Prüfung von Zertifikaten & Qualitätsdokumenten (Werkstoffzeugnisse, Konformitätserklärungen)

Jede Lieferung von Stahl, Guss, Verbindungselementen, Druckteilen oder Bauprodukten wird von Zertifikaten begleitet, die belegen, um welches Material es sich handelt. Qualitätsmitarbeitende lesen noch immer jedes PDF von Hand, vergleichen Zahlen mit Bestellung und Norm und tippen die Schmelzennummer ins ERP. Dokumenten-KI liest das Zertifikat, prüft die Werte gegen die Spezifikation, gleicht es mit der Lieferung ab, meldet Auffälliges und speichert ein nachvollziehbares Ergebnis. Der Prüfer entscheidet über die Freigabe.

Problem & Nutzen

• Heute: Zertifikate kommen in Hunderten von Layouts, in mehreren Sprachen, oft als Scans oder Fotos von gestempeltem Papier. Die Wareneingangsprüfung kontrolliert Schmelzennummern, Güte, Chemie und mechanische Werte gegen Bestellung und Produktnorm. Das ist langsam, weshalb viele Unternehmen nur einen Teil der Zertifikate stichprobenartig oder nur das Deckblatt prüfen. Fehlende oder falsche Zertifikate fallen spät auf, bei Kundenaudits oder in Reklamationen.
• Warum es wichtig ist: Ein Werkstoffprüfzeugnis (MTR/MTC) ist der Rückverfolgbarkeitsnachweis für das Material. In Europa wird es üblicherweise nach EN 10204 ausgestellt. Typ 3.1 stellt der Hersteller aus, bei Typ 3.2 ist zusätzlich ein unabhängiger Prüfer beteiligt (Vertreter des Bestellers oder ein in amtlichen Vorschriften benannter Prüfer) [1]. Regulierte Produkte (Druckgeräte, Bauprodukte, Schienenverkehr, Luftfahrt, Kerntechnik) erfordern diesen Nachweis über die gesamte Lebensdauer des Produkts.
• KI-Nutzen: vorlagenfreie Extraktion statt Vorlagen je Lieferant, 100-%-Prüfung statt Stichprobe, frühere Erkennung von Abweichungen, durchsuchbare Rückverfolgbarkeit für Audits und Rückrufe.
• Regulatorischer Treiber: Die überarbeitete EU-Bauproduktenverordnung (EU) 2024/3110 gilt in ihrem Hauptteil ab dem 8. Januar 2026 und führt einen digitalen Produktpass ein, der Leistungserklärungen und Konformitätserklärungen mit weiteren erforderlichen Dokumenten in maschinenlesbarer Form verbindet [2]. Mehr Dokumente werden strukturiert eintreffen, aber Alt-PDFs und Lieferanten außerhalb der EU werden noch Jahre bleiben.
• Für diesen konkreten Anwendungsfall wurden keine verlässlichen öffentlichen Zahlen zur Zeitersparnis gefunden; messen Sie Ihre eigene Ausgangsbasis (siehe Kennzahlen).

Varianten

• Stahl-/Metallhandel und -fertigung: Werkstoffprüfzeugnisse (EN 10204 3.1/3.2) gegen die Grenzwerte der EN-/ASTM- Güten, Rückverfolgbarkeit der Schmelzennummer bis zu Coil, Stab oder Blech.
• Druckgeräte, Energie, Schiffbau: von Dritten bezeugte Zertifikate (3.2), Dokumente benannter Stellen, Schweißer- und Verfahrensqualifikationen (WPS/PQR).
• Bau: Leistungserklärungen, CE-Kennzeichnung und DoP für Bauprodukte, Beton- und Bewehrungsstahl-Zertifikate; Verknüpfung mit der Baustellendokumentation.
• Lieferkette Automobil/Luftfahrt: PPAP-/FAIR-Dokumente, CoC, Zertifikate für Sonderprozesse (Wärmebehandlung, Beschichtung, Akkreditierungen nach Art von NADCAP).
• Chemie, Lebensmittel und Pharma: Analysenzertifikate (CoA) je Charge gegen Spezifikation (zu Sicherheitsdatenblättern siehe DOC-023).
• Zertifikatsmanagement für Lieferanten: ISO-9001-/14001-/IATF-Zertifikate, Ablaufüberwachung und Prüfung des Ausstellers über Datenbanken der Zertifizierungsstellen.
• Öffentlicher Sektor: Beschaffungsnachweise für Infrastruktur- und kommunale Bauprojekte.
• Nicht abgedeckt: Diplome und akademische Zeugnisse (Identitäts-/Qualifikationsprüfung) sowie Ausweisdokumente (siehe DOC-004).

So funktioniert es

1. Eingang (Lieferantenportal, E-Mail, Scan im Wareneingang, Foto der Lieferung)
2. Klassifizierung der Dokumentart (MTC 3.1 / 3.2 / CoC / DoP / CoA / Zertifikat Managementsystem)
3. OCR + Layout-Analyse (Tabellen für Chemie und mechanische Prüfungen, Stempel, Unterschriften)
4. VLM-/LLM-Extraktion in ein Schema (Schmelzennr., Güte, Norm, Maße, Werte, Einheiten, Aussteller, Datum)
5. deterministische Prüfungen: Werte vs. Normgrenzwerte und Bestellspezifikation, Einheiten, Summen, Schmelzennr. vs. Lieferung, Zertifikatstyp vs. geforderter Typ, Pflichtprüfungen vorhanden, Unterschrift/Stempel vorhanden
6. Auffälligkeits- und Echtheitssignale (Layout-/Schriftinkonsistenzen, Metadaten, doppelte Schmelzennummern bei verschiedenen Lieferanten, Aussteller passt nicht zum bekannten Werk)
7. Entscheidungsunterstützung: bestanden / nicht bestanden / Prüfung nötig mit markierten Quellbereichen
8. Prüfer gibt frei oder lehnt ab; Ergebnis und Zertifikat werden im ERP/QMS mit der Charge verknüpft; Archivierung

• Extraktion: Ein Vision-Language-Modell oder Dokumentenparser liefert JSON gegen ein festes Schema; Tabellen mit chemischen Elementen sowie Zug- und Kerbschlagversuchen sind der kritische Teil.
• Eine Regel-Engine, nicht das LLM, entscheidet über die Konformität: Grenzwerte je Güte liegen als strukturierte Daten vor (aus der Norm oder der Kundenspezifikation); das LLM extrahiert und erklärt nur.
• Echtheitssignale sind nur Indikatoren. Kryptografischer Nachweis (qualifizierte Signatur, vom Werk ausgestelltes digitales Zertifikat, QR-Code, der auf das System des Ausstellers verweist) ist weit stärker als jede Bildanalyse.
• Mensch-in-der-Schleife (Human-in-the-Loop): Jedes „nicht bestanden" und jedes Feld mit niedriger Konfidenz geht an einen Qualitätsprüfer; die Freigabe von Material für die Produktion bleibt eine menschliche Entscheidung. Bei sicherheitsrelevanten Teilen die Vier-Augen-Prüfung beibehalten.

Datenaufbereitung

Zertifikate (EN 10204 3.1/3.2, CoC, Prüfberichte) treffen als PDFs und Scans per E-Mail, über Lieferantenportale oder auf Papier mit der Lieferung ein und werden im ERP, QMS, DMS oder auf Dateiablagen abgelegt. Die Referenzdaten sind ebenso wichtig: Bestellungen, Werkstoffspezifikationen, Normen und Zeichnungen im ERP und PDM. Typische Lücken sind schlechte Scans, Stempel und Handschrift, viele Lieferanten-Layouts und Sprachen, uneinheitliche Werkstoffbezeichnungen, nicht mit Bestellung oder Charge verknüpfte Zertifikate und Spezifikationen, die nur als PDF existieren.

Aufbereitungsschritte: - Zertifikate an einer Stelle mit Bestellung, Charge und Lieferant verknüpfen, siehe PREP-005 und PREP-010. - Papierzertifikate im Wareneingang digitalisieren, siehe PREP-006 und PREP-008. - Spezifikationen und Grenzwerte in eine maschinenlesbare Tabelle überführen, siehe PREP-011 und PREP-012. - 100 Zertifikate verschiedener Lieferanten, auch bekannte fehlerhafte, als Evaluierungsdatensatz sammeln, siehe PREP-018 und PREP-016. - Synonymlisten für Werkstoffgüten ergänzen, siehe PREP-015.

Grober Aufwandsanteil: 30-40 Prozent, vor allem Spezifikationstabellen und Verknüpfung. Werkzeuge: Docling, Tesseract, ERP-Exporte, n8n für den Eingang. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg B, weil die Prüfungen gegen die eigenen Bestellungen und Spezifikationen im ERP abgeglichen werden müssen und kein Produkt zu jedem Zertifikatslayout passt.
• Großunternehmen: Weg B, weil Qualitäts- und Lieferantendaten strategisch sind und die Pipeline in ERP, QMS und Lieferantenportale integriert werden muss.
• Entwickler: Weg B, weil Dokumenten-KI-Schnittstellen und ein LLM-Vergleichsschritt die schnellste Umsetzung sind.
• Öffentlicher Sektor: Weg C, weil Vergaberegeln und Souveränität einen selbst betriebenen Stack auf EU-Infrastruktur begünstigen.

Weg A — Kaufen (Standardsoftware)

• Dokumenten-KI- und Intelligent-Document-Processing-Suiten mit konfigurierbarer Extraktion: ABBYY Vantage, Rossum, Hypatos (München), Klippa (NL), Mindee (FR), Docsumo, Nanonets; DMS/ECM- Anbieter wie DocuWare und d.velop (DE) für Archiv und Workflow. Optionen mit EU-Hosting sind oben über die Herkunft gekennzeichnet; prüfen Sie den Verarbeitungsort je Vertrag.
• QMS-/Lieferantenqualitäts-Software mit Zertifikatsverwaltung: z. B. SAP (QM, Supplier Quality Management), Qualityze, iSolutions; manche ERP-Systeme für den Stahlhandel haben MTC-Module.
• Weg A wählen, wenn: Zertifikate ein Nebenthema eines größeren Posteingangs- oder Kreditorenprojekts sind (DOC-008, DOC-001) und Sie das Schema selbst konfigurieren können. Spezialisierte MTC-Prüfprodukte gibt es, aber der Markt ist jung; testen Sie vor dem Kauf mit Ihren eigenen Zertifikaten.

Weg B — Auf Cloud-KI-Diensten aufbauen (empfohlener Standard)

• Parsing: Azure AI Document Intelligence (eigene Extraktionsmodelle, EU-Regionen), Google Document AI (EU-Standort), AWS Textract (Frankfurt), Mistral OCR (EU-Anbieter).
• Extraktion/Schlussfolgerung: ein multimodales Spitzenmodell mit strukturierten Ausgaben (Claude, Gemini, GPT, Mistral), das Seitenbilder mit einem JSON-Schema liest; nutzen Sie die EU-Datenresidenz-Optionen des Anbieters.
• Prüfungen: Python-/Regeldienst mit den Grenzwerttabellen der Normen; Ergebnisse werden per API ins ERP/QMS geschrieben; Orchestrierung mit n8n, Power Automate oder Camunda.
• Warum B: Die Zertifikatslayouts sind ein Long Tail und mehrsprachig, das Volumen ist moderat, und es wird kein großer Trainingsdatensatz benötigt. Prompt plus Schema plus deterministische Regeln führen in Wochen zu einem Pilot.

