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
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.
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
Verarbeitung von PDFs und gescannten Dokumenten, OCR wo nötig, Erfassung von Metadaten, Versionierung und dauerhafte Speicherung der Quellen.
Inhalte werden anhand von Dokumenthierarchie und Layout segmentiert, sodass Tabellen, Abschnitte und Querverweise ihren Kontext behalten.
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.
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.
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
Engineering-Wissen wurde wiederverwendbar, während Originaldokument, Version, Seite und Extraktionsbelege für Audits und Prüfungen verfügbar blieben.
AWS
Amazon S3
Amazon BedrockAnthropic Claude
Amazon OpenSearch ServicePython
- OCR
Amazon CloudWatch- NVIDIA RTX PRO 6000 Blackwell
- Selbst gehostetes Open-Source-LLM


