Zum Inhalt springen
Strategion GmbH

Die Machbarkeits­prüfung von Kunden­spezifikationen automatisieren

Die Aufgabe

Jeder Kunde schreibt anders, jede Spezifikation verweist auf Normen, und was das eigene Werk kann, steht in den Köpfen erfahrener Fachkräfte.

Kunde
Hersteller von Kupfer­produkten
Branche
Stahl-, Metall- und Werkstoffindustrie
Dauer
vier Stufen über ein Jahr
Die Machbarkeitsprüfung von Kundenspezifikationen automatisieren KI-generiert
3

Schritte der Prüfstrecke, einzeln beauftragt und nacheinander umgesetzt: Vollständigkeit, Informations­gewinnung, Machbarkeits­abgleich

1

Wissens­daten­bank als gemeinsame Grundlage, auf die auch die nächsten Anwendungs­fälle zugreifen

2

Wege durch die Unterlagen: ein Graph für die Verweise zwischen Normen, eine Suchstrecke für die Inhalte

Kurz zum Kunden

Hersteller von Halbzeugen und Produkten aus Kupfer, mit eigener Fertigung und einem breiten Produkt­spektrum für industrielle Abnehmer. Das Geschäft ist Spezifikations­geschäft: Jeder Kunde bringt eigene Anforderungs­dokumente mit, in eigenen Formaten, eigener Struktur und eigener Terminologie, dazu Normen, auf die diese Dokumente verweisen. Ob eine Anforderung herstellbar ist, entscheidet sich im Zusammenspiel von Verfahrens­technik, Qualitäts­sicherung und Produktions­planung, und dieses Wissen liegt zu einem erheblichen Teil in den Köpfen erfahrener Fachkräfte.

Unsere Lösung

Ein Modell liest aus einem Kunden­dokument, was gefordert ist. Ob es herstellbar ist, weiß es nur, wenn die eigene Machbarkeit irgendwo steht.

Die Aufgabe

Aus einem Soll-Konzept für die Spezifikations­prüfung wird ein Umsetzungs­auftrag, und zwar in Stufen. Die Aufgabe ist, die Spezifikations­prüfung Schritt für Schritt in ein lauffähiges System zu überführen, statt sie in einem Zug zu entwickeln. Das hat einen sachlichen Grund: Jeder Schritt der Prüfung hat eigene Anforderungen an die Daten. Die Vollständigkeits­prüfung muss erkennen, welche Dokumente überhaupt zu einer Anfrage gehören, auch die, die der Kunde nicht genannt hat. Die Informations­gewinnung muss aus sehr viel größeren Dokumentmengen die fachlichen Angaben herausholen, einschließlich der Angaben in Tabellen. Und der Machbarkeits­abgleich braucht beides sowie eine belastbare Beschreibung dessen, was das eigene Werk herstellen kann. Deshalb steht am Anfang nicht eine Anwendung, sondern eine Wissens­daten­bank.

Unser Ansatz

Die Wissens­daten­bank kommt vor der Anwendung, nicht danach. Der bequeme Weg wäre gewesen, mit der sichtbaren Oberfläche zu beginnen und die Daten­grundlage nachzuziehen. Das Projekt hat es umgekehrt gemacht: erst Schema, Kategorien, Synonyme und die strukturierte Erfassung dessen, was das eigene Werk herstellen kann. Der Grund ist einfach. Ein Sprachmodell kann aus einem Kunden­dokument herauslesen, was gefordert ist. Ob das herstellbar ist, kann es nur beantworten, wenn die eigene Machbarkeit irgendwo steht. Auf dieselbe Grundlage greifen außerdem die nächsten Anwendungs­fälle zu, die mit der Spezifikations­prüfung nichts zu tun haben.

Ein Graph für die Verweise, eine Suchstrecke für die Inhalte. Spezifikationen verweisen auf Normen, Normen verweisen weiter, und ein Kunde nennt selten alles, was für seine Anfrage gilt. Diese Verweis­struktur ist kein Suchproblem, sondern ein Netz, und deshalb wird sie als Graph abgebildet: Von den genannten Dokumenten aus findet das System die nicht genannten. Für die Inhalte selbst gilt das Gegenteil, dort sucht eine Strecke über aufbereitete Text­abschnitte. Zwei verschiedene Fragen, zwei verschiedene Verfahren. Wer beides mit demselben Werkzeug lösen will, bekommt für beides eine mittelmäßige Antwort.

