[eigenentwicklung]

DocuVision — vom PDF-Chaos zur auditierbaren Fertigungsspezifikation

Die Leiterplattenfertigung ist digitalisiert bis zur Geometrie — Gerber, ODB++, IPC-2581. Aber die Informationen, die entscheiden, wie gefertigt wird — Lagenaufbau, Fertigungshinweise, Sonder­anforderungen — stecken fast immer in unstrukturierten PDFs, die erfahrene Sachbearbeiter jeden Tag manuell lesen und interpretieren müssen. DocuVision ist meine Antwort darauf: ein selbstlernendes System, das dieses Fachwissen nicht ersetzt, sondern systematisch mit dem Sachbearbeiter zusammen aufbaut.

Funktionsfähiger Prototyp  ·  Sucht Pilotpartner aus der Leiterplattenfertigung
Live-Demo — Dokumentenverarbeitung
docuvision — fab_spec_rev3.pdf
Eingang: Fertigungs-PDF
FABRICATION NOTES — REV 3
——————————————————
Material: FR4 IT170, Tg 170°C min
Copper weight outer: 1oz / inner: 0.5oz
Board thickness: 1.6mm +/- 10%
Surface finish: ENIG (per IPC-4552)
Min drill: 8 mil (0.20mm)
8 layer stackup attached — see note 4
Solder mask: LPI, green both sides
This design shall meet requirements for
Class 3 products per IPC-6012 rev E.
Impedance ctrl: 50 ohm +/- 10%
Ref IPC-2141A microstrip model, signal
layers 3+6 only. Tolerance to be confirmed.
DocuVision — Extrahierte Attribute

Wie es funktioniert

Konfidenz-Ampel statt Blackbox

Jedes extrahierte Attribut bekommt einen Konfidenz-Score — über 90 % ein Klick zur Bestätigung, darunter Prüfung an der markierten Fundstelle im Originaldokument. Jede Korrektur trainiert das System weiter.

Fachwissen eingebaut, nicht erhofft

IPC-6012-Klassen, Prepreg-Referenzwerte, Oberflächenfinish-Einschränkungen — als strukturierte Wissensbasis im Modell verankert. Das System rät nicht bei unbekannten Layouts, es prüft gegen echtes Fertigungswissen.

Physik-Audit statt Sprachmodell-Bauchgefühl

Zusätzlich zur KI läuft eine deterministische, fest kodierte Regel-Engine (Symmetrie/Parität, IPC-Kupferminima, Microvia-Aspektverhältnis, Oberflächenkompatibilität) — jeder Regelverstoß kommt mit Norm-Referenz und Klartext-Begründung. Bewusste, freigegebene Norm-Abweichungen werden als „Special Engineering Note" auditierbar dokumentiert statt stillschweigend übergangen.

AIMN — strukturierte Lernanweisungen

Jede Beobachtung im System wird typisiert und an die zuständige Komponente adressiert (Sprachmodell, OCR, Bilderkennung, Frontend, Regelwerk) statt als vager Datenpunkt zu verpuffen. Der stärkste Fall: Signale mit direktem Weg in die nächste Trainings-Charge des KI-Modells — eine erkannte Schwäche wird sofort zur gezielten Lernanweisung, nicht erst nach Monaten impliziten Lernens.

Vollständig nachvollziehbar

Jede Angabe trägt einen Herkunftsnachweis: direkt gelesen, abgeleitet, oder aus Fachwissen ergänzt — auditfest für ISO 9001 / IATF 16949.

Technischer Unterbau

Containerisierte Microservice-Architektur, eigens per LoRA feinabgestimmtes Vision-Language-Modell, lokales Sprachmodell über Ollama, vollständig on-premise-fähig — auf Wunsch komplett air-gapped, ausschließlich lizenzunbedenkliche Open-Source-Komponenten.

Docker Compose
On-Premise
Air-Gap-fähig
LoRA Fine-Tuning
Vision-Language-Modell
Ollama
Apache 2.0 / MIT
Keine AGPL-Abhängigkeiten

Pilotpartner gesucht

DocuVision funktioniert in der Entwicklungsumgebung und ist bereit für die Praxisvalidierung. Ich suche einen Pilotpartner aus der Leiterplattenfertigung, der das System mit echten Fertigungsdokumenten testet — mit direktem Einfluss auf die Weiterentwicklung.

Pilotpartnerschaft anfragen Zu den Leistungen