Digitalen Produktpass für recycelbare Materialien automatisch erstellen

Das echte Ausmaß des Problems

Der Digitale Produktpass ist kein weiterer Nachhaltigkeitsbericht, den du auf 30 Seiten einreichst und dann vergisst. Er ist ein maschinenlesbares Datenskelett, das an jeden einzelnen Produkttyp (und in manchen Kategorien: an jede einzelne Einheit) geknüpft wird — abrufbar per QR-Code, RFID oder NFC, auf Lebenszeit des Produkts.

Das Unbehagen der Branche ist berechtigt: Laut einer Unternehmenserhebung aus den Jahren 2021 bis 2023 (zitiert in Quality Magazine, 2024) kann nur jedes dritte deutsche Unternehmen Produktdaten heute effizient verwalten. Nur 18 Prozent teilen Produktdaten überhaupt in einem standardisierten Format. Zwei Drittel der betroffenen Unternehmen würden demnach Schwierigkeiten haben, die DPP-Anforderungen aus ihren aktuellen Systemen heraus zu erfüllen.

Die Gründe sind strukturell:

• Materialdaten liegen in Silos. Chargenzertifikate beim Einkauf. Sicherheitsdatenblätter beim Produktmanagement. Recyclinginformationen bei der Entwicklungsabteilung. Lieferanten-Compliance-Angaben per E-Mail. Keine dieser Quellen ist auf das DPP-Datenmodell ausgerichtet.
• Lieferanten haben keine DPP-Bereitschaft. Für Tier-1-Lieferanten wird der Druck zunehmen. Aber der Schadstoffgehalt eines Bauteils liegt oft bei Tier-2- oder Tier-3-Lieferanten — und die haben selten ein strukturiertes Datenmodell.
• Das DPP ist kein Dokument, sondern eine Datenstruktur. Die EU verlangt maschinenlesbare, verifikationsbare, manipulationssichere Daten — keine schön formatierte PDF. Wer heute nur Dokumente pflegt, muss seine Prozesse grundlegend umstellen.

Hintergrund: Die EU-Kommission hat mit der Ökodesign-Verordnung für nachhaltige Produkte (ESPR) im Juli 2024 die rechtliche Grundlage für den DPP geschaffen. Die Verordnung gilt für nahezu alle physischen Produkte, die im EU-Binnenmarkt in Verkehr gebracht werden — mit den ersten Pflicht-Deadlines ab Februar 2027.

Das EU-Regulierungspaket — was wann Pflicht wird

Der DPP kommt nicht auf einen Schlag. Er wird schrittweise für Produktkategorie für Produktkategorie verpflichtend. Das gibt Unternehmen Zeit — aber nur, wenn sie die Reihenfolge kennen.

Erste Welle: Batteriepass (ab 18. Februar 2027)
Die EU-Batterieverordnung (2023/1542) ist der erste DPP-Standard mit verbindlichem Termin. Ab Februar 2027 müssen alle Industrie- und Elektrofahrzeugbatterien mit mehr als 2 kWh Kapazität einen maschinenlesbaren Batteriepass mit QR-Code und CE-Kennzeichnung tragen. Enthalten sein müssen: Rohmaterialherkunft, Kohlenstoff-Fußabdruck, Lebenszyklus-Performance, Recyclinginformationen und der Name des verantwortlichen Wirtschaftsakteurs. Die operativen Leitlinien wurden von der EU-Kommission bis August 2025 veröffentlicht.

Zweite Welle: Textilien und Eisen/Stahl (2027–2028)
Ein delegierter Rechtsakt für Textilien wird voraussichtlich 2027 verabschiedet, mit ca. 18 Monaten Übergangszeit. Für Eisen, Stahl und Aluminium läuft die Deadline-Entwicklung parallel.

Dritte Welle: Elektronik und Displays (2028–2030)
Elektronische Displays (2027), mobile Elektronik (2031), Möbel (2028), Reifen (2027) — das ESPR-Arbeitsprogramm 2025–2030 umfasst mehr als 30 Produktkategorien insgesamt.

Was das für die Planung bedeutet: Wer Batterien oder Batteriepacks produziert, hat keine Pufferzeit mehr. Wer Textilien oder Elektronik produziert, hat theoretisch noch bis 2027–2028 — aber die Dateninfrastruktur braucht 12–18 Monate Aufbauzeit, und die Lieferantenanbindung beginnt erst, wenn du sie anforderst.

