Edgerunners
Industrial AI / Öl- & Gasanlagenbau

EdgeStock AI

Agentenbasierte Migration industrieller Materialcodes

Ein kontrollierter Multi-Agenten-Workflow, der Altbeschreibungen von Lagerbeständen in einen neuen Codierungsstandard überführt – und unsichere Entscheidungen sichtbar und prüfbar hält.

  • Multi-Agenten-Workflow
  • Hierarchischer Standard
  • Unabhängige KI-Prüfung
  • Human-in-the-Loop
EdgeStock AI migration workspace: batch B-03 flowing from 12,480 legacy records through interpretation, classification, and AI review to human approval, with live legacy-to-proposed codes

Projektüberblick

Ein neuer Standard, ohne den Bestand von Hand neu aufzubauen.

Ein Unternehmen aus dem Öl- und Gasanlagenbau führte einen neuen Codierungsstandard für Materialbestände ein – mit anderer Struktur, Klassifizierungshierarchie und anderen Materialattributen. Die bestehenden Datensätze enthielten hochtechnische Beschreibungen, bei denen manche Attribute fehlten und andere uneinheitlich angegeben waren.

Statt einer vollständigen manuellen Neuklassifizierung oder eines störenden Austauschs des gesamten Lagerbestands interpretiert EdgeStock AI die Altbeschreibungen, befüllt die vom neuen Standard geforderten Attribute, validiert Vorschläge und markiert unsichere Fälle zur Prüfung durch Menschen.

Die Herausforderung / Gleicher Artikel, viele Beschreibungen
  • PIPE SMLS CS 6" SCH40 BE
  • 6IN CS PIPE SEAMLESS S40 BEV
  • PIPE,C.S.,SMLS,6",SCH 40,BEV.END
  • CS SMLS PIPE 150NB STD BE

Ein standardkonformer Code mit zweigspezifischen Attributen

Illustrative Beispiele. Eine manuelle Neuklassifizierung würde Ingenieurszeit binden und Inkonsistenzen zwischen ähnlichen Materialien erzeugen.

Die Lösung

Erzeugung, Prüfung und Freigabe – bewusst getrennt.

Statt ein einzelnes Modell ungeprüft einen Ersatzcode erzeugen zu lassen, verarbeitet EdgeStock AI die Zielstruktur Ebene für Ebene und übergibt das Ergebnis dann an eine unabhängige Prüfinstanz – zuerst einen KI-Agenten, dann einen Menschen.

  1. 01 / Erzeugen

    Klassifizierungsagenten

    Arbeiten die Zielhierarchie Ebene für Ebene ab und befüllen die Attribute jedes Zweigs.

  2. 02 / Prüfen

    Unabhängiger Prüfagent

    Prüft den Vorschlag gegen Standard und Quelle und erklärt mögliche Probleme.

  3. 03 / Freigeben

    Qualifizierte Prüfperson

    Bestätigt, korrigiert oder lehnt ab – mit vollem Einblick in Belege und Unsicherheit.

Schritt für Schritt

Einen Datensatz bis in den neuen Standard verfolgen.

Gehen Sie Schritt für Schritt durch, wie aus einer Altbeschreibung ein vorgeschlagener Code wird – und wie jedes Attribut festhält, woher es stammt.

Ein Datensatz, Schritt für Schritt / Illustrativ

01 / 06

Alter Datensatz · INV-0042871

PIPE SMLS CS 6" SCH40 BE ASTM A106 GR.B

Eine technische Beschreibung, vor Jahren verfasst

Abkürzungen, Lieferantenbegriffe und eine uneinheitliche Reihenfolge der Attribute. Der neue Standard braucht denselben Artikel als strukturierten Code mit zweigspezifischen Attributen.

  • Durch Quelle belegt
  • Aus Belegen empfohlen
  • Ungeklärt

Datensatz, Codeformat und Werte oben sind illustrativ und geben weder die Daten noch den Standard des Kunden wieder.

Konfidenz & Unsicherheit

Jeder Wert weiß, woher er kommt.

Eine falsche Materialspezifikation kann Beschaffung, Kompatibilität, Instandhaltung oder sicherheitsrelevante Entscheidungen beeinflussen. Wird Unsicherheit sichtbar, können Prüfende ihre Expertise auf die Datensätze konzentrieren, die sie brauchen, statt alles mit gleichem Aufwand zu kontrollieren.

  • Durch Quelle belegt

    Direkt in der Altbeschreibung gefunden.

  • Aus Belegen empfohlen

    Aus Referenzdaten vorgeschlagen; getrennt von bestätigten Fakten gehalten.

  • Ungeklärt

    Unzureichende Belege – zur Prüfung durch Menschen markiert.

Kernfunktionen

Acht Funktionen hinter einer kontrollierten Migration.

EdgeStock AI coding standard v2.1 tree from discipline to material, with the carbon steel seamless pipe code segments, required attributes, and rules
EdgeStock AI record review: legacy tokens mapped to attributes with evidence states, an independent AI review, and the proposed code awaiting confirmation
  1. 01

    Modellierung des hierarchischen Standards

    Der neue Codierungsstandard wird als Klassifizierungshierarchie abgebildet. Jeder Zweig definiert eigene Pflichtattribute, gültige Werte, Einschränkungen und Regeln – so folgen eine Rohrleitungskomponente und eine Elektrokomponente unterschiedlichen Pfaden statt einer generischen Vorlage.

  2. 02

    Interpretation technischer Beschreibungen

    Altbeschreibungen werden auf Informationen untersucht, die für den neuen Standard relevant sind, und auf dessen Terminologie und Attributstruktur abgebildet – die technische Bedeutung wird interpretiert, nicht nur umbenannt.

    • Werkstoff & Zusammensetzung
    • Abmessungen & Nennweiten
    • Druckstufen & Güten
    • Verbindungsarten
    • Hersteller / Lieferant
    • Technische Spezifikationen
    • Farb- & Kategorieattribute
  3. 03

    KI-Klassifizierung Ebene für Ebene

    Ein spezialisierter Agent bearbeitet jede Klassifizierungsstufe und berücksichtigt dabei die Originalbeschreibung, die relevanten technischen Regeln und bereits getroffene Entscheidungen. Der gestufte Prozess bleibt am Standard ausgerichtet und macht sichtbar, wie jedes Attribut abgeleitet wurde.

  4. 04

    Empfehlungen für fehlende Attribute

    Fehlt ein Pflichtwert, kann das System einen Kandidaten auf Basis von Referenzinformationen, technischen Spezifikationen oder Marktdaten vorschlagen – aber nur, wenn die Belege ausreichen.

    Ein empfohlener Wert bleibt stets von einem bestätigten Fakt unterscheidbar und wird nie stillschweigend als verifizierte Materialangabe behandelt.

  5. 05

    Unabhängige KI-Prüfung und Validierung

    Ein separater Prüfagent bewertet jeden Vorschlag und erklärt, welche Entscheidungen genauer betrachtet werden sollten. Die Trennung von Erzeugung und Prüfung deckt Fehler auf, die sonst verborgen blieben.

    • Code entspricht dem Standard
    • Pflichtattribute befüllt
    • Konsistent mit der Quelle
    • Keine widersprüchlichen Eigenschaften
    • Empfehlungen belegt
    • Mehrdeutigkeit oder betriebliches Risiko
    • Prüfung durch Menschen nötig?

    Die KI-Prüfung ist eine zusätzliche Kontrollschicht, keine Garantie für Richtigkeit. Kritische Spezifikationen müssen weiterhin anhand maßgeblicher Quellen validiert werden.

  6. 06

    Umgang mit Konfidenz und Unsicherheit

    Das System unterscheidet zwischen Informationen, die durch die Quelle belegt sind, Informationen, die aus Belegen abgeleitet wurden, und Informationen, die ungeklärt bleiben. Unklare Fälle werden markiert, statt ihnen unbelegte Werte zuzuweisen – so konzentrieren Prüfende ihre Expertise dort, wo sie gebraucht wird.

  7. 07

    Freigabe mit Human-in-the-Loop

    Autorisierte Nutzer sehen Originalbeschreibung, vorgeschlagenen Code, befüllte Attribute, Prüfergebnisse und Begründung – und bestätigen, korrigieren einzelne Attribute oder lehnen ab. Die KI übernimmt die repetitive Interpretation; die Verantwortung bleibt beim Menschen.

  8. 08

    Strukturierte Ausgabe für Bestandssysteme

    Die Ergebnisse umfassen vorgeschlagenen Code, Attribute, Quellinformationen, Empfehlungen, Konfidenzindikatoren und Prüfnotizen – eine einheitliche Darstellung, die die kontrollierte Integration in nachgelagerte Bestands- oder ERP-Prozesse unterstützt.

So arbeitet der agentenbasierte Workflow

Von der Handarbeit zum kontrollierten Workflow.

Neun Phasen mit expliziter Validierung und Ausnahmebehandlung – markierte Datensätze landen bei den Menschen, die sie am besten klären können.

EdgeStock AI exception queue grouping flagged records by reason and routing them to the right reviewers
  1. Altdaten laden

    Die ursprünglichen Materialcodes und technischen Beschreibungen einlesen.

  2. Das Material interpretieren

    Erkennbare Eigenschaften aus der Quellbeschreibung extrahieren.

  3. Den Klassifizierungspfad wählen

    Den relevanten Zweig des neuen Standards bestimmen.

  4. Attribute schrittweise befüllen

    Spezialisierte Agenten auf die Anforderungen jeder Ebene ansetzen.

  5. Fehlende Informationen erkennen

    Attribute erkennen, die sich aus der Quelle nicht ermitteln lassen.

  6. Belegbasierte Empfehlungen erzeugen

    Werte nur vorschlagen, wenn ausreichend stützende Informationen vorliegen.

  7. Das Ergebnis prüfenPrüfagent

    Ein separater Validierungsagent erkennt Inkonsistenzen, unbelegte Annahmen und mögliche Probleme.

  8. Die Entscheidung zur Freigabe vorlegenMensch

    Vorgeschlagenen Code, Attributwerte und Prüfergebnisse einer autorisierten Person anzeigen.

  9. Die freigegebene Zuordnung speichern

    Das bestätigte Ergebnis für den Migrations-Workflow und die weitere Nutzung sichern.

Kontinuität des Bestands wahren

Ein Übergang, kein Neuaufbau.

Ohne Automatisierung stand das Unternehmen vor erheblichem manuellem Aufwand: Datensätze prüfen, Klassifizierungen anlegen, Zuordnungen abgleichen und das operative System aktualisieren.

EdgeStock AI wandelt bestehende Daten um und bewahrt dabei die Verbindung zwischen jeder Altbeschreibung und ihrem vorgeschlagenen Ersatz – das reduziert repetitive Arbeit und erhält die Kontrollen, die eine verlässliche Migration industrieller Daten erfordert.

Alte Datensätze bleiben mit ihren freigegebenen Zuordnungen verknüpft

Alter Code & Beschreibung

Freigegebener neuer Code & Attribute

  • Quellinformationen
  • Empfehlungen
  • Konfidenzindikatoren
  • Prüfnotizen

Strukturierte Ausgabe, vorbereitet für die kontrollierte Integration in nachgelagerte Bestands- oder ERP-Prozesse.

Produktnutzen

Weniger repetitive Klassifizierung, verlässlichere Daten.

  • Weniger manueller Aufwand

    Automatisiert die repetitive Interpretation und Attributzuordnung über große Bestandsdatensätze hinweg.

  • Standardkonforme Daten

    Strukturiert Altbeschreibungen gemäß der neuen Codierungshierarchie.

  • Technischer Kontext bleibt erhalten

    Bewahrt relevante Informationen aus detaillierten industriellen Beschreibungen.

  • Transparente Unsicherheit

    Erkennt fehlende, mehrdeutige oder unzureichend belegte Attribute.

  • Unabhängige Prüfung

    Ergänzt eine separate Validierungsstufe, um mögliche Inkonsistenzen zu erkennen.

  • Menschliche Verantwortung

    Qualifizierte Nutzer prüfen, korrigieren und genehmigen vorgeschlagene Zuordnungen.

  • Kontinuität der Migration

    Ein kontrollierter Übergang ohne vollständigen manuellen Neuaufbau.

  • Wiederverwendbare Architektur

    Ein Muster für andere Projekte zur industriellen Klassifizierung und für Stammdatenprojekte.

Der Beitrag von Edgerunners

Agentenbasierte KI für ein konkretes Datenproblem im Unternehmen.

Wir haben einen KI-gestützten Ansatz konzipiert und entwickelt, der technische Dateninterpretation, hierarchische Klassifizierung, Multi-Agenten-Verarbeitung und menschliche Prüfung kombiniert.

  1. Den neuen Bestandsstandard als hierarchische Klassifizierungsstruktur modellieren.

  2. Technische Altbeschreibungen in strukturierte Materialattribute übersetzen.

  3. Einen gestuften Agenten-Workflow zum Befüllen der Pflichtattribute entwickeln.

  4. Direkte Extraktion von belegbasierten Empfehlungen trennen.

  5. Einen prüforientierten Workflow umsetzen, der Unsicherheit und mögliche Inkonsistenzen erkennt.

  6. Erklärungen und Prüfergebnisse zur Unterstützung der menschlichen Freigabe darstellen.

  7. Strukturierte Zuordnungsergebnisse für den Migrationsprozess des Bestands vorbereiten.

Abgeleitete Attribute sind Empfehlungen, keine verifizierten Fakten, und eine KI-Prüfung garantiert keine technische Richtigkeit. Kritische Spezifikationen sollten anhand maßgeblicher Dokumentation validiert und von qualifiziertem Personal freigegeben werden.

Lassen Sie uns sprechen

Sie modernisieren alte Stammdaten?

Die Architektur von EdgeStock AI lässt sich auf andere Projekte zur industriellen Klassifizierung und Stammdatentransformation übertragen. Bringen Sie uns Ihren Standard und Ihre Datensätze – wir helfen Ihnen, eine Migration zu gestalten, bei der Begründungen, Unsicherheit und Validierung sichtbar bleiben.

Eine ähnliche Migration besprechen

EdgeStock AI von Edgerunners – Agentenbasierte Migration mit Begründung, Unsicherheit und Validierung im Blick.