Von starren Standards zu semantischen Systemen

In den letzten Jahrzehnten haben wir digitale Systeme unter einer grundlegenden Annahme entwickelt: Computer sind nicht besonders intelligent. Wenn Systeme miteinander kommunizieren sollen, muss deshalb alles fest definiert, strikt strukturiert und standardisiert sein.

Also haben wir Datenmodelle entwickelt. Wir haben Spezifikationen geschrieben. Wir haben Validierungsregeln erstellt und in Arbeitsgruppen über Feldnamen und Code-Listen diskutiert.

In vielerlei Hinsicht hat das funktioniert. Es hat zuverlässige elektronische Nachrichten zwischen Einkäufern und Lieferanten ermöglicht. Es hat Standards wie UBL hervorgebracht und Netzwerke wie SCSN. Und es hat es Plattformen wie Quotation Factory erlaubt, den gesamten RFQ-to-Quote-Prozess für metallverarbeitende Unternehmen über die gesamte Lieferkette hinweg zu automatisieren.

Doch in einer aktuellen Livestream-Demo gab es einen Moment, der mich innehalten ließ. Dasselbe UBL-RFQ, dessen Standardisierung Jahre gedauert hat, konnte ich einfach in ein großes Sprachmodell laden und fragen: „Analysiere dieses UBL Request for Quotation und extrahiere die Pulverbeschichtungsspezifikation.“

Die Antwort kam als sauberes JSON-Objekt zurück – exakt mit den Informationen, die ich benötigte. Und das, obwohl das Modell nichts über den UBL-Standard „gelernt“ hatte.

Was Standards möglich gemacht haben

Zunächst einmal sollte klar sein: Die Leistungen der Standardisierung sind beeindruckend. In unserer Demo sieht ein typischer Ablauf so aus: Ein metallverarbeitendes Unternehmen erhält eine Anfrage mit einer STEP-Datei eines Baugruppenmodells sowie einem PDF mit technischen Zeichnungen.

Diese Daten werden in Quotation Factory hochgeladen. Das System analysiert automatisch die Geometrie, identifiziert notwendige Bearbeitungsschritte und bestimmt Materialarten. Gleichzeitig extrahiert es Zeichnungs- und Revisionsnummern aus den PDF-Dokumenten.

Zusätzlich wird die Anfrage um Prozessdetails angereichert, die nicht immer direkt in der Zeichnung stehen. Beispiele sind Pulverbeschichtungen mit Angaben wie RAL-Farbe, Schichtaufbau oder Korrosionsklasse sowie Schweißanforderungen wie Verfahren, Gesamtlänge oder Materialstärke.

Aus diesen Informationen erzeugt Quotation Factory automatisch ein formales RFQ als UBL-XML-Dokument, das vollständig standardkonform ist und sich beispielsweise über das SCSN-Netzwerk austauschen lässt.

Automatisierte Angebotsprozesse

Ein Lieferant kann dieses XML-Dokument einfach in seine eigene Umgebung importieren. Sofort werden Materialien auf den eigenen Artikelstamm gemappt, Beschichtungsanforderungen korrekt interpretiert und Schweißspezifikationen erkannt.

Auf dieser Basis entstehen automatisch Arbeitspläne, Materiallisten und Fertigungsstrukturen. Mit einem einzigen Klick kann der Lieferant ein vollständiges Angebot über denselben Kanal zurücksenden.

Das ist das klassische Versprechen der Standardisierung: Wenn alle Beteiligten dasselbe Datenformat verwenden, lassen sich Prozesse weitgehend automatisieren.

Wo Standards ihre Grenzen haben

Dennoch zeigt sich auch eine strukturelle Schwäche dieser Herangehensweise. Standards werden von Gremien entwickelt, die versuchen, einen gemeinsamen Nenner für viele unterschiedliche Anforderungen zu finden.

Der Konsensprozess ist jedoch langsam, Änderungen dauern lange und die resultierenden Spezifikationen bilden oft nur den kleinsten gemeinsamen Nenner ab. Anforderungen, die nicht vorhergesehen wurden, lassen sich nur schwer integrieren.

Wenn beispielsweise ein Pulverbeschichter zusätzliche Informationen benötigt, die im Standard nicht vorgesehen sind, kann diese Information oft nicht direkt über das XML übertragen werden. Stattdessen landet sie in E-Mails, PDFs oder Telefonaten.

Der Moment der semantischen Systeme

Genau hier wird die Bedeutung moderner KI-Systeme sichtbar. Als das gleiche UBL-RFQ einem großen Sprachmodell gegeben wurde, konnte dieses die Semantik der Daten verstehen, ohne dass zuvor eine Schema-Definition geladen werden musste.

Das Modell erkannte relevante Inhalte innerhalb der XML-Struktur und extrahierte gezielt die benötigten Informationen. Dasselbe funktionierte auch für andere Prozessparameter wie Schweißspezifikationen.

Damit entsteht eine neue Architektur für digitale Systeme. Ein intelligenter Agent kann Inhalte analysieren, egal ob sie aus XML, JSON, CSV, Text oder PDF stammen.

Von Syntax zu Bedeutung

Der Agent extrahiert die relevanten Informationen und überführt sie in interne Datenmodelle oder APIs. Gleichzeitig kann er prüfen, ob eine Anfrage ausreichend Informationen enthält oder ob wichtige Parameter fehlen.

Fehlende Informationen könnten automatisch angefragt werden – entweder beim Kunden, bei einem Partner-Agenten oder beim Menschen im Prozess.

Die Schnittstelle verändert sich dadurch fundamental. Statt zu verlangen, dass alle Partner exakt demselben Schema folgen, kann das System flexibel mit unterschiedlichen Datenstrukturen umgehen.

Wo Standards weiterhin wichtig bleiben

Natürlich gibt es Bereiche, in denen starre Formate weiterhin notwendig sind. Rechnungen, steuerliche Meldungen oder regulatorische Prozesse benötigen klare und verbindliche Strukturen.

In vielen anderen Bereichen der industriellen Zusammenarbeit – etwa bei Angebotsanfragen, technischen Spezifikationen oder Lieferkettenabstimmungen – steht jedoch Flexibilität im Vordergrund.

Hier kann eine semantische Interpretation von Daten deutlich effizienter sein als ein strikt festgelegtes Schema.

Eine neue Architektur für digitale Lieferketten

Die Zukunft wird vermutlich eine Kombination aus beiden Ansätzen sein. Standards bleiben die stabile Grundlage für rechtlich relevante Nachrichten. Gleichzeitig übernehmen semantische Agenten die Interpretation komplexer oder unstrukturierter Informationen.

Plattformen wie Quotation Factory können in diesem Modell weiterhin Standards nutzen, gleichzeitig aber mit KI-gestützten Agenten zusammenarbeiten, die Inhalte unabhängig vom ursprünglichen Format verstehen.

Damit verschiebt sich die zentrale Frage von „Ist diese Nachricht vollständig standardkonform?“ hin zu „Verstehen wir genau, was der Kunde benötigt – und können wir schnell darauf reagieren?“

Ausblick

Die Digitalisierung der industriellen Lieferkette hat bereits enorme Fortschritte gemacht. Heute können komplexe Angebotsanfragen mit CAD-Dateien, Zeichnungen und Prozessanforderungen automatisiert verarbeitet werden.

Doch die Ära der großen Sprachmodelle eröffnet neue Möglichkeiten. Systeme können Informationen interpretieren, fehlende Details identifizieren und sogar aktiv nachfragen.

Damit entsteht eine Infrastruktur, die weniger von starren Formaten abhängt und stärker auf Bedeutung und Verständnis basiert.