Sonstige

EHS-Risikobewertung: Multimodale Dokumentenanalyse von P&IDs und Sicherheitsnormen

Ein Unternehmen der chemischen Industrie bereitet Risikobewertungen für die Anlagensicherheit aus Arbeitsbeschreibungen und technischen Fließbildern vor. Eine multimodale Anwendung gleicht diese Unterlagen mit Sicherheitsnormen ab und erzeugt strukturierte EHS-Berichte. Die Berichtserstellung wird dadurch um die Hälfte schneller, die fachliche Freigabe bleibt bei den Sicherheitsexperten.
Schematischer Plan auf einem Tisch in einer Industriehalle

Ausgangssituation

Ein Unternehmen der chemischen Industrie wollte die Erstellung von Risikobewertungen im Bereich Environment, Health and Safety (EHS) verlässlicher aufstellen. Sicherheitsfachkräfte, Anlagenplaner und Compliance-Verantwortliche bewerten vor Wartungen und Änderungen an Anlagen die damit verbundenen Gefahren. Sie lesen Arbeitsbeschreibungen, gleichen sie mit relevanten Sicherheitsnormen ab und übertragen die Ergebnisse in ein festes Berichtsformat. Parallel werten sie technische Fließbilder aus, sogenannte Piping and Instrumentation Diagrams (P&IDs). Darin sind Apparate, Leitungen und Sicherheitsfunktionen einer Anlage dokumentiert.

Dieser Ablauf ist fachlich anspruchsvoll. Chemische Anlagen unterliegen strengen Vorgaben, unter anderem ATEX und Normen der Reihe DIN EN ISO. Risikobewertungen sind vor Eingriffen an der Anlage vorgeschrieben, und die Qualität der Dokumente hängt stark von der verfügbaren Expertenzeit ab. Das Unternehmen suchte einen Weg, normgerechte Berichte schneller vorzubereiten, ohne die fachliche Freigabe durch Sicherheitsexperten zu ersetzen. Die Anwendung sollte Texte und komplexe Diagramme verarbeiten und daraus nachvollziehbare Bewertungsentwürfe ableiten.

Unsere Lösung

AMAI entwickelte eine Web-Anwendung, die Risikobewertungen aus zwei Quellen vorbereitet: aus Beschreibungen von Arbeitsvorgängen und aus P&ID-Fließbildern. Sicherheitsnormen liegen als durchsuchbare Wissensbasis vor. Große Sprachmodelle erzeugen daraus Entwürfe für strukturierte Berichte, die Fachleute prüfen und weiterverwenden.

  • Normenrecherche im Dialog: Sicherheitsexperten stellen Fragen zu EHS-Vorgaben direkt gegen die hinterlegten Normen. Eine semantische Suche mit Azure AI Search findet passende Stellen in Dokumenten der Reihe DIN EN ISO und in verwandten Sicherheitsregelwerken. Retrieval-Augmented Generation verbindet diese Fundstellen mit einem großen Sprachmodell, sodass die Antwort am konkreten Vorgang bleibt. Quellen bleiben nachvollziehbar.
  • Berichte aus Arbeitsbeschreibungen: Aus der Beschreibung eines Arbeitsvorgangs erzeugt die Anwendung einen strukturierten Risikobewertungsbericht. Das Sprachmodell gleicht die Tätigkeit mit den relevanten Anforderungen ab und überführt das Ergebnis in das etablierte Berichtsformat, als PDF und als Tabellenblatt. Gefährdungen, betroffene Anlagenteile und empfohlene Maßnahmen folgen einer festen Struktur. Der Entwurf wird geht anschließend zur fachlichen Freigabe. Das System verkürzt den Weg von der Aufgabenbeschreibung zum prüffähigen Dokument.
  • Multimodale Auswertung von Fließbildern: P&IDs liegen als Grafiken vor. Bezeichnungen von Apparaten und Leitungen werden direkt aus der Datei gelesen, ohne optische Zeichenerkennung und ohne ein eigens trainiertes Bilderkennungsmodell. Für die Bildanalyse ersetzt die Anwendung die Textstellen durch neutrale Markierungen. Ein vision-fähiges Sprachmodell auf Azure OpenAI liest daraus Rollen und Verbindungen. Ein zweites Modell interpretiert die technischen Codes. Beide Ergebnisse fließen in eine Prozessbeschreibung und eine vorläufige Risikobewertung.
  • Erstellung im Hintergrund: Mehrere Modellabfragen werten Text, Diagramm und Normen aus. Die Anwendung führt diese Schritte im Hintergrund aus und zeigt den Fortschritt im Browser. Sicherheitsfachkräfte laden das fertige Dokument herunter.

Die besondere Schwierigkeit lag in den Fließbildern. P&IDs sind dicht, enthalten viele Codes und verbinden Komponenten über weite Strecken auf dem Blatt. Eine reine Bildbeschreibung reicht nicht, weil die Bedeutung erst aus Grafik und Bezeichnung zusammen entsteht. Die Trennung von visueller Struktur und textueller Interpretation hält beide Ebenen prüfbar. Ergänzend lassen sich Symbole und Metadaten aus vorhandenen Exportdaten für weitere Erkennungsschritte nutzen, ohne ein Modell von Grund auf neu zu trainieren.

Ergebnisse & Business-Impact

Die parallele Ausführung der Modellabfragen hat die Berichtsgenerierung um 50 Prozent beschleunigt. Der textbasierte Teil, also der Abgleich von Arbeitsbeschreibungen mit Normen und die Ausgabe strukturierter Berichte, erreichte eine Qualität, die für den produktiven Einsatz ausreicht. Die Auswertung von P&ID-Fließbildern liegt vor. Diagramme werden ohne nachtrainiertes Erkennungsmodell in eine Prozessbeschreibung und eine vorläufige Risikobewertung überführt.

Für die EHS-Organisation sinkt damit der manuelle Aufwand für Übertragung und Normrecherche. Die Pflicht zur fachlichen Prüfung bleibt. Expertenzeit steht für die Bewertung selbst zur Verfügung, statt für das Zusammensuchen von Normstellen und das Abschreiben von Diagramminhalten. Ein Entwurf mit Quellenbezug ist in sicherheitskritischen Dokumenten belastbarer als ein freier Text. Semantische Suche über Normen und multimodale Auswertung von Fließbildern lassen sich auf weitere Anlagentypen übertragen.

Inhalt
Branche
Sonstige
Thema
Computer Vision
Document AI
Generative AI
Large Language Models (LLMs)
Multimodal AI
Prompt Engineering
Retrieval-Augmented Generation (RAG)
Symbol Recognition
Dauer
2 Monate
Jetzt teilen
Link kopiert!
Dr. Jürgen Stumpp

Bereit für den nächsten Schritt?

Lassen Sie uns gemeinsam herausfinden, wie wir Ihr Unternehmen mit maßgeschneiderter KI unterstützen können.

Dr. Jürgen Stumpp
Managing Partner | AI Strategy Consultant
+49 170 9374842
Kontakt aufnehmen