Eigene lokale KI für LinuxCNC – wäre das möglich?

Hallo miteinander,

haben wir hier jemanden, der sich mit KI auskennt oder vielleicht sogar schon eigene KI-Modelle trainiert hat?

Ich habe mir die Frage gestellt, ob man nicht mithilfe der LinuxCNC-Dokumentation, vorhandener Konfigurationen und Beispiele eine eigene, lokal laufende KI aufbauen könnte.

Die Idee wäre, eine KI zu haben, die speziell auf LinuxCNC ausgerichtet ist und beispielsweise bei Fragen, Problemen, der Konfiguration sowie bei der Erstellung und Fehlersuche in HAL- und INI-Dateien unterstützt.

Interessant wäre auch, wenn solche Modelle durch Erfahrungen und Lösungen der Nutzer immer weiter verbessert werden könnten. Die verbesserten Modelle könnte man anschließend untereinander austauschen, sodass die gesamte Gemeinschaft davon profitiert.

Das Ganze sollte möglichst vollständig lokal und ohne Internetverbindung funktionieren.

Leider kenne ich mich mit dem Trainieren eigener KI-Modelle bisher nicht wirklich aus und habe auch noch kein eigenes Modell eingerichtet.

Deshalb einfach mal die Frage in die Runde:

Wäre so etwas technisch und mit vertretbarem Aufwand umsetzbar? Hat vielleicht schon jemand Erfahrungen damit gesammelt?

Gruß
Mücke

I build PC's for running local LLM's, i am using one now (PC, not LLM).
For normal troubleshooting Gemini is the best so far, not always helpful and not always right.
For programming in Python or C/C++ or else, Claude by far is the best.
They are all already trained on everything publicly available on the internet.
-
AI can help in some normal low level troubleshooting and configuration for sure, it can not help with complicated machine stuff, for that it would need to have all the possible machine/electronics/controller/pneumatics/hydraulics/etc etc combinations, and that is never happening.
You can try running some LLM's on your PC, anything about 3-4 year old and with access to 6GB or more of VRAM will work, slowly, but will work fine. Most Ryzen CPU/GPU combos with shared memory work quite nicely with models up to 7B parameters.
Download LM Studio, get some small models, play with it, they can do a lot of stuff pretty damn good, but they can also fail miserably on other stuff.

Ya, es ist möglich fur lokale KI betrieben auf einen PC. Aber ich habe kein experience KI-Modelle trainien. Ich vernemm dasz nimt viel mehr Rechenleistung.

Hallo zusammen,

erst einmal vielen Dank für eure Antworten!

@tommylight

Ich stimme dir grundsätzlich zu. Deine Überlegungen gehen sogar noch etwas weiter als meine ursprüngliche Idee. Mir ging es zunächst weniger darum, dass eine KI sämtliche Maschinen, Steuerungen und deren Kombinationen kennen und verstehen muss.

Ich hatte eher an eine KI gedacht, die sich speziell mit LinuxCNC beschäftigt und vorhandene Konfigurationen analysieren, verändern und erweitern kann.

1. HAL-, INI-Dateien und Bedienoberfläche bearbeiten

Angenommen, ich habe eine funktionierende Maschine mit zwei Servomotoren. Die Steuerung funktioniert, die Endschalter sind eingerichtet und alles läuft.

Jetzt möchte ich zusätzlich das Drehmoment der Motoren auf meiner Bedienoberfläche anzeigen lassen.

Die KI könnte die vorhandenen HAL- und INI-Dateien untersuchen, prüfen, welche Signale bereits verfügbar sind, und anschließend die notwendigen Verbindungen und Einstellungen ergänzen. Natürlich müsste sie auch die Bedienoberfläche entsprechend erweitern.

