Die EU-Projekte COALA und WASABI haben ein komplettes industrielles Sprachassistenten-Framework auf Basis von OpenVoiceOS (einer gemeinnützigen quelloffenen Sprachplattform) und HiveMind aufgebaut und diese mit ihrer eigenen Android-Benutzeroberfläche, ihrer NLP-Engine und ihrem Docker-Stack integriert.
Ich war an diesen Bereitstellungen nicht beteiligt. Genau das ist der Punkt: Der Stack wird aufgrund seiner eigenen Vorzüge übernommen, von Teams mit realen industriellen Anforderungen.
WASABI Open Call
Der 2. WASABI Open Call zur finanziellen Förderung von mindestens 10 von KMU geleiteten Experimenten wurde kürzlich abgeschlossen. Dieser Open Call ist darauf ausgelegt, KI-basierte digitale Assistenzexperimente unter Beteiligung von KMU aus der Fertigung zu unterstützen.
Alle Experimente des WASABI Open Call sind verpflichtet:
- den WASABI/COALA-OVOS-Docker-Stack auszuführen
- sich über HiveMind zu verbinden
- einen benutzerdefinierten OVOS-Skill zu entwickeln, der ihre industrielle Logik enthält
Die Nutzung von OVOS/HiveMind wird in diesen 2 Dokumenten des WASABI-Projekts erläutert:
Beispiele industrieller Anwendungen
1. Werkerführung & Montageunterstützung
Experimente wie TICONAI und SKITE nutzen OVOS-Skills, um Arbeiter bei komplexen Aufgaben anzuleiten, etwa beim Zusammenbau von Komponenten, bei der Validierung von Verfahren oder bei der freihändigen Bereitstellung von Schritt-für-Schritt-Anweisungen.
2. Qualitätskontrolle und Fehlerreduzierung
Projekte wie WALLABI und HUMANENERDIA konzentrieren sich darauf, Arbeitern Echtzeit-Anweisungen und Checklisten bereitzustellen, um Fehler zu vermeiden. Sprachassistenten helfen Bedienern, Einstellungen zu überprüfen, Sicherheitskontrollen zu erinnern oder Parameter gegenzuprüfen.
3. Unterstützung bei der vorausschauenden Wartung
Experimente wie GENIUS-PM nutzen den Assistenten, um Wartungstechnikern schnellen Zugriff auf Maschinenzustandsdaten, Fehlererklärungen und Reparaturschritte zu geben — insbesondere, wenn ihre Hände beschäftigt sind.
4. Logistik, Materialhandhabung & Lagerunterstützung
VELO und AIVEA nutzen Sprache, um Arbeitern zu helfen, Artikel zu finden, Bestände zu bestätigen oder Lieferaufgaben zu prüfen, während sie sich über die Werkstattfläche bewegen.
5. Einarbeitung und Schulung
ONBOARD und AI-MODE testen, wie neue Mitarbeiter mittels Sprachführung durch Aufgaben geleitet werden können, um die Belastung der Vorgesetzten zu verringern.
6. Nachhaltigkeit, Abfallverfolgung & Ressourceneffizienz
VAFER integriert Sprachschnittstellen mit Systemen, die Recycling, Materialwiederverwendung und Ressourcenflüsse überwachen — freihändiges Berichten in Fabrikumgebungen.
All dies stützt sich auf OVOS und auf HiveMind zur Weiterleitung der Kommunikation zwischen Geräten, Android-Benutzeroberfläche und Backend-Systemen.
Was COALA/WASABI auf OVOS aufgebaut haben
Obwohl die Projekte keine quelloffenen industriellen Skills hervorgebracht haben, schufen sie mehrere Komponenten rund um OVOS + HiveMind:
1. Ein RASA-basierter Domänenassistent (DA)
Frühere COALA-Forschung entwickelte eine RASA-NLP-Pipeline, trainiert mit Fertigungsgesprächen (über Qualitätsprüfungen, Fehlerbehebung, Maschinenbedienung). In WASABI ist diese RASA-Engine als Skill in OVOS eingebunden und übernimmt den domänenspezifischen Dialog.
2. Die COALA-Android-App
Ein Android-Frontend für Arbeiter, das sich über HiveMind mit OVOS verbindet.
Frühe Version hier veröffentlicht: https://github.com/BIBA-GmbH/Mycroft-Android
Zu den Funktionen gehören:
- Anmeldung über Keycloak
- Text- oder Sprachchat
- Benutzeroberfläche für Anweisungen, Warnungen und Notizen
- HiveMind-basiertes Messaging
3. Ein vollständiger Docker-basierter Industrie-Stack
Beide Projekte liefern eine vorkonfigurierte Docker-Umgebung, die Folgendes bündelt:
- OVOS
- HiveMind
- Keycloak (Benutzerverwaltung)
- RASA-NLP-Engine
- COALA-Connector-Dienste
Dies bildet den Standard-Stack für industrielle Sprachassistenten, den alle WASABI-Experimente bereitstellen müssen.
4. Ein industrieller Sprachdatensatz
COALA veröffentlichte einen mehrsprachigen Sprachdatensatz, der in Fabriken und Werkstätten aufgenommen wurde: https://zenodo.org/record/8268928
Warum es für die Industrie funktioniert
Die Designziele, die in der Fertigung zählen — vollständige Transparenz für regulierte Branchen, lokale/Edge-Bereitstellung ohne Cloud-Abhängigkeit, modulare Skills für proprietäre Logik und die Fähigkeit von HiveMind, Sprachknoten über eine Anlage zu verteilen — waren von Anfang an eingebaut, nicht nachträglich hinzugefügt.
Quellcode von OVOS und HiveMind: github.com/OpenVoiceOS · github.com/JarbasHiveMind