Materialpass, Batteriepass, Produktpass — was du eigentlich liefern musst

Drei Begriffe kursieren nebeneinander, und die Verwechslungsgefahr ist hoch. Hier eine klare Abgrenzung — besonders relevant für Unternehmen in der Entsorgung und Kreislaufwirtschaft:

Digitaler Produktpass (DPP) — der Oberbegriff. Ein Pass pro Produkttyp (oder Produktinstanz), der alle relevanten Umwelt-, Sicherheits- und Recyclinginformationen verknüpft und maschinenlesbar vorhält.

Digitaler Batteriepass — der erste verbindliche Untertyp, geregelt durch die EU-Batterieverordnung. Strikte Datenfeldanforderungen, eigene Registrierungspflicht, CE-Kennzeichnung. Ab Februar 2027 Pflicht für >2 kWh.

Materialpass — ein Begriff, der im Bauwesen und bei Produktionsgütern verbreitet ist. Er dokumentiert die Materialzusammensetzung eines Gebäudes oder Produkts für späteres Recycling. Der DPP ist quasi ein erweiterter, standardisierter und digital verknüpfter Materialpass.

Was das für Recycler bedeutet — ein wichtiger Hinweis:
Die Pflicht, einen DPP zu erstellen, liegt beim Wirtschaftsakteur, der das Produkt auf dem EU-Markt in Verkehr bringt — also beim Hersteller oder Importeur. Recyclingunternehmen und Entsorgungsdienstleister, die Produkte am Ende ihres Lebenszyklus verarbeiten, lesen DPPs (um Demontage- und Sortierprozesse zu steuern) — sie erstellen sie in der Regel nicht. Wer also ausschließlich als Entsorger tätig ist und selbst keine Produkte auf den Markt bringt, hat eine andere Rolle: DPP-Konsument, nicht DPP-Produzent.

Das ändert sich, wenn das Recyclingunternehmen auch Sekundärmaterialien oder recycelte Produkte selbst in Verkehr bringt — dann gilt die DPP-Erstellungspflicht wieder.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zeit-Ersparnis klingt abstrakt — bis man rechnet: 80 Produkttypen × 5 Tage manuellem Aufwand = 400 Personentage. Das sind bei einer Person ca. 20 Monate Vollzeitarbeit für das einmalige Befüllen der DPP-Datenbank. Unternehmen, die das in Eigenleistung stemmen wollen, unterschätzen regelmäßig den initialen Aufwand.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5)
Sobald die Dateninfrastruktur steht, erstellt das System einen Produktpass in Minuten statt Tagen. Der Effekt ist besonders stark bei Updates (neue Produktvariante, geänderter Lieferant, neue Regulierungsanforderung) — Änderungen propagieren automatisch auf alle betroffenen Pässe. Nicht die höchste Zeitersparnis im Vergleich zu anderen Anwendungsfällen in dieser Kategorie, weil die Einrichtung selbst viele Wochen bindet.

Kosteneinsparung — niedrig (2/5)
Dieser Anwendungsfall ist primär Compliance-getrieben, nicht kostengetrieben. Die Einrichtungskosten sind erheblich (15.000–100.000 Euro je nach Komplexität), und die laufenden Kosten kommen oben drauf. Der Business Case ist nicht “ich spare Geld” — er ist “ich darf meine Produkte weiter verkaufen und vermeide Marktausschluss und Bußgelder.” Das ist eine andere Kategorie von ROI.

Schnelle Umsetzung — niedrig (2/5)
6–12 Monate von Projektstart bis zum ersten ausgelieferten, behördenkonformen Pass ist realistisch — und damit eines der langwierigsten Projekte in dieser Kategorie. Der Flaschenhals ist nicht die KI-Implementierung, sondern die Dateninfrastruktur: Lieferantenanbindung, Datenfeldmapping, Verifizierungsprozesse. Wer im Oktober 2026 anfängt, hat wenig Puffer für den Batteriepass-Termin im Februar 2027.

ROI-Sicherheit — sehr hoch (5/5)
Selten ist der ROI eines IT-Projekts so sicher: gesetzliche Pflicht bedeutet, dass der Nutzen (Marktzugang, Compliance, Vermeidung von Bußgeldern) 1:1 an der Regulierungsdurchsetzung hängt — und die EU hat hier einen sehr konsequenten Track Record. Wer den DPP nicht hat, kann betroffene Produkte ab dem Pflichttermin nicht mehr legal in der EU verkaufen. Das ist ein ROI-Argument ohne Wenn und Aber.

Skalierbarkeit — sehr hoch (5/5)
Ein einmal aufgesetztes DPP-System skaliert auf beliebig viele Produkttypen und Varianten nahezu ohne Mehraufwand. Jeder neue Produkttyp wird in das gleiche Datenmodell eingespeist, jede Änderung im Lieferantensystem propagiert automatisch. Das ist der Grund, warum sich die Investition auch für Unternehmen mit breitem Produktportfolio rechnet: Der Aufwand pro Pass sinkt mit jedem weiteren Typ dramatisch.

Richtwerte — stark abhängig von Produktkategorie, Lieferkettenkomplexität und vorhandenem Digitalisierungsgrad des Unternehmens.

Was das System konkret macht

Drei technische Bausteine machen die KI-gestützte DPP-Erstellung möglich:

1. Dokumentenextraktion und Normalisierung
Das schwierigste Problem ist nicht die DPP-Erzeugung selbst — es ist das Einlesen von Lieferantendaten aus heterogenen Quellen. Sicherheitsdatenblätter im PDF-Format, Excel-Stücklisten, XML-Exportdateien aus SAP, E-Mails mit Zertifikaten — all das muss in ein einheitliches Datenmodell überführt werden. Hier kommt Azure Document Intelligence oder ein LLM-basierter Extraktions-Agent zum Einsatz: Das System liest die Quelldokumente, identifiziert die relevanten Felder (Materialzusammensetzung, CAS-Nummern für Schadstoffe, Gewichtsangaben, Recyclingcodes) und schreibt sie in strukturierte Datensätze. Manuelle Prüfung bleibt — aber nur noch für Ausnahmen, nicht für jeden Eintrag.

2. Datenmodell-Mapping auf den EU-DPP-Standard
Das EU-DPP-Datenmodell folgt dem GS1-Standard (Global Trade Item Number + GS1 Digital Link) als Identifikationsschicht und EPCIS (Electronic Product Code Information Services) als Traceability-Protokoll. Für die Automobilbranche existiert Catena-X als spezialisiertes Netzwerk. Ein Generative KI-System mappt die extrahierten Feldinhalte auf die standardisierten DPP-Felder — und schlägt für fehlende Pflichtfelder entweder Plausibilitätswerte vor oder flaggt sie für manuelle Ergänzung.

3. Pass-Generierung und QR-Code-Verknüpfung
Das fertige DPP-Datenpaket wird an eine DPP-Registry übergeben (entweder über eine spezialisierte Plattform wie PicoNext oder direkt über GS1-APIs), die den maschinenlesbaren Pass ausstellt und mit einem eindeutigen QR-Code oder DataMatrix verknüpft. Dieser Code kommt auf das Produkt, die Verpackung oder das Begleitdokument — und bleibt über den gesamten Produktlebenszyklus verknüpft, also auch wenn das Produkt den Besitzer wechselt oder in der Recyclinganlage landet.

Die Dateninfrastruktur als Engpass

Wenn DPP-Projekte scheitern oder sich massiv verzögern, dann nicht an der KI. Sie scheitern an der Datengrundlage.

Das ist kein Vorwurf an die Unternehmen — es ist eine strukturelle Realität: Die EU-Ökodesign-Anforderungen sind präziser als das, was die meisten Produktionsdatenbanken heute liefern. Das EU-DPP-Modell verlangt zum Beispiel:

• Materialzusammensetzung auf Stoff-Ebene, nicht nur auf Warengruppen-Ebene
• Schadstoff-Kennzeichnung nach SVHC-Liste (Substances of Very High Concern — die REACH-Kandidatenliste der ECHA)
• Herkunftsnachweise für kritische Rohstoffe (z. B. Kobalt, Lithium, Seltene Erden)
• CO₂-Fußabdruck nach Produktkategorie-Regeln (PCR), nicht als Globalschätzung
• Reparierbarkeit- und Demontageinformationen — welche Teile sind trennbar, welche sind verklebt, welche enthalten Schadstoffe

Für jeden dieser Datenpunkte braucht es eine Quelle. Und für jede Quelle braucht es eine Lieferantenbeziehung, in der du diese Daten auch tatsächlich bekommst. Das ist der kritischste Vorarbeitschritt: Bevor du ein DPP-System aufbaust, musst du wissen, welche Daten du noch nicht hast — und wie du sie beschaffst.