Idealerweise könnte ich einfach schreiben:

„Ich möchte das aktuelle Drehmoment meiner beiden Servomotoren auf dem Bildschirm angezeigt bekommen.“

Die KI analysiert daraufhin die vorhandene Konfiguration und schlägt die notwendigen Änderungen vor oder setzt diese nach Bestätigung um, sofern die benötigten Signale verfügbar sind.

2. Eine bestehende Maschine erweitern

Ich habe beispielsweise eine funktionierende 2-Achsen-Maschine und möchte daraus eine 3-Achsen-Maschine machen.

Die KI könnte die vorhandene Konfiguration untersuchen und die HAL- und INI-Dateien entsprechend erweitern. Dabei sollen auch die notwendigen Endschalter, Referenzfahrten und Einstellungen berücksichtigt werden.

Dass ich den zusätzlichen Motor, die Endschalter und die Verkabelung selbst an der Maschine installieren muss, ist selbstverständlich.

3. Fehlersuche und Diagnose

Ein anderes Beispiel wäre ein Servomotor, der plötzlich anfängt zu zittern oder unruhig läuft.

Hier könnte die KI anhand der vorhandenen Konfiguration und verfügbarer Messwerte mögliche Ursachen untersuchen und geeignete Diagnoseprogramme oder Testabläufe vorschlagen.

So könnte man Fehler systematisch eingrenzen, anstatt sich mühsam durch sämtliche Einstellungen zu arbeiten.

Natürlich müssten solche Änderungen und Tests vor der Ausführung geprüft werden.

4. Eine gemeinsame KI, die durch die Community besser wird

Das wäre für mich besonders interessant!

Wäre es möglich, ein frei verfügbares KI-Modell zu verwenden, das jeder LinuxCNC-Nutzer auf seinem eigenen Rechner lokal betreiben kann?

Die KI könnte auf die LinuxCNC-Dokumentation, vorhandene Konfigurationen und bereits bekannte Problemlösungen zugreifen.

Wenn ein Nutzer mit dieser KI beispielsweise eine zusätzliche Achse erfolgreich eingerichtet oder ein schwieriges Problem gelöst hat, könnte er diese Lösung freiwillig der Community zur Verfügung stellen.

Meine Vorstellung wäre, dass man solche Erfahrungen und erfolgreich getesteten Lösungen auf einem zentralen Server sammelt.

Nach einer Prüfung könnten diese Daten in eine gemeinsame Wissensbasis aufgenommen werden.

Andere Nutzer könnten sich anschließend die aktualisierte Wissensbasis herunterladen und ihre lokale KI damit verbessern.

So würde das Wissen immer weiter wachsen, ohne dass jeder Nutzer ständig auf große kommerzielle KI-Dienste angewiesen wäre.

Die eigentliche KI sollte weiterhin vollständig lokal und möglichst ohne Internetverbindung funktionieren.

5. Wo ich momentan noch nicht weiterkomme

Ich habe mich bisher leider noch nicht ausreichend damit beschäftigt, wie man ein solches System technisch aufbaut.

Ich weiß beispielsweise nicht, ob man dafür tatsächlich ein eigenes KI-Modell trainieren müsste oder ob es ausreicht, ein vorhandenes Modell mit einer gemeinsamen, ständig erweiterbaren Wissensdatenbank zu verbinden.

Gerade der zweite Weg erscheint mir interessant, weil das benötigte Wissen ja zu einem großen Teil bereits vorhanden ist.

Es müsste nur so aufbereitet werden, dass eine lokale KI zuverlässig darauf zugreifen kann.

Was haltet ihr von diesem Ansatz?

Gibt es vielleicht schon Projekte, die in eine ähnliche Richtung gehen?

Mir ist bewusst, dass eine solche KI nicht alles können und auch Fehler machen wird. Aber wenn sie einen großen Teil der täglichen Konfigurationsarbeiten und Fehlersuche erleichtern könnte, wäre das meiner Meinung nach bereits ein erheblicher Gewinn für die LinuxCNC-Community.

Gruß
Mücke