KI beschleunigt First Article Inspection (FAI) in der Luft- und Raumfahrt

In der Luft- und Raumfahrt entscheiden Qualität, Nachvollziehbarkeit und Geschwindigkeit über den Erfolg ganzer Lieferketten. Besonders deutlich wird das bei der First Article Inspection (FAI). Hierbei handelt es sich um einem zentralen Standardprozess, wenn Zulieferer ein Bauteil erstmals fertigen.

Genau hier setzte eines unserer aktuellen KI-Projekte an: Mit dem Ziel, einen hochkritischen Prüfprozess radikal zu beschleunigen, Kosten zu senken und gleichzeitig die Prüfqualität und Audit-Sicherheit zu erhöhen.

Die Ausgangssituation: Ein kritischer, aber zeitintensiver Prozess

Wenn ein neues Bauteil erstmals produziert wird, erstellt der Zulieferer einen FAI-Report, der alle relevanten Nachweise bündelt. Die offiziellen Formulare 1 bis 3 fassen diesen Bericht zusammen und sind später essenziell unter anderem als Nachweis gegenüber Luftfahrtbehörden.

Die Verantwortung liegt beim Supply-Chain-Validator:

• Stimmen die Angaben der Formulare mit den restlichen Dokumenten überein?
• Sind alle Nachweise vollständig und konsistent?
• Gibt es Abweichungen, die zurück an den Zulieferer gespielt werden müssen?

In der Praxis sind diese Reports umfangreich und heterogen:

• 60 bis 120 Seiten (teils deutlich mehr)
• Scans, handschriftliche Notizen, unterschiedliche Sprachen
• unterschiedliche Dokumenttypen innerhalb eines PDFs

Der manuelle Review dauert im Schnitt rund drei Stunden pro Report. Kommen Rückfragen und Korrekturschleifen hinzu, zieht sich der Prozess schnell über mehrere Tage. Gleichzeitig entstehen hohe Kosten unter anderem durch den Einsatz externer Dienstleister.

Die Lösung: KI-gestützte Prüfung mit Human-in-the-Loop

Unser interdisziplinäres Team entwickelte innerhalb von vier Monaten ein KI-basiertes Prüftool für FAI-Reports.

Der Ansatz war bewusst pragmatisch:

1. Upload des FAI-Reports als PDF
2. Automatische Erkennung und Zuordnung der relevanten Dokumenttypen (z. B. Formulare, Work Orders, Konformitätsnachweise)
3. Regelbasierte und KI-gestützte Plausibilitätsprüfungen
4. Strukturierter Ergebnisbericht mit klarer Kennzeichnung von Abweichungen

Entscheidend für die Akzeptanz im Qualitätsumfeld:

• Der Mensch bleibt im Prozess.
• Dokumentzuordnungen werden bestätigt.
• Befunde können kommentiert werden.
• Die finale Freigabe und Unterschrift erfolgt weiterhin durch eine verantwortliche Person.

So bleibt der Prozess prüfbar, nachvollziehbar und audit-tauglich.

„Wir haben die Analyse auf wenige Minuten gedrückt, weil Extraktion und Checks parallel laufen. Das war ein echter Performance-Hebel.“ – Nicolai Schleinkofer

Der Impact: Geschwindigkeit, Planbarkeit und Skalierung

Der größte Hebel liegt klar in der Zeitersparnis:

• Statt rund 3 Stunden dauert der KI-Check heute 5 bis 10 Minuten pro Report.
• Prüfungen werden nicht nur schneller, sondern auch deutlich besser planbar.

Darüber hinaus zeigt sich ein erhebliches wirtschaftliches Potenzial:

• Unsere internen Berechnungen weisen ein Einsparpotenzial von rund 3,4 Mio.€ aus.
• Der Effekt entsteht vor allem durch die deutliche Reduktion externer Dienstleister in diesem Prozess.

Ein weiterer Vorteil: Parallelisierung.

Wo früher Report für Report geprüft wurde, lassen sich heute 10 bis 20 FAI-Checks gleichzeitig durchführen.

Zentrale Learnings aus dem Projekt

• LLMs haben Grenzen – insbesondere bei sehr komplexen technischen Zeichnungen.

  Der größte Entwicklungshebel lag darin, Extraktion, Prompts und Prüflogiken iterativ zu schärfen und Ergebnisse so aufzubereiten, dass sie fachlich überprüfbar bleiben.

• Organisation schlägt Technologie.

  In Konzernumfeldern können Tool-Zugriffe und Plattformfreigaben schnell zum Engpass werden – ein Thema, das früh aktiv gemanagt werden muss.

Ausblick: Skalierung statt Einzellösung

Nach dem erfolgreichen Proof of Concept ist der nächste Schritt klar:

• Breiter Rollout für weitere Supply-Chain-Teams
• Etablierung als Standardtool im FAI-Prozess

Besonders spannend:

FAI ist ein standardisierter Prozess in der Luft- und Raumfahrt. Genau das macht den Ansatz hochgradig übertragbar und skalierbar auch für weitere Organisationen, Kunden und Teams.