← Home Hilfe

Hilfe & Dokumentation

Realistische Fabriksimulation für AI-Entwicklung und Testing mit 98%+ Antwortqualität

Dokumentation

Überblick

Einführung in den Factory Simulator und seine Kernfunktionen

ERP-Funktionen

Produktion, Material, Kapazität und Instandhaltung im Detail

🔍

QMS-Modul

Qualitätsmanagement mit SPC, Prüfplänen, CAPA und Prüfmittelverwaltung

📄

SAP Transaktionen

Mapping von SAP PP/MM/PM/QM Transaktionen zum Simulator

🤖

Nadja Brain v2.4

Strategy Manager + LangGraph: Nacht-Session, Conductor, Strategy Review

Conductor & Workers

Event-driven Orchestrator mit spezialisierten Workern

🔌

API Referenz

REST-Endpunkte für Maschinen, Material, Aufträge, QMS und mehr

📈

KPIs & Metriken

OEE, OTD, FPY, Cpk, MTTR/MTBF und andere Kennzahlen

💳

VA05 Verkaufsaufträge

SAP VA05 Auftragsliste mit Preisfeldern, Filtern und Summen

Sales Deck

🎬

AI Factory Testing Platform

5-Slide Präsentation: Warum dieser Simulator für AI-Entwicklung unverzichtbar ist

📄 PDF Download
🌐

AI Factory Testing Platform

5-Slide Presentation: Why this simulator is essential for AI development (English)

📄 PDF Download
← Zurück zur Übersicht

Überblick

Der Factory Simulator ist eine vollständige Simulation einer Fertigungsfabrik mit SAP-ähnlichen ERP- und QMS-Prozessen. Er wurde entwickelt, um AI Use Cases für die Fertigungsindustrie zu testen und zu entwickeln - mit dem Ziel einer Antwortqualität von 98%+.

⚙ 8 Maschinen

5 CNC-Fräsmaschinen + 3 Spritzgussmaschinen mit OEE-Berechnung und Machine Pools

📦 Lagerverwaltung

Vollständige Bestandsführung mit Reservierungen, Mindestbeständen und Vorlaufzeiten

📋 Auftragsmanagement

Fertigungsaufträge mit Stücklisten, Arbeitsplänen und Materialverfügbarkeitsprüfung

🔧 Instandhaltung

SAP PM-ähnliche Meldungen und Aufträge mit MTTR/MTBF-Berechnung

🔍 Qualitätsmanagement

Vollständiges QMS mit Prüfplänen, SPC, CAPA und Prüfmittelverwaltung

📈 KPIs & Dashboards

OEE, OTD, FPY, Cpk und weitere Kennzahlen in Echtzeit

← Zurück zur Übersicht

Funktionen

Produktionssteuerung

Materialwirtschaft

Kapazitätsplanung

Instandhaltung (PM)

← Zurück zur Übersicht

QMS - Qualitätsmanagement

Das integrierte Qualitätsmanagementsystem (QMS) bildet SAP QM-Prozesse nach und ermöglicht vollständige Qualitätssicherung von der Prüfplanung bis zur statistischen Prozesskontrolle.

Prüfplanung (QP01)

Prüfdurchführung (QA32)

SPC - Statistische Prozesskontrolle

Q-Meldungen & CAPA (QM01)

Prüfmittelverwaltung (IE01)

📊 First Pass Yield

Anteil der Teile die beim ersten Durchlauf ohne Nacharbeit bestehen

📈 Cpk-Index

Prozessfähigkeitsindex - Ziel: Cpk ≥ 1.33 für fähigen Prozess

🔔 SPC-Alarme

Automatische Erkennung von Prozessabweichungen in Echtzeit

🔧 Kalibrierung

Überwachung der Prüfmittel mit Fälligkeitsanzeige

← Zurück zur Übersicht

SAP Transaktionen

Der Simulator bildet folgende SAP-Transaktionen nach:

Produktionsplanung (PP)

