Multi-Agent-KI für ISO-Norm-Compliance: 20-30 % schnellere Engineering-Reviews bei CAD-Zeichnungen

Pexon Consulting hat bewusst kein einfaches RAG gebaut, sondern ein Deep-Agents-System: mehrere spezialisierte Agenten, orchestriert durch LangGraph. Eine Frage wie „Schraube für 12 kN-Last, Material zulässig?“ wird in Sub-Anfragen zerlegt, gegen unterschiedliche Norm-Bereiche (ISO-GPS, Material-Spezifikationen, Toleranz-Tabellen) geschickt und zu einer konsolidierten Engineering-Empfehlung zusammengeführt. Der Trade-off: höhere Orchestrierungs-Komplexität und Observability-Aufwand gegenüber einem Single-Shot-RAG, dafür brauchbare Antworten auf Multi-Norm-Queries, die ein einzelner Retrieval-Schritt systematisch verfehlt. Zwei Pexon-Personen (Lead und Engineer) tragen End-to-End-Verantwortung von Architektur über Tech-Stack-Wahl bis Production Go-Live, eingebettet in die Fachabteilung mit direktem Reporting an den Team-Lead beim Kunden.

Geometrische Toleranz-Notation ist in Foundation-Modellen nicht nativ trainiert. Pexon hat deshalb einen vorgelagerten Symbol-Erkennungs-Agenten gebaut, der Notation auf einem konzern-internen Symbol-Korpus klassifiziert, bevor der Norm-Retrieval-Agent die Toleranz-Tabellen in Azure AI Search zieht. Das ist der entscheidende Unterschied zu multimodalen oder textbasierten RAG-Ansätzen ohne Symbol-Schicht: Erst die Klassifikation auf ISO-GPS-Niveau macht konsistente Antworten möglich. Die Modell-Strategie bleibt compliance-zugelassen und hält parallel die Tür für trainings-spezialisierte Open-Source-Modelle offen, sobald Konzern-Security das freigibt. Output-Sprache ist bewusst engineering-tauglich: statt generischer Bestätigung heißt es konkret, welche Geometrie, Wand-Toleranz oder Material-Vorgabe welche DIN-Tabelle verletzt und was empfohlen wird.

ISO-/DIN-Dokumente werden in Azure AI Search vektorisiert. Die Sucharchitektur ist auf Norm-Struktur abgestimmt: Tabellen, Toleranz-Verweise, Querverweise zwischen Normen. Warum Azure und nicht eine andere Cloud? Der Konzern-Security-Stack ist Azure-zentriert, Compliance-Reviews sind dort etabliert. Die Wahl ist pragmatisch im realen Freigabe-Rahmen, nicht theoretisches Optimum. Eine Prefect-Pipeline läuft täglich um 7:00 Uhr, prüft neue Norm-Versionen im SAP-System, spielt Updates in die Vektor-Datenbank ein und markiert alte Versionen. Fehler triggern Retries. So bleibt das System konsistent mit dem freigegebenen Korpus, ohne dass Ingenieure manuell nachziehen müssen. Pexon hat innerhalb dieses Rahmens den Stack so komponiert, dass Multi-Region-Erweiterung (Polen, Shanghai, weitere Norm-Familien) architektonisch vorbereitet ist.

Jede Anfrage wird über MLflow getraced: Welche Agenten wurden aktiviert, welche Norm-Stellen gezogen, welche Antwort erzeugt? Azure App Insights zeigt Nutzer-Zahl, Token-Verbrauch und Anfrage-Patterns. Alle User-Queries werden vor dem Tracing pseudonymisiert. Datenschutz ist eingebaut, nicht nachgerüstet. Aus 2.000-3.000 pseudonymisierten Trace-Records pro Auswertungs-Zyklus extrahiert ein dedizierter Agent das Nutzer-Sentiment. Negative Sentiments werden für Engineering-Review markiert und fließen in Action-Plans für die nächste Tuning-Iteration. Bei 70-80 % Trefferquote auf komplexe Queries ist das die skalierende Verbesserungsstrategie. Architektur und Codebasis sind vollständig dokumentiert und gegen den Pexon-Engineering-Standard reviewed, damit kein Single-Point-of-Failure entsteht und Backup-Engineers innerhalb von zwei Wochen onboardbar sind.