Auch in hochmodernen Fertigungsbetrieben gibt es ‚blinde Flecken‘ in der digitalen Datenerfassung. Und diese akkumulieren sich entlang des gesamten Auftragsdurchlaufs. Längst sind sie vielerorts ins Backoffice zurückgedrängt, während etwa MES-Software einen Transfer zwischen Maschinen- und Transaktionsdaten in ERP-Systemen leistet. In Richtung dokumentenbasierter Abläufe offenbaren sich jedoch gewisse Medienbrüche: Auftragsdaten werden zwar strukturiert erfasst, aber technisch-qualitative Daten bleiben oft Gegenstand einer persönlichen Prüfung. Ein Materialzertifikat wandert durch fachkundige Hände, doch im System steht in manchen Fällen nur, dass es ‚i.O.‘ ist. Der wertvolle Inhalt liegt hingegen in Excel-Dateien, PDFs oder gar im Aktenschrank begraben. Auch wo CAQ-Systeme Prüfergebnisse strukturiert erfassen, bleibt die dokumentenbasierte Eingangsprüfung manuell. Ohne digitalen Ansatz entstehen bereits beim Auftragseingang zwei isolierte Informationsstränge: ein strukturierter im ERP, ein unstrukturierter in Dokumenten. Dass diese eigentlich zusammengehören, fällt oft erst auf, wenn bei der Auslieferung Unstimmigkeiten auftreten oder Nachweise fehlen.
KI-basierte Systeme für Intelligent Document Processing (IDP) extrahieren relevante Transaktionsdaten aus Belegen wie Rechnungen oder Lieferscheinen und übertragen diese ins ERP-System. Eine Schwierigkeit war bislang jedoch die Verarbeitung von technisch-qualitativen Informationen und Spezifizierungen, die oft in Freitexten oder Tabellen verschiedenster Layouts stecken. Die Integration von multimodalen Large Language Models (LLMs) in modulare IDP-Systeme kann diesen Automatisierungsbruch überbrücken. Die Notwendigkeit vordefinierter Datenfelder wurde durch das wachsende Abstraktionsvermögen der Modelle erheblich verringert. Und das entstehende semantische Dokumentenverständnis erlaubt neben der Erkennung, Klassifizierung und Extraktion relevanter Informationen nun auch deren geschäftslogische Validierung, etwa gegen Normen, Auftragsspezifikationen und Lieferantenhistorien. Klassische Zeichenerkennung (OCR) dient nunmehr dem ‚Grounding‘, also der Rückverlinkung zum Originaldokument, um Halluzinationen vorzubeugen. Dieser Technologie-Stack entfaltet seine Wirkung entlang konkreter Stationen des Auftragsdurchlaufs.
Wo Dokumente den Prozess steuern
Angefangen beim Auftragseingang treffen außer Positionen und Mengen auch technische Anforderungen in puncto Werkstoffgüten, Zertifizierungen oder Prüfvorgaben ein. In 70% der Produktionen werden Daten laut Manufacturing Leadership Council manuell erfasst. Fehler fallen oft nicht auf und was nicht maschinenlesbar ist, lässt sich später nicht automatisiert prüfen. Ein IDP-System erkennt im Freitext automatisch, dass etwa ein Abnahmeprüfzeugnis 3.1 sowie die Norm EN 10025-2 erforderlich sind und heftet diese Attribute strukturiert an den Auftrag an – von wo aus sie dessen weitere Bearbeitung mitsteuern.
Ein besonders dokumentenintensiver Prozessschritt ist der Wareneingang, der zudem durch die Rügepflicht nach §377 HGB rechtliche Risiken birgt. Erkennt ein IDP-System im Abnahmeprüfzeugnis etwa ‚Zugfestigkeit 515 MPa‘, kann es dies auf mehreren Ebenen validieren: Entspricht der Wert neben der Norm auch der kundenspezifischen Anforderung aus dem Auftrag? Und ist er plausibel im Vergleich zu früheren Lieferungen dieses Lieferanten? Die zweite Frage setzt voraus, dass die Kennwerte über viele Dokumente hinweg strukturiert vorliegen – erst dann werden Muster sichtbar wie schleichende Qualitätsdrifts oder Werte, die über Dutzende Lieferungen exakt am Spezifikationsminimum liegen.
Vor allem die kaufmännische Seite beim Warenausgang profitiert von einem belastbaren, strukturierten und rückverfolgbaren Input aus qualitätstechnischen Informationen. Mit den Auftragsdaten im ERP verknüpft, erkennt das System vor der Auslieferung automatisch, ob alle geforderten Nachweise vorliegen, stellt die Kundendokumentation positionsgenau zusammen und macht bei Reklamationen die Rückverfolgbarkeit von der Charge bis zum Zertifikat zu einer Datenbankabfrage statt einer Aktensuche.
Dokumentenverständnis statt Texterkennung
Die individuelle Systemlandschaft sowie der vorliegende Automatisierungsgrad können stark variieren. Hier setzen individuell angepasste IDP-Systeme an. Softwarelösungen wie etwa Konfuzio von Helm & Nagel nutzen eine Kombination aus multimodalen LLMs und OCR-Grounding, um Dokumenteninhalte zu extrahieren, zu validieren und zu strukturieren. Die containerisierte Infrastruktur basiert auf Docker und Kubernetes und wird als SaaS-Produkt oder On-Premise betrieben. Die modulare Verarbeitungspipeline lässt sich innerhalb einiger Wochen individuell ausrollen. Per REST-API erfolgt eine webbasierte Anbindung an ERP- oder branchenübliche Bestandssysteme sowie zentralisierte Datenbanken mit definierten Normen oder Werkstoffspezifikationen. Zudem ist ein Dokumenteneingang per E-Mail möglich, etwa beim dargestellten Auftragseingang.
Auch wenn technische Daten oft an physische Messwerte gebunden sind und damit eine besonders robuste ‚Ground Truth‘ innehaben, bleibt der kritische Blick eines Menschen an manchen Stellen unerlässlich: etwa bei neuartigen Dokumententypen, Sonderfreigaben oder Reklamationsfällen. Konfuzio ermöglicht hier die manuelle Verifizierung oder Korrektur über ein grafisches Interface. Die Datenverarbeitung des Systems kann wahlweise im europäischen Rechtsraum oder autark im unternehmenseigenen Rechenzentrum erfolgen.
Fachwissen bei Fachkräften binden
Durch Fortschritte in der semantischen Validierung überwinden IDP-Systeme die Grenzen statischer Bestandssoftware, die zwar Daten verwaltet, aber nicht logisch verknüpft. Damit tastet sich die Technologie auch in den Einflussbereich menschlicher Prüfungen vor und es verschiebt sich die Rolle der Fachkraft: vom manuellen Abgleich zwischen Dokument und System hin zur fachlichen Entscheidung in unklaren oder risikobehafteten Fällen. Für eindeutige Situationen lassen sich Extraktions- und Validierungsregeln natürlichsprachlich formulieren – das senkt die Abhängigkeit von IT-Spezialisten und bindet Fachwissen bei den Fachkräften in QS und Beschaffung. Verknüpft mit technisch-qualitativen und kommerziellen Daten entsteht eine Wissensbasis, die auch dann noch Bestand hat, wenn erfahrene Mitarbeiter das Unternehmen verlassen.