TransaktionBeschreibungSimulator-Äquivalent
MD04Bedarfs-/Bestandsliste/api/md04/:teilId
MD07Aktuelle Bedarfs-/Bestandssituation/api/md07
CM01Kapazitätsauslastung Arbeitsplatz/api/capacity/cm01/:machine
CM21Kapazitätsauslastung Sammelanzeige/api/capacity/cm21
CO11NRückmeldung Fertigungsauftrag/api/confirmation

Materialwirtschaft (MM)

TransaktionBeschreibungSimulator-Äquivalent
ME21NBestellung anlegen/api/purchases
MIGOWareneingang buchen/api/purchases/:id/receive
MMBEBestandsübersicht/api/stock

Instandhaltung (PM)

TransaktionBeschreibungSimulator-Äquivalent
IW21PM-Meldung anlegen/api/maintenance/notifications
IW31PM-Auftrag anlegen/api/maintenance/orders
IW38PM-Aufträge anzeigen/api/maintenance/open

Qualitätsmanagement (QM)

TransaktionBeschreibungSimulator-Äquivalent
QS21Prüfmerkmal anlegen/api/qms/characteristics
QP01Prüfplan anlegen/api/qms/inspection-plans
QA32Prüflose zum Arbeitsvorrat/api/qms/inspection-lots
QE51NErgebniserfassung/api/qms/results
QM01Q-Meldung anlegen/api/qms/notifications
QM02Q-Meldung ändern/api/qms/notifications/:id
IE01Prüfmittel anlegen/api/qms/equipment

Vertrieb (SD)

TransaktionBeschreibungSimulator-Äquivalent
VA01Kundenauftrag anlegen/api/customer-orders
VA02Kundenauftrag ändern/api/customer-orders/:id/confirm
VA05Verkaufsaufträge Liste/api/va05
VL01NLieferung anlegen/api/customer-orders/:id/ship
← Zurück zur Übersicht

Conductor & Workers

Der Conductor ist der event-driven Orchestrator, der tagsüber die Fabrik steuert. Er liest die strategischen Ziele aus der DB und delegiert Aktionen an spezialisierte Workers.

Conductor

Spezialisierte Workers

WorkerProblem-TypenAktionen
MaterialWorker stock_low, shortage create_purchase_order, create_work_order (Baugruppen)
CapacityWorker capacity_overload reassign_machine, reschedule_order, split_order, request_extra_shifts
ReleaseWorker order_ready release_order (nur wenn Material reservierbar)
DeadlineWorker deadline_risk adjust_priority, notify_delay, expedite_purchase

Machine Pools

Maschinen werden in Pools gruppiert für automatisches Load-Balancing:

PoolMaschinenBeschreibung
SGM-POOLSGM-001, SGM-002, SGM-003Spritzgussmaschinen - alle Artikel austauschbar
MECH-POOL7533, 8011CNC-Drehmaschinen mit ähnlichem Spektrum
9012-SINGLE9012Spezialisierte Fräsmaschine
9013-SINGLE90135-Achs Bearbeitungszentrum
9014-SINGLE9014Hochpräzisions-Schleifmaschine

⚡ Event-driven

Reagiert sofort auf Fabrik-Events statt feste Intervalle

🔄 Load-Balancing

Automatische Umverteilung bei Pool-Maschinen

📈 Ziel-Priorisierung

OTD-Probleme bei OTD-Ziel höher gewichtet

🔧 Spezialisiert

Jeder Worker für einen Problem-Bereich

← Zurück zur Übersicht

Nadja Brain v2.4 - Strategy Manager + LangGraph

Nadja Brain v2.4 ist das zentrale Steuerungssystem des Factory Simulators. Die Architektur basiert auf einem Strategy Manager als "Chef", der strategische Ziele vorgibt, und einem Conductor als "Ausführendem", der diese Ziele tagsüber umsetzt. Nachts läuft die Strategic Session mit LangGraph und Q8 Modell.

