Why Process-First Engineering reduces risks in PLC programming
When the starting decision defines success or risk The starting point of an automation project may appear at first to be a purely technical...
3 min read
DI Markus Gruber
:
Jul 8, 2026 2:37:08 PM
Industry needs technical reality, not just AI
Industrial companies are investing in digitalization, data platforms, digital twins, and artificial intelligence. However, many projects run into a fundamental limitation: Machines provide data, but their behavior is rarely described in a formal and traceable way.
This gap is becoming a central issue in modern automation. A system can function reliably even if its states, transitions, reactions, and deviations are not clearly mapped. Knowledge is scattered across specifications, PLC code, HMIs, documentation, and individual experts. As a result, there is no common technical frame of reference for engineering, operations, diagnostics, and AI.
With increasing complexity, a shortage of skilled workers, shorter product cycles, and new requirements for transparency, traditional automation is no longer sufficient. PLC code describes the implementation, but not necessarily the technical reality of a machine. Data only becomes valuable when it is linked to a system’s expected behavior.

Selmo Technology sees this as a crucial next step for the industry. “The question is not just whether machines are becoming smarter. What matters is whether their behavior remains explainable, controllable, and traceable throughout their lifecycle,” the company explains.
The approach: Machine behavior is formally described and made usable as a technical reality bridging the physical system and digital intelligence. This enables control logic, user interfaces, diagnostics, data structures, digital twins, and AI applications to be developed on a common foundation.
This shifts the focus of industrial digitalization: The emphasis is no longer on data alone, but on understanding what a machine is supposed to do, is allowed to do, and actually does. For machine builders, operators, and industry decision-makers, technical reality becomes a prerequisite for industrial AI.
Technische Realität beschreibt das formal definierte, dokumentierte und messbare Verhalten einer Maschine oder Anlage. Sie verbindet die physische Welt aus Sensoren, Aktoren, Mechanik und Steuerung mit einem eindeutigen Verhaltensmodell aus Zuständen, Aktionen und erwarteten Reaktionen.
Im Gegensatz zur rein physischen Realität beantwortet technische Realität die zentrale Frage: Was soll die Maschine in jedem Zustand tun und woran erkennen wir, dass sie sich korrekt verhält?
Technische Realität ist wichtig, weil eine Maschine nur dann zuverlässig betrieben, diagnostiziert und optimiert werden kann, wenn ihr Verhalten eindeutig beschrieben ist.
Sie schafft:
Damit bildet technische Realität die Grundlage für WhiteBox Engineering, digitale Zwillinge und autonome Produktionssysteme.
Maschinendaten allein reichen nicht aus, weil sie ohne Kontext nicht erklären, warum etwas passiert oder ob ein Verhalten korrekt ist. Sie bestehen meist aus Signalen, Messwerten, Alarmen und Zeitstempeln.
Ohne technisches Bezugssystem bleiben wichtige Fragen offen:
Erst wenn Daten mit einem definierten Verhaltensmodell verknüpft werden, entstehen verwertbare Informationen.
Daten + Kontext = Information.
Genau diesen Kontext liefert die technische Realität.
SPS-Code beschreibt, wie eine Steuerung arbeitet. Technische Realität beschreibt, was die Maschine tun soll.
In klassischen Automatisierungsprojekten steckt das Wissen häufig im SPS-Code und in der Erfahrung einzelner Programmierer. Dadurch wird Maschinenverhalten schwer nachvollziehbar, schwer prüfbar und schwer übertragbar.
Bei Selmo entsteht zuerst ein formales Behavior Model:
Requirements → PTF → Prozessmodell → Verhalten → Code
Der SPS-Code ist damit nicht mehr die Quelle des Wissens, sondern die technische Umsetzung eines definierten Maschinenverhaltens.
Industrielle KI braucht technische Realität, weil sie nur mit einem eindeutigen Bezugssystem zuverlässige Diagnosen erstellen und Optimierungen vorschlagen kann.
KI kann Muster erkennen und Daten analysieren. Sie weiß jedoch nicht von selbst, welches Verhalten eine Maschine technisch ausführen sollte. Dafür benötigt sie:
Die technische Realität liefert genau dieses Bezugssystem. Dadurch wird KI nicht zum Ersatz des Engineerings, sondern zur technischen Intelligenz, die auf deterministischem Maschinenverhalten aufbaut.
WhiteBox Engineering ist ein Engineering-Ansatz, bei dem das Verhalten einer Maschine vollständig transparent, formal und nachvollziehbar beschrieben wird.
Bereits vor der Umsetzung werden zentrale Elemente definiert:
Aus diesem Modell entstehen anschließend:
Dadurch bleibt das System über den gesamten Lebenszyklus nachvollziehbar, überprüfbar und optimierbar.
Selmo Technology unterstützt technische Realität durch eine Engineering-Plattform und Methodik für WhiteBox Engineering.
Selmo schafft aus Requirements, Prozess-Technologie-Funktionsanalyse, PTF, und einem formalen Prozessmodell eine durchgängige technische Realität. Auf dieser Grundlage werden automatisch erzeugt:
Im laufenden Betrieb vergleicht Selmo die reale Maschine kontinuierlich mit dem definierten Behavior Model. Dadurch werden Abweichungen frühzeitig erkannt, eindeutig bewertet und mit vollständigem Kontext dokumentiert.
Das Ergebnis ist eine Produktion mit höherer Transparenz, geringeren Betriebskosten und einer belastbaren Grundlage für Industrial AI und autonome Produktionssysteme.
Technische Realität ist die Grundlage für Industrial AI, weil KI nur dann verlässliche Analysen, Diagnosen und Optimierungen liefern kann, wenn das erwartete Maschinenverhalten eindeutig definiert ist.
Physische Realität beschreibt, was eine Maschine ist. Technische Realität beschreibt, wie sich eine Maschine verhalten soll. Technische Intelligenz entsteht, wenn dieses definierte Verhalten kontinuierlich mit der realen Maschine verglichen und durch KI intelligent ausgewertet wird.
Selmo schafft die technische Realität und damit die Grundlage für WhiteBox Engineering, Industrial AI und die nächste Generation intelligenter Produktionssysteme.
When the starting decision defines success or risk The starting point of an automation project may appear at first to be a purely technical...
Machines are at the core of every manufacturing company. They are the driving force behind the efficiency and success of a production line. However,...
Two dedicated students from HTL Wolfsberg thoroughly tested the Selmo Solution as part of their diploma thesis. This article provides exciting...