Kundenreferenz: multimodales RAG für Fertigungsnormen

Robin, Consultant für GenAI bei Pexon Consulting | 8 Min. Lesezeit | 16.09.2026

Das hier ist keine Anleitung. Es ist der Bericht aus einem Mandat, in dem Pexon Consulting multimodales RAG über den Normenbestand eines deutschen Herstellers komplexer Industrieprodukte gelegt hat. Rund 3.000 Ingenieurinnen und Ingenieure in der Produktentwicklung. Mehr als 1.000 internationale, nationale und interne Normen, mit Revisionen über Jahrzehnte. Die Plattform ist im Einsatz.

Produktentwicklung intern, Index und Abruf bei uns

Das Produktwissen bleibt beim Kunden. Konstruktion, Auslegung, Design-Reviews: das ist die Arbeit der Ingenieurteams. Was fehlte, war eine Schicht, über die dieselbe gültige Revision und derselbe Diagrammkontext in eine Spezifikation wandern, ohne dass jemand den Band noch einmal von vorn liest.

Pexon hat den Index gebaut und die Retrieval-Schicht. Nicht die Normen selbst. Der Schnitt war klar: Bestand, Freigaben und fachliche Verantwortung bleiben intern. Metadaten, Parsing, Abruf und Zitat liegen bei uns.

Bei einem Haus dieser Größe ist das der normale nächste Maßstab. Internationale und nationale Standards plus interne Richtlinien lagern über Jahrzehnte. Mehrere Versionen derselben Norm existieren parallel, weil Produkte lange laufen und Märkte unterschiedliche Stände verlangen. Wer in einer frühen Phase eine Anforderung in die Dokumentation schreibt, braucht die Stelle, die heute gilt, plus die Abbildung, die die Anforderung trägt. Das ist keine Suchaufgabe für ein Netzlaufwerk.

Die Qualität in der Produktentwicklung hängt an Nachvollziehbarkeit. Reviews verlangen zitierfähige Referenzen. Ein Fließtext ohne Bild, oder ein Bild ohne Klausel, reicht dort nicht. Deshalb war der Auftrag kein Chat über PDFs. Der Auftrag war: gültige Revision treffen, Stelle zitieren, visuelles Element mitliefern.

Was wir in die Retrieval-Schicht gebaut haben

Vier Entscheidungen haben das Mandat getragen. Alle vier sitzen vor der Oberfläche. Die Oberfläche zeigt nur, was die Schicht darunter schon entschieden hat.

1. Revisions-Metadaten als Pflichtfeld, nicht als Dateiname. Jede Norm und jede interne Richtlinie trägt im Index explizit ihren Revisionsstand. Die Abfrage filtert auf die gültige Version, bevor Vektor-Retrieval überhaupt Treffer holt. Ein veraltetes PDF auf einem Share bleibt unsichtbar für die Antwort. Ohne dieses Feld hätte das Modell die plausibelste Passage geliefert, nicht die geltende.
2. Eine Pipeline für Text, Tabelle, Diagramm und Symbol, nicht zwei getrennte Suchen. Klassisches Retrieval zerlegt das PDF in Textchunks und lässt Grafiken links liegen. Hier laufen Vision-Modelle in derselben Ingestion. Ein Warnsymbol in einer technischen Abbildung wird erkannt, der zuständigen Normstelle zugeordnet und als Kontext in die Antwort gelegt. Wer nur den Fließtext indexiert, verpasst genau die Anforderung, die im Bild steht.
3. Zitat vor Paraphrase. Die Antwort verlinkt auf Quellpassage und Abbildung. Ingenieure übernehmen die Referenz in Spezifikation und frühe Dokumentation. Das Modell darf zusammenfassen. Es darf die Stelle nicht ersetzen. In einem Design-Review zählt die Klausel, nicht die Formulierung des Assistenten.
4. LLM-Orchestrierung hinter der Zitations-Engine, nicht davor. Erst Filter auf Revision, dann multimodaler Abruf, dann Generierung auf dem zitierten Kontext. Umgekehrte Reihenfolge erzeugt Sätze, zu denen hinterher eine Quelle gesucht wird. Das haben wir nicht gebaut.

