将原始数据转化为系统化的模型，在那里可以建立模式并检测出异常情况。拥有应用知识就变得至关重要，因为它使Festo项目团队有可能支持对异常情况进行分类，并以的形式将其输出给适当的人类员工，例如高水平的报告、维护干预、文本信息或直接输入智能维护工具中。人类的反馈将不断提高输出的质量。"Sands说。

工业自动化和人工智能的未来是有内在联系的。"我们将看到更强大的软件工具，通过AI优化的机器设计，它们可以加速和支持设计师和程序员的工作。"Sands说。这些将比今天的编程更直观，可能使用自然语音或文本。

复杂的机器模型将从标准化和结构化的数据模型中更迅速和无错误地创建。这些物理机器的数字双胞胎将包含用于拖放CAD设计的部件的物理尺寸，以及关于其性能动态和操作的信息，因此它们可以被优化为能源消耗、整体设备效率（OEE）和总拥有成本（TCO）。

随着对可持续发展的密切关注，它也将自动生成一个完整的状态分析图，以说明机器所有部件在生产制造过程中所消耗的二氧化碳，以及在其生命周期内与产出有关的消耗。

不过，AI的应用也存在着风险和挑战。Sands认为，"诸如知识产权所有权和内置偏见等因素需要被监控和解决，而且，随着这些解决方案变得越来越有说服力，我们需要注意逻辑错误不会被内置、强化或重复。只有了解AI的愿景和局限性，我们才能努力获得它所提供的全部好处。"