RAG technische Dokumentation: Cross-Reference über 40+ Doku-Typen

Pexon Consulting | 9 Min. Lesezeit | 02.06.2026

TL;DR

RAG technische Dokumentation funktioniert in der F&E nicht, wenn der Bot zwar einzelne PDFs findet, aber nicht versteht, welche FMEA, ALR oder Stückliste mit einer geänderten Zeichnung zusammenhängt. Unser Cross-Reference-RAG für technische Dokumentation kombiniert GraphRAG mit einer Doku-Typ-Ontologie über 40+ Engineering-Dokumente und beantwortet Konstrukteur-Fragen in Sekunden statt Stunden. Pilot in 6 Wochen, Festpreis 85.000 bis 150.000 EUR.

Warum klassische Doku-Suche in F&E scheitert

Ein Konstrukteur ändert die Zeichnung eines Lagerblocks. Frage: Welche FMEAs sind betroffen? Welche Stücklisten? Welche Arbeitsanweisungen für die Produktion müssen mit? Welcher Prüfplan braucht ein Update?

Die Antwort liegt heute in vier Systemen verteilt: PLM für die Zeichnung, Qualitätsmanagement für die FMEA, ERP für die Stückliste, SharePoint für die Arbeitsanweisung. Niemand hat eine Cross-Reference, die diese Verbindungen automatisch kennt. Die einzige zuverlässige Quelle ist der Kollege seit 28 Jahren, der das im Kopf hat — und in vier Jahren in Rente geht.

Eine McKinsey-Analyse beziffert die Suchzeit bei Wissensarbeitern auf rund 1,8 Stunden pro Tag, IDC kommt auf 2,5 Stunden, eine ABBYY-Studie sieht 95 Prozent der Befragten bis zu acht Stunden pro Woche verlieren. Für Senior-Konstrukteure mit Multi-System-Setup messen wir in unseren Discovery-Workshops eher 6,5 Stunden pro Woche reine Cross-System-Suche — davon sind nach unserer Erfahrung gut vier Stunden vermeidbar.

Das eigentliche Problem ist nicht die Suchgeschwindigkeit. Es ist die fehlende Doku-Typ-Awareness. Standard-RAG behandelt eine FMEA wie ein beliebiges PDF und findet sie über Volltext-Embeddings. Eine FMEA hat aber eine Struktur: Sie referenziert Bauteile, Fehlermodi, Risikoprioritätszahlen, Maßnahmen. Wer das ignoriert, baut eine bessere Google-Suche — kein Engineering-Werkzeug.

Was Vendor-Tools liefern, und was nicht

Wir bekommen die Frage regelmäßig: Reicht nicht der Siemens Teamcenter Copilot? Manchmal ja. Häufig nein.

Wenn ein Mid-Cap-Maschinenbauer ein einziges PLM-System hat, alle FMEAs sauber im PLM gepflegt sind und kein anderer Datentopf relevant ist: Teamcenter Copilot kaufen, fertig. In allen anderen Konstellationen — und das ist die Realität bei den meisten Hidden Champions mit Akquisitions-Historie — bekommt der Engineer nur Treffer aus einer von vier Welten. Genau da liegt der Pexon-Wedge.

Eine zweite Beobachtung: Die Cross-References, die in PLM-Systemen modelliert sind, werden vom Konstrukteur manuell gepflegt. Bei Zeitdruck am Freitagnachmittag passiert das nicht. Ein zuverlässiger Impact-Graph muss aus den Dokumenten selbst rekonstruiert werden, nicht aus dem PLM-Schema.

So funktioniert RAG technische Dokumentation mit Cross-Reference

Drei Komponenten arbeiten zusammen:

1. Doku-Typ-Klassifikator. Jedes Dokument wird zunächst getaggt — ist es eine FMEA, eine Zeichnung, eine Stückliste, ein Lastenheft? Das ist nicht trivial: PDFs ohne sprechende Namen, Excel-FMEAs mit verschachtelten Tabellen, gescannte ältere Bestände. Wir nutzen eine 4-Pass-Pipeline aus Filename, Metadata, ersten 2 Seiten und LLM-Klassifikation. In einem Pilot mit 65.000 Teamcenter-Files haben wir die „Sonstiges“-Quote von 38 Prozent auf unter 8 Prozent gedrückt.

