Home » News » Mehr MCP-Integration für Industrial AI – Intelligence Hub 4.3
Produkt-News

Mehr MCP-Integration für Industrial AI – Intelligence Hub 4.3

HighByte baut mit dem neuen Release auf der bestehenden Unterstützung des Model Context Protocol (MCP) auf und erweitert sie gezielt für Industrial-AI-Anwendungen. MCP war bereits in früheren Versionen integriert – mit Version 4.3 kommen nun ein dedizierter MCP-Client, neue Tools und eine tiefere Verankerung im gesamten System hinzu.

Industrial AI direkt an der Anlage

Das neue Release rückt Industrial AI und agentische AI in den Mittelpunkt. Der HighByte Intelligence Hub dient dabei als zentrale Schaltstelle zwischen Anlagen, Datenplattformen und AI-Agents. So lassen sich AI-Use-Cases an Maschine und Linie effizient realisieren, weil Daten strukturiert und kontextualisiert statt als unübersichtliche Rohdaten vorliegen. Gleichzeitig behalten Unternehmen jederzeit die Kontrolle darüber, welche Informationen AI-Agents einsehen und nutzen dürfen.

Ausgebaute MCP-Services für AI-Agents

Die bereits vorhandene MCP-Unterstützung wird mit Version 4.3 deutlich erweitert und tiefer in die Plattform integriert.

  • MCP-Client-Anbindung für den Zugriff auf unterschiedliche MCP-Server und deren Tools
  • neue MCP-Services-Ansicht in der Oberfläche für zentrale Verwaltung aller MCP-Tools
  • MCP-Tools für MQTT und OPC UA zum Browsen und Lesen von Felddaten
  • MCP-Tools für die Pipeline-Konfiguration, die AI-Agents beim Erstellen und Anpassen von Datenpipelines unterstützen

Hohe Verfügbarkeit für kritische Prozesse

Für produktive Umgebungen wird die Betriebssicherheit weiter erhöht: Die erweiterte High Availability synchronisiert Konfiguration und Systemzustand zwischen mehreren Hubs, reduziert das Risiko von Datenverlust bei Ausfällen und sorgt zusammen mit einem Dashboard mit Statusübersicht und Logs für deutlich mehr Transparenz im laufenden Betrieb.

Brücke zu modernen Datenplattformen

Neue und erweiterte Konnektoren erleichtern die Anbindung an Datenplattformen und unterstützen den Weg von OT-Daten in Analytics- und Cloud-Umgebungen.

  • Microsoft Fabric OneLake als Ziel für Dateien in ADLS Gen2
  • Azure Blob Storage (Input) für den direkten Zugriff auf dort gespeicherte Daten
  • Databricks SQL (Input) für den Zugriff auf Tabellen in Databricks

Jetzt starten

mehr News