# SPS 26：部品を超えて――AIと電気トポロジー設計（Murrelektronik）

- 番組: [Industrial AI Podcast](https://ai-curator.jp/podcasts/shows/cmv3z5c39001r5o10fd1loyby)（Robert Weber / Peter Seeberg）
- 元のタイトル: SPS 26: Beyond Components: AI and electrical topologies
- 配信日: 2026年11月20日
- 長さ: 39分
- 要約作成日: 2026年11月20日
- トピック: [#産業AI](https://ai-curator.jp/topics/%E7%94%A3%E6%A5%ADAI) [#機械学習](https://ai-curator.jp/topics/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92) [#LLM](https://ai-curator.jp/topics/LLM) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#MCP](https://ai-curator.jp/topics/MCP) [#電気設計](https://ai-curator.jp/topics/%E9%9B%BB%E6%B0%97%E8%A8%AD%E8%A8%88)
- URL: https://ai-curator.jp/podcasts/cmwovvjb900036y11dvk6xvkm

## 要約

Murrelektronik の Fabian Distel 氏と Julian Feinauer 氏が、電気設計を自動化する新製品 U-Konn-X Created を紹介した回。LLM ではなくチェスエンジンに似た専用の機械学習モデルと決定論的なルールを組み合わせ、他社部品も扱えるオープンな設計を採る。フリーミアムの事業モデル、顧客側の窓口の難しさ、トークン予算の考え方、部品単体ではなくシステム全体を最適化すべきだという見方も語られた。

## ポイント

- U-Konn-X Created は、センサーやアクチュエータなど機能要件から電気トポロジーを自動生成する AI 中心のツールで、第1弾の現場向け製品は作業時間を約50%削減すると説明された。
- 中核は LLM ではなく、チェスエンジンのように局面評価と手の候補評価を行う独自アーキテクチャのニューラルネットで、妥当性検証は電力超過などの決定論的ルールとコスト関数が担う。
- LLM は単純な課題でも失敗し、条件が複雑になるほど幻覚を起こしやすく、非決定的なため検証が難しいという理由で採用しなかったと述べている。
- 部品は品番ではなく属性で扱い、他社製品やベンダー中立のダミー部品も追加できる。全く新しい技術が出た場合のみモデルの再学習が必要になる。
- 基本無料で、API アクセスや MCP コネクタによるエージェント連携などは有料とするフリーミアムモデル。課題は顧客側で購買部門ではなく IT・変革の担当者に届くことだという。
- 市場には部品単体の1〜2%の改善ではなく、システム全体で30〜50%の効率化を狙う視点が必要で、そこに AI が役立つと主張した。

## 章立て

- [01:04] **Murrelektronik の AI への姿勢** — AI は目的ではなく、製品中心から solution provider への変革の手段だと説明。AI ファーストの顧客ポータルとエージェント対応の API にも言及した。
- [03:04] **U-Konn-X Created の概要** — 電気設計を自動化するスイート製品の第2弾。機能要件から電気トポロジーを生成し、中核は機械学習で、MCP 経由でエージェントとも連携する。
- [07:13] **チェスに例えるモデル設計** — 局面評価と候補手評価を行う専用ニューラルネットと、ルール検証・コスト関数の組み合わせを Julian 氏が解説した。
- [11:24] **なぜ LLM を使わないのか** — 非決定性や複雑な条件での幻覚の問題を挙げ、ヒューリスティクスの限界から機械学習に移行した経緯を語った。
- [13:25] **ベンダー中立と ePlan との違い** — 属性ベースで他社部品も扱える設計と、ECAD の置き換えではなく設計から現場までエンドツーエンドでつなぐ思想を説明。
- [27:16] **ビジネスモデルと顧客接点の課題** — 基本無料のフリーミアムで、API や MCP 連携は有料。購買部門ではなく適切な窓口に届く難しさを述べた。
- [31:27] **今後の予定とトークン予算** — SPS での NXAI の TiRex 2 連携デモ、回路図の取り込み機能、トークン予算の運用を紹介した。
- [36:44] **システム全体最適という視点** — 部品単体ではなくシステム全体のTCOを見直せば30〜50%の改善も可能だと語った。

## 解説記事

産業用コネクタやケーブルなどを手がける Murrelektronik の Chief Digital Officer、Fabian Distel 氏と、開発を担う Julian Feinauer 氏が、Industrial AI Podcast に出演した。テーマは、電気トポロジー（センサー、アクチュエータ、電源、PLC をどうつなぐかという配線構成）を AI で自動設計する新製品 U-Konn-X Created である。LLM を使わない理由、他社部品も扱うオープン性、事業モデルまで話が及んだ。

#### AI は目的ではなく変革の手段

Distel 氏は、同社が部品を作る製品中心の会社から、顧客に solution を提供するシステムプロバイダーへ移行している最中だと述べる。AI はその変革で最も強力な道具の一つだが、目的そのものではないという立場だ。

新しい顧客ポータルは AI ファーストで作られており、ブラウザでクリックする操作が将来の標準ではないという考えが背景にある。エージェントがポータルを直接扱えるよう、ERP 向けだけでなくエージェント向けの API も重要になると語った。なお、AI 技術を組み込んだ物理製品はまだ出していないという。

