Zulieferdokumentation dank künstlicher Intelligenz

Veröffentlicht: 20.02.2024 Aktualisiert: 20.02.2024

Technische Redaktionen im Anlagenbau kennen das: Die eigene Dokumentation ist eine Herausforderung, die Zulieferdokumentation ein Problem. Denn meist übersteigen die Zulieferdokumente in Zahl und Umfang die eigenen Anleitungen für die Anlage. Die Technische Redaktion von Brückner hat uns auf der diesjährigen Quanos Connect gezeigt, wie sie Zulieferdokumentation mit dem AICube und SCHEMA ST4 für ihre Nutzer zugänglich machen.

Zulieferdokumentation als Problem

Brückner ist ein Spezialist für Folienreckmaschinen und seit seiner Gründung 1960 im Familienbesitz. 2900 Mitarbeiter in 13 Ländern konzipieren, erstellen und betreuen etwa 1500 Anlagen in Asien, Nord- und Südamerika und Europa. 1500 Anlagen, die jeweils individuell aufgebaut sind und die in der Dokumentation zu vielen Varianten und Anleitungskombinationen führen. Denn jede Anlage braucht sowohl die komponentenspezifischen Betriebsanleitungen als auch die anlagenspezifischen Betriebsanleitungen und daneben zahlreiche Standarddokumente (z. B. ATEX-Zertifikate). Hinzu kommen noch der Ersatzteilkatalog, diverse Übersetzungen in die Zielsprachen und natürlich die Zulieferdokumentation.

Gerade die Zulieferdokumentation ist dabei ein besonderes Problem. Dies liegt zum einen schon an der reinen Menge an Dokumenten. Gleichzeitig sind die Zulieferdokumente nicht bearbeitbar und auch schlechter verwaltbar als die eigene Dokumentation. Wenn dann noch Anlagenlaufzeiten jenseits 50 Jahre hinzukommen und für mehr als 20 Sprachen gesorgt werden muss, dann ist klar, dass nur noch neuartige Lösungen helfen.

Lösung mit System

Schon frühzeitig hat Brückner deshalb in professionelle Redaktionswerkzeuge investiert. SCHEMA ST4 ist die leistungsfähige Basis für die Erstellung der eigenen Dokumentation, Across hilft bei Terminologie und Übersetzung, der CatalogCreator (ein Quanos-Produkt) automatisiert den Ersatzteilkatalog und SCHEMA CDS stellt zur Content Delivery eine Plattform bereit, die alle Produktdokumente online verfügbar macht.

Allerdings heißt „Bereitstellen“ noch lange nicht, dass Dokumente auch für die Nutzer auffindbar und verwendbar sind. Bei 278.000 relevanten Dokumenten ist die Einschränkung der Suchergebnisse eine wichtige Funktion. Denn wer möchte schon bei einer Suchanfrage erfahren, dass irgendwo unter 3000 gefundenen Dokumenten auch diejenige Anleitung ist, die das akute Problem löst?

Andererseits lässt sich die riesige Menge der Dokumente nicht durch redaktionelle Analyse und Verschlagwortung von Hand bewältigen. Wirklich automatisch auffindbar ist in den Zulieferdokumenten nur der Dateiname und -pfad; und das gibt nur in den seltensten Fällen Aufschluss über die Inhalte.

Lösung mit (künstlicher) Intelligenz

Wenn Menschen die reine Menge der Informationen nicht bewältigen können, dann liegt der Gedanke nahe, das Problem durch Rechnereinsatz zu lösen. Die Idee war dabei, Zulieferdokumentation automatisiert durch künstliche Intelligenz zu analysieren und sie (nach entsprechendem Training) mit Metadaten und Taxonomien zu versehen. Diese Metadaten können dann für den besseren Zugriff auf die Zulieferdokumentation genutzt werden, z. B. um Suchergebnisse im Content Delivery System einzuschränken.

Nach ausgiebiger Recherche fiel die Wahl für ein KI-System auf das Angebot von plusmeta. Die wichtigsten Gründe für diese Entscheidung waren die breite Palette an Dokumenten, die durch die KI von plusmeta analysiert werden konnten und die nahtlose Anbindung an SCHEMA ST4. Dadurch ließen sich neben den Dokumenten der Zulieferdokumentation auch die Knoteninhalte der eigenen Dokumentation und die vorhandenen Taxonomien auswerten und verarbeiten.

Nach dem Training des KI-Systems von plusmeta mit vorhandenen Daten und den bestehenden Taxonomien konnte das Material an Zulieferdokumentation ausgewertet werden. Dabei ergab sich so manche Überraschung: Zum Beispiel zeigt sich, dass die Wartungsintervalle der jeweiligen Anlagenkomponenten deutlich vielfältiger waren als in der bisherigen Dokumentation berücksichtigt. Mit dem AICube war auch die Rückführung der ST4-Knoteninhalte (nun angereichert mit den taxonomischen Daten, die die KI ermittelt hatte) kein unlösbares Problem. Es musste lediglich sichergestellt werden, dass die Taxonomie der KI auch im CCMS bereits bekannt war.

Die automatische Ermittlung von Metadaten und Taxonomien mit Hilfe von künstlicher Intelligenz hat sich für Brückner bewährt. Sie verbessert die Auffindbarkeit der Zulieferdokumentation im Content Delivery System, erleichtert Übersetzungsworkflows und ist die Grundlage für Variantenfilter. Dank künstlicher Intelligenz ist für Brückner Zulieferdokumentation kein Problem mehr.

 

Der ST4 AICube heißt jetzt ST4 AIJetpack.

Mehr darüber erfahren

Andere Artikel von Quanos

Das könnte Sie auch interessieren

ÖBB realisiert Gamification-Lösung mit SCHEMA ST4 – Mit dem Quiz zum Zug gekommen

ÖBB realisiert Gamification-Lösung mit SCHEMA ST4 – Mit dem Quiz zum Zug gekommen

Interview mit Christian Schauer - Herr Schauer ist für Aufbau, Inhalt und Weiterentwicklung des Verkehrsinformationss…

Callout Labels - Automatische Bildlegenden in SCHEMA ST4

Callout Labels - Automatische Bildlegenden in SCHEMA ST4

Zu den häufig wiederkehrenden Arbeiten in der Technischen Redaktion gehört das Beschriften von Bildern und die Erstel…

Die größten Vorteile eines XML-Redaktionssystems in der Technischen Redaktion

Die größten Vorteile eines XML-Redaktionssystems in der Technischen Redaktion

Mit einem XML-Redaktionssystem lassen sich redaktionelle Prozesse optimieren, weil solch ein Werkzeug effiziente Lösu…