Röchling Automotive und GFT schließen Partnerschaft: GenAI-Assistent als erster gemeinsamer Meilenstein
Die Herausforderung
Masse an Dokumenten mit individuellen Kundenspezifikationen
Als einer der führenden Automobilzulieferer erhält Röchling Automotive bei Ausschreibungen regelmäßig umfangreiche Lastenhefte. Diese Dokumente sind essenziell für Angebot, Entwicklung und Fertigung. Dabei handelt es sich um hunderte Seiten voller technischer Spezifikationen, Tabellen und Zeichnungen. Einen standardisierten Aufbau gibt es dabei allerdings nicht: Jeder Kunde strukturiert seine Lastenhefte ganz individuell. Gerade wegen dieser Heterogenität konnten die wichtigen Dokumente bisher kaum automatisiert ausgewertet werden.
Röchling Automotive musste alle Spezifikationen manuell prüfen, relevante Anforderungen herausfiltern und mit eigenen Entwicklungsdaten abgleichen. Dieser Schritt band viel Zeit und Personal – insbesondere, wenn während eines Projekts neue Versionen oder Ergänzungen hinzukamen.
Der Automobilzulieferer benötigte daher eine Lösung, die Informationen nicht nur erkennt, sondern sie gleichzeitig zuverlässig standardisiert und vergleichbar macht – mit maximaler Präzision bei minimalem Aufwand.
Der GenAI-basierte Assistent erkennt, strukturiert und vergleicht technische Informationen und beschleunigt so die Angebotsphase signifikant. Damit eröffnet sich eine völlig neue Effizienz. Zugleich bildet der Assistent eine solide Basis für künftige KI-Initiativen.
Das Projekt
Entscheidung für GFT
Röchling suchte für dieses Projekt einen Partner, der Technologiekompetenz und Innovationskraft vereint.
Der Automobilzulieferer entschied sich für GFT – überzeugt von unserer Kompetenz, generative KI in kurzer Zeit produktiv nutzbar zu machen.
Das gemeinsame Ziel der Zusammenarbeit war es, eine leistungsfähige Plattform mit messbarem Mehrwert zu entwickeln– und das ohne langwierige Proof-of-Concepts.
Dank agiler Methoden und enger Zusammenarbeit entstand ein Projekt, das Innovation direkt in den operativen Alltag bringt.
Unser Ziel war von Anfang an klar: Wir wollten nicht bloß eine Anwendung entwickeln, sondern gemeinsam mit Röchling zeigen, wie sich KI produktiv in bestehende Prozesse integrieren lässt. Die agile Arbeitsweise mit regelmäßigem Nutzerfeedback war entscheidend, um in kurzer Zeit messbare Ergebnisse zu erzielen.
Von der Dokumentanalyse bis zum Wissensspeicher: Aufbau der Lösung
Die gemeinsam entwickelte Plattform basiert auf der Google-Cloud-Infrastruktur und kombiniert mehrere moderne KI-Komponenten. Der GenAI-Assistent nutzt Large Language Models (LLMs) – konkret Vertex AI mit Gemini 2.5 Pro – um technische Inhalte in Lastenheften präzise zu verstehen, zu strukturieren und in standardisierte Formate zu überführen.
Technische Umsetzung im Detail
Zu Beginn wurde eine mehrstufige Architektur entworfen, die den gesamten Verarbeitungsprozess in klar abgegrenzte Microservices aufteilt:
1. Intelligente Dokumentvorbereitung
Nach dem Upload wird das Lastenheft automatisch analysiert und in logisch zusammenhängende Segmente zerlegt – etwa Kapitel, Tabellen oder Parameterblöcke.
2. Semantische Segmentierung (Chunking)
GFT entwickelte eine Logik, die Dokumente auf Basis semantischer und visueller Merkmale in kleinere inhaltliche Abschnitte teilt. Dadurch kann das LLM gezielt auf definierte Inhalte zugreifen, was Tokenverbrauch und Rechenzeit um bis zu 40 % reduziert und die Qualität der Extraktion deutlich verbessert.
3. LLM-gestützte Extraktion über Vertex AI / Gemini
Anschließend verarbeitet das System die Segmente über Vertex AI / Gemini 2.5 Pro. Über speziell konstruierte Systemprompts wird das Modell auf die Sprache der Automobilbranche abgestimmt. Es erkennt technische Anforderungen, Maße, Materialien und Toleranzen und überführt sie in ein strukturiertes JSON-Schema.
4. Post-Processing und Normalisierung
Nach der Extraktion werden Einheiten angeglichen, Synonyme zusammengeführt und Werte validiert. Die aufbereiteten Daten werden in ein standardisiertes internes Datenmodell überführt, um Vergleiche und Aggregationen zu ermöglichen.
5. Semantische Speicherung und Suche
Alle Ergebnisse werden vektorisiert und in der Vertex AI Matching Engine gespeichert. Dadurch lassen sich Inhalte kontextsensitiv durchsuchen und mit früheren Projekten vergleichen – ein entscheidender Schritt hin zu einem unternehmensweiten Wissensspeicher.
6. Feedback-Mechanismus
Über eine Validierungsansicht können Ingenieurinnen und Ingenieure beliebige Passagen markieren, korrigieren oder kommentieren. Diese Rückmeldungen werden gesammelt und fließen in eine kontinuierliche Verbesserung der Modelle ein.
Die Lösung ist modular aufgebaut, mit serverlosen Microservices auf Google Cloud Run, sodass sie automatisch skaliert und keine hohen Fixkosten verursacht. Der modulare Aufbau ermöglicht es zudem, neue Use Cases – etwa Vertragsprüfung oder Qualitätsanalyse – später unkompliziert anzubinden.
Funktionsumfang der Lösung auf einen Blick:
- Automatische Extraktion technischer Daten aus umfangreichen Lastenheften
- Standardisierung und strukturiertes Mapping der Inhalte in ein internes Datenmodell
- Vergleich der extrahierten Daten mit Röchlings Projektdatenbasis
- Dokumentenvergleich zur Erkennung von Abweichungen zwischen Versionen
- Chatbot-basierte, kontextbezogene Abfragefunktion
- Integrierter Feedback-Mechanismus zur Qualitätssteigerung
- Skalierbare, serverlose Architektur
Unsere Partnerschaft mit Röchling zeigt, was möglich ist, wenn Technologie, Fachwissen und Vertrauen zusammenkommen. KI-Projekte werden dann erfolgreich, wenn sie aus dem operativen Alltag heraus gedacht und mit klarer Strategie umgesetzt werden – genau das haben wir hier realisiert.
Vom Kick-off zum Go-live: Meilensteine und Entwicklungsphasen
Das Projekt startete im Juni 2025 mit dem klaren Ziel, binnen zwölf Wochen eine produktive Lösung bereitzustellen.
Bereits im ersten Monat entstand eine Minimalversion, die einfache Lastenhefte einlesen und relevante Daten extrahieren konnte.
In der zweiten Phase folgten ein Vergleichsmodul und eine Risikoklassifizierung, die Abweichungen zwischen Versionen sichtbar machten.
Im dritten Monat wurde die Chat-Funktion integriert und die Validierung durch Fachanwenderinnen und Fachanwender durchgeführt.
Der Go-live erfolgte im Oktober 2025, parallel zur internen Präsentation auf der Röchling-Innovationskonferenz – dort wurde das Projekt als Top-Innovation ausgezeichnet.
Die außergewöhnlich kurze Time-to-Value war das Resultat eines agilen, interdisziplinären Projektteams: Data Scientists, Cloud-Engineers und Fachanwender arbeiteten in iterativen Sprints mit wöchentlichen Reviews und klar definierten Testzyklen zusammen.
Ein KI-Projekt, das nicht in der Konzeptphase stecken bleibt, sondern echten Mehrwert im Tagesgeschäft liefert. Genau das haben wir gemeinsam in kürzester Zeit realisiert.
Ergebnisse
Effizienz, Qualität und Innovationsvorsprung
- Schnellere Angebotsprozesse durch automatisierte Informationsgewinnung
- Deutlich verbesserte Datenqualität und Nachvollziehbarkeit
- Plattform als strategischer Innovationstreiber für künftige KI-Projekte
Dieses Projekt ist nicht nur ein Erfolg in operativer Hinsicht. Es zeigt, wie technologische Tiefe und Mut zur Innovation die Arbeitsweise eines Unternehmens nachhaltig verändern können.
Ausblick
Die Plattform als Basis für zukünftige KI-Ökosysteme
Nach dem erfolgreichen Einsatz der Lösung in der Produktentwicklung, soll sie auf weitere Unternehmensbereiche erweitert werden – etwa für Vertragsanalysen, Risikoabschätzungen oder Standardvergleiche.
Die modulare Plattform, kombiniert mit KI-gestütztem Wissenstransfer, bildet das Fundament für eine zukunftsorientierte, datengetriebene Organisation.
Die Partnerschaft von GFT und Röchling zeigt, welches Potenzial in einer technologisch ambitionierten und zugleich vertrauensvollen Zusammenarbeit liegt und wie Unternehmen durch den produktiven Einsatz von KI unmittelbar profitieren können. Dabei entsteht der Mehrwert nicht erst in der Zukunft: Bereits jetzt liefert der GenAI-Assistent konkreten Nutzen und bildet zugleich die Grundlage für weitere gemeinsame Projekte.
Wir denken KI nicht als Einzellösung, sondern als strategisches Fundament. GenAI ist dabei unser Startpunkt. Ziel ist eine skalierende Plattform, die Wissen intelligent vernetzt und Entscheidungen beschleunigt. Dahinter steckt der Gedanke, mehr Ressourcen für die Entwicklung nachhaltiger Produkte zu haben. Die notwendigen Voraussetzungen dafür schaffen wir gerade gemeinsam mit GFT.