2. Identitäts-Extraktion. Aus jedem Dokument werden Entity-IDs gezogen: Drawing-Nummer, Part-Number, FMEA-ID, ALR-Nummer. Das ist die einzige robuste Brücke zwischen Systemen, weil interne IDs in allen Tools dieselbe Nummer haben — auch wenn das Dateiformat unterschiedlich ist.

3. Cross-Reference-Graph. Die extrahierten IDs werden in eine Graph-Datenbank geschrieben. Beziehungen wie [DRW-12345] -[USED_IN]-> [BOM-456] -[ASSESSED_BY]-> [DFMEA-78] machen den eigentlichen Unterschied. Microsofts GraphRAG-Paper zeigt für vergleichbare Patterns 80 Prozent korrekte Antworten gegenüber 50 Prozent bei Standard-RAG — der Faktor 1,6 ist unser empirischer Lift bei den bisherigen Piloten.

Der LLM bekommt bei einer Frage zwei Kontexte: die Top-Treffer aus dem semantischen Retrieval und den Sub-Graphen rund um die involvierten Entities. Das ist der Grund, warum die Antwort „Diese Zeichnung berührt FMEA F-2024-117, Stückliste B-9991 und Arbeitsanweisung A-3055“ überhaupt möglich wird.

class CrossReferenceQuery:
    def __init__(self, vector_db, graph_db, llm):
        self.vec = vector_db          # Azure AI Search
        self.graph = graph_db         # Neo4j
        self.llm = llm                # Claude auf Bedrock mit EU-Profil

    def answer(self, question: str) -> Answer:
        # Semantischer Treffer
        chunks = self.vec.similarity_search(question, k=8)
        entities = self.extract_entities(chunks)

        # Sub-Graph der Cross-References
        subgraph = self.graph.expand_neighbors(
            entities, max_hops=2,
            relation_types=["USED_IN", "ASSESSED_BY", "MITIGATES"]
        )

        return self.llm.synthesize(
            question=question,
            text_context=chunks,
            graph_context=subgraph,
            require_citations=True
        )

Wir kommentieren den Code bewusst auf Deutsch — die Konstrukteure lesen den Pilotcode mit.

Die 40+ Doku-Typen, die wir abdecken

Die Liste ist im deutschen Maschinenbau erstaunlich stabil, weil sie sich aus VDI 2221, IATF 16949 und VDI 2770 ableitet. Wir gruppieren sie in vier Cluster:

Plus Vertragsdokumente, ECR/ECN, Lieferantendokumentationen, Audit-Reports nach IATF 16949 oder VDA Band 4, Polarion-Exporte und ältere Norm-Tracker. Wer das ehrlich zählt, landet bei 45 bis 55 Typen pro Standort.

Unsere Beobachtung aus drei Discovery-Workshops mit Mid-Cap-Maschinenbauern zwischen 300 und 2.500 Mitarbeitern: Zwischen 30 und 55 Prozent der R&D-Dokumente im PLM-Bestand sind heute falsch oder gar nicht klassifiziert. Vor dem Cross-Reference-Bot kommt deshalb fast immer ein Klassifikations-Pass.

Was das in der Praxis bedeutet — ein Beispiel

Bei einem Industriegüter-Hersteller mit 1.500 Mitarbeitern, drei Akquisitionen seit 2018 und vier parallel laufenden PLM-Welten haben wir den Cross-Reference-RAG aufgesetzt. Das Hero-Beispiel im Pilot war die Frage eines neuen Konstrukteurs nach drei Wochen Einarbeitung: „Wir bauen das Lagermodul X12 um — was muss alles aktualisiert werden?“

Vorher: Mehrere Tage Recherche durch fünf Systeme, drei Kollegen-Calls, ein Sneak-Look in alte Outlook-Threads.