Konkret bedeutet das: In der Projektplanung mind. 8–12 Wochen für Daten-Audit und Lieferantenkorrespondenz einplanen, bevor die erste KI-Extraktion läuft.

Konkrete Werkzeuge — was wann passt

Vier verschiedene Implementierungswege, je nach technischem Reifegrad und Produktkomplexität:

PicoNext — die spezialisierte DPP-Plattform
PicoNext wurde von Grund auf für DPP-Compliance gebaut. Der integrierte Generative-AI-Assistent analysiert Rohdaten aus Lieferkettendokumenten und befüllt die DPP-Felder automatisch — laut Anbieter ein zentraler Faktor für schnellere Produktpass-Erstellung. Preise: ca. 520 Euro/Monat für bis zu 100 DPPs (Essentials), höhere Tiers auf Anfrage. Kein EU-Hosting (US-Server), keine deutsche Lokalisierung — für Unternehmen mit sehr sensiblen Produktdaten ein Datenschutz-Punkt, der mit dem Datenschutzbeauftragten zu klären ist.

Pimcore oder Akeneo Product Cloud — PIM als DPP-Datenbasis
Wer bereits eine Product-Information-Management-Plattform betreibt, kann diese als zentrale Datenbasis für den DPP nutzen. Pimcore (Open Source, EU-Hosting aus Salzburg) hat native KI-Funktionen für Produktdaten-Anreicherung und ist im deutschsprachigen Mittelstand breit etabliert. Akeneo bietet eine breite Integrationsbibliothek. Beide sind kein fertiges DPP-System — sie liefern die Datenbasis, die dann über APIs an eine DPP-Registry übergeben wird. Aufwand höher als bei PicoNext, aber maximale Kontrolle und EU-Datenhoheit.

Azure Document Intelligence + LLM-Pipeline — für Unternehmen mit komplexen Dokumentlandschaften
Wenn Lieferantendaten in sehr heterogenen Formaten vorliegen (gescannte PDFs, alte Excel-Formate, HTML-Seiten von Lieferantenportalen), lohnt es sich, eine eigene Extraktionspipeline aufzubauen: Azure Document Intelligence (EU-Hosting verfügbar, Pay-per-Use ab ca. 1,50 USD/1.000 Seiten) extrahiert die Rohdaten, ein LLM (z.B. ChatGPT oder Claude über API) normalisiert und strukturiert die Felder. Danach Übergabe an das PIM oder direkt an die DPP-Registry. Höchste Flexibilität, aber Developer-Ressourcen nötig.

Make.com oder Zapier — als Verbindungsschicht
Sobald mehrere Systeme zusammenspielen müssen (ERP-Export → Dokumentenextraktion → PIM → DPP-Registry), braucht es eine Automatisierungsschicht. Make.com und Zapier können diese Datenpipeline orchestrieren — kein Code, aber Kenntnisse der einzelnen APIs nötig. Für 50–200 Produkttypen realistisch ohne Entwickler umsetzbar; ab 500+ empfiehlt sich eine dedizierte Integrationsplattform.

Zusammenfassung: Wann welcher Ansatz

• Einstieg, 50–300 SKUs, kein PIM vorhanden → PicoNext
• Bestehende PIM-Infrastruktur vorhanden → Pimcore oder Akeneo als Datenbasis, DPP-Registry ergänzen
• Komplexe Dokumentenlandschaft, Developer verfügbar → Azure Document Intelligence + LLM-Pipeline
• Mehrere Systeme automatisiert verbinden → Make.com als Orchestrierungsschicht

Datenschutz und Datenhaltung

Der DPP ist per Design ein Datensharing-Instrument — das schafft Reibung mit DSGVO-Anforderungen:

Der DPP macht Produktdaten öffentlich zugänglich, aber nicht alle Felder öffentlich sichtbar. Die EU-Verordnung sieht rollenbasierte Zugriffsstrukturen vor: Endverbraucher sehen die öffentlichen Felder (Recyclinginformationen, Materialcode), Recyclingunternehmen erhalten technische Detailinformationen, Behörden bekommen den vollständigen Datensatz. Diese Rollenverteilung muss im System technisch umgesetzt werden.

Was bedeutet das für DSGVO?

• Produktdaten sind meist keine personenbezogenen Daten — Materialdaten, Schadstoffangaben, Recyclingcodes betreffen keine natürlichen Personen. DSGVO greift hier nicht direkt.
• Ausnahme: Wenn das DPP auf Produktinstanzebene arbeitet (z.B. für einen spezifischen Batteriepack, der einem Fahrzeug zugeordnet ist), und das Fahrzeug einer Person gehört — dann kann die Kombination aus Produkt-ID und Fahrzeughalter personenbezogen werden. Hier ist rechtliche Beratung nötig.
• Lieferantendaten im DPP-System: Wenn das DPP-System Lieferantenkontakte und Zertifikate speichert, gelten für personenbezogene Daten der Lieferanten-Ansprechpartner die üblichen DSGVO-Regeln.
• AVV erforderlich für alle Cloud-Dienste, die im DPP-Prozess Produktdaten verarbeiten — PicoNext (US), Azure (EU-Region wählbar), Akeneo (EU) oder Pimcore Self-Hosting (vollständige Kontrolle).

Für Unternehmen mit sensiblen Prozessformulierungen (z.B. proprietäre Materialrezepturen, die im DPP-Datenfeld erkennbar wären) gibt es in der ESPR-Verordnung eine Schutzmöglichkeit: Als vertraulich markierte Felder können als “confidential business information” klassifiziert werden — öffentlich zugänglich als “Feld vorhanden, aber vertraulich”, aber nicht im Klartext einsehbar. Diese Schutzoption muss beim System-Setup explizit konfiguriert werden.

Was es kostet — realistisch gerechnet

Einmalige Projektkosten

Externe Projektbegleitung für DPP-Implementierung (inkl. Datenmodellierung, Lieferantenanbindung, System-Integration):

• Kleines Portfolio (bis 50 SKUs): 8.000–20.000 Euro
• Mittleres Portfolio (50–300 SKUs): 20.000–60.000 Euro
• Großes Portfolio (300+ SKUs, mehrere Produktkategorien): 60.000–150.000 Euro

Diese Zahlen basieren auf dem Rahmen, den Renoon (2026) für DPP-Compliance-Projekte beschreibt: Basic unter 15.000 Euro/Jahr, Premium 15.000–100.000 Euro/Jahr — wobei die einmaligen Einrichtungskosten und die Jahresgebühren zu unterscheiden sind.

Laufende Kosten (monatlich/jährlich)

• PicoNext Essentials (bis 100 DPPs): ca. 520 Euro/Monat (~6.240 Euro/Jahr)
• PicoNext Pro (bis 300 DPPs): höhere Tiers auf Anfrage
• Pimcore Community Edition: Open Source kostenlos, aber Server-Betrieb und Entwickler-Stunden
• Pimcore Cloud (PaaS): ab ca. 2.000 Euro/Monat
• Azure Document Intelligence: ca. 1,50–10 USD pro 1.000 Seiten (Pay-per-Use)

Was du dem gegenüberstellst
Der ROI-Rechner für DPPs ist anders als bei anderen KI-Projekten: Es geht nicht um eingesparte Arbeitsstunden, sondern um Markterhalt. Ein Produkt, das ab 2027 ohne DPP nicht mehr in der EU verkauft werden darf, generiert schlicht null Umsatz. Wenn ein Produkttyp einen Jahresumsatz von 500.000 Euro macht, ist jede DPP-Investition unter 100.000 Euro wirtschaftlich — unabhängig davon, ob sie dir intern Zeit spart oder nicht.

Die KI-Komponente des Projekts zahlt sich dann aus, wenn mehr als 30–40 Produkttypen erstellt werden müssen: Unter diesem Volumen ist manuelles Befüllen einer DPP-Plattform auch ohne KI handhabbar. Ab 40–50 Typen beginnt die Automatisierung messbar Zeit zu sparen.

Wie du den Nutzen messen kannst
Vergleiche die Zeit pro Produktpass vor und nach Implementierung — das ist das direkteste Messverfahren. Typisches Ziel: von 3–5 Tagen manuell auf unter 4 Stunden KI-assistiert. Dazu: Compliance-Rate (Anteil der Produkte mit behördenkonformem DPP zum Stichtag), Fehlerrate bei Dateneintrag und Lieferanten-Rücklaufquote innerhalb gesetzter Fristen.

Drei typische Einstiegsfehler

1. Das DPP als reines IT-Projekt behandeln.
Der häufigste Fehler: Die Verantwortung landet ausschließlich bei der IT-Abteilung. Das DPP ist aber primär ein Datenproblem — und Dateneigentümer sind Einkauf, Produktmanagement, Qualitätssicherung und der Lieferantenmanager. Wenn IT die DPP-Plattform aufbaut, aber keine Prozesse für Daten-Governance eingerichtet werden, ist das System nach 6 Monaten mit veralteten und lückenhaften Einträgen gefüllt. Lösung: Von Anfang an ein interdisziplinäres Projektteam aufsetzen, das jede Datenquelle einem Dateneigentümer zuordnet — nicht erst nach dem Go-Live.

2. Mit der KI-Extraktion starten, bevor die Datenquellen bereit sind.
Es klingt verlockend, sofort mit dem AI-Assistenten loszulegen und Lieferanten-PDFs hochzuladen. Aber wenn die PDFs veraltet, inkonsistent oder unvollständig sind, produziert die KI schnell Datenmüll — der dann strukturiert und skaliert im DPP landet. Lösung: Erst Daten-Audit (was liegt vor, was fehlt, was ist veraltet), dann Lieferantenanfragen, dann Extraktion.

3. Den DPP als Einmal-Projekt missverstehen.
Ein DPP ist kein Dokument, das man einmal erstellt und dann abzulegt. Er muss aktuell bleiben: Wenn ein Lieferant einen Rohstoff wechselt, ein Schadstoff nachgewiesen wird oder sich die Recyclingvorschriften ändern, muss der Pass aktualisiert werden — und alle QR-Codes im Markt müssen dann auf die neue Version zeigen. Das erfordert einen Prozess, der regelmäßige Überprüfungen auslöst (mindestens jährlich, oder bei definierten Ereignissen wie Lieferantenwechsel). Wer das nicht plant, hat ein Compliance-Problem in Rate eines DPP, der technisch vorhanden ist, aber inhaltlich veraltet.

Und der gefährlichste Fehler — weil er still passiert:
Ein DPP-System, das aufgebaut und dann nicht mehr gepflegt wird, ist eine stille Haftungsfalle. Die EU-Verordnung verlangt nicht nur, dass ein DPP existiert — sie verlangt, dass er akkurat, vollständig und aktuell ist. Ein veralteter DPP mit falschen Schadstoffangaben ist eine Ordnungswidrigkeit, keine Entschuldigung. Einmal jährlich durch die Datenbasis gehen und systematisch prüfen, welche Einträge seit mehr als 12 Monaten nicht aktualisiert wurden, ist Pflichtübung.

Was mit der Einführung wirklich passiert — und was nicht

Das Technische ist machbar. Das Organisatorische ist das Schwierige.

Lieferanten werden nicht sofort mitspielen.
Die wichtigste Erkenntnis aus frühen DPP-Pilotprojekten (z.B. im Catena-X-Netzwerk): Lieferanten — besonders Tier-2 und Tier-3 — haben weder das System noch die Struktur, um DPP-konforme Materialdaten zu liefern. Du wirst fehlende Datenfelder per E-Mail anfragen, unvollständige Antworten bekommen, und das drei- oder viermal. Das ist kein Projekt-Fehler, das ist die Realität. Einplanen: Pro Lieferant 2–4 Kommunikationsrunden für vollständige Datensätze.

Intern werden Zuständigkeiten gestritten.
”Wer verantwortet den Kobalt-Herkunftsnachweis — Einkauf oder Produktentwicklung?” In jedem DPP-Projekt tauchen solche Fragen auf — und sie verzögern das Projekt, wenn sie nicht vorab beantwortet werden. Lösung: Zu Projektbeginn eine Datenverantwortungsmatrix erstellen, die jeden DPP-Datentyp einer Funktion und einer namentlich verantwortlichen Person zuordnet.

Das System funktioniert gut für neue Produkte — und schlecht für den Legacy-Bestand.
Neue Produkte können von Beginn an DPP-konform entwickelt werden. Für bestehende Produkte, insbesondere ältere Serien mit lückenhafter Dokumentation, ist der Aufwand oft fünfmal höher. Das ist kein Argument dagegen — es ist ein Argument für Priorisierung: Zuerst das Portfolio klären, welche Produktlinien DPP-pflichtig werden und wann, dann mit der umsatzstärksten Pflichtgruppe beginnen.

Was konkret hilft:

• Lieferantenfragebögen schon vor der System-Auswahl versenden — damit du weißt, welche Daten tatsächlich verfügbar sind
• Pilotgruppe von 5–10 Produkttypen auswählen und den vollständigen Workflow einmal durch — bevor du auf das gesamte Portfolio skalierst
• Interne DPP-Review-Meetings quartalsweise einplanen: Wer hat seit letztem Mal einen Lieferanten gewechselt? Welche Rohstoffzusammensetzungen haben sich verändert?

