EMV-Dokumentation automatisieren

Das echte Ausmaß des Problems

EMV-Dokumentation gilt in vielen Unternehmen als notwendiges Übel: kein Umsatz damit zu machen, aber ohne Dokumentation kein Produkt auf dem EU-Markt. Das führt dazu, dass sie als letzte Aufgabe vor der Markteinführung behandelt wird — mit entsprechenden Folgen.

Die EU-Marktüberwachungsbehörden (AdCos) haben Daten veröffentlicht, die zeigen, wie häufig diese Unterschätzung nach hinten losgeht: Wenn CE-gekennzeichnete Produkte stichprobenhaft geprüft werden, entsprechen zwei Drittel nicht den Anforderungen — bei einer Beanstandungsrate von 66 Prozent. Noch aufschlussreicher ist die Ursachenanalyse: 63 Prozent der festgestellten Nichtkonformitäten hatten ihren Ursprung in Dokumentationsmängeln — nicht in technischen Produktfehlern. Das Produkt war in Ordnung, die Unterlagen nicht (EU AdCos, Daten 2018, berichtet durch Element Materials Technology).

Eine 2023 durchgeführte Befragung europäischer EMV-Testlabore bestätigt das: Dokumentationsprobleme sind für 35 Prozent der nicht bestandenen Compliance-Audits verantwortlich. Nahezu genauso häufig: falsch ausgewählte oder falsch angewendete harmonisierte Normen — ein Fehler, der nicht erst beim Audit, sondern schon während der Dokumentationserstellung hätte erkannt werden müssen.

Was steckt dahinter? Drei Ursachen treten immer wieder auf:

• Normenvollständigkeit ist nicht trivial. Für ein industrielles Netzteil können leicht zehn oder mehr CISPR- und EN-Normen gleichzeitig relevant sein — je nach Einsatzumgebung (Klasse A oder B), Spannungsbereich, Frequenzgang und Schnittstellen. Welche wirklich anwendbar sind und welche nicht, erfordert Urteil — das bis dato manuell aufgebracht werden muss.

• Prüfberichte kommen nicht in einem einheitlichen Format. Jedes Labor liefert seine DIN-EN-ISO/IEC-17025-konformen Berichte anders: mal als strukturiertes Word-Dokument, mal als PDF, mal als Scan. Die Extraktion relevanter Messwerte für die Technische Dokumentation ist händische Arbeit.

• Normen ändern sich. Die harmonisierte Normung unter der EMCD 2014/30/EU wird laufend aktualisiert. EN 55032 ersetzte CISPR 22 mit mehrjährigen Übergangsfristen. Wer seine Dokumentationsvorlagen nicht systematisch pflegt, arbeitet irgendwann mit veralteten Normbezügen — oft unbemerkt, bis ein Auditor nachfragt.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus EMV-Compliance-Projekten bei KMU mit 2–15 zertifizierten Produkten pro Jahr; keine repräsentative Studie.

Der entscheidende Mehrwert liegt nicht bei der Zeitersparnis allein. Eine vollständige Normenvollständigkeitsprüfung vor dem Labortermin — nicht danach — verhindert teure Nachprüfungsschleifen. Eine fehlende EFT-Prüfung, die vor dem ersten Laborbesuch erkannt wird, kostet nichts. Dieselbe Lücke, die nach dem Testlauf und kurz vor dem Markteinführungstermin auffällt, kostet vier Wochen und 3.000–8.000 Euro.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Die Zeitersparnis ist das klarste Argument: Statt 3–5 Arbeitstagen für die Dokumentation einer Produktvariante sind 4–8 Stunden realistisch, sobald Templates und Extraktionsregeln einmal eingerichtet sind. Das sind 70–80 Prozent weniger Aufwand für eine Aufgabe, die keine ingenieurstechnische Kreativität erfordert — sondern Vollständigkeit, Systematik und Formbewusstsein. Nur der Technische Spezifikationsgenerator und die Netzberechnung übertreffen diese Ersparnis in der Kategorie, weil sie direkte Ingenieurstätigkeit ersetzen statt Dokumentationsarbeit.

