Siemens bringt mit Eigen einen spezialisierten Agenten ins Automatisierungs-Engineering
Siemens positioniert Eigen für PLC-, HMI- und Konfigurationsarbeit. Entscheidend sind jedoch nicht die Leistungsversprechen, sondern Freigaben, Fehlerbehandlung und belastbare Einbettung in reale Engineering-Prozesse.
Siemens hat am 20. April 2026 den Eigen Engineering Agent allgemein verfügbar gemacht. Laut Pressemitteilung des Konzerns erledigt der KI-Agent Aufgaben im Automatisierungs-Engineering eigenständig, darunter PLC-Programmierung, HMI-Visualisierung und Gerätekonfiguration.
Damit geht Siemens über einen Chat-Assistenten hinaus, der Codeschnipsel vorschlägt. Wer Steuerungslogik erzeugt, greift in Anlagen ein. Ein Fehler zeigt sich dann an der Maschine.
Der Agent arbeitet direkt in TIA Portal
Siemens koppelt Eigen an TIA Portal, die hauseigene Engineering-Plattform. Nach Unternehmensangaben greift der Agent dort auf die Datenstrukturen, Bausteine und Parameter des jeweiligen Projekts zu, auch bei älteren oder undokumentierten Anlagen. Komplexe Aufgaben zerlegt er in Einzelschritte, prüft seine Ergebnisse gegen die Projektanforderungen und wiederholt diesen Durchlauf so lange, bis die Arbeit für die Prüfung durch den Ingenieur bereitsteht.
Wie das im Alltag aussieht, beschreibt Siemens am Beispiel eines großen Anlagenbauers aus der Automobilbranche. Neue Ingenieure brauchten dort bisher Wochen, um Projektstruktur und Komponentenbeziehungen zu verstehen. Mit Eigen fragten sie das Projekt direkt ab, etwa mit „Zeige mir alle Bausteine, die Station 3 steuern“. Die Einarbeitung schrumpfte laut Siemens von Wochen auf Tage.
Große Zahlen, offene Messbasis
Vor dem Marktstart lief Eigen laut Siemens als Pilot bei mehr als 100 Kunden in 19 Ländern. Das Fachportal Masterofplc nennt als Pilotanwender unter anderem Prism Systems aus den USA, Zhongke Motong aus China und ANDRITZ Metals. Dazu kommen kräftige Versprechen des Herstellers: KI-gestützte Workflows sollen zwei- bis fünfmal schneller laufen als manuelle, die Lösungsqualität soll um bis zu 80 Prozent und die Engineering-Effizienz um 50 Prozent steigen.
Das sind Herstellerwerte.
Solange Methodik und Vergleichsbasis nicht offenliegen, taugen sie eher als Richtwert für eigene Erwartungen denn als Planungsgröße. Belastbarer ist ein Pilot an einem Projekt, das das Team gut kennt, weil sich Zeitaufwand und Nacharbeit dort direkt mit der bisherigen Praxis vergleichen lassen.
Was Automatisierungsteams vor dem Einsatz klären sollten
Masterofplc weist auf eine klare Grenze hin: Eigens Fähigkeiten hängen eng an TIA Portal und nützen damit vor allem Unternehmen, die bereits mit Siemens arbeiten. Für Betriebe mit gemischten Steuerungswelten stellt sich deshalb zuerst die Frage, welcher Teil ihrer Projekte überhaupt in Reichweite des Agenten liegt.
Die zweite Frage betrifft den Ablauf im Projekt. Siemens betont, dass der Agent seine Ergebnisse vor der Übergabe selbst validiert. Selbstprüfung ersetzt keine Freigabe. Bevor generierte Bausteine in eine laufende Anlage gehen, sollte feststehen, wer sie abnimmt, wie Änderungen nachvollziehbar dokumentiert werden und wie sich ein fehlerhafter Stand zurücknehmen lässt.
Mit Eigen rückt Agentensoftware an die Stelle, an der Steuerungscode entsteht. Ob sich die versprochenen Zeitgewinne halten, zeigt sich in den ersten Pilotwochen: bei der Nacharbeit, die generierte Bausteine im eigenen Projekt noch brauchen, und daran, ob die Freigabe so streng bleibt wie bei Code eines neuen Teammitglieds.
Transparenz
agentenlog.de nutzt KI-Assistenz für Recherche, Struktur und Entwurf. Inhaltliche Auswahl, Einordnung und Veröffentlichung liegen redaktionell bei agentenlog.de; Quellen und Fakten werden vor Veröffentlichung automatisiert geprüft.
Quellen
Das könnte dich auch interessieren
ChatGPT Work bekommt einen Cloud-Browser für angemeldete Websites
ChatGPT Work führt Aufgaben auf angemeldeten Websites in einem Cloud-Browser fort. Ein Praxistest zeigt Grenzen bei Logins und CAPTCHAs.
Physical AI: Der Milliardenboom reicht weit über Humanoide hinaus
Fraunhofer ordnet den Milliardenmarkt für Physical AI ein und zeigt, warum Daten, konkrete Aufgaben und reife Robotiklösungen wichtiger sind als die humanoide Bauform.
Claude Code ist für komplexe Engineering-Aufgaben fast unbrauchbar: 17.000 Thinking-Blöcke analysiert
Ein Langlauf-Report über 17.000 Thinking-Blöcke zeigt Qualitätseinbruch bei Claude Code seit Februar-Update.