Komplexe SPS-Projekte müssen immer schneller in Betrieb genommen werden. Trotz zahlreicher Komfortfunktionen in CODESYS erstellen und testen SPS-Programmierer den Code doch selbst. Dabei unterstützt KI wie ein „künstlicher Kollege“ über das Model Context Protocol‘ (MCP) – als standardisiertes Protokoll für den Datenaustausch zwischen Large Language Models (LLMs) und CODESYS. Die KI-Systeme greifen über den integrierten MCP-Server (Abb. 1) im CODESYS Development System direkt ins SPS-Projekt ein. Der MCP-Server stellt definierte Werkzeuge und Datenzugriffe bereit, ein MCP-Client im Sprachmodell nimmt Anfragen entgegen und leitet sie weiter, und ein MCP-Host, interagiert mit dem Tool. Man kann zwischen LLMs wechseln, weil der MCP-Server vom Projekt entkoppelt wird. Im Einsatz sind u. a. Claude Desktop, Codex für ChatGPT/OpenAI, Google Antigravity/Gemini oder lokale Modelle, z. B. auf Basis von Intels OpenVinoTM. Letztere sind nützlich, wenn Informationen von Maschinen und Anlagen für kritische Infrastrukturen nicht ins Internet gelangen dürfen oder man das Risiko von starken Kostenschwankungen vermeiden möchte.
Wie sieht das in der Praxis aus? Ein Beispiel: Durch das Kommando „Erstelle im CODESYS-Projekt einen Funktionsbaustein für eine Zweipunktregelung mit Hysterese und instanziiere ihn im Hauptprogramm“ erzeugt die KI den Baustein in CODESYS, befüllt die Deklaration, fügt einen Instanzaufruf ein und übersetzt das Projekt. Compiler-Fehler erkennt und korrigiert sie selbstständig und übersetzt erneut. Während die Iterationen aus Erstellen, Prüfen und Korrigieren automatisiert ablaufen, behält der User die Kontrolle und kann jederzeit eingreifen. Weil der CODESYS MCP Server u. a. mit oben genannten MCP-Hosts genutzt werden kann und sofort im CODESYS Store verfügbar ist, können User sofort selbst eigene Erfahrungen damit machen.
Von der KI-Nutzung über MCP kann man unterschiedlich profitieren: Einerseits summieren sich kleinere Entlastungen zu deutlicher Zeitersparnis. Die erforderliche Zeit vom Projektstart zum ersten lauffähigen Ergebnis verkürzt sich gerade für weniger erfahrene User erheblich. Weil die KI u. a. Syntax und Bibliotheken kennt, können sich alle User – auch die erfahrenen – auf die Beschreibung der Logikaufgabe konzentrieren. Auch kann die KI Kommentare und sogar Testcode erzeugen, z. B. für automatisierte Projekttests mit dem CODESYS Test Manager. Auch bei der grundlegenden Strukturierung von Automatisierungsprojekten kann sie wertvolle Hilfe leisten. Realisieren Maschinen- und Anlagenbauer ihre Steuerungsprojekte mit Hilfe vordefinierter Applikationsrahmen, so analysiert die KI das Rahmenprojekt und macht Vorschläge, wie die spezifische Beschreibung auf Basis des Rahmens am besten vorgenommen werden kann. Erfolgreich getestet wurde dieses Vorgehen anhand eines modularen Musterprojekts (siehe ISBN 978-3-8356-7396-0 – „Muster für modulare Software in der Automatisierungstechnik – ein Handbuch“): Nach Analyse des Projektrahmens dokumentiert die KI ihre Erkenntnisse in einer Markdown-Textdatei und schlägt ein menschenlesbares Textformat für die konkrete Ablaufbeschreibung einer Maschine vor. Mit diesem Wissen genügt das Foto einer Handskizze zusammen mit einer einfachen textuellen Beschreibung, um den fertigen Ablauf einer Maschine ohne manuellen Eingriff zunächst in der Textdatei abzubilden und daraus den vollständigen Applikationscode zu erzeugen. Die KI versteht wie ein erfahrener Softwareentwickler konkrete Vorgaben, erarbeitet daraus strukturierte Vorschläge und setzt sie um.
Dabei gelten für die KI dieselben Grundsätze wie auch für menschliche User: Klare Variablennamen, konsistente Kodierrichtlinien, verständliche Kommentare und eine saubere Dokumentation der verwendeten Funktionen und Bibliotheken verbessern die Ergebnisse. Anders formuliert: Versteht sie ein Projekt nicht, werden auch neue Teammitglieder oder externe Dienstleister Schwierigkeiten haben. Auch wenn die KI bei der Fehlersuche unterstützt, ersetzt sie keine fachmännische Validierung, bevor Code auf eine Maschine geladen wird. Tools zur Versionsverwaltung wie CODESYS Git dokumentieren dabei, wer wann welche Änderungen vorgenommen hat – ein wichtiger Aspekt, wenn immer größere Anteile einer Applikation maschinell entstehen.
Hochqualifizierte Applikationsspezialisten werden auch weiterhin die Kernaufgaben bei der Realisierung von Steuerungsapplikationen übernehmen – bei intelligentem Einsatz von KI aber effizienter und kreativer sein. Denn der „KI-Kollege“ nimmt ihnen nicht nur Routinearbeiten ab, sondern unterstützt auch bei der Strukturierung und Modularisierung. Applikationsspezialisten können sich dadurch zunehmend auf die exakte Problembeschreibung konzentrieren. Weil Kommentare und Tests „gratis“ mitkommen, steigt gleichzeitig die Qualität der entwickelten Software.
