Altplan-Digitalisierung: historische Konstruktionszeichnungen erschließen

Das echte Ausmaß des Problems

Wer in einem Maschinenbauunternehmen Bestandsmaschinen betreut, kennt die Zahl aus Erfahrung: Ein erheblicher Teil des konstruktiven Wissens der letzten Jahrzehnte ist nur auf Papier zugänglich — oder gar nicht mehr zugänglich, weil die Zeichnungen sich aufgelöst, verschimmelt oder bei einem Umzug verloren haben.

Die Größenordnung ist erheblich: Schätzungen des Verbands Deutscher Maschinen- und Anlagenbauer (VDMA) gehen davon aus, dass ein typisches mittelständisches Maschinenbauunternehmen zwischen einigen hundert und mehreren zehntausend historischer Zeichnungen in analogen Archiven hält — je nach Unternehmensalter. Laut VDMA-Erhebung aus dem Jahr 2024 gaben 63 Prozent der befragten Maschinenbauer an, dass fehlende oder nicht auffindbare Konstruktionsdaten zu wesentlichen Verzögerungen bei Wartungs- und Ersatzteilprojekten führen.

Das Problem hat drei Schichten:

Verlust durch Verfall. Lichtpauszeichnungen auf Transparentpapier aus den 1970er- und 1980er-Jahren brechen beim Anfassen. Auf Pauskarton aufgetragene Tuschezeichnungen verblassen. Mikroverfilmungen lassen sich ohne entsprechendes Gerät nicht lesen — und dieses Gerät hat kaum noch jemand.

Verlust durch Personalfluktuation. Der Konstrukteur, der weiß, was Zeichnungsnummer HK-88-0117-C3 ist, geht irgendwann in Rente. Dieses Kontextwissen — welche Revision die finale war, welche Änderung warum gemacht wurde, was das handschriftliche „s. Stückliste Blatt 4” bedeutet — ist nicht in der Zeichnung, sondern in einem Kopf. Wenn dieser Kopf das Unternehmen verlässt, ist das Wissen weg.

Verlust durch Unstrukturiertheit. Selbst wenn die physische Zeichnung noch existiert: Ohne digitale Durchsuchbarkeit hilft sie wenig. Eine Anfrage nach einem bestimmten Bauteilquerschnitt erfordert, alle möglicherweise relevanten Zeichnungen manuell durchzugehen — ein Aufwand, der bei großen Archiven Tage kostet und der bei Zeitdruck schlicht nicht gemacht wird.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Verbesserungswerte gelten für ein gut durchgeführtes Digitalisierungsprojekt. Bei schlechter Scanqualität oder unvollständigen Schriftfeldern liegen die Werte niedriger — der Abschnitt zum Schriftfeld weiter unten beschreibt diese Einschränkung im Detail.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Wenn das digitale Archiv funktioniert, ist der Zeitgewinn pro Suchanfrage drastisch: Stunden werden zu Sekunden. Das ist der stärkste Hebel dieser Lösung — aber er greift nur dort, wo Zeichnungen danach auch wirklich gesucht werden. Unternehmen, die selten auf Altpläne zugreifen müssen, sehen diesen Effekt im Alltag kaum.

Kosteneinsparung — mittel (3/5) Eine Neukonstruktion für eine 30 Jahre alte Maschine kostet typisch 5.000 bis 50.000 Euro, je nach Komplexität. Wenn das Archiv auch nur bei einem einzigen Projekt im Jahr eine Neukonstruktion überflüssig macht, ist die Investition amortisiert. Die Einsparung ist aber ereignisabhängig — keine Retrofit-Anfragen, keine Einsparung.

Schnelle Umsetzung — niedrig (2/5) Das ist kein Wochenendprojekt. Die Scanphase für ein Archiv mit zehntausend Zeichnungen dauert Monate — selbst mit professionellen Scan-Dienstleistern. Das KI-Training für domänenspezifische Schriftfelder und ältere Zeichnungsnormen braucht Iterationen. Die PLM-Integration ist ein eigenständiges IT-Projekt. Realistisch sind acht Wochen für einen Piloten mit einem Teilarchiv — und sechs bis zwölf Monate für eine vollständige Digitalisierung.

ROI-Sicherheit — sehr niedrig (1/5) Das ist der ehrlichste Score auf dieser Seite. Viele Unternehmen digitalisieren ihr Archiv, stellen dann aber fest, dass die Zeichnungen danach ähnlich selten genutzt werden wie zuvor — weil Retrofit-Projekte seltener kommen als erwartet, weil Maschinen in der Zwischenzeit abgeschafft wurden oder weil die Metadaten nicht gut genug sind, um die richtigen Pläne zu finden. Die Digitalisierung erzeugt ein digitales Archiv, keine Garantie, dass dieses Archiv genutzt wird. Wer den ROI vor dem Projekt nicht rechnen kann, sollte das Projekt nicht starten.