Kosteneinsparung — niedrig (2/5) Die Einsparungen sind real, aber indirekt: Ingenieurszeit, die von Dokumentationsarbeit für Entwicklungsaufgaben freigestellt wird. Direkte Kosteneinsparungen — weniger Nachprüfungsschleifen, keine teuren Dokumentationsmängel im Audit — sind schwerer zu isolieren. Die Einrichtungskosten (8.000–15.000 Euro für eine vollständige Dokumentations-Pipeline) sind nicht trivial. Im Vergleich zu Kabelberechnung oder Angebotskalkulation, die direkte Materialkosten oder Margen beeinflussen, bleibt EMV-Dokumentation ein indirekter Hebel.

Schnelle Umsetzung — mittel (3/5) 6–10 Wochen bis zum ersten produktiven Einsatz: Template-Aufbau, Prüfbericht-Integration, Normenvollständigkeits-Logik. Das ist mehr Aufwand als beim Normendokumentations-Monitoring (das nur Alerting aufbaut) oder der Angebotskalkulation (die auf strukturierten Daten aufsetzt). Wer unstrukturierte Labor-PDFs als Hauptquelle hat, braucht zusätzliche Zeit für OCR-Konfiguration. Wer dagegen bereits R&S-EMC32-Exporte in strukturierten Formaten erhält, kann schneller starten.

ROI-Sicherheit — hoch (4/5) Der Nutzen ist klar messbar: Wie viele Dokumentationsmängel wurden beim letzten Audit festgestellt? Wie viele Nachprüfungsschleifen gab es im Vorjahr? Beides sind Baseline-Kennzahlen, die vorher und nachher verglichen werden können. Gegenüber dem Normendokumentations-Monitoring (das auch 4 hat, aber indirekter misst) ist die EMV-Dokumentation etwas konkreter — weil das Output ein physisches Dokumentenset pro Produkt ist, das man auf Vollständigkeit prüfen kann.

Skalierbarkeit — mittel (3/5) Einmal eingerichtete Templates und Prüfregeln lassen sich für weitere Produkte in der gleichen Baureihe gut wiederverwenden. Sobald aber eine neue Produktfamilie mit anderen Normenanforderungen hinzukommt — etwa der Einstieg in den Bereich Funkgeräte (RED 2014/53/EU statt EMCD) — ist ein neuer Template-Aufwand nötig. Das macht die Skalierbarkeit begrenzt und unterscheidet sich von Lösungen wie Kundenanfragen-Klassifizierung oder der Technischen Spezifikation, die einmal eingerichtet proportional mitwachsen.

Richtwerte — stark abhängig von Prüfberichtsformat, Laborsoftware und Produktkomplexität.

Was die Automatisierung konkret macht

Die Automatisierung greift in drei Schritten ein: Extraktion, Vollständigkeitsprüfung und Dokumentgenerierung.

Schritt 1 — Prüfbericht-Extraktion Das System liest den Prüfbericht aus dem EMV-Labor und extrahiert strukturiert: welche Normen wurden geprüft, welche Grenzwerte galten, welche Messwerte wurden erreicht (und mit welchem Sicherheitsabstand zum Grenzwert), welches Messverfahren wurde angewendet, welche Produktkonfiguration lag vor. Diese Extraktion passiert via Generative KI (LLM-Analyse des Berichtstexts) oder via spezialisierter Dokumenten-KI (für strukturierte Extraktion aus PDFs).

Schritt 2 — Normenvollständigkeitsprüfung Das System vergleicht die extrahierten Normbezüge gegen eine Normenmatrix, die für die jeweilige Produktkategorie und den vorgesehenen Einsatzbereich (Wohnbereich, Industrie, Kfz etc.) gepflegt wird. Fehlende Prüfungen werden markiert. Normbezüge, die auf veralteten Ausgaben basieren, werden gekennzeichnet. Dieser Schritt ersetzt nicht das Urteil eines EMV-Experten — er sorgt dafür, dass offensichtliche Lücken nicht erst beim Audit auffallen.

Schritt 3 — Dokumentgenerierung Aus den extrahierten Daten und einem validierten Template werden die Entwürfe für Technische Dokumentation (nach Anhang III EMCD 2014/30/EU) und EU-Konformitätserklärung (nach Art. 14 EMCD) generiert. Das Ergebnis ist kein fertig unterschriftsreifes Dokument — es ist ein strukturierter Entwurf, den eine fachkundige Person prüft und freigibt. Diese Freigabe ist nicht optional: Die EU-Konformitätserklärung ist eine rechtsverbindliche Erklärung; wer sie unterschreibt, haftet persönlich für ihre Richtigkeit.

Was das System nicht kann: Es kann keine fehlenden Messungen ersetzen. Es kann nicht beurteilen, ob eine Produktgestaltung prinzipiell EMV-konform ist. Es kann keine Schirmungskonzepte entwerfen. Die Domäne der Automatisierung ist das Zusammenstellen, Prüfen und Dokumentieren — nicht das Ingenieurstechnische.

Rechtlicher Rahmen der Technischen Dokumentation

Dieser Abschnitt verdient eine eigene Betrachtung, weil die Anforderungen konkreter und strenger sind als bei den meisten anderen Dokumentationspflichten im Mittelstand.

Die EMV-Richtlinie 2014/30/EU gilt für nahezu alle elektrischen und elektronischen Geräte, die auf dem EU-Markt in Verkehr gebracht werden. Ausnahmen gibt es, aber sie sind eng definiert (z.B. Geräte, die keine elektromagnetischen Störungen verursachen können und gegen solche unempfindlich sind). Ein entscheidender Unterschied zur Maschinenrichtlinie oder bestimmten Medizinproduktekategorien: Bei der EMCD gibt es keine Notified-Body-Pflicht — der Hersteller führt die Konformitätsbewertung selbst durch. Das klingt nach weniger Aufwand, ist aber tatsächlich mehr Verantwortung, weil keine externe Institution die Vollständigkeit der Dokumentation prüft.

Anhang III der EMCD definiert den Mindestinhalt der Technischen Dokumentation. Dazu gehören: eine allgemeine Produktbeschreibung, eine Liste der vollständig oder teilweise angewendeten harmonisierten Normen, eine Beschreibung der verwendeten Lösungen zur Einhaltung der grundlegenden Anforderungen (wenn keine harmonisierten Normen angewendet wurden), die Prüfberichte und eine EU-Konformitätserklärung. In der Praxis enthält eine gute Technische Dokumentation deutlich mehr: Schaltpläne, Blockdiagramme, Schirmungskonzept, Stückliste, Angaben zur bestimmungsgemäßen Verwendung.

Die Aufbewahrungspflicht beträgt 10 Jahre ab dem Datum, an dem das letzte Gerät dieses Modells hergestellt wurde. Nicht ab Markteinführung — ab der letzten Produktion. Wer dieses Datum nicht systematisch verfolgt, unterschätzt die tatsächliche Aufbewahrungsdauer.

Die EU-Konformitätserklärung (nach Art. 14 EMCD) ist das Dokument, das dem Produkt beigelegt wird oder auf das Bezug genommen wird. Sie listet Name und Adresse des Herstellers, Produktbezeichnung, eine Erklärung der alleinigen Verantwortung, die angewendeten harmonisierten Normen sowie Ort, Datum und Unterschrift einer bevollmächtigten Person. Diese Person haftet persönlich für die Richtigkeit der Erklärung — eine Konsequenz, die viele Verantwortliche bei automatisch generierten Entwürfen im Kopf behalten sollten.

Prüfprotokoll-Formate: Was die KI lesen kann — und was nicht

Das ist die Integrationsfrage, die über Erfolg oder Misserfolg entscheidet — und die in keinem Anbieter-Prospekt steht.

Maschinenlesbare Exporte (ideal): Labors, die Rohde & Schwarz EMC32 betreiben, können Messdaten als strukturierte XML- oder CSV-Exporte liefern. Das R&S EMC32-K84-Modul generiert Word-Reports mit strukturierten Feldern. Diese Formate sind für KI-Extraktion nahezu problemlos: Normbezüge, Messwerte, Grenzwerte und Prüfkonfiguration sind maschinenlesbar. Wenn du mit einem Labor zusammenarbeitest, frag explizit nach, ob strukturierte Exporte möglich sind — nicht alle Labs bieten das standardmäßig an.

Strukturierte PDF-Berichte: Die meisten Labore liefern DIN-EN-ISO/IEC-17025-konforme Berichte als PDF. Wenn der Bericht im PDF-Drucker erzeugt wurde (nicht gescannt), ist der Text maschinenlesbar. Azure Document Intelligence kann daraus mit einem angepassten Modell zuverlässig Daten extrahieren — Trainingsaufwand ca. 2–4 Wochen mit 20–30 Beispielberichten.

Gescannte PDFs und handschriftliche Protokolle: Hier wird es schwierig. OCR kann Messwerte falsch lesen — aus „-42,3 dBm” wird „-4,3 dBm”, aus „EN 55032” wird „EN 55082”. Solche Fehler in einer Technischen Dokumentation sind nicht nur unschön, sie können eine Konformitätserklärung ungültig machen. Gescannte Berichte sollten nicht als primäre Quelle für automatisierte Dokumentation dienen, ohne dass ein menschlicher Review jeden extrahierten Messwert gegen das Original abgleicht.

Fazit: Kläre das Prüfberichtsformat mit deinem Labor bevor du die Dokumentations-Pipeline aufbaust. Das Format entscheidet, welche Tools sinnvoll sind und wie groß der manuelle Nachprüfungsaufwand bleibt.

Konkrete Werkzeuge — was wann passt

EcoComply — wenn du ein fertiges Produkt schnell und sicher zertifizieren willst EcoComply ist der direkteste Einstieg: Du lädst Produktbeschreibung und vorhandene Prüfberichte hoch, KI-Agenten und Compliance-Experten erstellen Technische Dokumentation und EU-Konformitätserklärung. Fixpreise (399 € Produktbewertung, 3.800 € Full Service ohne Laborkosten). Geeignet für KMU ohne eigene Compliance-Abteilung, die sporadisch zertifizieren. Nicht geeignet als interne Pipeline für Unternehmen mit 10+ Produkten pro Jahr — dann wird die eigene Lösung wirtschaftlicher.

Claude oder ChatGPT — für LLM-gestützte Dokumentenanalyse und Entwürfe Für kleinere Betriebe ohne Entwicklerressourcen ist ein LLM-gestützter Ansatz der pragmatischste Einstieg: Prüfbericht als PDF hochladen, mit einem strukturierten Prompt Normbezüge und Messwerte extrahieren lassen, dann Entwurf der EU-Konformitätserklärung generieren. Die Grenzen sind klar: LLMs können die Normenlogik nicht eigenständig prüfen, sie müssen durch den Prompt geführt werden. Geeignet für 2–5 Produkte pro Jahr, wenn eine EMV-Fachperson die Outputs kontrolliert.

Azure Document Intelligence — für die skalierbare Extraktion aus Prüfberichten Wer regelmäßig Prüfberichte in PDF-Form verarbeitet, kommt mit einem Custom-Modell in Azure Document Intelligence auf die strukturiertere Lösung. Training mit 20–30 historischen Berichten des gleichen Labors reicht typischerweise, um Messwerte und Normbezüge mit 90–95 % Genauigkeit zu extrahieren. Die Extraktion ist dann der erste Schritt einer Pipeline, deren zweiter Schritt die Normenvollständigkeitsprüfung und dritter die Dokumentgenerierung ist.

Make.com — für die Workflow-Orchestrierung der Dokumenten-Pipeline Der Kleber der Pipeline: Make.com verbindet Lab-E-Mail-Empfang (oder einen freigegebenen Ordner) mit Azure Document Intelligence, übermittelt die extrahierten Daten an ein LLM für die Entwurfsgenerierung und legt die Ergebnisse in SharePoint ab. Für Teams ohne Entwicklerkenntnisse ist das die handhabbare Variante einer ansonsten komplexen Integration. Laufende Kosten: ca. 10–20 Euro/Monat bei mittlerem Volumen.

Norm.ai — als Ergänzung für Normenänderungs-Monitoring Norm.ai überwacht IEC- und VDE-Normenänderungen und sendet Alerts, wenn relevante Normen aktualisiert werden. Das ist eine Ergänzung zur EMV-Dokumentations-Pipeline, kein Ersatz: Wenn EN 55032 eine neue Edition bekommt, weißt du es — aber die Anpassung der Templates und Normenmatrix musst du selbst vornehmen. Kosten: ca. 200–500 Euro/Monat.

Zusammenfassung: Wann welcher Ansatz

• Einzelprodukt, ohne interne Ressourcen → EcoComply
• 2–5 Produkte/Jahr, EMV-Fachperson vorhanden → Claude oder ChatGPT mit strukturiertem Prompt
• 5–20 Produkte/Jahr, strukturierte PDF-Berichte → Azure Document Intelligence + Make.com-Pipeline
• Normenänderungs-Monitoring parallel → Norm.ai
• Maschinenlesbare R&S-EMC32-Exporte vorhanden → direkte Datenbank-Integration, kein OCR nötig

Datenschutz und Datenhaltung

EMV-Prüfberichte und Schaltpläne sind keine personalisierten Daten im DSGVO-Sinne — aber sie sind oft vertrauliches Betriebswissen. Schaltpläne, Komponentenlisten und Schirmungskonzepte enthalten proprietäre Produktinformationen, die nicht in fremde Hände gehören.

Für die datenschutzrechtliche Bewertung gilt:

Prüfberichte aus dem Labor: Enthalten keine personenbezogenen Daten — kein DSGVO-Problem. Aber Geschäftsgeheimnisschutz (Richtlinie 2016/943/EU) ist relevant, wenn detaillierte Produktinformationen an Cloud-Dienste übergeben werden.

EU-Datenhosting als Mindestanforderung: Alle genannten Tools haben EU-Datenhosting-Optionen. Azure Document Intelligence läuft in West Europe (Amsterdam) oder Switzerland North. EcoComply verarbeitet auf EU-Servern. Claude ist für DSGVO-konforme Unternehmensnutzung über AWS Bedrock in Frankfurt verfügbar. US-basierte Endpunkte für Produktionsworkflows mit proprietären Schaltplänen sind aus Geheimhaltungsperspektive bedenklich — auch ohne DSGVO-Relevanz.

Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO: Wenn Mitarbeiterdaten irgendwie Teil der Dokumentation sind (z.B. Unterschriften auf Prüfprotokollen), ist ein AVV mit Cloud-Anbietern erforderlich. Alle genannten Tools stellen AVV-Vorlagen bereit.

Empfehlung: Schreib in dein Geheimhaltungskonzept, welche Produktinformationsebene in welche Systeme fließen darf. Öffentlich bekannte Produktmerkmale können über SaaS-Dienste verarbeitet werden. Proprietäre Schaltungsdetails und Messrohdaten sollten entweder on-premise oder in einer dedizierten EU-Cloud-Umgebung bleiben.

Was es kostet — realistisch gerechnet

Einstiegslösung — LLM-gestützter Ansatz (für 2–5 Produkte/Jahr)

• Claude Pro oder ChatGPT Plus: 18–22 Euro/Monat
• Einmaliger Template-Aufbau und Prompt-Entwicklung: 2–4 Wochen interner Aufwand (oder 3.000–6.000 Euro externer Dienstleister)
• Gesamtkosten Jahr 1: ca. 3.250–6.270 Euro
• Einsparung: 3–5 Ingenieurtage à 500–800 Euro Gesamtkosten je Produkt → bei 3 Produkten im Jahr 4.500–12.000 Euro eingesparte Arbeitszeit
• Break-even: nach 1–2 Jahren realistisch

Pipeline-Lösung — Azure Document Intelligence + Make.com (für 5–20 Produkte/Jahr)

• Azure Document Intelligence Custom Model: 10 USD/1.000 Seiten + Infrastrukturkosten ca. 100–300 Euro/Monat
• Make.com Business: 20 Euro/Monat
• Einrichtungsaufwand: 6–10 Wochen (intern oder externer Dienstleister 8.000–15.000 Euro)
• Gesamtkosten Jahr 1: 8.400–15.400 Euro
• Einsparung bei 10 Produkten/Jahr: 30–50 Ingenieurtage, 15.000–40.000 Euro eingesparte Arbeitszeit
• Break-even: in den meisten Fällen im zweiten Betriebsjahr

Spezialisierte Lösung — EcoComply (nach Bedarf, ohne Einrichtungsaufwand)

• Produktbewertung: 399 Euro/Produkt; Full Service: 3.800 Euro/Produkt
• Kein Setup-Aufwand, kein interner Entwicklungsaufwand
• Wirtschaftlich bei unter 3 Produkten/Jahr oder als Einmallösung
• Wird teuer bei über 5 Produkten/Jahr — dann ist die Pipeline-Lösung günstiger

Wie du den Nutzen misst: Erfasse vor der Einführung, wie viele Ingenieurtage du pro Produkt für die EMV-Dokumentation aufwendest. Zähle die Anzahl von Nachprüfungsschleifen und Dokumentationsmängeln beim letzten Audit. Diese vier Zahlen sind deine Baseline — nach sechs Monaten Betrieb vergleichst du.

Drei typische Einstiegsfehler

1. Den KI-Entwurf ohne EMV-Fachmann freigeben. Das ist der riskanteste Fehler — und er passiert häufig, weil die automatisch generierten Dokumente überzeugend strukturiert aussehen. Ein LLM kann eine EU-Konformitätserklärung mit den richtigen formalen Bestandteilen (Normbezüge, Produktbezeichnung, Datum) produzieren — aber es kann nicht beurteilen, ob die referenzierten Normen tatsächlich für dieses Produkt in dieser Konfiguration gelten. Fehlerhafte Normbezüge in einer Konformitätserklärung sind nicht nur ein Compliance-Risiko, sie begründen in Schadensfällen persönliche Haftung der unterzeichnenden Person. Jede automatisch generierte Konformitätserklärung muss durch eine fachkundige Person mit EMV-Kenntnissen geprüft werden — nicht als Formalität, sondern als inhaltliche Kontrolle.

2. Gescannte Prüfberichte als primäre Datenquelle einsetzen. OCR-Fehler bei Messwerten sind in der EMV-Dokumentation keine harmlose Ungenauigkeit. Wenn aus „-48,2 dBµV/m” durch einen OCR-Fehler „-43,2 dBµV/m” wird, hat das Produkt scheinbar weniger Sicherheitsabstand zum Grenzwert — oder überschreitet ihn. Bevor du eine Pipeline mit gescannten Berichten als Input aufbaust, entscheide explizit: Entweder du lässt jeden extrahierten Messwert manuell gegenchecken, oder du setzt auf Labore, die strukturierte digitale Exporte liefern. Eine Mischform — OCR-Extraktion ohne Review — ist für Compliance-kritische Daten nicht vertretbar.

3. Das Dokumentations-Template einmalig aufbauen und danach vergessen. Das ist die stille Variante des Problems: Das System funktioniert ein Jahr lang, dann ändert sich die harmonisierte Normfassung (z.B. neue EN-55032-Ausgabe), und die Templates verweisen weiter auf die alte Version. Das fällt nicht sofort auf — bis ein Auditor nachfragt oder ein neues Labor einen anderen Normenbezug setzt. Dokumentations-Templates für EMV-Compliance müssen aktiv gepflegt werden. Wer das System einrichtet, sollte gleichzeitig festlegen: Wer ist verantwortlich für die Template-Pflege? Was löst eine Überprüfung aus — ein Jahreszyklus, ein Normenänderungs-Alert von Norm.ai, ein neues Laborergebnis mit unbekannten Normbezügen?

Was mit der Einführung wirklich passiert — und was nicht

Der technische Aufbau ist die einfachere Hälfte. Die schwerere Hälfte ist die Akzeptanzfrage: Wer darf einer automatisch generierten Konformitätserklärung trauen?

In Elektronikunternehmen mit langjährigen EMV-Fachleuten gibt es ein vorhersehbares Muster: Der erste Entwurf, den das System produziert, wird kritisch durchleuchtet — und es werden Fehler gefunden. Das ist gut so, denn daraus lernt das System. Das Problem: Wenn der erste Entwurf drei Fehler enthält, schreibt die Fachperson das System ab — auch wenn zwei dieser Fehler auf einen schlechten Ausgangsdatensatz zurückzuführen waren und der dritte auf einen lückenhaften Prompt. Dieses Einmalveto ist das häufigste Adoptionsproblem bei Compliance-Automatisierung.

