Die fortschreitende Etablierung von Industrie 4.0 führt zu einer deutlichen Zunahme der Verfügbarkeit und Qualität aufgezeichneter Produktionsdaten. Damit verbundene Potenziale zur Effizienzsteigerung stellen insbesondere kleine und mittelständische Unternehmen vor Herausforderungen, da deren Ausschöpfung spezialisiertes Domänenwissen erfordert, während personelle Ressourcen gleichzeitig abnehmen. Heterogene Prozesse, unterschiedliche Softwarelösungen und uneinheitliche Datenstrukturen erschweren zudem die datengetriebene Analyse, da ihre Aufbereitung Kenntnisse in Datenbanken, Analysewerkzeugen und Modellierung voraussetzt. Vor diesem Hintergrund untersucht die vorliegende Arbeit, inwieweit Large Language Models durch die Übersetzung natürlicher Sprache in Datenbankabfragen die automatisierte Aufbereitung und Visualisierung von Produktionsdaten unterstützen können. Hierzu wurde ein LLM-basiertes System konzipiert, prototypisch implementiert und mithilfe einer integrierten Analysesoftware evaluiert. Die Ergebnisse zeigen, dass die sprachmodellgestützte Generierung kontextsensitiver Datenbankabfragen grundsätzlich möglich ist, jedoch weitere Forschung und technische Weiterentwicklung erforderlich sind, bevor ein produktiver Einsatz in industriellen Umgebungen

realisierbar erscheint.

The ongoing establishment of Industry 4.0 has led to a significant increase in the availability and quality of recorded production data. The associated potential for efficiency improvements poses substantial challenges for small and medium-sized enterprises, as leveraging these opportunities requires specialized domain knowledge while personnel resources continue to decline. Moreover, heterogeneous processes, diverse software systems, and inconsistent data structures further complicate data-driven analysis, since their preparation demands expertise in databases, analytical tools, and data modeling. Confronted with these questions, the present work investigates the extent to which Large Language Models can support the automated preparation and visualization of production data by translating natural language into database queries. For this purpose, an LLM-based system was designed, prototypically implemented, and evaluated through integration with

an analysis platform. The findings demonstrate that the generation of context-sensitive database queries based on natural language is feasible, however, additional research and technical refinement are necessary before such models can be reliably deployed in industrial environments.