Skalierbarkeit — niedrig (2/5) Altplan-Digitalisierung ist kein wachsender Workflow. Das Archiv ist endlich: einmal digitalisiert, wächst es kaum weiter (außer durch Neuzeichnungen, die ohnehin digital entstehen). Das System skaliert also nicht mit dem Unternehmen — es ist eine einmalige Investition ohne Wachstumsdynamik. Laufende Nutzung (Suchzugriffe, Indexaktualisierungen) ist minimal.

Richtwerte — stark abhängig von Archivgröße, Zeichnungsqualität, Retrofit-Häufigkeit und CAD-Systemlandschaft.

Was das System konkret macht

Das technische Fundament kombiniert drei Verfahren, die klassische Computer Vision und einfaches OCR weit übersteigen.

Semantische Segmentierung zerlegt die Zeichnung in ihre Bestandteile, bevor irgendetwas erkannt wird: Titelblock, Schriftfeld, Hauptansicht, Schnittdarstellungen, Detailansichten, Bemaßungslinien, Toleranzrahmen, Stückliste. Das ist notwendig, weil für jeden Bereich eine andere Erkennungsstrategie gilt — Text in der Hauptansicht steht in vier verschiedenen Orientierungen (0°, 90°, 180°, 270° plus schräg), während das Schriftfeld standardisiert und tabellarisch ist.

Domänenspezifische Textextraktion greift nicht auf Konsumenten-OCR zurück, sondern auf Modelle, die auf technische Normen kalibriert wurden. Geometrische Toleranzangaben nach ISO 1101 (GD&T) haben eine eigene Symbolsprache — ⊙, ⊕, △, ∥, ⊥ — die Standardsysteme nicht kennen. Maßzahlen mit Toleranzangaben (z.B. 45,0⁺⁰·⁰²₋⁰·⁰¹) brauchen eine Auflösung, bei der „7” und „1” nicht verwechselt werden dürfen, weil ein Erkennungsfehler Tausender-Euro-Konsequenzen hat.

Strukturierte Metadaten-Ausgabe überführt das Erkannte in maschinenlesbare Formate: JSON mit Feldern für Zeichnungsnummer, Sachnummer, Änderungsindex, Werkstoffangabe, Oberflächenrauheit, Toleranzklasse, Ersteller, Datum, Abteilung. Dieser Output ist das eigentlich Wertvolle — nicht das Bild-Scan selbst, sondern die strukturierten Metadaten, die danach in ein PLM-System oder eine einfache Datenbank importiert werden können.

Moderne Systeme wie Werk24 berichten für gut gescannte Zeichnungen (≥ 300 dpi) eine Extraktionsgenauigkeit von über 95 Prozent bei Produktfertigungsinformationen (PMI). Bei Zeichnungen aus den 1970er- und 1980er-Jahren, die als Lichtpause vorliegen und sichtbare Alterungsschäden aufweisen, liegt die Genauigkeit typisch bei 70–85 Prozent — mit erheblichem manuellem Nachprüfaufwand für den Rest.

Was du scanner-seitig brauchst

Bevor die erste KI auch nur eine Zeichnung sieht, entscheidet die Scanqualität über Erfolg oder Misserfolg. Das ist keine technische Kleinigkeit — es ist die häufigste Ursache für gescheiterte Digitalisierungsprojekte.

Auflösung: Minimum 200 dpi für DIN-A0-Zeichnungen, empfohlen 300 dpi. Bei kleinformatigen Zeichnungen (DIN A3 und kleiner) mit feinen Toleranzangaben sind 400 dpi sinnvoll. Unter 200 dpi wird die Maßzahlenextraktion unzuverlässig — Schriftgrößen auf technischen Zeichnungen folgen DIN 6776 mit 2,5 mm als kleinstem Standard, was bei DIN A0 und 200 dpi noch knapp 20 Pixel Zeichenhöhe ergibt.

Scannertyp: Planscanner (auch: Auflichtscanner, Trommelscanner) statt Einzugsscanner für fragile Originale. Lichtpauszeichnungen auf Transparentpapier reißen bei Einzugsscannern. Großformat-Planscanner wie der Contex HD Ultra X oder Canon TX-4100 sind für technische Archive konzipiert — sie scannen im Durchlicht und erfassen auch ältere transparente Träger ohne Schäden.

Farbmodus: Für Tusche-auf-Transparentpapier (Lichtpause): Graustufen mit 8 Bit, nicht reines Schwarzweiß — Zwischentöne helfen der OCR, verblasste Linien von Papierrauschen zu trennen. Für Originalzeichnungen auf weißem Karton: Farbe mit 24 Bit, wenn rote Änderungsmarkierungen vorhanden sind (Änderungen werden häufig in Rot eingetragen).

Vorbehandlung: Gerollte Zeichnungen müssen vor dem Scan 24–48 Stunden flach gelagert werden. Gerissene Originalzeichnungen werden zuerst als physisches Objekt konserviert (Klebestreifen auf der Rückseite, spez. Restaurierungsklebeband) — dann gescannt. Kein Scannen unter Spannung, da Knicke dauerhafte Beschädigungen riskieren.

Formatbezeichnung für externe Dienstleister: Wenn ihr die Scanarbeit auslagert (empfohlen ab ca. 2.000 Zeichnungen), liefert Anbieter-Briefings in folgender Form: Zieldateiformat (TIFF mit LZW-Kompression oder unkomprimiert für Weiterverarbeitung; PDF/A-3 für Langzeitarchivierung), Farbmodus, Auflösung, Benennungsschema. Nicht auf „PDF mit OCR” bestehen, wenn die KI-Verarbeitung nachgelagert kommt — die doppelte OCR-Behandlung reduziert die Qualität.

Das Schriftfeld als Datenbasis: DIN 6771 und was danach kam

Das Schriftfeld (auch: Titelblock oder Stempelfeld) ist die strukturierte Informationsquelle jeder technischen Zeichnung — und gleichzeitig die häufigste Erkennungs-Fallgrube in Digitalisierungsprojekten.

Was in deutschen Maschinenbauarchiven zu finden ist:

Bis Mai 2004 galt DIN 6771-1 als nationale Norm für Zeichnungsrahmen und Schriftfelder. Zeichnungen aus dieser Zeit haben Schriftfelder mit Feldern für Sachnummer, Benennung, Werkstoff, Maßstab, Erstellt/Geprüft/Freigegeben, Änderungshistorie und Zeichnungsnummer — aber mit erheblichen unternehmensspezifischen Abwandlungen. Was Feldbezeichnung „Bearb.” in einer Firma bedeutet, heißt in der nächsten „Konstr.” oder „Zeichner”. Seit 2004 gilt EN ISO 7200, die die Felder normiert, aber viele Unternehmen haben ihre alten Templates weiter verwendet.

Das hat konkrete Konsequenzen für die KI: Sie muss unternehmensspezifische Schriftfeld-Layouts erkennen, nicht nur einen einheitlichen Norm-Standard. Ein KI-System, das nur ISO 7200 kennt, wird in einem Archiv mit 30 verschiedenen hausinternen Schriftfeld-Varianten aus drei Jahrzehnten scheitern. Fine-Tuning auf dem tatsächlichen Archivbestand ist keine Option, sondern Pflicht.

Revisionshistorie rekonstruieren:

Für Retrofit-Projekte ist nicht nur die aktuelle Zeichnung relevant, sondern oft auch die Frage: Wann wurde welche Änderung gemacht? Zeichnungen haben typisch ein Änderungsfeld (Änderungsindex A, B, C, … mit Datum und Kurzbeschreibung). Wenn diese Einträge handschriftlich sind — und das sind sie bei Zeichnungen vor den 1990er-Jahren häufig — ist OCR-Genauigkeit oft unter 80 Prozent. Handschriftliche Änderungseinträge sollten als „manuell zu prüfen” markiert und in einer Warteschlange gesammelt werden, statt automatisch als korrekt übernommen zu werden.

Praktische Konsequenz: Plant bei der Projektplanung explizit einen Qualitätssicherungsschritt für Schriftfelddaten ein: Stichprobenprüfung von 5–10 Prozent der Zeichnungen durch einen Konstrukteur, der die internen Schriftfeld-Konventionen kennt. Dieser Schritt ist kein technisches Versagen, sondern notwendige Qualitätskontrolle in einem Projekt mit heterogenem Archivmaterial.

Konkrete Werkzeuge — was wann passt

Die Werkzeugwahl für Altplan-Digitalisierung hängt von zwei Fragen ab: Wie groß ist das Archiv, und was soll danach mit den Daten passieren?

Werk24 — der Spezialist für mechanische Fertigungszeichnungen Münchner KI-API, die ausschließlich für mechanische Fertigungszeichnungen entwickelt wurde. Werk24 erkennt Maße, Toleranzen, Oberflächenrauheit, Gewinde und Titelblock-Felder und gibt strukturiertes JSON zurück — direkt integrierbar in ERP oder PLM. Besondere Stärke: kein Template-Training nötig für Standard-Maschinenbauzeichnungen, Ergebnis in Sekunden. Referenzkunden: DiManEx (tausende Zeichnungen in wenigen Stunden verarbeitet), Laserhub (erhöhte Kalkulationsgenauigkeit). Preis: ab 990 €/Monat Grundgebühr + 0,85 € pro Zeichnungsseite. Ergibt sich bei einem Archiv mit 10.000 Seiten und zwei Monaten Digitalisierungsphase ein Verarbeitungsanteil von ca. 8.500 €. Wann sinnvoll: Mittlere bis große Archive mit eindeutig mechanischen Fertigungszeichnungen; technisches Team vorhanden; PLM-Integration geplant.

Azure Document Intelligence — für Unternehmen in der Microsoft-Infrastruktur Microsofts Cloud-OCR mit Custom-Modell-Training: Mit 10–30 gelabelten Beispiel-Schriftfeldern lässt sich ein spezifisches Titelblock-Erkennungsmodell bauen, das die hausinternen Feldbezeichnungen kennt. Besonders interessant für Unternehmen, die bereits auf Azure setzen und SharePoint oder Microsoft 365 für die Nachfolge-Archivierung nutzen wollen. Preis: Custom-Modell ca. 10 USD pro 1.000 Seiten (ca. 9 Euro), deutlich günstiger als Werk24 bei großen Volumina. Einschränkung: Mechanische Symbole (GD&T) werden nicht nativ erkannt — nur Textfelder. Wann sinnvoll: Archiv-Projekte mit Fokus auf Metadaten-Extraktion (nicht tiefe PMI-Analyse); bereits Azure-Infrastruktur vorhanden; eigenes Entwicklerteam.

Google Document AI — preiswert und skalierbar Google Clouds OCR-Dienst mit EU-Datenresidenz (Frankfurt) und Custom Extractor, der mit weniger Trainingsdaten auskommt als klassische Ansätze. Enterprise OCR kostet 1,50 USD/1.000 Seiten — das günstigste Einstiegsangebot im Markt. Custom Extractor (für Schriftfeld-Layouts) kostet 30 USD/1.000 Seiten. Keine native GD&T-Erkennung. Wann sinnvoll: Sehr große Archive (50.000+ Seiten), wo Kosten dominieren; wenn GD&T-Extraktion nicht benötigt wird und Volltext-Durchsuchbarkeit ausreicht.

ABBYY FlexiCapture — on-premises für sensible Konstruktionsdaten Enterprise-OCR-Plattform mit On-Premises-Option: Zeichnungsdaten verlassen das Unternehmensrechenzentrum nicht. Das ist relevant, wenn Zeichnungen geheime Patente, Militärtechnik oder andersweitig schützenswerte Konstruktionsdaten enthalten. Erkennungsqualität ist auch bei degradierten Scans und handgeschriebenen Einträgen sehr hoch. Nachteil: Implementierung dauert 3–6 Monate, kostet im Enterprise-Bereich. Wann sinnvoll: Unternehmen mit Geheimhaltungspflichten (Rüstung, kritische Infrastruktur, Forschung); On-Premises-Pflicht; Archivgröße > 20.000 Zeichnungen.

Zusammenfassung: Wann welcher Ansatz

• Maschinenbauzeichnungen, Kalkulation/PLM im Fokus → Werk24
• Microsoft-Infrastruktur, Fokus auf Metadaten → Azure Document Intelligence
• Große Volumen, Volltext-Suche ausreichend, Kostenoptimierung → Google Document AI
• On-Premises-Pflicht, hohe Sicherheitsanforderungen → ABBYY FlexiCapture

Integrations-Realität: Wo das Projekt wirklich aufwändig wird

Das Scannen ist der einfachste Teil. Die OCR-Verarbeitung der zweitlängste. Was wirklich aufwändig wird, ist die Antwort auf die Frage: Wohin sollen die Daten danach?

Szenario 1 — Volltext-Suche als Ziel (einfach) Extrahierte Metadaten (Zeichnungsnummer, Benennung, Datum, Ersteller) landen in einer einfachen Datenbank oder einem Dokumentenmanagementsystem. Die Zeichnungen werden als durchsuchbare PDFs archiviert. Zugriff per Volltextsuche. Das ist die günstigste und schnellste Integration — umsetzbar mit Open-Source-Suchmaschinen wie Elasticsearch oder einem kommerziellen DMS.

Szenario 2 — PLM-Integration (aufwändig) Wenn das Unternehmen Siemens Teamcenter oder PTC Windchill einsetzt, sollen die digitalisierten Altpläne in die vorhandene PDM-Struktur eingebettet werden: Zeichnungen als Dokument-Revisionen angelegt, verknüpft mit Sachnummern, Stücklisten, CAD-Dateien. Das bedeutet Datenmapping (wie mappt die Zeichnungsnummer auf das PLM-Objekt-Schema?), Batch-Import-Skripte und Prüf-Workflows für die Validierung. Erfahrungswert: Das IT-Projekt rund um die PLM-Integration ist oft größer als das Digitalisierungsprojekt selbst.

Szenario 3 — CAD-nutzbare Geometrie als Ziel (sehr aufwändig) Wer aus gescannten Zeichnungen editierbare CAD-Geometrie machen will (Stichwort: Vektorisierung, Raster-to-Vector), betritt ein anderes Terrain. Vollautomatische Raster-to-Vector-Konvertierung funktioniert für einfache 2D-Geometrien mit klaren Linien — bei komplexen Maschinenbauzeichnungen mit Schraffuren, Gewinden, Beschriftungen und überlagerten Maßlinien ist die Fehlerquote zu hoch für direkte CAD-Verwendung. Ergebnis sind meistens unkalibrierte DXF-Dateien, die von einem Konstrukteur nachgearbeitet werden müssen. Für Altpläne ist dieses Ziel selten realistisch — Neukonstruktion auf Basis der Maßangaben ist in der Regel effizienter.

Was das für die Projektplanung bedeutet: Entscheidet vor Beginn der Digitalisierung, was das Endziel ist. Die Wahl des Ziels bestimmt, welches KI-System ihr braucht, welche Qualitätsanforderungen für die Schriftfeld-Extraktion gelten und wie groß das IT-Folgeprojekt wird.

Datenschutz und Datenhaltung

Technische Zeichnungen sind Konstruktionsdaten — und als solche oft das wertvollste geistige Eigentum eines Maschinenbauunternehmens. Die DSGVO-Relevanz ist dabei vergleichsweise gering (Zeichnungen enthalten selten personenbezogene Daten), das Schutzbedürfnis wegen Betriebsgeheimnissen jedoch hoch.

Für Cloud-basierte KI-Dienste gilt: Sobald Zeichnungsdaten an einen externen Anbieter übermittelt werden, müssen Vertraulichkeitsklauseln geprüft werden. Werk24 bietet eine Zero-Retention-Policy in höheren Tarifen — Zeichnungen werden nicht gespeichert und nicht für Modell-Training verwendet. Azure Document Intelligence verarbeitet in EU-Regionen (West Europe, Switzerland North). Google Document AI arbeitet in der EU-Multi-Region (Frankfurt). In jedem Fall: Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO ist auch für Nicht-Personendaten-Verarbeitung empfehlenswert, wenn geschäftskritische Daten übermittelt werden.

Wer mit ABBYY FlexiCapture On-Premises arbeitet, hält alle Zeichnungsdaten ausschließlich im eigenen Rechenzentrum. Das ist für Rüstungsunternehmen, Anbieter kritischer Infrastruktur und Unternehmen mit behördlichen Geheimhaltungspflichten die einzig vertretbare Option.

Wichtig: Vor dem Beginn eines Digitalisierungsprojekts sollte geprüft werden, ob einzelne Zeichnungsarchive unter Patentrecht stehen und ob die Weitergabe an externe Scan-Dienstleister oder Cloud-Anbieter mit bestehenden Lizenzverträgen (z.B. von Kunden-Maschinen) vereinbar ist.

Was es kostet — realistisch gerechnet

Altplan-Digitalisierung hat drei Kostenpositionen, die alle gleichzeitig anfallen:

Position 1: Scannen (einmalig) Externer Scan-Dienstleister für DIN-A0-Zeichnungen: 0,80–2,50 Euro pro Seite, abhängig von Format, Qualität der Vorlage und Nachbearbeitung. Bei 5.000 Zeichnungen (einmalig): 4.000–12.500 Euro. Selbst scannen mit einem professionellen Großformat-Scanner: Gerätemiete ab 200 Euro/Tag, 1–3 Stunden pro 100 Zeichnungen — bei internem Personal deutlich günstiger im Material, aber zeitaufwändiger.

Position 2: KI-Verarbeitung (einmalig + laufend) Werk24 bei 5.000 Zeichnungsseiten in zwei Monaten: Grundgebühr 2 × 990 € + 5.000 × 0,85 € ≈ 6.230 Euro. Azure Document Intelligence Custom-Modell bei 5.000 Seiten: ca. 50 USD (≈ 46 Euro) — deutlich günstiger, aber ohne GD&T-Erkennung. Für laufende neue Zeichnungen (Eingang analoger Fremddokumente): monatlich klein, da das Archiv nach Digitalisierung nicht mehr wächst.

Position 3: Integration und Infrastruktur (einmalig) DMS-Einrichtung oder PLM-Anbindung: 5.000–30.000 Euro je nach Komplexität. Bei Eigenentwicklung einer einfachen Suchoberfläche auf Basis von Elasticsearch: 5.000–10.000 Euro Entwicklungsaufwand. Bei Teamcenter- oder Windchill-Integration: 15.000–30.000 Euro aufwärts.

Gesamtinvestition für ein Mittelstandsarchiv mit 5.000 Zeichnungen:

• Szenario einfach (Scan + Volltextsuche): 15.000–30.000 Euro
• Szenario komplex (Scan + Werk24 + PLM-Integration): 30.000–60.000 Euro

ROI-Rechnung — ehrlich: Wenn eine einzige Neukonstruktion durch ein gefundenes Altdokument vermieden wird: 15.000–25.000 Euro gespart. Die Amortisation hängt vollständig davon ab, wie oft das passiert. Wer keine Schätzung hat, wie viele Retrofit- oder Ersatzteil-Anfragen das Unternehmen jährlich hat, bei denen fehlende Altpläne ein Problem sind, kann den ROI nicht seriös berechnen — und sollte das Projekt nicht beginnen.

Drei typische Einstiegsfehler

1. Das gesamte Archiv auf einmal scannen lassen — ohne Priorisierung. Der Reflex: lieber alle 20.000 Zeichnungen sofort digitalisieren, dann ist das Thema vom Tisch. In der Praxis landet dabei 80 Prozent des Budgets auf Zeichnungen, die danach nie jemand sucht, während die 20 Prozent der wirklich geschäftsrelevanten Altpläne (Retrofit-Kandidaten, Sondermaschinen im Feld, Ersatzteil-intensive Baureihen) in der Masse untergehen. Besser: Zuerst klären, welche Maschinentypen oder Projektnummern in den letzten fünf Jahren Anlass für Altplan-Suchen waren — und genau diese Segmente zuerst digitalisieren.

2. Schriftfeld-Extraktion für ausreichend halten. „Wir brauchen nur Zeichnungsnummer, Benennung und Datum — das reicht.” Klingt minimal und machbar. In der Praxis stellt sich heraus: Ohne Sachnummer-Bezug können Zeichnungen nicht mit bestehenden ERP-Positionen verknüpft werden. Ohne Revisionsstand sind mehrere Versionen derselben Zeichnung nicht unterscheidbar. Ohne Änderungsindex ist unklar, welche Revisionsstufe final gilt. Was „ausreichend” ist, muss vor dem Projekt mit dem Endnutzer-Team definiert werden — nicht nachher.

3. Die Nutzung nach der Einführung nicht aktiv steuern. Das ist der gefährlichste Fehler, weil er still passiert. Das digitale Archiv ist fertig, die Daten sind sauber, die Suchoberfläche funktioniert — aber niemand nutzt sie, weil niemand weiß, dass sie existiert, oder weil die alte Gewohnheit, im Keller zu suchen (oder neu zu konstruieren), stärker ist als die neue Infrastruktur. Konsequenz: Die investierten 15.000–60.000 € werden nie amortisiert, weil die Neukonstruktionen und Suchaufwände weiterlaufen wie bisher — nur jetzt mit einem ungenutzten digitalen Archiv im Hintergrund. Digitalisierungsprojekte, die keinen expliziten Einführungsplan für die Nutzung haben — Schulungen, interne Kommunikation, klare Anweisung, wann die neue Suchoberfläche konsultiert wird — enden als teure digitale Staubschicht. Abhilfe: Wer nach der Inbetriebnahme drei Monate Suchanfragen pro Woche zählt, hat einen frühen Indikator: Unter fünf Anfragen pro Woche bei einem Archiv mit 5.000+ Zeichnungen ist ein Nutzungsproblem — kein Technikproblem.

4. Schlechte Scans nachträglich verbessern wollen. Wenn ein Scan mit 150 dpi gemacht wurde, hilft keine KI der Welt, die fehlende Information zu rekonstruieren. Nachträgliche Hochskalierung verbessert Pixel-Zahlen, nicht Informationsgehalt. Qualitätsprobleme beim Scan sind irreversibel. Deshalb: Qualitätskontrolle der ersten Charge (50–100 Blatt) muss vor dem Auftrag für das Gesamtarchiv stattfinden.

Was mit der Einführung wirklich passiert — und was nicht

Altplan-Digitalisierung trifft auf ein spezifisches Widerstands-Muster, das sich von anderen Digitalisierungsprojekten unterscheidet.

Die Konstrukteure, die das Archiv kennen. Jedes Maschinenbauunternehmen hat eine Person — manchmal auch zwei —, die das analoge Archiv im Kopf hat: Wer welche Zeichnung wann gemacht hat, wo die Varianten abgelegt sind, was die Abkürzungen bedeuten. Diese Personen haben oft eine ambivalente Haltung gegenüber der Digitalisierung: Sie sehen den Wert (jüngere Kollegen können dann selbst suchen), aber auch die Bedrohung (ihr implizites Wissen verliert seinen Exklusivitätswert). Taktisch richtig: Diese Personen aktiv in die Priorisierungsphase einbinden. Wer entscheidet, welche Zeichnungen zuerst kommen, behält Kontrolle — und wird zum Botschafter statt zum Bremser.

Das „wir kennen unser Archiv nicht”-Problem. Viele Unternehmen stellen erst während eines Digitalisierungsprojekts fest, wie groß und ungeordnet ihr Archiv wirklich ist: doppelt abgelegte Zeichnungen, fehlende Blätter in mehrseitigen Zeichnungssätzen, externe Lieferantenzeichnungen aus den 1980ern, die irrtümlich ins eigene Archiv sortiert wurden. Das ist keine Überraschung, die das Projekt stoppt — aber ein Faktor, der Zeitplan und Budget um 20–40 Prozent ausweiten kann.

Was konkret hilft:

• Pilotphase mit einem abgegrenzten Teilarchiv (z.B. nur Baureihe X, Baujahr 1985–1995) — messbares Ergebnis in acht Wochen, ohne Vollprojekt-Risiko
• Internen „Archivpaten” benennen: eine Person aus der Konstruktion, die für Fragen zum Scanprojekt zuständig ist und die Ergebnisse abnimmt
• Nutzungs-KPI definieren: Wie viele Suchanfragen pro Woche sollte das Archiv nach der Einführung haben? Wenn nach drei Monaten niemand das neue System nutzt, ist das kein Technik-, sondern ein Kommunikationsproblem

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben gar keine Zeit, das Archiv zu inventarisieren.” Das stimmt meistens — und genau das ist das Problem. Wer keine Zeit hat, sein Archiv zu strukturieren, hat auch keine Zeit, effektiv darin zu suchen. Die Inventarisierungsphase ist keine Vorbereitung auf die KI — sie ist der erste konkrete Schritt, den Wissens-Notstand zu beenden. Zwei Wochen Inventur geben mehr Klarheit über den tatsächlichen Archivzustand als zehn Jahre des Weitermachens.

„Die meisten Zeichnungen brauchen wir doch eh nie.” Wahrscheinlich. Aber man weiß vorher nicht, welche man nie braucht — das merkt man erst, wenn man sie nicht findet. Der Trick ist nicht, alles zu digitalisieren, sondern klug zu priorisieren: Welche Baureihen sind noch im Feld? Welche Maschinen haben Ersatzteilverträge? Diese Zeichnungen sind die Priorität 1.

„Eine KI kann doch keine Handschrift lesen.” Sie kann — mit erheblichen Einschränkungen. Für Blockschrift aus Zeichnungsoriginalen der 1970er–1990er-Jahre liegt die Erkennungsrate bei 60–80 Prozent. Das ist nicht gut genug für automatische Übernahme, aber gut genug für eine Vorsortierung: Das System markiert handschriftliche Felder als „zu prüfen”, ein Konstrukteur validiert die Unklarheiten. Das ist schneller als manuelles Abtippen, aber nicht fehlerfrei.

„Was, wenn ein Kunde die Zeichnung zu seinen Maschinen hat — haben wir dann noch Anspruch?” Das ist eine Rechtsfrage, keine KI-Frage. Urheberrecht an technischen Zeichnungen liegt beim Ersteller (in der Regel dem Maschinenbauer), nicht beim Maschinenbesitzer. Das berechtigt zur eigenen Digitalisierung für interne Zwecke. Ob der Kunde eine Kopie erhält, richtet sich nach dem Kaufvertrag. Im Zweifelsfall: kurze Klärung mit dem Anwalt, bevor das Projekt beginnt.

Woran du merkst, dass das zu dir passt

Das System lohnt sich, wenn:

• Ihr habt Maschinentypen im Feld, die älter als 15 Jahre sind, und Kunden fragen nach Ersatzteilen oder Nachrüstungen (in diesem Fall ergänzt sich die Altplan-Digitalisierung gut mit dem Ersatzteilbedarf-Prognose-Ansatz)
• Ihr verliert mindestens einmal pro Quartal erheblich Zeit mit der Suche nach Altplänen oder seid schon einmal gezwungen gewesen, etwas neu zu konstruieren, das eigentlich dokumentiert war
• Euer Archiv umfasst mindestens 500 Zeichnungen, die ihr priorisieren und nach logischen Segmenten aufteilen könnt
• Ihr habt eine klare Vorstellung, wohin die digitalisierten Daten sollen — DMS, PLM oder eigene Suchoberfläche — bevor das Projekt beginnt

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

1. Unter 500 Zeichnungen im Archiv oder weniger als zwei Retrofit-/Ersatzteil-Anfragen pro Jahr. Der Einrichtungsaufwand ist nicht gerechtfertigt. Manuelles Digitalisieren der wichtigsten 50–100 Zeichnungen als Scan-PDF in SharePoint ist günstiger und ausreichend — eine KI-Lösung skaliert erst ab einem Volumen, das diesen Aufwand übersteigt.

2. Kein PLM-System, kein DMS, keine Suchinfrastruktur, in die die Metadaten fließen können. Digitalisierung ohne Zielinfrastruktur erzeugt einen Ordner mit PDFs statt eines durchsuchbaren Archivs. Das ist teuer bezahlt für einen Effekt, den ein Scanner und ein strukturierter Dateibaum billiger erzeugen. Zuerst die Zielinfrastruktur definieren und aufbauen — danach die KI-Verarbeitung.

3. Zeichnungsarchiv liegt hauptsächlich als stark beschädigtes Material vor (gerissen, verschimmelt, fehlende Schriftfelder, Kontrastauflösung unter 150 dpi erwartet). KI kann aus schlechten Scans keine guten Daten machen. Wenn das Archiv in einem Zustand ist, der professionelle Restaurierung erfordern würde, sind die Kosten nicht mehr durch die KI getrieben, sondern durch die Restaurierungsarbeit — und das ist ein eigenes Projekt.

Das kannst du heute noch tun

Beginne nicht mit dem Scan. Beginne mit der Inventur: Nimm dir zwei Stunden, gehe ins Archiv (oder bitte jemanden, der es kennt), und zähle — oder schätze grob — folgende Kategorien:

• Anzahl Zeichnungen nach Jahrzehnt (vor 1980, 1980–2000, nach 2000)
• Welche Baureihen oder Maschinentypen sind vertreten?
• In welchem physischen Zustand sind die ältesten Zeichnungen?
• Wie viele Zeichnungen haben erkennbare Schriftfelder mit Zeichnungsnummer?

Diese Zahlen bestimmen, ob ein Digitalisierungsprojekt wirtschaftlich sinnvoll ist — und wenn ja, in welcher Größenordnung. Ein strukturierter erster Prompt für die Analyse kann so aussehen:

Quellen & Methodik

• W24 Service GmbH (Werk24), München: Technische Dokumentation und Pricing (Stand April 2026). Plattform-I40-Anwendungsbeispiel „KI-basierte Digitalisierung von Technischen Zeichnungen zur Prozessautomation”. Referenzkunden DiManEx und Laserhub laut Werk24-Website (April 2026).
• Frontiers in Manufacturing Technology (2023): „Optical character recognition on engineering drawings to achieve automation in production quality control” (DOI: 10.3389/fmtec.2023.1154132). Akademische Studie zu OCR-Methodik für mechanische Zeichnungen; Framework eDOCr2 mit Texterkennungsrate 93,75 % und CER < 1 % bei klaren Digitaldokumenten.
• DIN 6771-1 / EN ISO 7200: Normen für Schriftfelder und Zeichnungsrahmen in technischen Zeichnungen. ISO 7200 gilt seit Mai 2004 als europäische Norm (Ersatz für DIN 6771-1).
• Werk24 Dokumentation: Scan-Mindestanforderungen ≥ 200 dpi (empfohlen 300 dpi), Zero-Retention-Policy verfügbar, Extraktionsgenauigkeit > 95 % PMI bei klaren Scans (April 2026).
• VDMA-Studie (2024): 63 Prozent der befragten Maschinenbauer berichten Verzögerungen durch fehlende Konstruktionsdaten bei Wartungs- und Ersatzteilprojekten (VDMA-Digitalisierungsbericht Maschinenbau 2024).
• Preisangaben Azure Document Intelligence, Google Document AI: Veröffentlichte Tarife der jeweiligen Anbieter (Stand April 2026).
• Implementierungskosten und Zeitrahmen: Erfahrungswerte aus Digitalisierungsprojekten bei Maschinenbauunternehmen mit 50–500 Mitarbeitenden; keine repräsentative Studie, konsistente Praxisbeobachtungen.

Du möchtest wissen, ob sich die Investition für euer konkretes Archiv rechnet — und was der realistische erste Schritt wäre? Meld dich für ein kurzes Gespräch.