INDUSTRIE-KI VS. E-COMMERCE-LOGIK: WARUM KONTEXT IN DER FERTIGUNG ENTSCHEIDENDER IST ALS ARTIKELNUMMERN

Es gibt einen fundamentalen Unterschied, ob man einen E-Commerce-Shop für Büromaterial betreibt oder komplexe Baugruppen fertigt.

Im ersten Fall ist die Anfrage meist binär: Der Kunde sucht „Kugelschreiber blau, Marke X“. Das Produkt ist da oder nicht. Die Herausforderung liegt in der Masse.

In der Industrie hingegen ist die Anfrage oft der Beginn eines technischen Klärungsprozesses. Der Kunde sendet eine PDF-Zeichnung, eine veraltete Artikelnummer eines Wettbewerbers oder eine funktionale Beschreibung.

Wer hier versucht, mit der gleichen Logik wie ein Online-Versandhändler zu arbeiten, stößt schnell an Grenzen.

KONTEKST STATT SYNTAX: DER ENTSCHEIDENDE UNTERSCHIED

Viele KI-Lösungen im Markt – häufig ursprünglich für den Großhandel entwickelt – sind exzellente „Matcher“.

Sie nehmen einen Textstring aus einer E-Mail und suchen die exakte Entsprechung in einer Datenbank mit 100.000 Artikeln.

Das ist schnell, aber in der Industrie oft unzureichend.

Denn hier gilt:

Kontext ist wichtiger als Syntax.

EIN PRAKTISCHES BEISPIEL AUS DER INDUSTRIE

Ein Instandhalter schreibt:

„Benötigen dringend Ersatz für Rillenkugellager 6210 für unseren Lüftermotor, läuft bei ca. 100 °C Umgebungstemperatur.“

DIE KATALOG-KI (LEXIKALISCHE SUCHE)

Die klassische Systemlogik funktioniert so:

• erkennt „6210“

• sucht exakt diese Artikelnummer

• liefert Standardlager 6210

DAS PROBLEM IN DER PRAXIS

Das gelieferte Standardlager (CN-Lagerluft) wird eingebaut.

Bei 100 °C führt die thermische Ausdehnung jedoch zu:

• erhöhtem Reibungsverhalten

• Materialverspannung

• Lagerschaden nach kurzer Zeit

• im schlimmsten Fall: Anlagenausfall

DIE INDUSTRIE-KI (SEMANTISCHE + TECHNISCHE ANALYSE)

Eine industrielle KI geht anders vor:

• erkennt „6210“ als Basistyp

• analysiert den Kontext „100 °C Umgebungstemperatur“

• berücksichtigt physikalische Randbedingungen

• leitet Material- und Toleranzeffekte ab

Ergebnis:

Das System erkennt, dass eine Standardausführung nicht geeignet ist, und schlägt eine technische Alternative vor, z. B.:

• 6210-C3 (erhöhte Lagerluft zur Kompensation thermischer Ausdehnung)

UNSTRUKTURIERTE DATEN: DER ECHTE GEGENSPIELER DER AUTOMATISIERUNG

In der Industrie ist das Problem selten der Mangel an Daten – sondern deren Struktur.

Typische Realität in Fertigungsunternehmen:

1. VERSCHACHTELTE DOKUMENTE

Anfragen enthalten oft:

• PDFs mit mehreren Anhängen

• Zeichnungen

• Stücklisten (BOM)

• AGBs und Zusatztexte

Alles in einem Dokument, ohne klare Struktur.

2. LEGACY-ARTIKELNUMMERN

Kunden verwenden:

• abgekündigte Nummern

• interne Codes

• historische Bezeichnungen

3. WETTBEWERBSZUORDNUNG

Häufig wird ein Fremdprodukt referenziert, das erst in ein eigenes, technisch äquivalentes Produkt übersetzt werden muss.

WARUM EINFACHE KI-HERANGEHENSWEISEN SCHEITERN

Eine reine „Such-KI“ kann:

• Texte lesen

• Begriffe matchen

• Datenbankeinträge finden

Aber sie versteht nicht:

• technische Abhängigkeiten

• Materialverhalten

• physikalische Randbedingungen

• Fertigungslogik

VOM AUFTRAGSERFASSER ZUM TECHNISCHEN ASSISTENTEN

Der sinnvolle Einsatz von KI in der Industrie ist nicht die Ersetzung des Menschen, sondern die Entlastung von Fehlerquellen und Routinearbeit.

Wichtige Prüfungen bleiben bestehen:

• Sind Toleranzen technisch plausibel?

• Ist das Material für den Einsatz geeignet?

• Gibt es kompatible Alternativen zu abgekündigten Teilen?

DER ECHTE UNTERSCHIED: KISTENSCHIEBEN VS. ENGINEERING

Der entscheidende Punkt ist nicht Geschwindigkeit, sondern technische Tiefe.

Industrielle KI muss:

• Zusammenhänge verstehen

• technische Regeln anwenden

• Plausibilität prüfen

• Risiken frühzeitig erkennen

FAZIT: WELCHES SYSTEM ZU IHRER REALITÄT PASST

Wenn Sie Standardwaren im großen Volumen handeln, sind klassische KI-Suchsysteme oder EDI-Prozesse ausreichend optimiert.

Wenn Sie jedoch:

• fertigen

• konstruieren

• oder komplexe technische Produkte vertreiben

dann reicht reine Suche nicht aus.

Dann brauchen Sie Systeme, die Kontext verstehen – nicht nur Zeichenketten.

Genau hier liegt der Unterschied zwischen reiner Datenverarbeitung und echter technischer Intelligenz.

ABSCHLIESSENDE FRAGE

Ist Ihre Datenlage wirklich „zu komplex“ für KI?

In den meisten Fällen ist sie nicht zu komplex – sondern nur nicht richtig interpretiert.

Und genau dort beginnt der eigentliche Mehrwert.