Nachher: Eine Antwort in 12 Sekunden mit Quellenangaben — sechs FMEAs in der Werks-Quality-Cloud, vier Arbeitsanweisungen in zwei verschiedenen Sharepoints, neun BOM-Positionen im SAP, zwei Service-Bulletins im Aftersales-System. Jede Referenz ist klickbar, jedes Zitat ist mit dem Original-Snippet hinterlegt.

Wir messen seit dem Pilot drei Dinge: Time-to-Answer (Median fiel von 4,2 Stunden auf 7 Minuten), Anteil der Antworten ohne Kollegen-Rückfrage (von 32 auf 78 Prozent) und Anzahl ungenutzter ECR-Slots pro Monat (Engpass lag vorher bei 60, jetzt skaliert das Team auf über 110). Das sind die Engineering-Effizienz-Hebel, die der CIO im Quarterly Review hören will.

Kosten und Zeitrahmen

Der Pilot kostet uns nichts zu beschönigen — die Zahlen liegen offen:

• Pilot-Sprint: 6 Wochen, Festpreis 85.000 bis 150.000 EUR. Scope: 1 Geschäftsbereich, 3 Doku-Typen, 1 Cross-System-Anbindung, 200 Test-Fragen aus dem Konstrukteur-Alltag.
• Roll-out auf das volle Doku-Set: 4 bis 6 Monate, 250.000 bis 600.000 EUR, abhängig von Connector-Anzahl, Datenqualität im Bestand und dem Anteil gescannter Altdokumente.
• Betrieb als SaaS oder im eigenen Azure-Tenant: 60.000 bis 180.000 EUR pro Jahr, inkl. Bedrock-Tokens, Embedding-Aktualisierung, Compliance-Reporting und Modell-Updates.

Den größten Hebel sehen wir bei Unternehmen mit mehr als 800 ECRs pro Jahr, mindestens zwei PLM-Welten und einem dokumentierten Knowledge-Drain-Risiko durch anstehende Renteneintritte — was bei den meisten Hidden Champions zwischen 2027 und 2030 zuschlägt.

Compliance-Hooks, die wir nicht ignorieren

Drei Regelwerke berühren ein RAG-System in der F&E:

Die EU-Maschinenverordnung 2023/1230 ist ab dem 20. Januar 2027 verbindlich. Sie verlangt unter anderem die Dokumentation von KI-Lernphasen in der Risikobeurteilung. Wer Cross-Reference-RAG nutzt, muss das im Audit-Trail nachweisen können — Token-Logs reichen nicht.

IATF 16949 schreibt für Automotive-Zulieferer eine durchgängige Traceability-Kette über FMEA, Control Plan, Prüfvorschrift und PPAP vor. Ein Cross-Reference-Graph deckt das schöner ab als jedes Excel-Tracking, vorausgesetzt die ECR/ECO-Anbindung steht.

IEC 62443 erzwingt im industriellen Cybersecurity-Kontext eine sauber referenzierte Beziehung von Functional Requirements zu Security Requirements zu Zonen-Modell zu Tests zu Evidence. Genau die Art von Cross-Referencing, für die unser Pattern gebaut ist.

Unsere klare Empfehlung: Den Compliance-Aspekt früh ansprechen — er ist im 2026 fast immer der eigentliche Trigger, nicht die Engineering-Effizienz. Compliance verkauft den Vorstand, Effizienz verkauft das Team.

Drei Anti-Patterns, die wir gesehen haben

Wir raten aktuell von drei Mustern ab:

Vendor-Stack-Wechsel mit Big-Bang-Migration auf ein einziges PLM. Das ist die teure Antwort auf eine Frage, die mit Cross-System-RAG günstiger gelöst wird.

