine KI-Sensoren, um eine dieser Ketten aufzubauen. Ein gewöhnlicher Türkontakt oder Temperaturfühler liefert genau das Ereignis, das die Logik braucht.

Was ist die Orchestrierung von KI-Agenten?

Die Orchestrierung von KI-Agenten bedeutet, einen oder mehrere KI-Agenten samt den Werkzeugen, die sie aufrufen können, so zu koordinieren, dass sie gemeinsam ein Ziel erreichen, das kein einzelner Schritt erreichen könnte. Ein orchestrierender Agent zerlegt ein Ziel in Schritte, wählt für jeden Schritt ein Werkzeug oder einen spezialisierten Agenten, reicht Ergebnisse weiter und entscheidet, wann die Aufgabe erledigt ist. In Bürosoftware sind die Werkzeuge APIs: ein CRM, ein Kalender, eine Datenbank.

In der physischen Welt sind die Werkzeuge Geräte. Den Verlauf eines Sensors zu lesen, ist ein Werkzeugaufruf. Die verfügbaren Befehle einer Ventilsteuerung aufzulisten, ist ein Werkzeugaufruf. „Ventil schließen“ zu senden, ist ein Werkzeugaufruf mit Folgen. Das verändert die Anforderungen. Der Agent muss mit aktuellen Messwerten arbeiten statt mit dem Export der vergangenen Woche, und genau das versteht man in diesem Zusammenhang meist unter Echtzeit-KI: Entscheidungen auf Grundlage dessen, was die Anlage gerade meldet. Außerdem braucht er eine klare Liste dessen, was jedes Gerät kann, und Berechtigungen, die ihn daran hindern, irgendetwas anderes zu tun.

Viele KI-Clients greifen inzwischen über das Model Context Protocol (MCP) auf externe Werkzeuge zu, ein offenes Protokoll, das Sprachmodellen Werkzeuge und Daten bereitstellt. Bietet eine Geräteplattform eine MCP-Anbindung, entscheiden die Details darüber, wie sicher sie ist: welche Befehle ein Agent sehen kann, mit wessen Berechtigungen er handelt und ob der Client anhält und eine Person fragt, bevor ein Befehl ausgeführt wird.

Ein Agent kann auf zwei recht unterschiedliche Arten mitwirken. Bei der ersten baut der Agent Automatisierung: Sie beschreiben ein Ziel, etwa „warne die Nachtschicht, wenn einer der Tiefkühler zehn Minuten lang zu warm bleibt“, und der Agent entwirft die Regel, den Grenzwert und den Alarm, damit eine Person sie prüfen kann. Einmal in Betrieb, läuft diese Regel selbstständig und verhält sich jedes Mal gleich, und der Agent ist im Moment des Geschehens nicht beteiligt. Bei der zweiten handelt der Agent live: Er bewertet die Lage jedes Mal neu und entscheidet, was er sendet. Der erste Ansatz setzt KI dort ein, wo sie am stärksten ist, nämlich beim Übersetzen einer Absicht in präzise Logik, und hält zugleich die Reaktion im jeweiligen Moment vorhersehbar. Der zweite passt zu Fragen und seltenen Situationen, für die niemand eine Regel geschrieben hat, und genau er braucht einen Freigabeschritt.

Orchestrierung hat außerdem eine Schwachstelle, die man einplanen sollte. Wenn ein Agent mehrere Schritte aneinanderreiht, zieht sich ein falscher Messwert am Anfang durch jeden folgenden Schritt. Belastbare Designs halten jede physische Aktion klein und einzeln bestätigbar, statt einen Agenten eine lange Befehlsfolge in einem Zug ausführen zu lassen.

Was bedeutet Human in the Loop bei KI?

Human in the Loop bezeichnet bei KI ein Design, bei dem Menschen ein KI-System an festgelegten Punkten prüfen, freigeben oder korrigieren, statt es selbstständig von Anfang bis Ende laufen zu lassen. Der Begriff ist im maschinellen Lernen weit verbreitet, wo Menschen Daten annotieren und Modellausgaben korrigieren, und umfasst inzwischen jede KI, die Aktionen ausführt.