Was konkret hilft:

• Starte mit einem Produkt, das du bereits kennst. Bau die Pipeline für ein Produkt, dessen EMV-Dokumentation du auswendig kennst — dann kannst du jeden Fehler im Entwurf exakt verorten und rückmelden, ohne zu schätzen, ob der Fehler im System oder in deinem Verständnis liegt.

• Mach die Verbesserungsschleife sichtbar. Führe ein kurzes Fehler-Log: Was hat der erste Entwurf falsch gemacht? Was wurde korrigiert? Nach vier bis sechs Produkten sehen Skeptiker, dass das System systematisch besser wird — nicht weil die KI lernt, sondern weil Prompts und Templates präziser werden.

• Klär die Verantwortungsfrage explizit. Das System erzeugt Entwürfe. Die Fachperson prüft und zeichnet frei. Diese Trennung ist nicht bürokratisch — sie ist der Kern des Qualitätssicherungsprozesses. Wer sie als Kontrolle für das System versteht statt als Formalität, nutzt die eingesparte Zeit für echte inhaltliche Prüfung statt Formatierung.

Was nicht passieren wird: Das System wird die EMV-Fachperson nicht ersetzen. Es wird ihre Arbeit verändern — von stundenlanger Dokumentenassemblage zu einem kurzen, fokussierten Review. Das ist ein wesentlicher Unterschied.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Das rechtliche Risiko ist zu hoch, wir können keine automatisch generierte Konformitätserklärung unterschreiben.” Das ist kein Irrtum — das ist eine korrekte Beobachtung, die zu einem falschen Schluss führt. Die Konformitätserklärung wird natürlich nicht automatisch unterschrieben. Das System generiert einen Entwurf; die EMV-Fachperson prüft und zeichnet frei. Diese Prüfung ist nach wie vor eine inhaltliche Verantwortungsübernahme. Der Unterschied zur heutigen Praxis: Die Person verbringt drei Stunden mit dem Review statt drei Tagen mit der Dokumentenassemblage — und hat für den Review mehr Aufmerksamkeit übrig, nicht weniger.

„Unsere Prüfberichte sind alle anders, das lässt sich nicht automatisieren.” Das ist ein echtes Problem, aber kein unlösbares. Wenn ihr immer mit denselben zwei oder drei Laboren arbeitet, sind deren Reportformate vergleichsweise konsistent. Ein Custom-Modell in Azure Document Intelligence, das auf 20–30 historischen Berichten eines Labors trainiert wurde, erreicht eine Extraktionsgenauigkeit von 90–95 Prozent. Was variiert, ist die Qualität des Trainings — nicht die prinzipielle Machbarkeit. Wer mit zehn verschiedenen Laboren in zehn verschiedenen Ländern arbeitet, hat ein echtes Format-Problem. Für die meisten Mittelständler ist das nicht der Fall.

„Normen ändern sich zu schnell, das Template ist schnell veraltet.” Das stimmt. Und genau deshalb ist Template-Pflege ein eigener Prozess, der explizit geplant werden muss — nicht eine Nebentätigkeit. Mit Norm.ai kann das Monitoring automatisiert werden. Die eigentliche Herausforderung ist nicht die Überwachung, sondern die organisatorische Klärung: Wer ist verantwortlich, wenn ein Normen-Alert eintrifft? Was sind die nächsten Schritte? Diese Frage zu beantworten ist schwieriger als die Technik einzurichten — aber sie muss beantwortet werden, ob du ein KI-System nutzt oder nicht.

Woran du merkst, dass das zu dir passt

• Ihr bringt mindestens zwei bis drei neue Produktvarianten oder -revisionen pro Jahr auf den EU-Markt — und der Dokumentationsaufwand summiert sich auf mehr als zehn Ingenieurtage im Jahr
• Ihr arbeitet mit akkreditierten EMV-Laboren, die strukturierte Berichte oder digitale Exporte liefern können — ohne das ist die Automatisierung stark eingeschränkt
• Eure EMV-Dokumentation folgt einem wiederholbaren Muster — gleiche Produktfamilie, ähnliche Normen, ähnlicher Aufbau der Technischen Dokumentation. Je mehr Einmaligkeit, desto geringer der Automatisierungseffekt
• Eine fachkundige Person mit EMV-Kenntnissen steht für den Entwurfsreview zur Verfügung — sei es intern oder als externer Dienstleister. Ohne diese Prüfinstanz ist die Automatisierung kein Gewinn, sondern ein Risiko
• Ihr habt den Schmerz schon gespürt — eine Nachprüfungsschleife wegen fehlender Prüfung, eine Dokumentationsmangel-Rüge beim Audit, ein Markteinführungstermin, der wegen EMV-Dokumentation nach hinten rutschte