„Wir bauen das mit Aleph Alpha selbst.“ Nach der Cohere-Übernahme im April 2026 ist das Vendor-Risiko hoch und der ROI-Pfad unklar. Wir gehen aktuell standardmäßig mit Claude auf AWS Bedrock mit EU-Profil oder Azure AI Foundry mit GPT-4o — beides EU-hosted, beides Enterprise-Audit-fähig.

Multimodal RAG mit reinen Image-Embeddings für CAD-Zeichnungen. Das funktioniert in Demos und versagt im Produktivbetrieb. Wir gehen den Umweg über Text-Summaries der Zeichnung (Maße, Toleranzen, Schweißsymbole) und schreiben die in den Vector-Store. Weniger sexy, deutlich verlässlicher.

Häufig gestellte Fragen

Was kostet ein Pilot für RAG technische Dokumentation mit 3 Doku-Typen und 1 PLM-Anbindung?

Festpreis 85.000 bis 150.000 EUR für 6 Wochen Sprint. Darin enthalten sind Discovery-Workshop, Doku-Typ-Klassifikator, Graph-Aufbau für die drei gewählten Typen, eine Cross-System-Anbindung (typisch Teamcenter oder Windchill plus Sharepoint), ein Goldset von 200 Konstrukteur-Fragen mit Eval-Metriken und Übergabe an euer Team. Wir liefern lauffähigen Code, keine Powerpoints.

Wie unterscheidet sich euer Pattern von Siemens Teamcenter Copilot?

Teamcenter Copilot ist innerhalb des Teamcenter-Stacks stark — die nahtlose Integration in BOM, Routing und Workflow ist Top. Unser Pattern lebt zwischen den Systemen: Multi-PLM, plus ERP, plus Quality-Cloud, plus Wiki, plus Filesystem. Wenn ihr eure Engineering-Welt sauber auf einer Teamcenter-Instanz konsolidiert habt, kauft den Copilot. Wenn ihr drei PLM-Welten habt — kommt zu uns.

Wie verhindert ihr Halluzinationen bei Tabellen-Querverweisen, etwa in FMEAs?

Drei Mechanismen kombiniert: Strukturierte FMEA-Extraktion vor dem Embedding, sodass jede Zeile eine eigene Entity ist. Graph-basierte Quellen-Begründung — der LLM muss zitieren, welche FMEA-ID welche Aussage stützt. Confidence-Threshold von 0,85 für Cross-References — alles darunter geht in eine Reviewer-Queue, statt unsicher beantwortet zu werden.

Wie viele Dokumente lassen sich indizieren, bevor das System langsamer wird?

Wir haben den Stack bisher bis 250.000 Dokumente im Volumen produktiv erlebt. Bei einem Mid-Cap-Maschinenbauer mit 65.000 PLM-Files plus 90.000 Sharepoint-Files plus 30.000 Quality-Cloud-Dokumenten liegt die p95-Antwortzeit bei unter 4 Sekunden, wenn Azure AI Search als Vector-Index läuft. Darüber hinaus wird Index-Sharding nötig, kein Showstopper.

Was passiert, wenn ihr im Pilot merkt, dass die Datenqualität nicht reicht?

Das passiert in einem von drei Workshops. Wir liefern dann zwei Optionen: Entweder vorgelagerter Klassifikations- und Tagging-Sprint — den haben wir parallel als Festpreis-Angebot (PLM-Doku-Klassifikation) für 75.000 bis 130.000 EUR. Oder Scope-Reduktion auf den Doku-Bestand, der bereits sauber genug ist. Beides ist Sprint 1 wert — kein Aufruf eines unklaren Mega-Projekts.

Nächster Schritt

Wenn ihr in den nächsten zwölf Monaten ohnehin eine größere F&E-Doku-Initiative startet — sei es wegen Maschinenverordnung 2027, anstehender Renteneintritte oder eines PLM-Konsolidierungs-Themas — lohnt sich der 6-Wochen-Sprint als unabhängiger Sanity-Check. Festpreis, 200 echte Konstrukteur-Fragen, klare Go/No-Go-Entscheidung nach Woche 6.

Verwandte Themen