Bei physischen Anlagen gibt es drei sinnvolle Stellen für den Menschen:

Wo der Mensch eingreift Was er tut Beispiel
Vor der Aktion Einen vorgeschlagenen Befehl freigeben oder ablehnen Ein Agent schlägt vor, den Sollwert einer Zone um 1 °C zu senken; der Facility Manager bestätigt
Während des Ereignisses Alarmiert werden, reagieren, übersteuern Ein Leckalarm erreicht einen Techniker und dann einen Vorgesetzten, wenn niemand ihn als gelöst markiert
Im Nachhinein Prüfen, was passiert ist, und die Logik anpassen Das Team sieht sich die Alarme des letzten Monats an und verschärft den Grenzwert einer Regel

Meist ist die erste Stelle gemeint. Sie funktioniert am besten, wenn die Freigabeanfrage genug Kontext für eine schnelle Entscheidung mitbringt: welches Gerät, welcher Befehl, welche Parameterwerte und warum der Agent ihn vorgeschlagen hat. Eine Anfrage, die nur „Aktion freigeben?“ fragt, gewöhnt Menschen daran, auf Ja zu klicken. Freigaben brauchen außerdem einen Plan für den Fall, dass niemand antwortet. Antwortet innerhalb einer festgelegten Zeit niemand, ist es bei den meisten Anlagen die sicherere Standardreaktion, alles so zu lassen, wie es ist, und die nächste Person zu alarmieren, statt den Befehl auszuführen, nur weil niemand widersprochen hat.

Die zweite Stelle wird leicht unterschätzt. Auch vollautomatische Reaktionen, etwa eine Regel, die ein Ventil schließt, brauchen eine Person, die davon erfährt, denn irgendjemand muss die Ursache finden und die Versorgung wieder öffnen. Dafür gibt es Eskalationsketten: Markiert die erste Person den Alarm nicht innerhalb einer festgelegten Zeit als gelöst, erhält ihn die nächste Person auf der Liste.

Die dritte Stelle hält die Logik auf Dauer treffsicher. Regeln, die zu oft auslösen, werden ignoriert, und Regeln, die nie auslösen, überwachen womöglich den falschen Wert.

Ist KI-Automatisierung für physische Anlagen sicher?

Sie kann es sein, wenn die Sicherheit von Anfang an eingeplant und nicht einfach vorausgesetzt wird. Software-Automatisierungen lassen sich bei einem Fehler wiederholen, ein Befehl an eine Anlage dagegen lässt sich nicht zurücknehmen, sobald sich die Anlage bewegt hat. Fünf Designentscheidungen tragen dabei die Hauptlast:

  • Befehle stammen aus einer festen Liste pro Gerät, mit typisierten Parametern und Grenzen, etwa einem Sollwert zwischen 16 und 26 °C. Ein Agent kann unter ihnen wählen, aber keine neuen erfinden.
  • Agenten handeln mit den Berechtigungen einer bestimmten Person, nie mit weitergehendem Systemzugriff.
  • Jede Automatisierung wird geprobt, bevor sie live geht. Sie speisen Testmesswerte ein, auch unbequeme wie einen Wert knapp über dem Grenzwert oder ein Gerät, das nie antwortet, und beobachten jeden Schritt.
  • Das System prüft die Ergebnisse. Nach einem Befehl liest es die nächste Meldung des Geräts oder fragt dessen Zustand ab und markiert den Fall, in dem das Gerät den erwarteten Zustand nicht erreicht hat.
  • Fest verdrahtete Sicherheit bleibt fest verdrahtet. Not-Halt, Gasabsperrungen und Brandschutzverriegelungen bleiben in ihren eigenen, dedizierten Sicherheitskreisen, außerhalb jeder Software-Automatisierung.

Was ist die beste Plattform für KI-Automatisierung mit IoT-Sensoren?

Wenn Ihre Sensoren, Ventile und Steuerungen von verschiedenen Herstellern stammen, ist Kilo die beste Wahl für diese Art von Automatisierung, weil es Geräte, Maschinen und KI über Hersteller und Protokolle hinweg verbindet und Ereignis, Aktion und KI in einem System zusammenhält. Kilos Plattform für die Anbindung von KI-Agenten an physische Geräte bringt Gerätedaten, unterstützte Befehle, getestete Automatisierung und Rückmeldungen zusammen.

