Tracium: Handbücher ins ERP, mit On-Prem-KI | AgentixLake
← Alle Fallstudien
FALLSTUDIE · SCHIFFBAU · TRACIUM

Lieferanten­handbücher, verwandelt in ERP-fähige Wartungs­pläne.

Werften erhalten von jedem Ausrüstungslieferanten ein Handbuch. Für Tracium, unser Schwesterunternehmen, haben wir eine KI-Pipeline gebaut, die jedes Handbuch in einen ERP-fähigen Wartungsplan verwandelt und für jeden Wert das Quell-PDF und die Seite angibt, dazu einen RAG-Chatbot für Fragen. Wir haben in zwei Phasen geliefert: ein MVP auf AWS, dann die Produktion auf einem NVIDIA-GPU-Server in der Umgebung des Kunden.

Tracium-LogoAgentixLake-Logo

70 % weniger manuelle Dokumentation10.000+ technische DokumenteOn-Prem-LLM in Produktion

AKTUALISIERT IM OKTOBER 2026

Die Herausforderung

Jedes Ausrüstungsteil an Bord kommt mit dem Handbuch seines Lieferanten: lange, uneinheitliche Dokumente mit Tabellen, Diagrammen, Teilereferenzen und Revisionshistorie. Wartungs­pläne mussten von Hand gefunden und ins ERP eingetippt werden. Das verlangsamte die Lieferung und machte es schwer nachzuweisen, von welcher Seite ein Wert stammte.

Zwei Phasen, von der Cloud zu On-Premises

PHASE 1 · MVP AUF AWS

Weniger sensible Dokumente, in der Cloud

Das MVP läuft auf AWS mit weniger sensiblen Dokumenten und nutzt Claude auf Amazon Bedrock. Die Architektur ist unten dargestellt.

PHASE 2 · PRODUKTION ON-PREMISES

Sensible Dokumente, auf dem eigenen GPU-Server des Kunden

Die Produktion läuft auf einem GPU-Server mit NVIDIA RTX PRO 6000 Blackwell in der Umgebung des Kunden. Darauf haben wir ein selbst gehostetes Open-Source-LLM bereitgestellt, sodass sensible Dokumente vor Ort verarbeitet werden.

So betreiben wir KI On-Premises →

Was wir geliefert haben

01
Dokumenten­aufnahme

Verarbeitung von PDFs und gescannten Dokumenten, OCR wo nötig, Erfassung von Metadaten, Versionierung und dauerhafte Speicherung der Quellen.

02
Struktur­bewusste Extraktion

Inhalte werden anhand von Dokumenthierarchie und Layout segmentiert, sodass Tabellen, Abschnitte und Querverweise ihren Kontext behalten.

03
Retrieval und belegte Antworten

Mit einem RAG-Chatbot können Ingenieure Fragen zu jedem Handbuch stellen. Embeddings und Vektorsuche finden die relevanten Passagen, und Claude antwortet mit Verweis auf PDF-Name und Seite.

04
Strukturierte Ergebnisse

Der Wartungsplan jedes Lieferanten mit Aufgaben, Intervallen und Ersatzteilen wird in ein festes Schema extrahiert und als strukturiertes Dokument geliefert, das das ERP importieren kann. Jeder Wert verweist auf PDF-Name und Seite, aus denen er stammt.

05
Evaluierung und Prüfung

Jedes extrahierte Feld erhält einen Konfidenzwert. Felder mit niedriger Konfidenz prüft ein Mensch, bevor etwas ins ERP gelangt, und Testsets messen die Extraktions­genauigkeit.

So funktioniert das AWS-MVP

Ergebnis

10,000+
Technische Dokumente, durchsuchbar über einen kontrollierten Retrieval-Workflow
85%
Weniger Zeit für die Informationssuche

Engineering-Wissen wurde wiederverwendbar, während Originaldokument, Version, Seite und Extraktionsbelege für Audits und Prüfungen verfügbar blieben.

70%Weniger manueller Dokumentationsaufwand im gesamten Dokumentations-Workflow.
TECHNOLOGIE
  • Logo von Amazon Web Services (AWS)AWS
  • Amazon-S3-LogoAmazon S3
  • Amazon-Bedrock-LogoAmazon Bedrock
  • Anthropic-Claude-LogoAnthropic Claude
  • Logo von Amazon OpenSearch ServiceAmazon OpenSearch Service
  • Python-LogoPython
  • OCR
  • Amazon-CloudWatch-LogoAmazon CloudWatch
  • NVIDIA RTX PRO 6000 Blackwell
  • Selbst gehostetes Open-Source-LLM

Sie brauchen KI für Dokumente, auf die sich Ihre Teams wirklich verlassen?

Wir bringen Ihren ersten Dokumenten-Workflow in 6–8 Wochen in Produktion, in der Cloud oder auf Ihren eigenen Servern.