Weg C — Selbst betreiben (Open Source)

• Parsing: Docling (MIT-Lizenz) [3], PaddleOCR / PaddleOCR-VL, MinerU, Marker.
• Extraktion mit offenen VLMs: Qwen3-VL (Apache-2.0; dichte Varianten 2B/4B/8B/32B und MoE-Varianten) [4], betrieben über vLLM (Apache-2.0) [5] oder Ollama, mit schemagebundener JSON-Ausgabe.
• Stack: selbst betriebenes n8n oder Camunda, PostgreSQL für Ergebnisse, ein On-Premises-DMS/QMS. Normen- tabellen bleiben bei Ihnen, was wichtig ist, wenn Zertifikate vertrauliche Projektdaten von Kunden enthalten.
• Hardware: HW2 (eine GPU mit 24–32 GB) mit einem VLM von ca. 8B genügt für Tausende Seiten pro Tag; nutzen Sie HW3 für ein Modell der 32B-Klasse, wenn Tabellen auf schlechten Scans der Engpass sind.
• Weg C wählen, wenn: Kunden aus Rüstung, Kerntechnik oder Luftfahrt die Verarbeitung in der Cloud untersagen oder die Zertifikate Exportkontrollen oder strengen Geheimhaltungsvereinbarungen mit Kunden unterliegen.

Weg D — Eigenes Training

Für die Extraktion meist nicht nötig. Das Feintuning eines kleinen VLM oder Tabellenmodells lohnt sich nur bei hohem Volumen mit einem stabilen Satz von Werks-Layouts (z. B. ein Stahl-Service-Center, das täglich Tausende Zertifikate verarbeitet) oder um die Inferenzkosten zu senken. Korrekturen der Prüfenden bilden die Trainingsdaten (einige Hundert annotierte Zertifikate je Layout-Cluster). Ein überwachter Anomalie- oder Fälschungsklassifikator braucht annotierte gefälschte Dokumente, die fast kein Unternehmen hat; verlassen Sie sich stattdessen auf Regeln, Referenzvergleich je Werk und kryptografische Prüfung.

Stand der Technik (2026)

• VLM-basierte Extraktion ist der Standardansatz für Long-Tail-Layouts; offene VLMs (Qwen3-VL-Familie) und Layout-Parser wie Docling sind gut genug für den Selbstbetrieb [3][4].
• Schwierige Punkte: dichte Tabellen zu Chemie und Mechanik mit verbundenen Zellen, Dezimalkomma statt Dezimalpunkt, Einheitenvarianten (MPa vs. N/mm², ksi), Fotos von gewölbtem oder gestempeltem Papier, Zeugnisse mit mehreren Schmelzen für eine Lieferung und handschriftliche Korrekturen.
• Digitalisierung der Quelle: Maschinenlesbare Zertifikate nehmen zu (digitaler Produktpass nach Bauproduktenverordnung [2], Lieferantenportale, QR-Codes, die auf die Datenbank des Ausstellers zeigen) und verlagern die Arbeit vom Lesen zum Validieren und Verknüpfen.
• Echtheitsprüfung: Bildforensische und Layout-Vergleichsverfahren können Unstimmigkeiten zeigen, aber keine Echtheit beweisen; eine gute Kontrolle gegen Zertifikatsfälschung kombiniert die Prüfung des Ausstellers (Rückruf oder Portalabfrage), den Abgleich von Schmelzennummern mit Lieferungen und physischer Kennzeichnung (siehe VIS-018) und bei kritischen Teilen eigene Prüfungen (Positive Material Identification).
• Grenzen und Fehlerbilder: VLMs können Werte halluzinieren oder normalisieren (zum Beispiel einen tatsächlich außerhalb des Bereichs liegenden Wert „korrigieren"); lassen Sie das Modell nie über bestanden/nicht bestanden entscheiden oder fehlende Werte ergänzen. Halten Sie das Originalbild immer neben den extrahierten Werten bereit.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (ocr-docparse + vlm + llm-general + workflow-automation): DOC-001 Rechnungen, DOC-006 Logistikdokumente (Lieferscheine tragen Schmelzen-/Chargennummern), DOC-008 Klassifizierung im Posteingang, DOC-014 Tabellenextraktion und Parsing für RAG. Ein VLM-Server (HW2/HW3) bedient sie alle.
• Nachbarn: DOC-013 Zeichnungen (Spezifikationsanforderungen aus Zeichnung und Werkstoffangaben abgeleitet), DOC-018 Schwärzung (bevor Zertifikate mit Projektdaten extern weitergegeben werden), DOC-016 für regelbasierte Konformitätsprüfung, KNOW-009 für Fragen und Antworten zu Normen, VIS-018 industrielle OCR zum Lesen von auf das Material selbst gestempelten Schmelzennummern, ANOM-011 für Lieferantenrisiken und ANOM-014 für Verfahren zur Fälschungserkennung.
• Daten-Bausteine: Normgrenzwerttabellen als strukturierte Referenzdaten, Lieferanten- und Werks- Stammdaten, Chargen-/Los-Rückverfolgbarkeit im ERP/QMS, Vektorindex früherer Zertifikate für Ähnlichkeits- prüfungen (Duplikate über Lieferanten hinweg).
• Workflow-Engine gemeinsam mit anderen Back-Office-Automatisierungen.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis wenige Wochen für einen konfigurierten Pilot; Preis typischerweise pro Seite oder Dokument.
• Weg B: 1–3 Monate für eine Produktiv-Pipeline inkl. Regeltabellen und ERP-/QMS-Integration; API- Kosten pro Seite sind typischerweise gering im Verhältnis zur Prüferzeit.
• Weg C: 2–4 Monate; ein GPU-Server plus Betrieb; zusätzlicher Aufwand für die Modellevaluierung.
• Kennzahlen: Genauigkeit der Extraktion auf Feldebene (besonders Chemie/Mechanik), Anteil automatisch geprüfter Zertifikate (Abdeckung), Trefferquote (True Positives) bei Abweichungen auf einem präparierten Testdatensatz, Prüferzeit je Lieferung, Zeit vom Wareneingang bis zur Freigabe, Anzahl der Auditfeststellungen und Reklamationen durch fehlende oder falsche Zertifikate.

