Klassifikations-Compliance: KI-Unterstützung für Survey-Vorbereitung und Zertifikatspflege

Das echte Ausmaß des Problems

Ein modernes Seeschiff läuft unter einem komplexen Netz internationaler und klassengesellschaftlicher Anforderungen. Allein für einen Standard-Bulk-Carrier oder Containerschiff umfasst das Zertifikatsregister typischerweise 300 bis 600 einzelne Zertifikate, Prüfnachweise und Klassenvermerke — von der Hauptmaschinen-Klasse über SOLAS-Brandschutzanforderungen, MARPOL-Umweltauflagen, ISM-Code-Nachweise bis zu gerätespezifischen Typzulassungen für Navigationsausrüstung und Rettungssysteme.

Diese Zertifikate haben unterschiedliche Laufzeiten: manche jährlich, manche alle zwölf bis sechzig Monate, manche anlassbezogen nach Umbau oder Schadensereignis. Sie werden von verschiedenen Stellen ausgestellt — DNV, Bureau Veritas, Lloyd’s Register, Flaggenstaatsbehörden, nationale Schifffahrtsbehörden, Hersteller. Und sie liegen in verschiedenen Systemen: im CMMS, in Ordnern auf dem Bordcomputer, beim technischen Superintendenten an Land, beim Kapitän in der Schiffsakte.

Die Konsequenz: Laut Berichten aus der Branche sind Survey-Verzögerungen wegen fehlender oder abgelaufener Nachweise einer der häufigsten operativen Störfälle in der technischen Schiffsverwaltung. Jeder Liegetag eines Frachters in einer europäischen Reede kostet je nach Schiffsgröße und Charter-Konditionen 10.000 bis 80.000 Euro — zusätzlich zum Survey-Mehraufwand.

Dabei ist die eigentliche Schwäche selten das Vergessen großer Surveys (der Annual Survey ist bekannt), sondern das Übersehen kleiner, spezifischer Teilzertifikate, die im Wirrwarr der Systeme verschwinden.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zahlen zu Survey-Deficiency Notices und Zertifikatsquoten stammen aus Branchenberichten des IACS (International Association of Classification Societies) und SpecTec-Kundendaten; die konkreten Verbesserungen hängen stark von der bestehenden Ausgangsqualität der Datenpflege ab.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5) KI entlastet technisches Personal erheblich bei der Survey-Vorbereitung — statt drei Wochen manueller Checklisten-Recherche kann ein Abgleich gegen die aktuelle Klassifikations-Datenbank in wenigen Tagen erfolgen. Der Effekt ist real, aber nicht dramatisch: Ein erfahrener Superintendent weiß größtenteils, was zu prüfen ist. Wo KI am meisten spart, ist die Prüfung der Randanforderungen, die kein Mensch vollständig im Kopf hat.

Kosteneinsparung — hoch (4/5) Das Kostenargument in diesem Anwendungsfall ist außergewöhnlich direkt: Eine einzige verhinderte Survey-Verzögerung von einem Tag auf einem mittelgroßen Charterschiff kann die Jahreskosten des Systems übersteigen. Anders als bei Dokumentationsautomatisierung (die indirekten Kapazitätsgewinn erzeugt) ist hier der Link zwischen System und Geldersparnis klar nachvollziehbar — wenn auch schwer exakt zu isolieren, weil Fehler per Definition selten auftreten sollten.

Schnelle Umsetzung — niedrig (2/5) Eine vollständige Integration von KI-Compliance-Monitoring in bestehende CMMS-Systeme wie AMOS by SpecTec braucht Zeit. Die Klassifikationsanforderungen müssen als maschinenlesbare Regelwerke vorliegen, die Zertifikatsdaten müssen strukturiert erfasst sein, und die Schnittstellen zu DNV-Datenbanken müssen eingerichtet werden. Das ist kein Wochenendprojekt. Realistisch sind vier bis neun Monate bis zu einem produktiven System.

ROI-Sicherheit — hoch (4/5) Der Nutzen ist direkt messbar: Anzahl der Survey-Deficiency Notices vorher und nachher, