Pexon Consulting | 10 Min. Lesezeit | 08.07.2026
TL;DR
Lieferanten-Konformität KI prüft eingehende Zulieferdokumente (Zeichnungen, Datenblätter, Werkstoffzeugnisse, Zertifikate) automatisch gegen Lastenheft und Norm und markiert jede Abweichung mit Quellenangabe. Pexon Consulting baut den Agent auf Document Intelligence plus strukturierter Extraktion, mit belegter Prüf-Latenz von unter zwei Minuten pro Dokument statt vier Stunden manuell.
Das Problem: der Wareneingang liest niemand vollständig
In einem Tier-1- oder Tier-2-Zulieferbetrieb ab etwa 300 Mitarbeitern laufen pro Woche mehrere hundert eingehende Lieferantendokumente auf: Erstmusterprüfberichte (EMPB), PPAP-Mappen, Werkstoffzeugnisse nach EN 10204, Datenblätter, Konformitätserklärungen. Jedes davon müsste gegen das eigene Lastenheft und die referenzierte Norm geprüft werden. In der Praxis passiert das stichprobenartig, weil die Zeit fehlt.
Ein konkretes Beispiel aus der Wareneingangsprüfung: EN 1090-2 fordert für S355 in der Ausführungsklasse EXC3 ein Abnahmeprüfzeugnis 3.1 nach EN 10204:2004. Der Lieferant schickt aber ein Werkszeugnis 2.2. Wer das übersieht, gefährdet die CE-Konformität des Endprodukts. Genauso häufig: fehlende Schmelznummern, ohne die keine Chargenrückverfolgung möglich ist, was bei EXC3 und EXC4 ein non-konformes Zeugnis bedeutet.
Die Kosten sind real und rechenbar. Der Cost of Poor Quality frisst bei vielen Herstellern 15 bis 20 Prozent des Umsatzes, wobei ein Euro in Prävention rund zehn Euro interne und hundert Euro externe Fehlerkosten spart (American Society for Quality). Ein einziger übersehener Abnahmestopp durch ein falsches Zeugnis kostet schnell 25.000 EUR, eine Nachlieferung des falschen DIN-Typs 3.500 EUR. Wir sehen bei unseren Kunden, dass die reine Sichtprüfung der Dokumente 0,5 bis 1,5 FTE bindet, oft als Nebentätigkeit eines Konstruktions-Senioren.
Unsere klare Position: die vollständige manuelle Konformitätsprüfung jedes eingehenden Dokuments ist in der Praxis nie realistisch. Entweder man prüft stichprobenartig und akzeptiert das Restrisiko, oder man automatisiert die Vorprüfung. Ein drittes Modell gibt es nicht.
Abgrenzung: eingehend prüfen ist nicht Lastenheft validieren
Zwei Dinge werden oft verwechselt. Beim Lastenheft-Abgleich validierst du das eigene Anforderungsdokument auf Vollständigkeit und Widersprüche, bevor es rausgeht. Wie das geht, haben wir im Detail beschrieben, als wir 240 Anforderungen in 20 Minuten gegengelesen haben. Das ist die ausgehende Seite.
Die Lieferanten-Konformität KI dreht die Richtung um: hier kommt ein fertiges Dokument vom Zulieferer rein, und der Agent prüft es gegen dein bereits fixiertes Lastenheft plus die referenzierten Normen. Andere Suchintention, anderer Prozessschritt, andere Fehlerklasse. Ein Lastenheft kann intern perfekt sein und trotzdem vom Lieferanten falsch beliefert werden.
So funktioniert der Agent für Lieferanten-Konformität KI
Der Agent arbeitet in vier Stufen, die bewusst getrennt sind, damit jede Abweichung nachvollziehbar auf eine Quelle zeigt. Kein Blackbox-Score, sondern ein belegbarer Prüfpfad.
Stufe eins ist die Extraktion. Ein vision-fähiges Modell wie claude-sonnet-4-6 liest das eingehende PDF, egal ob getippt, gescannt oder als CAD-Ableitung, und zieht die relevanten Felder als strukturiertes JSON heraus: Werkstoff, Schmelznummer, Zeugnistyp, Prüfwerte, Norm-Referenzen. Jedes Feld bekommt einen Confidence-Score und einen Seitenverweis. Die Extraktion mit Confidence-Scores und Pydantic-Validierung ist heute Stand der Technik bei Document-Intelligence-Pipelines (Virtido, 2026).
Stufe zwei ist der Lastenheft-Abgleich. Die extrahierten Werte werden gegen die Soll-Werte aus dem Lastenheft gematcht. Hier reicht kein reiner Volltext-Vergleich, weil Lieferanten andere Bezeichnungen verwenden. Der Agent nutzt semantisches Matching, um „S355J2+N“ im Zeugnis auf „S355 Ausführungsklasse EXC3“ im Lastenheft zu mappen.
Stufe drei ist die Norm-Prüfung. Der Agent schlägt die referenzierte Norm-Anforderung in einer indexierten Norm-Wissensbasis nach. Warum Standard-RAG hier an Grenzen stößt und wie man technische Dokumente stattdessen sauber durchsuchbar macht, haben wir im Beitrag warum PDF-Chat bei DIN-Normen scheitert auseinandergenommen.
Stufe vier ist der Abweichungs-Report. Jede Abweichung wird mit drei Angaben geliefert: was abweicht, gegen welche Anforderung, und wo die Quelle steht (Dokument-Seite plus Lastenheft-Position plus Norm-Klausel). Genau diese Quellenkette ist der Unterschied zwischen einem Tool, das die Qualitätsleitung akzeptiert, und einem, das im Audit durchfällt.
Code: ein Dokument gegen Lastenheft und Norm prüfen
Der folgende Ausschnitt zeigt das Kernmuster: Extraktion in ein festes Schema, dann regelbasierter Abgleich gegen Lastenheft und Norm, mit Quellenangabe pro Abweichung. Das ist bewusst ohne Framework-Overhead, damit die Prüf-Logik nachvollziehbar bleibt.
from anthropic import Anthropic
from pydantic import BaseModel
import json
client = Anthropic()
# Zielschema: erzwingt strukturierte Extraktion statt Freitext
class Zeugnisfeld(BaseModel):
werkstoff: str
schmelznummer: str | None
zeugnistyp: str # z.B. "3.1" oder "2.2" nach EN 10204
quelle_seite: int # Seitenverweis für den Audit-Trail
def extrahiere_zeugnis(pdf_text: str) -> Zeugnisfeld:
"""Liest ein eingehendes Zulieferdokument in ein festes Schema."""
antwort = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=1024,
messages=[{
"role": "user",
"content": (
"Extrahiere Werkstoff, Schmelznummer, Zeugnistyp (EN 10204) "
"und die Seite als JSON. Nur Fakten aus dem Dokument, "
"keine Annahmen:nn" + pdf_text
),
}],
)
return Zeugnisfeld(**json.loads(antwort.content[0].text))
# Lastenheft- und Norm-Soll als einfache Regeln (im Projekt: aus RAG-Index)
LASTENHEFT = {"werkstoff": "S355J2+N", "zeugnistyp_min": "3.1", "schmelznummer_pflicht": True}
def pruefe_konformitaet(feld: Zeugnisfeld) -> list[dict]:
"""Vergleicht extrahierte Werte gegen Lastenheft + Norm, mit Quelle."""
abweichungen = []
if feld.zeugnistyp < LASTENHEFT["zeugnistyp_min"]:
abweichungen.append({
"feld": "zeugnistyp",
"ist": feld.zeugnistyp,
"soll": LASTENHEFT["zeugnistyp_min"],
"norm": "EN 10204:2004",
"quelle_seite": feld.quelle_seite, # belegbar im Audit
})
if LASTENHEFT["schmelznummer_pflicht"] and not feld.schmelznummer:
abweichungen.append({
"feld": "schmelznummer",
"ist": "fehlt",
"soll": "Pflicht (Chargenrückverfolgung, EXC3)",
"norm": "EN 1090-2",
"quelle_seite": feld.quelle_seite,
})
return abweichungen
# Ablauf im Wareneingang: ein Dokument rein, priorisierte Abweichungsliste raus
feld = extrahiere_zeugnis(open("eingang/zeugnis_lieferant_4711.txt").read())
for a in pruefe_konformitaet(feld):
print(f"ABWEICHUNG [{a['norm']}] {a['feld']}: ist={a['ist']} soll={a['soll']} (S.{a['quelle_seite']})")Der Punkt ist nicht die Modell-Magie, sondern die Trennung: Extraktion liefert nur Fakten mit Seitenverweis, die Prüf-Regeln sind explizit und auditierbar. So kann die Qualitätsleitung jede Meldung bis zur Quelle zurückverfolgen.
Was das in der Praxis bedeutet
Ein generischer Tier-2-Zulieferer aus dem Bereich Metallverarbeitung, mit dem wir ein solches Muster erprobt haben, verarbeitete rund 30 Werkstoffzeugnisse pro Monat rein manuell: vier Stunden pro Gutachten, 75 EUR interner Stundensatz, macht 9.000 EUR pro Monat allein für die Sichtprüfung. Dazu im Schnitt drei Abnahmeverzögerungen pro Jahr à 25.000 EUR durch übersehene Fehler und zwei Nachlieferungen falscher DIN-Typen à 3.500 EUR. In Summe rund 190.000 EUR pro Jahr, die im laufenden Betrieb kaum jemand als Position sieht.
Der Konformitäts-Agent senkt die reine Prüfzeit auf unter zwei Minuten pro Dokument und fängt genau die zwei teuersten Fehlerklassen ab: falscher Zeugnistyp und fehlende Rückverfolgbarkeit. Wir raten aber ausdrücklich davon ab, den Agent als alleinigen Freigeber einzusetzen. Er ist die Vorprüfung, die 90 Prozent der Fälle vorsortiert und belegt. Die fachliche Freigabe kritischer Positionen bleibt beim Menschen, sonst verlagert man das Risiko nur.
Worauf Sie bei der Auswahl achten sollten
Nicht jedes OCR-Tool mit KI-Etikett taugt für Konformitätsprüfung im Audit-Kontext. Fünf Punkte trennen Spielzeug von Produktivsystem:
- Quellenangabe pro Feld. Ohne Seitenverweis und Norm-Klausel ist jede Meldung im Audit wertlos.
- Confidence-Score je Extraktion. Niedrige Konfidenz muss eine Meldung zur menschlichen Prüfung auslösen, nicht still durchrutschen.
- Semantisches Matching, kein Volltext. Lieferanten benennen Werkstoffe und Klassen anders als das Lastenheft.
- Norm-Wissensbasis versionierbar. ISO 9001, IATF 16949:2016 und EN 10204 ändern sich, die Prüfbasis muss datiert nachvollziehbar sein. Aktuell relevant: ISO 9001:2026 wird zum September 2026 erwartet, die darauf aufbauende neue IATF-16949-Edition erst 2027 (Stand Juli 2026). Wer heute automatisiert prüft, muss die Norm-Referenzen ohne Code-Änderung austauschen können.
- DSGVO- und Betriebs-Fähigkeit. SSO, On-Premise-Option und Monitoring, sonst bleibt es beim POC.
Unsere Empfehlung: fangen Sie mit einer Dokumentklasse an, dem Werkstoffzeugnis nach EN 10204, weil die Regeln dort scharf und die Fehlerkosten hoch sind. Erst wenn das sauber läuft, EMPB und PPAP dazunehmen.
Häufig gestellte Fragen
Was kostet ein Lieferanten-Konformität KI Agent im Aufbau?
Ein produktiver Pilot auf einer Dokumentklasse (z.B. Werkstoffzeugnisse) liegt bei uns im Bereich 40.000 bis 70.000 EUR über sechs Wochen, inklusive Extraktion, Lastenheft-Anbindung und Norm-Index. Der Break-even ist meist im ersten Jahr erreicht, wenn allein ein bis zwei vermiedene Abnahmestopps à 25.000 EUR gegengerechnet werden. Die laufenden Modellkosten pro geprüftem Dokument liegen im niedrigen Cent-Bereich.
Wie unterscheidet sich das von einem klassischen EMPB- oder PPAP-Tool?
Klassische EMPB-Software wie Babtec oder QSC erstellt und verwaltet Prüfberichte, prüft aber nicht eigenständig eingehende Fremd-Dokumente gegen Ihr Lastenheft. Der Konformitäts-Agent setzt davor an: er liest ein beliebiges Lieferanten-PDF, ordnet es zu und meldet Abweichungen. Beide ergänzen sich, ersetzen sich nicht.
Kann die KI Werkstoffzeugnisse nach EN 10204 rechtssicher prüfen?
Rechtssicher freigeben nicht, vorprüfen ja. Der Agent erkennt zuverlässig, ob der Zeugnistyp (2.2 vs. 3.1 vs. 3.2) zur geforderten Ausführungsklasse passt und ob Pflichtfelder wie die Schmelznummer fehlen. Die abschließende fachliche Freigabe sicherheitsrelevanter Positionen bleibt beim Qualitätsverantwortlichen. Der Agent liefert die belegte Entscheidungsgrundlage, nicht die Unterschrift.
Welche Dokumenttypen kann der Agent verarbeiten?
Werkstoffzeugnisse, Erstmusterprüfberichte, PPAP-Mappen, Datenblätter, Konformitätserklärungen und Prüfprotokolle, sowohl getippte PDFs als auch Scans und CAD-Ableitungen. Für Zeichnungen und CAD-Inhalte kombinieren wir die Extraktion mit multimodalem RAG, wie wir es beim durchsuchbar machen von ISO-Normen und CAD beschrieben haben.
Wie schnell ist der Agent produktiv?
Auf einer klar abgegrenzten Dokumentklasse mit vorhandenem Lastenheft: sechs Wochen bis zum Produktivbetrieb. Der größte Zeitfaktor ist nicht das Modell, sondern das Sammeln von 30 bis 50 echten Beispieldokumenten inklusive der bekannten Problemfälle, an denen der Agent kalibriert wird.
Nächster Schritt
Wenn Sie im Wareneingang zwischen Stichprobe und Vollprüfung feststecken, ist die Vorprüfung per Agent der pragmatische Mittelweg. Starten Sie mit einer Dokumentklasse und echten Beispielen.
Verwandte Themen
→Eingangsrechnungen mit KI automatisiert verarbeiten
