Viele KI-Lösungen auf dem Markt (oft ursprünglich für den Großhandel entwickelt) sind exzellente "Matcher". Sie nehmen einen Textstring aus einer E-Mail und suchen die exakte Entsprechung in einer Datenbank mit 100.000 Artikeln. Das ist beeindruckend schnell, aber für Fertiger oft nutzlos.
Warum? Weil in der Industrie Kontext wichtiger ist als Syntax.
Ein Beispiel aus der Praxis:
Ein Instandhalter schreibt: "Benötigen dringend Ersatz für Rillenkugellager 6210 für unseren Lüftermotor, läuft bei ca. 100°C Umgebungstemperatur."
- Die "Katalog-KI" (Lexikalische Suche): Sie scannt den Text, findet "Rillenkugellager 6210" und sucht genau diese Nummer im ERP. Sie bietet das Standardlager 6210 (offen, normale Lagerluft CN) an. Das Lager wird eingebaut. Durch die 100°C dehnt sich der Stahl aus. Da das Standardlager zu wenig Spiel hat, frisst es sich nach zwei Wochen fest. Die Anlage steht, der Motor ist eventuell durchgebrannt.
- Die Industrie-KI (Semantische & Physikalische Analyse): Smart Quote identifiziert "6210" als Basistyp, erkennt aber im Kontext die Bedingung "100°C Umgebungstemperatur". Es weiß aus der Trainingsdatenbasis (technische Normen), dass bei hohen Temperaturen die Materialausdehnung kompensiert werden muss. Sie warnt den Vertriebsinnendienst oder schlägt direkt das korrekte Produkt vor: 6210-C3 (C3 = erhöhte Lagerluft).