Drei Ausschlusskriterien — wann du noch nicht starten solltest:

1. Weniger als zwei CE-Produkte pro Jahr. Wenn du nur einmal im Jahr oder seltener zertifizierst, lohnt sich der Aufwand für eine eigene Pipeline nicht. Nutze stattdessen EcoComply pro Produkt oder einen spezialisierten Dienstleister — das ist günstiger und risikoärmer als eine selbst entwickelte Lösung, die du danach nicht regelmäßig nutzt und pflegst.

2. Keine strukturierten Prüfberichte vorhanden — nur gescannte Dokumente oder handschriftliche Protokolle. Dann ist die Qualität der Extraktion nicht ausreichend für compliance-kritische Dokumentation. Der erste Schritt ist in diesem Fall nicht die KI-Pipeline, sondern die Umstellung des Labor-Workflows auf digitale Exporte.

3. Kein EMV-Fachmann für den Entwurfsreview. Wenn niemand im Unternehmen (oder als zuverlässiger externer Partner) die generierten Entwürfe inhaltlich prüfen kann, ist die Automatisierung kein Gewinn. Die Konformitätserklärung ist ein rechtsverbindliches Dokument — automatisch generiert oder nicht.

Das kannst du heute noch tun

Lade einen abgeschlossenen Prüfbericht aus deinem letzten CE-Projekt in Claude oder ChatGPT hoch und benutze den untenstehenden Prompt. Du siehst in 15 Minuten, ob die KI relevante Normbezüge korrekt extrahiert und ob die Vollständigkeit deiner Dokumentation Lücken aufweist — ohne ein Cent auszugeben.

Was du danach weißt: Ob der LLM-Ansatz für dein Prüfberichtsformat funktioniert, welche Prompts noch verfeinert werden müssen, und ob deine letzten Prüfberichte die Normen vollständig abgedeckt haben.

Quellen & Methodik

• EU-AdCos-Daten zur Compliance-Rate: EU Administrative Cooperation Groups (AdCos), Daten 2018, berichtet durch Element Materials Technology, „Market Surveillance Highlights Common Failures in CE Marking” (2020). URL: element.com. Geprüfte Produkte: 66 % Beanstandungsquote; Dokumentation Ursache bei 63 % der Nichtkonformitäten.
• EMV-Testlabor-Befragung 2023: Befragung europäischer EMV-Testlabore, zitiert in Recherchen zu EcoComply und compliancetesting.com (2023): Dokumentationsprobleme verantwortlich für 35 % nicht bestandener Compliance-Audits; Fehlauswahl harmonisierter Normen für ca. 40 % der Erstversagen.
• EcoComply-Plattform und Preise: ecocomply.ai/pricing (Mai 2026); Produktbewertung 399 €, Full Service 3.800 € pro Produkt.
• R&S EMC32-K84 Report Generator: Rohde & Schwarz Applikationshinweis 1SP09, „Test Report Generation with R&S EMC32-K84” (aktuelle Version auf rohde-schwarz.com).
• EMCD 2014/30/EU: Richtlinie 2014/30/EU des Europäischen Parlaments und des Rates vom 26. Februar 2014, insb. Anhang III (Technische Dokumentation) und Art. 14 (EU-Konformitätserklärung).
• Azure Document Intelligence: Microsoft-Dokumentation und eigene Erfahrungswerte aus Prüfbericht-Extraktion bei Industrieunternehmen (Stand Mai 2026). Extraktionsgenauigkeit bei Custom-Modellen: 90–95 % bei ausreichendem Trainingsvolumen (min. 20–30 Belege eines Laborformats).

Du willst prüfen, ob eure aktuelle EMV-Dokumentation vollständig ist oder die Pipeline für eure Produktfamilien aufbauen? Meld dich — das klären wir in einem kurzen Gespräch.