# Erst die geltende Revision, dann Abruf. Nicht umgekehrt.
bestand = index.normen.filter(revision="gueltig", geltungsbereich=anfrage.markt)
treffer = bestand.multimodal_suche(
    anfrage.text,
    modalitaeten=["text", "tabelle", "diagramm", "symbol"],
)
# Was hier nicht drin ist, sieht das Modell nicht.
antwort = orchestrierung.zitieren(treffer, frage=anfrage.text)

Den Rahmen, den wir sonst als RAG-System für Unternehmen schneiden, haben wir hier auf den Normenbestand gelegt: Hybrid-Abruf, quellenbasierte Antwort, versionierter Index. Das hier ist das Mandat. Der Unterschied zur Text-Suche auf SharePoint sitzt in den Modalitäten und in der Revision als hartem Filter.

Der Bestand umfasste mehr als 1.000 Normen. International, national, intern. Nicht als Demo-Korpus, als Vollbestand. Indexierung in dieser Breite ist Parsing-Arbeit: Tabellen, die als Bild im PDF stehen, Symbole ohne Alt-Text, Querverweise zwischen Klausel und Abbildung. Vision-Modelle sind hier kein Extra. Ohne sie bleibt die Hälfte der Anforderung unsichtbar.

Als Diagramme denselben Rang bekamen wie Klauseln

Der Wendepunkt im Aufbau war nicht das erste Text-Trefferfenster. Der Wendepunkt war die Entscheidung, Grafiken nicht als Anhang zu behandeln.

In technischen Normen leben Sicherheitsanforderungen oft im Bild. Ein Warnsymbol, eine Bemaßung, ein Schaltplan. Text-RAG findet die umgebende Klausel und lässt das Symbol weg. In einem Review reicht das nicht. Die Leitung Technische Normen hat den Maßstab so formuliert: dieselbe Revision, derselbe Diagrammkontext, den das Design-Review braucht.

Ab da galt für jede Antwort dieselbe Regel. Liegt die tragende Information in der Abbildung, muss die Abbildung in der Antwort stehen, zugeordnet zur Stelle. Liegt sie in der Tabelle, kommt die Tabelle mit. Das hat die Ingestion teurer gemacht. Es hat die Freigabe für den Engineering-Alltag erst möglich gemacht.

Was danach kam, war Rollout in die Teams, nicht ein zweiter Architektur-Schnitt. Die Nähte saßen: versionsbewusster Index, multimodaler Abruf, Zitatpflicht. Darauf lässt sich der Bestand erweitern, ohne die Filterlogik anzufassen.

Die vier Stunden sind eine erwartete Größe, keine gemessene Jahreszahl. Wir haben sie so in der Quelle stehen und so geben wir sie weiter. Was wir gesehen haben: relevante Stellen werden deutlich schneller identifiziert, die frühen Phasen hängen an derselben Referenz, Fehlinterpretationen gehen zurück, weil Text und Bild zusammenliegen.

Was am Ende stand

Die Plattform läuft bei den Ingenieurteams. Rund 3.000 Personen in der Zielgruppe der Produktentwicklung. Mehr als 1.000 Normen indexiert, inklusive Revisionen. Antworten zitieren die Stelle und holen Diagramme und Symbole in denselben Kontext.

Drei Dinge würden wir in einem vergleichbaren Mandat wieder so machen. Revision als Filter vor dem Retrieval, nicht als nachträglicher Hinweis. Vision in der Ingestion, nicht als optionales Vorschaubild. Zitatpflicht, bevor das Modell einen Satz schreibt.

Ein Chat über den PDF-Ordner hätten wir schneller hingestellt. Damit arbeitet niemand in einem Design-Review. Die Nähte kommen nicht nach, wenn die ersten 200 Antworten schon ohne Bild und ohne geltende Revision in Spezifikationen gewandert sind.

Pexon Consulting hat das in Deutschland gebaut, Hands-on, mit Leuten die Index und Pipeline selbst legen. 80 Mitarbeitende, Microsoft Partner. Der technische Stand in diesem Bericht ist der, den Pexon übergeben hat. Die fachliche Deutung der Norm bleibt beim Engineering.

Wer selbst internationale, nationale und interne Normen in der Produktentwicklung hält und ahnt, dass Textsuche die Abbildungen verliert: Bringen Sie den Bestandsschnitt mit (wie viele Werke, wie viele parallele Revisionen, wie viel davon Grafik), und eine ehrliche Aussage, ob die Antwort in ein Review wandern muss. Dann können wir sagen, ob multimodales RAG in dieser Form passt oder ob bei Ihnen ein anderer Filter sitzen muss.

Nächster Schritt

Das Mandat ist im Einsatz. Wenn Sie vor einem ähnlichen Aufbau stehen, gehen wir den Bestand und die Revisionen bei Ihnen durch, nicht an dieser Story.

Chunking-Strategien für verschachtelte Normstrukturen

Technische Regelwerke folgen einer strengen hierarchischen Logik, die sich fundamental von Fließtexten in Handbüchern unterscheidet. Ein Standard-Chunking nach reiner Zeichenanzahl oder festen Tokengrenzen zerstört die logischen Beziehungen zwischen Hauptkapiteln, Unterklauseln, Fußnoten und Ausnahmeregeln. Wenn ein Satz mit einer Pflichtan

Auflösung normativer Querverweise und verknüpfter Regelwerke

Technische Normen existieren nicht isoliert, sondern bilden ein dichtes Netz gegenseitiger Abhängigkeiten. Eine Klausel in einem Regelwerk legt selten alle geometrischen oder verfahrenstechnischen Parameter selbst fest. Stattdessen verweist der Text auf übergeordnete Grundnormen, Prüfvorschriften oder materialbezogene Unternormen. Werden diese Querverweise im Retrieval ignoriert, erhält das Ingenieurteam zwar die korrekte Textstelle, steht aber vor einer Formulierung wie Toleranzen nach Vorgabe der jeweiligen Grundnorm und muss die eigentlichen Grenzwerte erneut manuell heraussuchen.

Um diesen Bruch zu vermeiden, benötigt die Ingestion eine deterministische Erkennung normativer Zitate. Während des Parsings identifizieren reguläre Ausdrücke und strukturierte Parser die eindeutigen Normbezeichner innerhalb des Fließtexts. Diese Verweise werden als gerichtete Kanten in einem Beziehungsgraphen parallel zum Vektorindex abgelegt. Trifft eine Suchanfrage auf eine Klausel, die explizit auf eine externe Prüfmethode oder Maßtabelle verweist, kann die Abrufschicht diesen Pfad kontrolliert erweitern und den referenzierten Abschnitt als Zusatzkontext laden.

Die größte Fehlerquelle bei diesem Vorgehen ist eine unkontrollierte Kontextüberladung. Normen zitieren oft Dutzende weitere Dokumente, die ihrerseits wieder Querverweise enthalten. Eine naive rekursive Auflösung flutet das Prompt-Fenster mit allgemeinen Definitionen und verwässert die Relevanz der eigentlichen Antwort. Der Graphabruf muss daher strikt auf eine Tiefe von genau einem Schritt begrenzt bleiben und darf nur greifen, wenn die Quell

Koordinatenbasierte Quellenverankerung in technischen Zeichnungen

Die Bereitstellung einer reinen Bilddatei reicht in der Praxis technischer Prüfungen nicht aus. Technische Zeichnungen in Fertigungsnormen enthalten oft Dutzende Maßketten,