In Stufen entwickeln heißt, nach jeder Stufe entscheiden zu können. Wissens­daten­bank, Vollständigkeits­prüfung, Informations­gewinnung, Machbarkeits­abgleich: Jede Stufe wurde eigenständig beauftragt, umgesetzt und abgeschlossen, jede entwickelt auf der vorigen auf, und jede ist für sich nutzbar. Schon die Vollständigkeits­prüfung allein nimmt dem Prozess seinen häufigsten Zeitfresser, nämlich die Rückfrage nach Unterlagen, die erst mitten in der Bearbeitung auffällt. So entsteht Nutzen, bevor das Gesamtsystem fertig ist, und niemand muss ein Jahr lang an ein Versprechen glauben.

Entwickelt wird spezifikations­getrieben, und der Code entsteht KI-gestützt. Am Anfang jeder Umsetzung steht eine Spezifikation: ein versioniertes Dokument, das wie Code geprüft wird, für Technik und Fachbereich gleichermaßen lesbar, in dem Entscheidungen, Sonderfälle und Abwägungen geklärt sind, bevor eine Zeile entsteht. Die Architektur wird nach einem etablierten Rahmenwerk dokumentiert. Der Grund für diese Reihenfolge ist nicht Ordnungsliebe, sondern Prüfbarkeit: Erzeugter Code wächst schneller, als die Zeit reicht, ihn zu lesen. Wer einem Modell nur beschreibt, was er ungefähr will, bekommt schnell Code und bei jedem Durchlauf einen anderen. Die Spezifikation ist zugleich die Dokumentation, die sonst am Ende fehlt — und wo eine Prüfstrecke über Normen und die Machbarkeit im eigenen Werk urteilt, muss vorher feststehen, welche Regel wo gilt.

Tabellen sind der Punkt, an dem es schwierig wird. In technischen Spezifikationen und Normen stehen die entscheidenden Angaben selten im Fließtext, sondern in Tabellen, oft über Seiten verteilt, oft mit verbundenen Zellen und Fußnoten. Ein Modell, das den Text gut liest, liest solche Tabellen nicht automatisch richtig. Deshalb ist die Interpretation tabellarischer Inhalte im Projekt ein eigener Arbeits­gegenstand mit eigener Gütemessung an echten Unterlagen, und deshalb steht die Prüferrolle in der Oberfläche genau dort, wo diese Ergebnisse erscheinen.

Am Ende ein Vorschlag, nicht nur ein Nein. Der Machbarkeits­abgleich sagt nicht bloß, ob eine Anforderung erfüllbar ist. Wo sie es nicht ist, schlägt das System einen Kompromiss vor, also die nächstliegende herstellbare Ausprägung. Das ist der Punkt, an dem aus einer Prüfung ein Vertriebs­werkzeug wird: Der Vertrieb geht nicht mit einer Absage zum Kunden, sondern mit einer Alternative, und zwar am selben Tag.

Das Ergebnis

Eine Prüfstrecke, die in drei Schritten entsteht und auf einer gemeinsamen Grundlage steht.

Zuerst die Wissens­daten­bank: Daten­bank­technologie und Schema festgelegt, die zu gewinnenden Informations­kategorien, Kontextangaben und Synonyme definiert, die eigenen Machbarkeiten und Produktions­möglichkeiten strukturiert erfasst, dazu eine Über­führungs­strategie für die vorhandenen Wissens- und Datenbestände und die Ziel­architektur des Gesamtsystems. Dann die automatische Vollständigkeits­prüfung: Aus den übermittelten Unterlagen werden die angesprochenen Spezifikationen ermittelt, aus den Querverweisen in Normen und Spezifikationen entsteht ein Graph, und über diesen Graphen findet das System die weiteren erforderlichen Dokumente, die der Kunde nicht ausdrücklich benannt hat.

Dann die Informations­gewinnung: eine Suchstrecke über die aufbereiteten Inhalte, die auch tabellarische Angaben interpretiert, mit fortlaufender Messung der Güte an echten Daten. Über allem eine Interaktions­plattform mit Rechte- und Rollenkonzept, in der die Fach­abteilungen die Ergebnisse prüfen, korrigieren und freigeben. Den Abschluss bildet der Abgleich der Kunden­anforderungen mit den eigenen Möglichkeiten, samt Vorschlägen für einen Kompromiss, wenn eine Anforderung nicht genau erfüllbar ist. Dazu ein Konzept für Datenqualität, Namenskonventionen und Ablagestandards und eine Rollout-Strategie.

Diese Leistungen steckten im Projekt

Weitere Projekte

Alle Referenzen ansehen

Kontakt

Sprechen Sie uns an

Schreiben Sie uns eine Zeile. Wir ordnen Ihre Frage ein und melden uns.

Gespräch vereinbaren

Schreiben Sie uns, worum es geht. Wir melden uns zeitnah.

Lieber zur Kontaktseite