Realistischer Zeitplan mit Risikohinweisen

Realistische Gesamtdauer bis zum ersten behördenkonformen DPP: 6–12 Monate
Für den Batteriepass mit Deadline Februar 2027: Projektstart spätestens Sommer 2026. Wer bis Ende 2026 mit dem Scoping beginnt, hat noch knapp Puffer — aber keinen Spielraum mehr für größere Umwege.

Häufige Einwände — und was dahintersteckt

„Wir sind doch nur ein kleines Unternehmen — gilt das für uns?”
Kleinstunternehmen (unter 10 Mitarbeitende, unter 2 Mio. Euro Umsatz) sind in vielen EU-Verordnungen von bestimmten Pflichten ausgenommen. Die ESPR-Verordnung enthält Verhältnismäßigkeitsklauseln — aber sie befreit niemanden grundsätzlich von der DPP-Pflicht, wenn das betreffende Produkt auf der Pflichtliste steht. Was Klein- und Kleinstunternehmen bekommen, sind oft verlängerte Übergangsfristen und vereinfachte Anforderungen. Konkret prüfen muss jedes Unternehmen selbst: Was produziere ich? Ab welchem Datum gilt die Pflicht für diese Produktkategorie? Was ist mein Status als Wirtschaftsakteur (Hersteller, Importeur, Händler)?

„Wir warten erst, bis das alles klarer geregelt ist.”
Das ist ein nachvollziehbarer Impuls — aber ein riskanter. Die ESPR-Delegation für Textilien wird 2027 erwartet, für Elektronik 2028. Bis die finalen technischen Anforderungen klar sind, dauert es noch Monate. Aber die Dateninfrastruktur — Lieferantenanbindung, Materialklassifikation, Datenbankstruktur — ist weitgehend regulierungsagnostisch: Ob am Ende GS1, Catena-X oder ein anderer Standard kommt, die Rohdaten brauchst du so oder so. Wer heute mit dem Daten-Audit beginnt, hat einen Vorsprung, egal wie die finalen Anforderungen aussehen.

„Unsere Lieferanten werden das nie mitmachen.”
Das hören wir oft — und in vielen Fällen stimmt es kurzfristig. Aber der Druck wird sich umkehren: Sobald Großkunden und Endmärkte DPP-Nachweise verlangen (wie in der Lede-Geschichte), beginnen Lieferanten, die keine DPP-Daten liefern können, Marktanteile zu verlieren. Die Automobilindustrie hat im Catena-X-Projekt gezeigt, wie ein Markt durch Abnahmekraft strukturelle Datenanforderungen durchsetzen kann. Für die meisten Produktkategorien wird das in den nächsten 2–3 Jahren passieren.

Woran du merkst, dass das zu dir passt

• Du produzierst oder importierst Produkte, die unter die ersten ESPR-Delegationswellen fallen (Batterien, Textilien, Elektronik, Stahl/Aluminium, Reifen — Pflicht ab 2027–2030)
• Du lieferst an Großkunden oder Handelspartner, die bereits DPP-Anforderungen in ihren Lieferantenverträgen verankern
• Dein Portfolio umfasst 30+ Produkttypen, die DPP-pflichtig werden — der Aufwand rechtfertigt KI-Automatisierung ab dieser Größenordnung
• Du hast intern keine strukturierte Materialdatenbank und weißt, dass die nächsten 12 Monate Aufbauarbeit bedeuten
• Deine Lieferanten sind teils international, und Materialdaten kommen in inkonsistenten Formaten — genau der Fall, für den KI-Extraktion entwickelt wurde

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Du bist ausschließlich Recycler oder Entsorger, kein Produkthersteller. Die DPP-Erstellungspflicht liegt beim Wirtschaftsakteur, der das Produkt auf dem EU-Markt in Verkehr bringt — nicht beim Unternehmen, das es am Ende seines Lebenszyklus verarbeitet. Als reines Recyclingunternehmen liest du DPPs (zur Steuerung deiner Sortierprozesse), du erstellst sie nicht. Das ändert sich nur, wenn du selbst recycelte Materialien als neue Produkte auf den Markt bringst.

2. Du hast noch keine Stücklisten oder Materialdaten in digitalisierter Form. Wenn deine Produktionsunterlagen ausschließlich in Papierform oder in einem ERP-System ohne strukturierte Materialdaten existieren, ist die erste Arbeit kein DPP-System aufzubauen — sondern zuerst eine Datenbasis zu schaffen. Das ist Pflichtvorarbeit, die mit oder ohne KI mehrere Monate dauert. Ein DPP-System ohne valide Eingabedaten produziert valide wirkende, aber faktisch falsche Produktpässe — und das ist schlimmer als kein DPP, weil es eine Haftung schafft.

3. Deine direkten Lieferanten verweigern Materialangaben. Ohne Lieferantendaten kann kein DPP erstellt werden — KI kann keine Materialzusammensetzung erfinden, die nicht vorliegt. Wenn ein wesentlicher Teil deiner Lieferanten (insbesondere für Schlüsselkomponenten mit Schadstoffrelevanz) keine Materialdaten bereitstellt, ist der erste Schritt kein IT-Projekt, sondern eine Lieferantenstrategie-Entscheidung: Lieferantenwechsel, vertragliche Verpflichtungen, oder ein Übergangsplan für alternative Nachweise.

Das kannst du heute noch tun

Bevor du eine Plattform auswählst oder ein Budget freistellst, mach eine 2-Stunden-Inventur: Öffne eure Produktliste. Markiere alle Produkttypen, die unter die Batteriepass-, Textil- oder Elektronik-Pflicht fallen könnten. Öffne dann die zugehörigen Materialdaten — wo liegen sie? Wer ist verantwortlich? Sind sie aktuell?

Das Ergebnis dieser Inventur sagt dir genauer, was du brauchst, als jede Plattform-Demo.

Und dann: Schreib den drei Lieferanten, von denen du die komplexesten Materialien beziehst, eine direkte Anfrage. Was du dabei lernst, ist der ehrlichste Frühindikator für die Machbarkeit deines DPP-Projekts.

Für die erste Einschätzung, was in deinem Lieferkettendokument tatsächlich als DPP-Feld verwertbar ist, kannst du diesen Prompt direkt verwenden:

Quellen & Methodik

• EU-Ökodesign-Verordnung (ESPR): Verordnung (EU) 2024/1781 des Europäischen Parlaments und des Rates, in Kraft getreten Juli 2024. Rechtlicher Rahmen für den Digitalen Produktpass.
• EU-Batterieverordnung (2023/1542): Verordnung über Batterien und Altbatterien; Batteriepass-Pflicht ab 18. Februar 2027 für Industrie- und EV-Batterien >2 kWh. CEPS In-Depth Analysis (März 2024): „Implementing the EU Digital Battery Passport” — Volltext.
• GS1 Europe: „GS1 Standards enabling the EU digital product passport” (Dezember 2024) — Volltext. Technische Grundlage für DPP-Identifikation via GTIN, GS1 Digital Link und EPCIS.
• Datenbereitschaftslücke: Quality Magazine, „Manufacturers Must Unify Data Now to Meet First Digital Product Passport Deadlines” (2024) — zitiert Unternehmenserhebungen 2021–2023: nur 18 % der deutschen Unternehmen teilen Produktdaten in standardisiertem Format.
• DPP-Kosten: Renoon, „How Much Does a Digital Product Passport Solution Cost?” (Januar 2026) — Preisrahmen von unter 15.000 Euro/Jahr (Basic) bis 15.000–100.000 Euro/Jahr (Premium); PicoNext-Preisangabe (~520 €/Monat) laut dpp-tool.com/en/guide/dpp-software-comparison/ (Mai 2026).
• Catena-X: Catena-X Automotive Network, Use-Case Digital Product Passport — catena-x.net. Branchenspezifisches DPP-Netzwerk Automobilindustrie.
• ESPR-Arbeitsprogramm 2025–2030: Europäische Kommission, angenommen April 2025. Zeitplan für delegierte Rechtsakte je Produktkategorie: Textilien 2027, Elektronik 2028–2030.
• Fraunhofer IESE: „Digitaler Produktpass – Schlüssel zur nachhaltigen und transparenten Industrie” (2024/2025) — Projekt Panda: KI-gestützte DPP mit ML für Datenlücken-Füllung in der Kreislaufwirtschaft.
• Preisangaben Pimcore, Akeneo, Azure Document Intelligence: Öffentliche Tarife der jeweiligen Anbieter (Stand Mai 2026).

Du willst wissen, welche deiner Produktlinien als erstes DPP-pflichtig werden und welcher Implementierungsweg für eure Ausgangssituation realistisch ist? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.