LLM-basierte Datenextraktion für den digitalen Produktpass (TwinMind)

TwinMind nutzt KI und RAG zur automatisierten Erstellung Digitaler Produktpässe, indem PDF-Daten in konforme Verwaltungsschalen extrahiert werden. Die für KMU konzipierte Lösung sichert die regulatorische Compliance ohne komplexe PLM-Integration und schützt so den Marktzugang sowie den Wettbewerbsvorteil.

Eckdaten

Kontakt

Beschreibung

Das Projekt TwinMind adressiert die Herausforderungen für KMU im Zusammenhang mit der EU-Verordnung für umweltgerechte Gestaltung nachhaltiger Produkte (ESPR). Im Kern steht die Entwicklung einer KI-gestützten Extraktions-Pipeline, die Large Language Models (LLMs) und Retrieval-Augmented Generation (RAG) nutzt, um die Erstellung digitaler Produktpässe (DPP) zu automatisieren. Durch die Extraktion von Daten aus unstrukturierten PDFs—wie Datenblättern und technischen Zeichnungen—generiert das System standardkonforme Verwaltungsschalen (Asset Administration Shell, AAS).

Im Gegensatz zu bestehenden Enterprise-Plattformen bietet TwinMind einen "Zero-Integration"-Ansatz, der keine strukturierten PLM- oder ERP-Daten voraussetzt. Die Lösung integriert das AAS-Schema direkt in den Extraktionsprozess, wodurch das System verschachtelte Strukturen, Einheitenumrechnungen und dokumentenübergreifende Zusammenhänge verarbeiten kann.

Dieser Innocheque-Pilot mit der Elwitec GmbH dient als funktionaler Proof-of-Concept zur Validierung von Genauigkeit und Vollständigkeit und schafft die Grundlage für künftige Forschungs- und Entwicklungsprojekte.