#### 機能要件から配線構成を生成する

U-Konn-X は電気設備の設置方法を変える製品スイートで、4月に発表した第1弾は現場向けのツールだ。利用した顧客は現場での作業時間を約50%削減できたと説明されている。今回の Created は設計工程を変えるもので、必要なセンサーやアクチュエータを入力すると、自動化設計としての電気トポロジーを生成する。

人間向けの UI もあるが、中核は機械学習アルゴリズムで、チャットで LLM に話しかける形式ではない。ただし MCP（モデルと外部ツールをつなぐ接続規格）のインターフェースを備えており、エージェント経由で入力し、結果をチャット画面に返すことも可能だ。Distel 氏によれば、機械設計者がボタンを押すだけで、実現可能かつ最適な電気設計ができ、電気設計の専門家は不要になる。

#### チェスエンジンに似た設計

Feinauer 氏は、この問題をチェスにたとえる。後になって良い手だったと分かる「犠牲」の手があること、一手しかない局面と似た選択肢が多い局面があること、そして攻撃的・守備的といった棋風の違いが、企業ごとの設計思想の違い（初期コスト重視、総保有コスト（TCO）重視、在庫の入手性、設置時間の短縮など）に対応するという。

仕組みも似ている。ニューラルネットワークが、現在の局面が良いか悪いかの評価と、次に打つべき手の候補の評価を担当する。標準的なアーキテクチャではなく、部分的に CNN や全結合層を使うカスタム構成だという。ただし最終判断は AI ではなく古典的なルールが行う。消費電力が電源容量を超えないか、全てのセンサーとアクチュエータが PLC につながっているかを検証し、ユーザーがカスタマイズ可能な決定論的コスト関数で案を比較する。たとえば TCO を重視すれば、初期費用は高いが診断機能が豊富で設置時間を減らせる機器が提案されやすくなる。

#### なぜ LLM ではないのか

LLM を使わない理由として Feinauer 氏は、非決定性を挙げた。単一のセンサー程度なら妥当な提案が出る可能性は高いが、確実かどうか分からない。診断機能を重視したいといった希望を伝えても、本当に良い提案かを検証できない。スキルやプロンプトで改善しようとしても「祈るようなもの」だという。条件が増え、ヒューズチャネルの分離、ケーブルの耐屈曲性、食品接触といった要件が重なるほど、幻覚が起きやすくなると述べている。

また開発の経緯として、まず専門知識に基づくヒューリスティクスで始めたが、毎週のように例外ルールが増え、別の例外を壊すという状態に陥ったと説明。ルールを人が書き続けるより、問題と答えからモデルに学ばせる方が自然だったという。LLM がなかった時期に開発を始めたが、今始めても同じ選択をすると述べた。

#### オープンな部品選択と事業モデル

システムは品番ではなく部品の属性（ポートの種類や仕様など）に基づくため、他社製品もデータベースに属性を登録すれば扱える。ベンダー中立のダミー部品も使える。Singapore Ethernet のような全く新しい技術が出れば再学習が必要になる。Distel 氏は、顧客を自社製品に囲い込まず、最良の解を選べる設計にしたと強調した。

ePlan のような ECAD との関係については競合ではなく、機械設計から電気設計、ERP、現場、アフターセールスまでを一つのデータの流れでつなぐ別のアプローチだと説明する。PLM との連携や、デジタルツイン用の管理シェル（Asset Administration Shell）モデルの生成も視野に入れている。

価格は基本無料で、BOM や PDF 回路図のエクスポートまで使える。API アクセスや、エージェントによる MCP コネクタの自動生成などは有料版とするフリーミアムだ。顧客が成功すれば自社も成功するという win-win の考えで、データ収集が主目的ではないという。開発自体より、購買部門ではなく IT やプロセス変革の担当者に接触することが難しいとも語った。

#### 今後とトークン予算、システム視点

SPS では NXAI の TiRex 2 との連携を展示し、同社の部品を通るデータを顧客ポータルで分析できるようにする。回路図を取り込んでデジタルモデルに変換する機能も予定されている。社内の AI 利用では固定のトークン予算を設けず、効率に基づいて柔軟に増やしているという。KPI は一律ではなく、ユースケースごとに便益とコストの比率を見る。

市場については、各ブースに AI 展示が並ぶと予想しつつ、部品単体の1〜2%の改善では足りず、アジア勢との競争には30〜50%規模の改善が必要だと指摘した。部品を少し安くするのではなく、不要な部品をなくすなど、設計・設置・保守を含むシステム全体の TCO を見直す点に AI の価値があるという見方だ。

#### まとめ

本エピソードは、すべてを LLM で解くのではなく、問題の性質に合わせて手法を選ぶ実例として参考になる。検証可能性が求められる産業設計では、学習モデルが提案し、決定論的ルールが保証するという分担が現実的だ。日本の製造業にとっては、部品の最適化から全体最適への視点転換や、フリーミアムとオープン性による顧客接点づくりの考え方も注目点になる。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Industrial AI Podcast「SPS 26: Beyond Components: AI and electrical topologies」