Menschen & Veränderung

Beginnen Sie mit der Abteilungsleitung Qualität und den Wareneingangsmitarbeitenden, die die Fehlerfälle kennen und die Spezifikationen verantworten; ergänzen Sie Einkauf, IT (ERP-Integration) und Geschäftsleitung für das Budget. Auch Lieferanten sind betroffen: Informieren Sie sie früh über erwartete Formate, idealerweise maschinenlesbare Zertifikate. Die/der Datenschutzbeauftragte wird nur einbezogen, wenn Zertifikate personenbezogene Daten wie Prüfernamen enthalten; eine DSFA ist normalerweise nicht nötig, ein AVV mit jedem API-Anbieter aber schon.

Betriebsrat: abhängig vom Einzelfall. Das Werkzeug prüft Dokumente, nicht Personen, aber wenn Prüfungen je Beschäftigtem protokolliert werden, ist das System objektiv zur Leistungsüberwachung geeignet, und § 87 Abs. 1 Nr. 6 BetrVG greift (BAG); § 90 Abs. 1 Nr. 3 verlangt in jedem Fall rechtzeitige Information, wenn sich Arbeitsabläufe durch KI ändern. Informieren Sie den Betriebsrat bei der Pilotplanung und vereinbaren Sie, dass keine individuelle Auswertung erfolgt.

Fördern Sie die KI-Kompetenz (Art. 4 KI-Verordnung) der Prüfer: wie Extraktionsfehler und Fälschungshinweise aussehen und warum ein fehlender Hinweis kein Beleg für Echtheit ist. Kommunizieren Sie, dass das Werkzeug Tippen und Vergleichen übernimmt, während der Qualitätsingenieur die Charge freigibt. Führen Sie einen Pilot mit einer Produktgruppe über vier Wochen parallel zu den manuellen Prüfungen durch und nutzen Sie die Fehlschläge, um die Regeln zu verbessern. Typische Sorgen: Haftung und Kompetenzverlust; begegnen Sie ihnen, indem Sie die menschliche Freigabe beibehalten und für ungewöhnliche Fälle schulen. Leitfäden: GUIDE-009, GUIDE-008, GUIDE-004.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko in der typischen Form — das System unterstützt Qualitätsmitarbeitende und ist kein Anwendungsfall nach Anhang III [6]. Ausnahmen: Ist die Prüfung selbst eine Sicherheitskomponente eines regulierten Produkts nach der Produktgesetzgebung des Anhangs I oder wird sie in einem Konformitätsverfahren einer benannten Stelle eingesetzt, bewerten Sie die Einstufung erneut. Die Pflicht zur KI-Kompetenz (Art. 4) gilt für die Beschäftigten.
• Produkt- und Branchenrecht: Anforderungen an Prüfbescheinigungen nach EN 10204, wie in Bestellungen und Produktnormen festgelegt [1]; Bauproduktenverordnung (EU) 2024/3110 (DoP, digitaler Produktpass) [2]; Werkstoffanforderungen der Druckgeräterichtlinie; Branchenregeln in Luftfahrt, Schienenverkehr und Kerntechnik. Die KI-Ausgabe ersetzt nicht die Pflicht des Herstellers oder der benannten Stelle.
• DSGVO: Zertifikate enthalten normalerweise wenig personenbezogene Daten (Prüfernamen, Unterschriften); schließen Sie bei Cloud-Diensten einen Auftragsverarbeitungsvertrag ab; löschen oder schwärzen Sie nicht benötigte personenbezogene Daten.
• Betrug und Haftung: Gefälschte Zertifikate sind ein bekanntes Risiko in Lieferketten für Metalle. Gegenmaßnahmen: Prüfung des Ausstellers, Abgleich der Schmelzennummern, Lieferantenaudits und physische Prüfung. Ein Modell, das „keine Auffälligkeit" meldet, ist kein Beleg für Echtheit.
• Vertraulichkeit: Zertifikate verraten Kundenprojekte und Lieferantenrezepturen; bevorzugen Sie EU- Hosting oder Weg C bei sensiblen Projekten; protokollieren Sie Zugriffe.
• Gegenmaßnahmen: deterministische Konformitätsregeln, Konfidenzschwellen, menschliche Freigabeentscheidung, Audit-Protokoll von KI-Vorschlag gegenüber Prüferentscheidung, Aufbewahrung nach Produkt- und Vertragspflichten.

Erste Schritte

1. 100–200 reale Zertifikate sammeln (inkl. schlechter Scans, mehrerer Sprachen, 3.2-Zeugnisse) und einige, die zuvor abgelehnt wurden; für 30 davon die Referenzwerte (Ground Truth) annotieren.
2. Das Schema festlegen (Schmelzennr., Güte, Norm, Chemie, Mechanik, Aussteller, Zertifikatstyp) und die Grenzwerte Ihrer 5–10 häufigsten Güten als strukturierte Regeln abbilden.
3. Die Extraktion mit einem Cloud-VLM (Weg B) und mit Docling plus Qwen3-VL (Weg C) als Prototyp aufbauen; die Feldgenauigkeit auf dem annotierten Datensatz vergleichen.
4. Einen Monat lang im Schattenbetrieb neben der Wareneingangsprüfung laufen lassen; Abweichungen messen.
5. Schmelzen-/Chargennummern mit ERP/QMS verbinden und auf KI-zuerst-Prüfung mit menschlicher Kontrolle der Ausnahmen umstellen.

Quellen

1. Wikipedia — Mill test report (EN 10204 types 3.1 and 3.2) — https://en.wikipedia.org/wiki/Mill_test_report
2. European Commission — Construction Products Regulation, CPR 2024 revision (dates, Digital Product Passport) — https://single-market-economy.ec.europa.eu/sectors/construction/construction-products-regulation-cpr/cpr-2024-revision_en
3. Docling project — https://github.com/docling-project/docling
4. Qwen3-VL (Alibaba Qwen team) — https://github.com/QwenLM/Qwen3-VL
5. vLLM project — https://github.com/vllm-project/vllm
6. EU AI Act — Annex III high-risk categories — https://artificialintelligenceact.eu/annex/3/
7. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj