KI in der SPS-Programmierung

KI in der SPS-Programmierung heisst 2026 konkret: Ein Sprachmodell (LLM) liest, schreibt, konvertiert und erklärt Steuerungscode, vor allem Structured Text nach IEC 61131-3 (ST, bei Siemens SCL), und ein Werkzeug rund um das Modell sorgt dafür, dass der Code zum Projekt passt und geprüft in die Steuerung kommt. Die Werkzeuge reichen vom Chatbot im Browser über Herstellerassistenten wie den Siemens Industrial Copilot bis zu integrierten Engineering-IDEs wie AnyAutomation Studio, die das TIA- oder CODESYS-Projekt kennen. Dieser Leitfaden zeigt, was KI beim Programmieren einer SPS heute leistet, wo sie scheitert, woran du ein brauchbares Werkzeug erkennst und wie der Weg vom Prompt in die Steuerung aussieht. Die Werkzeuge selbst stehen im Vergleich der KI-Tools für die SPS-Programmierung.

Was KI in der SPS-Programmierung heute kann

Fünf Aufgaben, bei denen KI in der Praxis Zeit spart, in der Reihenfolge, in der die meisten Teams einsteigen:

1. Verstehen und dokumentieren. Die KI liest einen fremden Baustein (SCL, AWL oder eine Textform der grafischen Sprachen), erklärt die Logik, benennt Zustände und Verriegelungen und schreibt die Dokumentation. Für Bestandsanlagen ist das der häufigste und risikoärmste Einstieg.
2. Generieren. Aus einer Beschreibung („FB für ein Förderband mit Start/Stopp, Selbsthaltung und Überlast-Verriegelung") entsteht ein Baustein in ST/SCL. Brauchbar wird das Ergebnis, wenn die KI die echten Variablennamen und Datentypen des Projekts kennt. Wie das in TIA Portal läuft, zeigt SCL mit KI generieren.
3. Konvertieren. AWL-Altbestand nach SCL überführen, KOP-Logik als ST nachbauen, Bausteine zwischen Namenskonventionen umziehen. Musteraufgaben, bei denen KI schnell und zuverlässig ist.
4. Refactoren. Magic Numbers durch Konstanten ersetzen, Schnittstellen aufräumen, Kommentare nachziehen, eine Zustandsmaschine sauber strukturieren.
5. Testen und Fehler suchen. Die KI schreibt Unit-Tests zum Baustein, erklärt einen Compile-Fehler oder findet die Ursache eines Verhaltens, wenn sie Live-Werte oder ein Trace sieht.

Was in dieser Liste fehlt, ist absichtlich nicht dabei: Sicherheitsfunktionen (F-Technik), Hardware-Konfiguration ohne Prüfung und alles, was Annahmen über Zykluszeit und Peripherie erfordert. Dazu unten mehr.

Structured Text zuerst: welche Sprachen die KI beherrscht

Sprachmodelle sind Textmodelle. Deshalb funktioniert KI in der SPS-Programmierung am besten mit Structured Text (ST), bei Siemens SCL, bei CODESYS und den meisten anderen Herstellern ST nach IEC 61131-3. Auch AWL kann ein Modell lesen und ist als Quelle für eine Konvertierung nach SCL gut geeignet. Bei KOP und FUP braucht die KI eine Textrepräsentation: in TIA Portal ist das SimaticML-XML oder ab V20 die textuelle S7DCL-Quelle, in CODESYS PLCopenXML. Ein Werkzeug, das diese Formate übersetzt, macht auch grafische Bausteine für die KI lesbar und, mit Vorsicht, editierbar. AnyAutomation Studio bearbeitet KOP-, FUP- und GRAPH-Bausteine ab TIA Portal V20 als S7DCL-Quelle im Editor.

Welche KI-Tools gibt es für die SPS-Programmierung?

Vier Kategorien, die sich in Kontext, Datenfluss und Preismodell unterscheiden:

• Herstellerassistenten. Siemens Industrial Copilot und sein agentischer Nachfolger Eigen Engineering Agent für TIA Portal, TwinCAT Chat bei Beckhoff, der FactoryTalk Design Studio Copilot bei Rockwell, das KI-gestützte Engineering samt MCP-Server bei CODESYS, der PLC Code Generation Copilot bei Schneider Electric. Tief integriert, aber an Hersteller, Modell und meist an eine Cloud gebunden.
• Unabhängige Engineering-IDEs und Assistenten. AnyAutomation Studio (IDE für TIA Portal V15-V21 und CODESYS mit frei wählbarem Modell), T-IA Connect (Openness-Schicht mit MCP-Server für externe KI-Clients), PLC Copilot, PLC Assist und SCLcode (Chat- und Web-Generatoren neben der IDE).
• Allgemeine Chatbots und Coding-Agenten. ChatGPT, Claude oder Gemini im Browser, oder Claude Code und Cursor mit einem Community-MCP-Server für TIA Portal. Frei in der Modellwahl, aber ohne Projektkontext oder mit selbst gebauter Anbindung.
• Open Source und Forschung. MCP-Server für TIA Openness auf GitHub, Prototypen wie LLM4PLC, Agents4PLC und AutoPLC, das Fraunhofer-Projekt ChatPLC. Gut zum Verstehen der Technik, nicht für den Produktionseinsatz gedacht.

Die Werkzeuge aller vier Kategorien stehen mit Umgebung, Modellwahl, lokaler Option, Weg ins Projekt, Tests und Preisen im Vergleich der KI-Tools für die SPS-Programmierung.

Chatbot oder integrierter Assistent: der Unterschied ist der Kontext

Ein Chatbot im Browser kennt dein Projekt nicht. Er erfindet Symbolnamen, rät Datentypen und kennt weder deinen Hausstandard noch die Bausteine, die es schon gibt. Der Code sieht plausibel aus und kompiliert nicht, oder schlimmer: er kompiliert und passt trotzdem nicht zur Anlage. Ein integrierter Assistent liest das Projekt, bevor er schreibt: Variablentabellen, Datentypen, bestehende Bausteine, bei TIA Portal über die offizielle Openness-API. Das Ergebnis passt beim ersten Versuch deutlich öfter, und der Import bleibt reproduzierbar, weil er über dieselbe API läuft statt über Copy-Paste. Was ChatGPT ohne diesen Kontext leistet und wo es scheitert, steht im Beitrag ChatGPT für TIA Portal.

Cloud oder lokal: darf SPS-Code an ein LLM?

Die Frage entscheidet in vielen Unternehmen über den Einsatz. Drei Antworten sind möglich. Cloud mit eigenem Vertrag: Du nutzt Claude, GPT oder Gemini über deinen eigenen API-Schlüssel oder ein Enterprise-Angebot wie Azure OpenAI, Vertex AI oder AWS Bedrock; die Daten laufen unter deinen Bedingungen zum Anbieter, nicht über einen Drittserver. Herstellercloud: Beim Industrial Copilot oder dem Eigen Engineering Agent laufen die Anfragen über die Siemens-Infrastruktur. Lokal: Ein Modell über Ollama, LM Studio, vLLM oder SGLang auf eigener Hardware, die Inferenz verlässt den Rechner nicht. Für vertrauliche Anlagen, Know-how-geschützte Bausteine und regulierte Branchen ist die lokale Option oft die einzige, die durch die Freigabe kommt. AnyAutomation Studio unterstützt alle drei Wege und leitet keine Anfrage über einen eigenen Server; Details auf KI für TIA Portal.

Grenzen: was KI nicht darf

Ein LLM ersetzt keinen SPS-Programmierer, und generierter Code gehört nicht ungeprüft auf eine Anlage. Vier Grenzen gelten unabhängig vom Werkzeug:

• Halluzinierte Systembausteine. Sprachmodelle erfinden gelegentlich Aufrufe oder Parameter, die es nicht gibt. Ein Compile gegen das echte Projekt fängt das ab, ein Chat-Fenster nicht.
• Timing und Hardware. Annahmen über Zykluszeit, Peripherie, Alarm-OBs oder Kommunikationsverhalten gehören von dir geprüft, nicht vom Modell geraten.
• Sicherheitsgerichtete Logik. F-Technik bleibt Handarbeit mit Abnahme. Generieren ja, aber nur für Standardlogik.
• Verantwortung. Die Freigabe trifft ein Mensch. Deshalb gehört vor jeden Import ein Diff, und hinter jeden Import ein Test.

Wer KI in der SPS-Programmierung seriös einsetzt, behandelt sie wie einen schnellen Junior: viel Output, immer reviewt.

Der Workflow in AnyAutomation Studio

In AnyAutomation Studio ist der Weg vom Prompt in die Steuerung dreistufig gebaut. Erstens beschreibst du die Aufgabe im Chat; der Assistent liest Variablen, Datentypen und Bausteine des TIA-Projekts über Openness (V15 bis V21) oder des CODESYS-Projekts. Zweitens erzeugt er den Baustein als Diff-Vorschau; du liest, passt an, bestätigst. Drittens geht der Code über die Openness-API ins Projekt, wird kompiliert und mit SCL-Unit-Tests gegen PLCSIM Advanced oder die echte S7-SPS geprüft. Das Modell wählst du pro Aufgabe: Claude, GPT, Gemini, 20+ Cloud-Anbieter oder ein lokales Modell. Dazu kommen Git, CI/CD, EPLAN-Import und die Forge-Bausteinbibliothek, die den Agenten mit deinen Hausstandards speist. Wie der Assistent darüber hinaus agentisch arbeitet, steht auf der Seite TIA Portal KI-Assistent.

Häufige Fragen

Kann KI eine SPS programmieren?

Ja, für Standardlogik in Structured Text (ST/SCL): Bausteine generieren, konvertieren, refactoren, dokumentieren und testen. Nicht selbständig und nicht ungeprüft: Die KI liefert Vorschläge, ein Mensch prüft den Diff, der Compile und ein Unit-Test liefern den Nachweis. Sicherheitsfunktionen bleiben Handarbeit.

Welche KI-Tools gibt es für die SPS-Programmierung?

Herstellerassistenten (Siemens Industrial Copilot und Eigen Engineering Agent, Beckhoff TwinCAT Chat, Rockwell FactoryTalk Design Studio Copilot, CODESYS KI-Engineering, Schneider PLC Code Generation Copilot), unabhängige Engineering-IDEs und Assistenten (AnyAutomation Studio, T-IA Connect, PLC Copilot, PLC Assist, SCLcode), allgemeine Chatbots und Coding-Agenten (ChatGPT, Claude, Gemini, Claude Code mit MCP-Server) sowie Open-Source- und Forschungsprojekte. Der Vergleich mit Tabelle steht auf der Seite KI-Tools für die SPS-Programmierung im Vergleich.

Welche KI ist die beste für SCL im TIA Portal?

Für komplexe Bausteine ein starkes Reasoning-Modell wie Claude, GPT oder Gemini in der grossen Variante, für die Vervollständigung beim Tippen ein schnelles Coder-Modell, für vertrauliche Projekte ein lokales Modell über Ollama. Wichtiger als das Modell ist der Projektkontext: Dieselbe KI schreibt mit Zugriff auf Variablen und Datentypen deutlich besseren SCL-Code als ohne.

Kann ChatGPT SPS-Code schreiben?

ChatGPT erklärt SCL gut und schreibt brauchbare Gerüste, kennt aber dein Projekt nicht. Symbolnamen und Datentypen werden geraten, der Import läuft über Copy-Paste. Als Lernhilfe und für kleine Bausteine funktioniert das, für Projektarbeit braucht es einen Assistenten mit Projektkontext und Import über die Openness-API.

Ersetzt KI den SPS-Programmierer?

Nein. Sie verschiebt die Arbeit: weniger Tippen von Boilerplate und Zustandsmaschinen, mehr Spezifizieren, Reviewen und Testen. Anlagenwissen, Sicherheitsbewertung und die Verantwortung für die Freigabe bleiben beim Menschen.

Ist KI-generierter SPS-Code sicher?

So sicher wie der Prozess, der ihn ins Projekt bringt. Ohne Gates ist er ein Risiko. Mit Diff-Prüfung, Import über die offizielle API, Compile gegen das echte Projekt und Unit-Tests auf PLCSIM Advanced oder der realen SPS ist er so sicher wie handgeschriebener Code mit Review. Sicherheitsgerichtete Logik (F-Technik) wird nicht generiert.

Darf ich SPS-Code an ein Cloud-LLM senden?

Das entscheidet deine Freigabe. Drei Wege: Cloud über einen eigenen Vertrag mit dem Anbieter (auch Azure OpenAI, Vertex AI, AWS Bedrock), Herstellercloud wie bei Siemens, oder komplett lokal über Ollama, LM Studio, vLLM oder SGLang. AnyAutomation Studio unterstützt alle drei Wege und leitet keine Anfrage über einen eigenen Server.

Gibt es KI für CODESYS?

Ja, der Überblick steht auf der Seite KI für CODESYS. CODESYS selbst bietet KI-gestütztes Engineering und einen MCP-Server für externe KI-Clients. AnyAutomation Studio öffnet CODESYS-3.5-Projekte, zeigt die Objekte als Baum, liest den Code eines Bausteins und exportiert als PLCopenXML; der KI-Chat arbeitet mit diesem Kontext. Bearbeiten und Zurückschreiben nach CODESYS ist für eine spätere Version geplant.

Welche KI migriert AWL nach SCL?

Jedes starke Sprachmodell liest AWL und konvertiert nach SCL. Der Unterschied liegt im Werkzeug: Ein integrierter Assistent liest den AWL-Baustein direkt aus dem Projekt, behält Kommentare und Schnittstelle bei, und der Import über Openness plus Compile zeigt sofort, ob die Konvertierung stimmt. In AnyAutomation Studio ist das ein Prompt: „Konvertiere FC_Altanlage von AWL nach SCL und behalte die Kommentare bei."

Funktioniert KI auch mit KOP und FUP?

Über eine Textrepräsentation ja. In TIA Portal ist das SimaticML-XML oder ab V20 die S7DCL-Quelle, in CODESYS PLCopenXML. AnyAutomation Studio bearbeitet KOP-, FUP- und GRAPH-Bausteine ab TIA Portal V20 als S7DCL-Quelle. Am besten funktioniert KI aber in Structured Text (ST/SCL).

Was kostet KI für die SPS-Programmierung?

Herstellerassistenten laufen als Abo über die Marktplätze der Hersteller, Chat-Werkzeuge als Monatsabo, Chatbots im Browser ab dem Gratis-Tarif. In AnyAutomation Studio ist der KI-Chat ab dem Basic-Plan enthalten (CHF 10 pro Monat oder CHF 110 pro Jahr); dazu kommt dein eigener API-Schlüssel beim Modellanbieter, oder ein lokales Modell ohne Schlüssel. 30 Tage kostenlos testen.

Wie fange ich mit KI in der SPS-Programmierung an?

Mit dem risikoärmsten Schritt: einen bestehenden Baustein erklären und dokumentieren lassen. Danach einen kleinen Standardbaustein generieren, den Diff lesen, importieren, kompilieren, testen. Erst wenn dieser Kreis rund läuft, grössere Aufgaben. Ein Werkzeug mit Projektkontext, Diff-Vorschau und Test-Anbindung nimmt dir die Leitplanken ab; der Ablauf steht unter SCL mit KI generieren.