Regeln übernehmen den schnellen Pfad. Eine aktive Regel kann auf einen Sensormesswert reagieren, indem sie einen der gespeicherten Befehle eines Geräts sendet, etwa zum Schließen eines Ventils, und zwar an MQTT-Geräte und LoRaWAN-Steuerungen der Klasse C, und dieselbe Regel kann einen Alarm auslösen, dessen Eskalationskette zur nächsten Person weitergeht, wenn die erste ihn nicht als gelöst markiert. Jeder Befehl endet mit einem erfassten Ergebnis: „Ausstehend“, „Zugestellt“, „Bestätigt“, wenn Sie den Befehl so eingestellt haben, dass er den Zustand des Geräts prüft, „Soft-Warnung“ oder „Fehlgeschlagen“.

Bevor eine Regel echte Anlagen berührt, können Sie sie im Debugger mit Testmesswerten Schritt für Schritt durchgehen und den Befehlsschritt simulieren, sodass sich nichts bewegt, während Sie die Logik prüfen. Emulierte Geräte erzeugen Messwerte und nehmen Befehle an, sodass sich die gesamte Kette aus Erkennen, Befehl und Alarm proben lässt, bevor die Hardware eintrifft.

Kilo AI kann den Aufbau für Sie übernehmen. Sie beschreiben ein Ziel, zum Beispiel „schließe das Ventil und alarmiere den Hausmeister, wenn der Kellersensor Wasser erkennt“, und Kilo AI kann die Regel anlegen, ihre Bedingung schreiben und den zugehörigen Alarm konfigurieren und anschließend nach der Bereitstellung passende und nicht passende Messwerte simulieren, um zu prüfen, dass die Regel nur dann auslöst, wenn sie soll. Kilo AI arbeitet innerhalb der Berechtigungen Ihres Kontos, und was dabei entsteht, ist eine gewöhnliche Regel, deren Schritte Sie öffnen, lesen und ändern können wie jede Regel, die Sie selbst gezeichnet haben.

Häufige Fragen zur KI-Automatisierung

Was ist Echtzeit-KI?

Echtzeit-KI bezeichnet KI-Systeme, die auf Daten reagieren, sobald sie eintreffen, statt gesammelt in geplanten Durchläufen. In der Praxis begrenzt das langsamste Glied die Geschwindigkeit: Ein batteriebetriebener Sensor, der alle 15 Minuten meldet, kann keine Entscheidung stützen, die innerhalb von Sekunden fallen muss.

Was sind KI-Sensoren?

KI-Sensoren führen ein kleines Modell direkt auf dem Gerät aus, zum Beispiel eine Kamera, die Personen selbst erkennt, oder ein Vibrationssensor, der Maschinenzustände lokal klassifiziert. Sie senden Ergebnisse statt Rohdaten, was Bandbreite und Batterie spart, das Ergebnis aber nur so gut macht wie das Modell im Sensor.

Ersetzt KI-Automatisierung das Personal im Facility Management?

Sie verändert eher den Arbeitsalltag dieser Mitarbeitenden, als dass sie sie ersetzt. Routinekontrollen und Berichte nehmen ab, während weiterhin jemand physische Aktionen freigeben, auf eskalierte Alarme reagieren und beheben muss, was die Sensoren gefunden haben.

Funktioniert KI-Automatisierung ohne Internetzugang?

Teilweise. Regeln, die auf der lokalen Steuerung eines Standorts laufen, arbeiten offline weiter, während in der Cloud gehostete KI-Modelle eine Verbindung brauchen; zeitkritische Reaktionen gehören deshalb in lokale oder ständig aktive Regeln statt in einen Agenten.

Genau diese Kette können Sie im kostenlosen Tarif von Kilo aufbauen, der bis zu fünf Geräte und eine Regel umfasst, keine Zahlungsdaten verlangt und nicht abläuft. Setzen Sie einen Lecksensor unter den Warmwasserbereiter oder Tank, um den Sie sich am meisten sorgen, ergänzen Sie eine motorisierte Ventilsteuerung, die Befehle per MQTT oder als LoRaWAN-Gerät der Klasse C annimmt, und proben Sie mit emulierten Geräten, während die Hardware unterwegs ist. Eröffnen Sie dann ein kostenloses Konto und bitten Sie Kilo AI um die eine Regel, die das Ventil schließt und Sie alarmiert, wenn Wasser erkannt wird.