Neu in Version 2.2

  • Strategy Manager: Lädt Ziele aus strategy.md und persistiert in DB
  • LangGraph: Multi-Agent Workflow für Strategic Session (Demand → Capacity → MRP)
  • Q8/Q4 Switching: Q8 für Nacht-Tasks, Q4 für Tages-Conductor
  • Strategy Review: Mittags-Check vergleicht KPIs mit Zielen
  • Capacity Optimization: 5-stufig: Load-Balance → Zusatzschichten → Vorziehen → Recheck → Force

Architektur-Übersicht

NACHTS (01:30 - 04:00):
┌─────────────────────────────────────────────────────────────────────────┐
│ 01:30  Instandhaltung    → Plant Wartungsfenster                        │
│ 02:00  Strategic Session (Q8 via LangGraph):                            │
│          Strategy Manager → Lädt Ziele aus strategy.md, speichert in DB │
│          Demand Agent     → Generiert Kundenaufträge                    │
│          Capacity Agent   → Kapazitätsoptimierung                       │
│          MRP Agent        → Materialbedarfe & Bestellungen              │
│ 04:00  Capacity Optim.   → Load-Balance, Zusatzschichten, Vorziehen    │
└─────────────────────────────────────────────────────────────────────────┘
                                    │
                         Ziele in factory_settings DB
                                    ↓
TAGSÜBER (Event-driven):
┌─────────────────────────────────────────────────────────────────────────┐
│ Conductor (Q4)                                                          │
│   → LIEST Ziele aus DB (mit 1-min Cache)                               │
│   → Problem-Detector gewichtet nach Zielen (OTD vs Revenue)            │
│   → Workers: Material, Capacity, Release, Deadline                     │
└─────────────────────────────────────────────────────────────────────────┘
                                    ↓
MITTAGS (konfigurierbar via STRATEGY_REVIEW_TIMES):
┌─────────────────────────────────────────────────────────────────────────┐
│ Strategy Review (Q8)                                                    │
│   → Prüft KPIs vs. Ziele, passt Conductor-Anweisungen an               │
└─────────────────────────────────────────────────────────────────────────┘
      

4-Tier Task-System (Legacy + Conductor)

Tasks werden weiterhin in vier Prioritätsstufen organisiert:

TierIntervallBeschreibung
Critical 10-15 Minuten Sofortige Reaktion auf Störungen, gestoppte Maschinen, kritische Materialengpässe
Operational 30-60 Minuten Laufende Fabriksteuerung: Auftragsfreigabe, Bestellungen, Kapazitätsausgleich
Planning Täglich bei Schichtbeginn Tagesplanung, Prioritätensetzung, Ressourcenallokation
Strategic Täglich zu festen Zeiten Nachtplanung: Kundenauftrags-Generierung (02:00), MRP-Optimierung (03:00)

Strategic Session (02:00 Uhr)

Die konsolidierte Nacht-Session läuft als LangGraph-Workflow mit Q8 Modell:

PhaseAgentFunktion
1Strategy ManagerLädt Ziele aus config/strategy.md, persistiert in DB
2Demand AgentGeneriert Kundenaufträge (24 Wochen SG, 12 Wochen CNC)
3Capacity AgentKapazitätsoptimierung mit Load-Balancing
4MRP AgentBOM-Explosion, Bedarfsrechnung, Bestellvorschläge

Capacity Optimization (04:00 Uhr)

Mehrstufige Optimierung mit 5 Sub-Tasks:

Strategy Review (konfigurierbar)

Vergleicht KPIs mit Zielen und passt Conductor-Anweisungen an. Konfiguration via .env:

STRATEGY_REVIEW_TIMES=12:00              # Einmal täglich
STRATEGY_REVIEW_MODEL=qwen2.5:32b-instruct-q8_0

dailyAt Scheduling

Tasks können mit dailyAt: "HH:MM" zu einer festen Uhrzeit geplant werden. Der Brain prüft jede Minute, ob ein dailyAt-Task fällig ist und führt ihn nur einmal pro Tag aus.

