KI im Schaltschrank: Vom Zeichnen zum Orchestrieren

Artikel im Fachmagazin Computer&Automation (11-2025)
Autor: Max Krüger (BETTERTRUST GmbH)

KI ist weniger eine einzelne Funktion als eine neue Betriebsschicht der Elektrokonstruktion. Sie macht Planung erklärbar, Fertigung anschlussfähig, Entscheidungen reproduzierbar und verschiebt Ingenieurskunst dorthin, wo sie den größten Hebel hat: in Architektur, Qualität und Sicherheit.

Die Elektrokonstruktion war lange eine Disziplin der Präzision und Geduld: Informationen wanderten von Lastenheften in Stromlaufpläne, von dort in Layouts, Listen und Fertigungsdaten und zurück, sobald sich irgendwo ein Detail änderte. Der Aufwand war beträchtlich, die Abhängigkeit von implizitem Erfahrungswissen groß. Mit dem Einzug künstlicher Intelligenz (KI) verschiebt sich der Schwerpunkt der Arbeit grundlegend – weg vom manuellen Abarbeiten hin zum systematischen Strukturieren, Validieren und Entscheiden. Nun muss aufgezeigt werden, was das technisch, organisatorisch und arbeitsmarktökonomisch in der Praxis bedeutet und wie Unternehmen den Übergang vom Zeichnen zum Orchestrieren gestalten können. Die Grundidee ist einfach, ihre Umsetzung jedoch anspruchsvoll: KI soll nicht einzelne Klicks ersetzen, sondern Zusammenhänge erkennen. Sie erschließt Inhalte aus unstrukturierten Quellen (zum Beispiel PDF-Stromlaufplänen), verknüpft sie mit Normen und Artikeldaten, leitet Maßnahmen ab und macht Entscheidungen erklärbar. So entsteht eine semantische Sicht auf Projekte, in der Symbole nicht mehr nur Formen sind, sondern eindeutige Funktionsträger mit Beziehungen, Varianten und Abhängigkeiten. Wer in dieser Logik denkt, plant anders, nämlich weniger reaktiv, stärker modular und mit größerer Wiederverwendbarkeit.

Die technische Funktionsschicht

Die erste technische Schicht, in der KI greift, ist die Kontextbildung. Beim Import bestehender Unterlagen (häufig als PDF, DXF oder DWG) werden Linien, Symbole, Referenzen und Beschriftungen erkannt, klassifiziert und zu einem konsistenten Datenmodell zusammengeführt. Entscheidend ist nicht die reine Zeichenerkennung, sondern die disziplinbezogene Semantik: Eine Linie wird zur leitungsfähigen Verbindung mit definierter Funktion, ein Rechteck zu einem Betriebsmittel mit Artikelreferenz, ein Text zu einer technischen Eigenschaft mit Einheit.

Moderne Modelle lernen diese Zuordnungen aus Projekthistorien und Branchenstandards und erreichen dadurch eine Robustheit, die starre Regelwerke kaum leisten können. Lösungen wie ‚ELECTRIX AI 2026‘ greifen genau hier: Sie kombinieren semantisches Verständnis mit automatisierten Plausibilitätsprüfungen und schaffen so eine neue Qualität der Datenbasis. Auf dieser Grundlage übernehmen KI-Modelle zunehmend Aufgaben, die bislang viele einzelne Werkzeuge erforderten: Sie prüfen Konsistenz, erkennen Muster, schlagen Komponenten und Querschnitte vor und können Layouts für Montageplatten generieren, wenn gewünscht. Entscheidend bleibt die Trennung von Vorschlag und Entscheidung: Die KI entwickelt Handlungsoptionen und erläutert ihre Annahmen, während der Ingenieur validiert, priorisiert und gegebenenfalls übersteuert.

Automatisches Schaltschranklayout mit Lernfunktion

Die zweite große Neuerung in ELECTRIX AI 2026 sind die vortrainierten Modelle (Foundation Models) für den Entwurf von Schaltschrankaufbauten. Aus einem Stromlaufplan erzeugt die KI in wenigen Minuten ein Schaltschranklayout – inklusive Platzierung der Komponenten, DIN-Schienen, Kabelkanäle, Routing sowie Berücksichtigung thermischer Vorgaben (Bild 3). Die Software merkt sich kundenspezifische Regeln und Präferenzen. Wird ein Schaltschrank neu generiert, fließen diese Erfahrungen automatisch in den nächsten Entwurf ein. Diese Funktionen beruhen nicht auf fest verdrahteten Regeln, sondern auf maschinellem Lernen. Jede Aktion und jede Korrektur erweitern das interne Modell. ELECTRIX AI 2026 wird so zu einer Plattform, die mit jedem Projekt intelligenter wird.

Beispielhafte Effekte aus der Praxis

Erfahrungen aus Pilot- und Produktionsprojekten mit ELECTRIX AI zeigen, worin der konkrete Nutzen liegt und wo Grenzen verlaufen:

• Wago etwa berichtet von rund 50 % kürzeren Projektlaufzeiten. Aufgaben, die früher Stunden dauerten, werden heute in Minuten erledigt. Besonders in der Schaltschrankplanung führt die Kombination aus semantischem Import, automatisierten Prüfungen und Layoutvorschlägen zu spürbaren Produktivitätsgewinnen.
• Baader nutzt den automatisierten PDF-Import, die KI-gestützte Projektierung und die automatische Übersetzung technischer Dokumente. Symbole, Leitungen und Funktionen werden selbstständig erkannt und in ein vollständiges E-CAD-Projekt überführt. Anschließend übersetzt die Software den Plan in eine von 102 Sprachen – ein Beschleuniger für internationale Teams und globale Qualität.

Die größten Effekte entstehen dort, wo Medienbrüche reduziert und Routinen beseitigt werden. Gleichzeitig bleibt fachliche Entscheidungshoheit zentral, denn Vorschläge sind nur so gut wie die zugrunde liegenden Randbedingungen (Normen, thermische Limits, Montagevorschriften und Variantenlogik).

Der Schritt zum Wissenssystem

Die zweite Schicht betrifft das kollektive Erfahrungswissen. Klassische CAD-Makros bündeln wiederkehrende Zeichengeometrien, doch KI geht weiter: Sie lernt, welche Funktionsgruppen zueinander passen, welche Artikel bevorzugt werden und wie Unternehmen ihre eigenen Standards interpretieren.

Aus dieser Nutzung entsteht ein Wissensgraph, der Bauteile, Netze und Platzierungsprinzipien miteinander verknüpft. Anders als Handbücher wächst dieser Graph mit jeder Nutzung. Er dient als Grundlage für Vorschläge, standardisiert Prozesse und macht implizites Wissen sichtbar. Damit wird KI nicht zum Ersatz des Ingenieurs, sondern zum Wissensspeicher, der die Arbeit strukturiert und erweitert. Systeme wie ELECTRIX AI 2026 zeigen, wie sich solche Wissensgraphen praxisnah nutzen lassen, um Wiederverwendung und Qualitätsstandards kontinuierlich zu verbessern. Das Engineering entwickelt sich zu einem lernenden System, das Erfahrungen systematisch nutzt, um Qualität, Tempo und Reproduzierbarkeit zu steigern.

Erklärbarkeit als Einbauvorschrift

Akzeptanz entsteht nicht über Marketing, sondern über Nachvollziehbarkeit. Jede Empfehlung braucht eine Begründung. Moderne E-CAD-KI setzt deshalb auf Explainable AI (XAI). Bei Symbolzuordnungen, Dimensionierungen oder Layoutvorschlägen sind die verwendeten Quellen und Regeln – Projektmuster, Normbezüge, thermische Modelle, Bibliothekspräferenzen – transparent. Je klarer die Argumentationskette, desto leichter fällt die Validierung. Für Audits wird die KI so von der Black Box zur dokumentierten Entscheidungslogik und schafft Vertrauen in automatisierte Prozesse. ELECTRIX AI 2026 setzt konsequent auf Erklärbarkeit und verankert Nachvollziehbarkeit direkt im Arbeitsprozess.

Layoutgenerierung als Optimierungsproblem

Das automatische Generieren eines Schaltschranklayouts ist weit mehr als Geometrie. Es handelt sich um ein komplexes Optimierungsproblem mit Zielkonflikten zwischen thermischer Entwärmung, Leitungswegen, EMV-Aspekten, Servicezugänglichkeit und Materialkosten. KI-basierte Verfahren kombinieren heuristische Strategien, mathematische Optimierung und Erfahrungswissen. In der Praxis bewährt sich ein hybrider Ansatz: Der Konstrukteur positioniert zentrale Komponenten (Einspeisung, Leistungsteile, sicherheitsrelevante Baugruppen) und definiert Zonen, Prioritäten und Nebenbedingungen. Die KI ergänzt den Rest, sie überprüft Konflikte, schlägt Alternativen vor und dokumentiert die Begründung. Änderungen wirken top-down bis in die Fertigungsunterlagen. In ELECTRIX AI 2026 wurde dieses Prinzip der hybriden Zusammenarbeit technisch umgesetzt: Die Software generiert Vorschläge, der Mensch entscheidet.