KI-Agenten für technische Dokumentation: Was sie in der Fertigung leisten

Ein Servicetechniker steht vor einer Verpackungsmaschine, die sich seit Beginn der Frühschicht nicht mehr rührt. Die Betriebsanleitung im Schaltschrank beschreibt noch einen Frequenzumrichter, den der Zulieferer vor zwei Jahren abgekündigt hat. Die passende Änderungsmitteilung liegt im Postfach des Einkaufs. Die aktualisierte Zeichnung steckt im Konstruktionssystem, und darauf kann der Techniker vor Ort nicht zugreifen. Für Fertigungsbetriebe heißt das: Die Maschine steht, und im Zweifel ist auch ihre Konformität gefährdet.

Genau hier setzen KI-Agenten für technische Dokumentation an. Sie lesen verstreute Unterlagen und gleichen Revisionsstände ab. Jede Antwort enthält einen Verweis auf das Quelldokument. Dieser Beitrag zeigt, wie weit das heute trägt und wo die Technik noch hakt. Sie erfahren auch, wie ein Mittelständler den Einstieg plant, ohne Budget in ein Werkzeug zu stecken, dem die saubere Datenbasis fehlt.

Warum die technische Dokumentation in Fertigungsbetrieben nicht mehr mitkommt

Mithilfe von KI erstellt

In einem typischen Maschinenbaubetrieb verteilt sich das Wissen über ein Produkt auf mehrere Systeme. Die Konstruktion arbeitet im PLM-System. PLM steht für Product Lifecycle Management und bezeichnet die Software für Produktdaten über den gesamten Lebenszyklus. Stücklisten und Lieferantendaten liegen im ERP, der Warenwirtschaft. Die Fertigung dokumentiert im MES, dem Manufacturing Execution System zur Steuerung der Produktion. Dazu kommen Netzlaufwerke voller PDF-Handbücher. Ein systematischer Überblick zu KI-Agenten in der Fertigung nennt genau diese Zerstreuung über ERP-, MES-, PLM- und OT-Systeme als Kernhürde. OT steht für Operational Technology, also die Steuerungstechnik direkt an der Maschine.

Zusätzlichen Druck macht der Gesetzgeber. Die EU-Maschinenverordnung 2023/1230, die ab dem 20. Januar 2027 die bisherige Maschinenrichtlinie ersetzt, fordert technische Unterlagen, anhand derer sich die Konformität bewerten lässt. Betriebsanleitungen dürfen digital sein. Technische Unterlagen und Konformitätserklärung müssen Hersteller in der Regel mindestens zehn Jahre bereithalten. Jede Änderung am Produkt muss sich also über ein Jahrzehnt hinweg nachvollziehen lassen.

Im Arbeitsalltag macht sich das an vier Stellen bemerkbar:

• Konstruktionsänderungen kommen erst Wochen später in der Betriebsanleitung an.
• Werden harmonisierte Normen überarbeitet, müssen bestehende Risikobeurteilungen erneut geprüft werden.
• Zulieferer melden Abkündigungen und Änderungen per E-Mail, und diese erreichen die Redaktion nur selten.
• Technische Redakteure kopieren Daten von Hand zwischen ERP-Maske und Redaktionssystem hin und her.

Der letzte Punkt wiegt am schwersten, denn er verstärkt die drei anderen. Eine Redaktion, die ihre Tage mit Abschreiben füllt, hat keine Zeit, eine Normänderung inhaltlich zu prüfen. Die meisten Fehler in Handbüchern entstehen dann genau beim Übertragen der Daten.

Welche Aufgaben ein KI-Agent in der Dokumentation übernimmt

Anders als ein Chatbot kann ein KI-Agent handeln. Er beantwortet Fragen und ruft auch Daten aus angebundenen Systemen ab. Er vergleicht Dokumente und stößt Folgeschritte an, zum Beispiel eine Prüfaufgabe für die Redaktion. Technisch basiert das meist auf RAG, kurz für Retrieval-Augmented Generation. Dabei sucht das Sprachmodell zuerst passende Textstellen in den eigenen Unterlagen und formuliert erst danach eine Antwort, die auf genau diese Stellen verweist.

Wie gut das bei Servicewissen funktionieren kann, zeigt eine Studie zu RAG im industriellen Wissensmanagement. Das untersuchte System erschloss technische Serviceinformationen aus verschiedenen Dokumentformaten für die Suche und kam bei technischen Servicefragen auf 85 Prozent Recall. Recall misst, welchen Anteil der relevanten Informationen das System tatsächlich findet. Dieser Wert gilt für den Datensatz der Studie und lässt sich nicht ohne Weiteres auf jede Dokumentlandschaft übertragen.

Im Redaktionsalltag erledigt ein Agent meist folgende Aufgaben:

• Er füllt Dokumentvorlagen mit Daten aus Stücklisten und Prüfprotokollen.
• Er findet fehlende Pflichtangaben und Revisionsstände, die sich widersprechen.
• Er erkennt Muster, etwa wenn Servicemeldungen immer wieder auf denselben Bedienfehler hinweisen.
• Seine Reports zeigen offene Änderungen und den Pflegestand der Handbücher.

Überträgt Ihre technische Redaktion Prüfprotokolle und Lieferantendaten noch von Hand in Handbuchvorlagen? Genau dort setzen unsere KI-Agenten an. Sie übernehmen wiederkehrende Aufgaben wie Dateneingaben und Dokumentenprüfung und erstellen Reports automatisch, auf deren Basis Sie fundierter entscheiden. Besonders wertvoll für die Redaktion wird die Mustererkennung, wenn Servicemeldungen zeigen, dass Bediener immer an derselben Stelle der Anleitung scheitern. Dann liegt das Problem im Text, und der Agent liefert den Beleg dafür.

Drei Einsatzfälle: vom Lieferschein bis zur Normkonformität

Dokumente im Wareneingang prüfen

Im Wareneingang kommen von Zulieferern Lieferscheine an, dazu Werkszeugnisse und Herstellererklärungen. Ein Logistik-Agent erfasst die Lieferscheine und prüft Unterschriften. Danach gleicht er die Daten ab und leitet die Informationen automatisch an die zuständigen Abteilungen weiter. Für die Dokumentation zählt vor allem die Revision: Liefert ein Zulieferer eine neue Bauteilversion, müssen Stückliste und Betriebsanleitung angepasst werden. Wie sich der Abgleich im Auftragsprozess rechnet, beschreibt unser Beitrag zum Lieferscheinabgleich in der Auftragsbearbeitung.

Abläufe überwachen, Abweichungen festhalten

Ein Monitoring-Agent beobachtet festgelegte Abläufe oder Datenquellen in Echtzeit. Fällt etwas auf oder tritt ein wichtiges Ereignis ein, informiert er automatisch die Verantwortlichen. Damit lässt sich lückenlos nachweisen, welche Parameter wann außerhalb der Toleranz lagen. Diese Protokolle liefern das Rohmaterial für Wartungsanleitungen und für die Fortschreibung der Risikobeurteilung. In Bestandsanlagen kostet allerdings die Anbindung an die OT oft mehr Aufwand als der Agent selbst.

Konstruktionsunterlagen gegen Normen prüfen

Am weitesten reicht der Einsatz, wenn ein Agent Unterlagen gegen Normen prüft. Die russische Organisation RT-Tekhpriyomka hat einen Pilotbetrieb der KI-Plattform TEXX.AI in einer Druckerei gestartet. Dort prüft ein spezialisierter Agent unter anderem Konstruktions- und Technologiedokumentation automatisch darauf, ob sie den Normen entspricht. Für deutsche Hersteller bedeutet das: Ein Agent kann Abweichungen markieren und die betroffene Normstelle zitieren. Die Konformitätsbewertung und die Unterschrift unter der Konformitätserklärung bleiben beim Hersteller.

Was 2026 kommt: CoAgents und kontrollierte Fertigungsinformationen

Wohin die Reise geht, zeigen zwei aktuelle Entwicklungen. Ein Beitrag zur SPS 2026, der Fachmesse für Automatisierung in Nürnberg, stellt KI-Assistenten vor, die technische Dokumentation und Produktwissen direkt im Engineering bereitstellen. So liefert Beckhoffs TwinCAT 3 CoAgent for Engineering kontextbezogene Empfehlungen aus dem Beckhoff Information System, also der hauseigenen Dokumentationsplattform. Ein CoAgent arbeitet dabei im Werkzeug neben dem Menschen mit. Er macht Vorschläge, und der Mensch gibt sie frei.

Zeitgleich hat M-Files die Lösung M-Files for Manufacturing vorgestellt. Sie verwaltet technische Änderungen und Lieferantenmitteilungen als kontrollierte Fertigungsinformationen. Erklärtes Ziel ist die Grundlage für eine KI-gestützte Suche.

Beide Ankündigungen haben denselben Kern. Ein Agent ist nur so gut wie die gelenkte Datenbasis, auf die er zugreift. Zitiert ein Assistent aus einem ungepflegten Netzlaufwerk, liefert er falsche Antworten, die trotzdem sehr überzeugend klingen. Wer heute in Dokumentenlenkung investiert, schafft die Voraussetzung für jeden späteren Agenten.

Wie sich ein Dokumentations-Agent in bestehende Systeme einfügt

Ein Dokumentations-Agent ersetzt weder PLM noch Redaktionssystem. Er legt sich als Schicht darüber, liest über Schnittstellen mit und schreibt seine Ergebnisse dorthin zurück, wo Ihre Redaktion ohnehin arbeitet. Unsere KI-Agenten fügen sich in bestehende Workflows ein. Datensicherheit und Transparenz haben dabei Vorrang.

Dürfen Konstruktionszeichnungen und Kundenprojekte das Werksnetz nicht verlassen, setzen wir lokale LLM-Systeme im On-Premise-Betrieb ein. Sie laufen DSGVO-konform und werden individuell auf Ihre Daten trainiert. LLM steht für Large Language Model, also das Sprachmodell hinter dem Agenten. On-Premise heißt, dass die Systeme auf Ihren eigenen Servern laufen, und die DSGVO ist die Datenschutz-Grundverordnung.