Konfiguration

Die Task-Definitionen befinden sich in config/nadja-tasks.yaml. Diese Datei kann extern gemountet werden für einfache Anpassungen ohne Rebuild:

# Docker Volume Mount
volumes:
  - /home/tlante/factory-simulator/config/nadja-tasks.yaml:/app/config/nadja-tasks.yaml:ro
  - /home/tlante/factory-simulator/config/prompts:/app/prompts:ro
      

Spezialisierte Workers

WorkerAufgabeAktionen
MaterialWorker Materialbeschaffung und Stock-Management create_purchase_order, create_work_order (für Baugruppen)
CapacityWorker Load-Balancing und Kapazitätsplanung reassign_machine, reschedule_order, split_order, request_extra_shifts
ReleaseWorker Auftragsfreigabe bei Material + Kapazität release_order (nur wenn Material reservierbar)
DeadlineWorker Liefertermin-Überwachung adjust_priority, notify_delay, expedite_purchase

Machine Pools (Cross-Machine Load Balancing)

Maschinen werden in Pools gruppiert für automatisches Load-Balancing:

PoolMaschinenBeschreibung
SGM-POOLSGM-001, SGM-002, SGM-003Spritzgussmaschinen - alle Artikel austauschbar
MECH-POOL7533, 8011CNC-Drehmaschinen mit ähnlichem Spektrum
9012-SINGLE9012Spezialisierte Fräsmaschine
9013-SINGLE90135-Achs Bearbeitungszentrum
9014-SINGLE9014Hochpräzisions-Schleifmaschine

API Endpunkte

Brain Tasks

MethodeEndpunktBeschreibung
GET/api/brain/statusBrain-Status mit allen Tasks
GET/api/brain/tasksListe aller konfigurierten Tasks
POST/api/brain/tasks/:taskId/runTask manuell ausführen
GET/api/brain/historyAusführungshistorie

Strategy

MethodeEndpunktBeschreibung
GET/api/brain/strategyStrategie-Datei + aktive Ziele
POST/api/brain/strategyStrategie aktualisieren
GET/api/brain/strategy/goalsNur aktive Ziele aus DB

Capacity Optimization

MethodeEndpunktBeschreibung
GET/api/brain/capacity-optimization/subtasksSub-Task Konfiguration
POST/api/brain/capacity-optimization/runKapazitätsoptimierung starten
GET/api/brain/capacity-optimization/historyOptimierungs-Historie

Conductor

MethodeEndpunktBeschreibung
GET/api/conductor/statusConductor-Status inkl. aktiver Ziele
GET/api/conductor/problemsAktuelle Probleme mit Ziel-Gewichtung
POST/api/conductor/runManueller Conductor-Zyklus

Beispiele

# Strategic Session starten (Nacht-Prozess)
curl -X POST http://localhost:8888/api/brain/tasks/strategic-session/run

# Capacity Optimization starten
curl -X POST http://localhost:8888/api/brain/tasks/capacity-optimization/run

# Aktuelle Strategie-Ziele anzeigen
curl http://localhost:8888/api/brain/strategy/goals | jq '.data'

# Conductor Status mit aktiven Zielen
curl http://localhost:8888/api/conductor/status | jq '.data.activeGoals'

# Strategy Review manuell triggern
curl -X POST http://localhost:8888/api/brain/tasks/strategy-review/run
      

💡 Strategy Manager

Lädt Ziele aus strategy.md, persistiert in DB für Conductor

⚡ LangGraph

Multi-Agent Workflow: Demand → Capacity → MRP mit Q8 Modell

📈 Strategy Review

Mittags-Check: KPIs vs. Ziele, passt Anweisungen an

🔧 Q8/Q4 Switching

Automatisches Modell-Switching mit Ollama Lock

← Zurück zur Übersicht

Nightly Planner

Der Nightly Planner generiert automatisch realistische Kundenaufträge und optimiert die Produktionsplanung. Ab Version 2.0 ist der Planner in Nadja Brain integriert und wird als Strategic Task automatisch um 02:00 Uhr ausgeführt.

Nadja Brain Integration

Der Nightly Planner läuft jetzt als Strategic Task "nachfrage-generierung" im Nadja Brain. Die Ausführung erfolgt automatisch um 02:00 Uhr. Siehe Nadja Brain Dokumentation für Details.

Manuelle Ausführung

Planner manuell über Nadja Brain triggern:

# Planungslauf manuell starten (via Nadja Brain)
curl -X POST http://localhost:8888/api/brain/task/nachfrage-generierung/run

# Alternativ: Direkter API-Aufruf
curl -X POST http://localhost:8888/api/planner/run

# LLM-Denkprozess anzeigen
curl http://localhost:8888/api/planner/thinking
      

Abteilungstrennung

Der Planner plant für zwei Abteilungen getrennt:

AbteilungMaschinenPlanungshorizontAuftragsgrößen
Spritzguss SGM-001, SGM-002, SGM-003 24 Wochen (6 Monate) 5.000 - 200.000 Stück
CNC-Bearbeitung Alle anderen 12 Wochen (3 Monate) 20 - 500 Stück

Fixierungsgrad

Aufträge haben je nach Planungshorizont unterschiedliche Fixierungsgrade:

Liefertermin-Berechnung

Realistische Liefertermine werden berechnet aus:

LLM-Integration (Optional)

Bei verfügbarem Ollama-Server (qwen2.5:32b) nutzt der Planner KI für intelligentere Planung:

Denkprozess anzeigen

# LLM-Denkprozess des letzten Laufs anzeigen
curl http://localhost:8888/api/planner/thinking
      
← Zurück zur Übersicht

API Referenz

Alle Endpunkte sind unter http://localhost:8888 verfügbar.

Maschinen & Produktion

MethodeEndpunktBeschreibung
GET/api/machinesAlle Maschinen mit Status
GET/api/machines/:idEinzelne Maschine
GET/api/workorders/activeAktive Fertigungsaufträge
POST/api/workorders/:id/releaseAuftrag freigeben

Material & Bestand

MethodeEndpunktBeschreibung
GET/api/stockVollständiger Lagerbestand
GET/api/md04/:teilIdBedarfs-/Bestandsliste
GET/api/md07Alle Materialien mit Unterdeckung
POST/api/purchasesBestellung anlegen

Autonomer Controller

MethodeEndpunktBeschreibung
GET/api/autonomous/healthFabrik-Gesundheitsstatus
POST/api/autonomous/runController-Zyklus ausführen
POST/api/auto-modeAutomatik-Modus umschalten

Nadja Brain

MethodeEndpunktBeschreibung
GET/api/brain/statusBrain-Status mit allen Tasks
GET/api/brain/tasksListe aller konfigurierten Tasks
POST/api/brain/task/:taskId/runTask manuell ausführen
GET/api/brain/historyAusführungshistorie

Planner & Optimizer

MethodeEndpunktBeschreibung
POST/api/planner/runPlanungslauf manuell starten
GET/api/planner/thinkingLLM-Denkprozess anzeigen
POST/api/optimizer/analyzeMD04-Optimierung analysieren (Dry-Run)
POST/api/optimizer/executeGenehmigte Aktionen ausführen

Hinweis: Planner und Optimizer werden jetzt automatisch durch Nadja Brain gesteuert (Strategic Tasks). Die direkten API-Endpunkte sind weiterhin für manuelle Ausführung verfügbar.

Qualitätsmanagement (QMS)

MethodeEndpunktBeschreibung
GET/api/qms/kpi/summaryQMS-KPIs (FPY, Cpk, Alarme)
GET/api/qms/inspection-plansAlle Prüfpläne
POST/api/qms/inspection-plansPrüfplan anlegen
GET/api/qms/inspection-lotsOffene Prüflose
POST/api/qms/inspection-lots/:id/resultsErgebnisse erfassen
POST/api/qms/inspection-lots/:id/decisionVerwendungsentscheid
GET/api/qms/spc/measurementsSPC-Messwerte
GET/api/qms/spc/control-chart/:charIdControl Chart Daten
GET/api/qms/notificationsQ-Meldungen
POST/api/qms/notificationsQ-Meldung anlegen
GET/api/qms/equipmentPrüfmittel
GET/api/qms/equipment/calibration-dueKalibrierung fällig

Kundenaufträge & KPIs

MethodeEndpunktBeschreibung
GET/api/customer-ordersAlle Kundenaufträge
POST/api/customer-ordersKundenauftrag anlegen
POST/api/customer-orders/:id/confirmAuftrag bestätigen
GET/api/kpi/otdOn-Time Delivery KPI
GET/api/kpi/otd/customersOTD pro Kunde

VA05 - Verkaufsaufträge

MethodeEndpunktBeschreibung
GET/api/va05Filterbare Liste aller Aufträge mit Preisen
GET/api/va05/:orderNoDetail-Ansicht eines Auftrags
← Zurück zur Übersicht

KPIs & Metriken

OEE (Overall Equipment Effectiveness)

OTD (On-Time Delivery)

Qualitäts-KPIs

MTTR / MTBF (Instandhaltung)

Prüfmittel-KPIs

← Zurück zur Übersicht

VA05 - Verkaufsaufträge

Die VA05-Transaktion entspricht der SAP-Transaktion "List of Sales Orders" und bietet eine filterbare Übersicht aller Kundenaufträge mit Preisfeldern.

Funktionen

Filter-Parameter

ParameterBeschreibungBeispiel
kundeKundenname (LIKE-Suche)?kunde=Automotive
artikelArtikelnummer?artikel=0781_01
statusAuftragsstatus?status=Offen
dateFromBestelldatum von?dateFrom=2026-01-01
dateToBestelldatum bis?dateTo=2026-01-31
deliveryFromLieferdatum von?deliveryFrom=2026-02-01
deliveryToLieferdatum bis?deliveryTo=2026-02-28

Status-Werte

API-Endpunkte

MethodeEndpunktBeschreibung
GET/api/va05Filterbare Liste aller Aufträge
GET/api/va05/:orderNoDetail-Ansicht eines Auftrags

Beispiele

# Liste aller Aufträge
curl http://localhost:8888/api/va05

# Gefiltert nach Status
curl "http://localhost:8888/api/va05?status=Offen"

# Gefiltert nach Kunde
curl "http://localhost:8888/api/va05?kunde=Automotive"

# Detail-Ansicht
curl http://localhost:8888/api/va05/KA202601

# Neuen Auftrag mit Preis erstellen
curl -X POST http://localhost:8888/api/customer-orders \
  -H "Content-Type: application/json" \
  -d '{"kunde_name":"Test GmbH","artikel_nr":"0781_01","menge":1000,"stueckpreis":0.50,"lieferdatum":"2026-03-01"}'
      
← Zurück zur Übersicht

AI Factory Testing Platform

01

Das Problem: AI für Fabriken entwickeln ist schwer

Die Entwicklung von AI-Lösungen für die Fertigungsindustrie scheitert oft an einem fundamentalen Problem: Fehlender Zugang zu realistischen Testumgebungen.

  • Echte Produktionsdaten sind sensibel und nicht für Tests verfügbar
  • SAP-Systeme sind komplex, teuer und schwer zu replizieren
  • Manuelle Testdaten bilden die Realität nicht ab
  • AI-Modelle liefern in der Praxis nur 60-70% Antwortqualität

Die Konsequenz

AI-Projekte scheitern, weil sie nie unter realistischen Bedingungen getestet wurden.

02

Unsere Lösung: Factory Simulator

Eine vollständige, realistische Fabriksimulation die SAP-Prozesse nachbildet - speziell entwickelt für das Testen und Entwickeln von AI Use Cases.

  • Vollständige SAP PP/MM/PM Prozessabbildung
  • Echtzeit-Simulation mit 5-Sekunden-Takt
  • RESTful API für einfache AI-Integration
  • Deterministisches Verhalten für reproduzierbare Tests
  • Keine Lizenzen, keine Cloud-Abhängigkeit, volle Kontrolle

Unser Ziel

98%+ Antwortqualität durch realistische Trainings- und Testdaten.

03

Funktionsumfang: Alles was eine echte Fabrik hat

8
Maschinen
200+
Materialien
3
Module
  • Maschinen: 5 CNC (Drehen, Fräsen, Schleifen) + 3 Spritzguss (SGM)
  • ERP-Modul: Produktion, Material, Kapazität, Instandhaltung, MRP
  • QMS-Modul: Prüfpläne, SPC Control Charts, Q-Meldungen, CAPA
  • Nadja Brain v2.1: Hybrid Conductor+Worker Architektur mit LLM
  • Machine Pools: Automatisches Cross-Machine Load Balancing
04

AI Testing: So erreichen wir 98%+ Qualität

Der Simulator ermöglicht systematisches AI-Testing mit messbaren Ergebnissen:

  • Ground Truth: Jede Antwort kann gegen den tatsächlichen Systemzustand validiert werden
  • Reproduzierbarkeit: Identische Szenarien für A/B-Tests und Regression
  • Komplexe Szenarien: Materialengpässe, Qualitätsprobleme, SPC-Alarme
  • API-First: 50+ REST-Endpunkte für ERP- und QMS-Integration
  • Metriken: OTD, OEE, FPY, Cpk, Lagerumschlag für Erfolgsmessung

Typische AI Use Cases

Produktionsplanung, Predictive Maintenance, Qualitätsprognose, SPC-Analyse, CAPA-Automatisierung

05

Ergebnisse: Was Sie erwarten können

98%+
Antwortqualität
10x
Schnellere Entwicklung
100%
Reproduzierbar
  • Validierte Antworten: Jede AI-Aussage gegen Ground Truth prüfbar
  • Schnellere Iteration: Kein Warten auf echte Produktionsdaten
  • Risikofreies Testen: Keine Auswirkungen auf echte Produktion
  • Skalierbare Tests: Tausende Szenarien automatisiert durchspielen

Nächster Schritt

Starten Sie den Simulator und testen Sie Ihre AI Use Cases noch heute.

Slide 1 / 5
← Back to Overview

AI Factory Testing Platform

01

The Problem: Developing AI for Factories is Hard

Building AI solutions for manufacturing often fails due to a fundamental problem: Lack of access to realistic test environments.

  • Real production data is sensitive and not available for testing
  • SAP systems are complex, expensive, and hard to replicate
  • Manual test data doesn't reflect reality
  • AI models deliver only 60-70% answer quality in practice

The Consequence

AI projects fail because they were never tested under realistic conditions.

02

Our Solution: Factory Simulator

A complete, realistic factory simulation that mirrors SAP processes - specifically designed for testing and developing AI use cases.

  • Complete SAP PP/MM/PM process mapping
  • Real-time simulation with 5-second cycle
  • RESTful API for easy AI integration
  • Deterministic behavior for reproducible tests
  • No licenses, no cloud dependency, full control

Our Goal

98%+ answer quality through realistic training and test data.

03

Features: Everything a Real Factory Has

8
Machines
200+
Materials
3
Modules
  • Machines: 5 CNC (turning, milling, grinding) + 3 injection molding (SGM)
  • ERP Module: Production, materials, capacity, maintenance, MRP
  • QMS Module: Inspection plans, SPC control charts, Q-notifications, CAPA
  • Nadja Brain v2.1: Hybrid Conductor+Worker architecture with LLM
  • Machine Pools: Automatic cross-machine load balancing
04

AI Testing: How We Achieve 98%+ Quality

The simulator enables systematic AI testing with measurable results:

  • Ground Truth: Every answer can be validated against actual system state
  • Reproducibility: Identical scenarios for A/B tests and regression
  • Complex Scenarios: Material shortages, quality issues, SPC alarms
  • API-First: 50+ REST endpoints for ERP and QMS integration
  • Metrics: OTD, OEE, FPY, Cpk, inventory turnover for success measurement

Typical AI Use Cases

Production planning, predictive maintenance, quality prediction, SPC analysis, CAPA automation

05

Results: What You Can Expect

98%+
Answer Quality
10x
Faster Development
100%
Reproducible
  • Validated Answers: Every AI response verifiable against ground truth
  • Faster Iteration: No waiting for real production data
  • Risk-Free Testing: No impact on actual production
  • Scalable Tests: Run thousands of scenarios automatically

Next Step

Start the simulator and test your AI use cases today.

Slide 1 / 5