Studie nutzt RAG und MCP, damit KI Programme für ABB-Roboter schreibt und korrigiert
Forschende stellen einen Workflow vor, bei dem ein Sprachmodell aus allgemeinen Anweisungen ABB-RAPID-Programme erstellt, sie in einer Simulationssoftware testet und Fehler automatisch behebt.
Eine neue Studie auf arXiv mit der Nummer 2608.21417 beschreibt, wie ein Language Model (ein Sprachmodell zur Erzeugung von Text und Code) Steuerungsprogramme für ABB-Industrieroboter schreiben kann. Ziel ist es, den Zeitaufwand für Programmanpassungen zu senken, wenn Fabriken Produkte, Varianten oder Abläufe in der Fertigungslinie ändern.
Das System erhält eine Aufgabenbeschreibung in natürlicher Sprache und erzeugt daraus Code in ABB RAPID, der Programmiersprache für ABB-Roboter. Entscheidend ist, dass das Modell nicht nur auf sein internes Wissen zurückgreift. Es nutzt zwei Retrieval-Augmented-Generation-Pipelines, kurz RAG, die geprüfte technische Dokumentation und Vorlagen aus der Produktion durchsuchen. Dadurch soll der Code besser zu den jeweiligen Systemanforderungen passen.
Ein eigens entwickelter MCP Server verbindet den Client des Sprachmodells direkt mit ABB RobotStudio. Das System kann so Code hochladen, Simulationen starten und Diagnostic Feedback zu Fehlern an das Modell zurückgeben, das das Programm anschließend schrittweise überarbeitet. Dadurch entsteht eine Rückkopplungsschleife zwischen Programmierung und Test, statt den Prozess nach der ersten Codegenerierung zu beenden.
Den Forschenden zufolge deckt die Simulation Ausführungsfehler auf, die bei statischen Prüfungen ohne Programmausführung oder bei semantischen Prüfungen der Bedeutung und Konsistenz von Befehlen unentdeckt bleiben können. Als Beispiele nennt die Studie eine ungeeignete Absetzhöhe für Werkstücke und Zielpositionen außerhalb der Reichweite des Roboterarms.
Die Evaluation umfasst 30 Fragen zur Informationsabfrage sowie Tests zur Codegenerierung in einem festgelegten Rahmen. Detaillierte Erfolgskennzahlen werden jedoch noch nicht genannt. Daher lässt sich bislang nicht beurteilen, wie einsatzbereit der Ansatz für Fabriken oder unterschiedliche Robotertypen ist. Der Artikel liegt zudem erst als arXiv v1 vor und wurde für eine Präsentation auf der CIE53 an der Khalifa University in Abu Dhabi im Oktober 2026 angenommen.
Der Ansatz zeigt, wie MCP KI mit Engineering-Werkzeugen verbinden könnte, damit Code vor dem Einsatz an realen Maschinen getestet wird. Für die thailändische Fertigungsindustrie könnte dies wiederkehrende Programmierarbeit reduzieren. Sicherheit und Zuverlässigkeit unter realen Fabrikbedingungen müssen jedoch noch belegt werden.