Der bereits zitierte arXiv-Überblick benennt offen, wo es noch hakt. Schwierig sind uneinheitliche Dokumentformate und multimodale Inhalte wie Schaltpläne, dazu kommt die Frage, wie sich Ergebnisse erklären lassen. Klären Sie deshalb zuerst Leserechte und Datenquellen. Die Modellfrage kommt danach. Jede Antwort sollte das Quelldokument mit Revisionsstand nennen, damit Redakteure sie prüfen können.

Fällt ein Agent selbst unter die Hochrisiko-Kategorien des EU AI Act, gelten zusätzliche Pflichten zu Protokollierung und menschlicher Aufsicht. Was das genau bedeutet, erläutert der JRC-Bericht zu harmonisierten Standards. Ein Rechercheassistent für die Redaktion fällt in der Regel nicht darunter. Die Einstufung hängt aber vom konkreten Anwendungsfall ab.

Von der Idee zur KI-Lösung im produktiven Einsatz

Ein tragfähiges Projekt beginnt beim Prozess, das Werkzeug kommt zuletzt. Unsere KI-Prozessberatung läuft in vier Phasen ab:

1. In der Erstberatung klären wir den Umfang und analysieren die Ausgangslage in Interviews und Workshops mit den relevanten Stakeholdern.
2. Im Lösungsdesign entsteht der Projektplan: technische Anforderungen und Meilensteine, dazu Mockups und eine ROI-Einschätzung.
3. Je nach Umfang beginnen wir die Entwicklung mit einem Proof of Concept, danach arbeiten wir agil in klar definierten Sprints.
4. Vor dem Livegang testen wir Funktion und Systemkompatibilität der Lösung, anschließend schulen wir die Nutzer und leisten Support.

Der Proof of Concept, kurz PoC, prüft im kleinen Rahmen, ob ein Vorhaben machbar ist. Für die Dokumentation reicht ein klar abgegrenzter Bestand, zum Beispiel die Betriebsanleitungen einer einzigen Baureihe. Daran messen Sie, wie zuverlässig der Agent die richtige Revision findet. Erst danach kommen weitere Produktlinien hinzu. Warum diese Reihenfolge besser funktioniert als ein schneller Werkzeugkauf, lesen Sie in unserem Beitrag zur KI-Einführung im produzierenden Mittelstand.

Was Dokumentationsprojekte in der Praxis ausbremst

Dokumentationsprojekte scheitern selten an der Technik. Vier Ursachen tauchen dafür immer wieder auf:

• Gibt es Handbücher doppelt und ohne Revisionskennzeichnung, greift der Agent schnell zur falschen Version.
• Sind Einkauf und Service nicht beteiligt, fehlen Lieferantenmitteilungen und Praxiswissen.
• Wer die Ausgangswerte nicht misst, kann den Nutzen später nicht belegen.
• Fehlen Freigaberegeln, ist unklar, wer eine KI-generierte Passage verantwortet.

Die Datenqualität klären Sie, bevor das Projekt startet. Messen Sie außerdem vorab, wie lange die Pflege einer Konstruktionsänderung heute dauert. Ohne diesen Wert bleibt jede ROI-Diskussion Gefühlssache. Für die Governance bietet das Generative-AI-Profil des NIST, des US-amerikanischen Standardisierungsinstituts, einen strukturierten Rahmen, der Risiken über den gesamten Lebenszyklus eines KI-Systems abdeckt. Der Leitfaden ist freiwillig und eignet sich gut als Checkliste für die menschliche Aufsicht. Wie weit andere Betriebe sind, zeigt unsere Analyse zum Stand der KI in der Produktion.

Fragen und Antworten zu KI-Agenten in der technischen Dokumentation

Fazit

Das größte Problem der technischen Dokumentation in der Fertigung sind verstreute Daten und manuelle Pflege, am Wissen fehlt es seltener. Agenten schließen diese Lücke, sofern die Datenbasis gelenkt ist und klare Regeln für die Freigabe gelten. Die Maschinenverordnung greift ab 2027, deshalb lohnt es sich, jetzt mit einem begrenzten Pilot zu beginnen. Die KI-Agenten von AIFlow Consulting Dobosch übernehmen wiederkehrende Aufgaben, und unsere KI-Prozessberatung sorgt dafür, dass Sie mit dem richtigen Anwendungsfall starten.

Quellen

• Fachartikel AI Agents and Agentic AI: Navigating a Plethora of Concepts for Future Manufacturing
• EU-Maschinenverordnung, Regulation (EU) 2023/1230 on machinery
• Studie Application of retrieval-augmented generation for interactive industrial knowledge management via a large language model
• Siehe Publish: Pilotbetrieb TEXX.AI
• Siehe SPS Smart Production Solutions: Die Maschine erklärt sich selbst
• Siehe M-Files: M-Files for Manufacturing
• Siehe Harmonised Standards for the European AI Act
• Siehe Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile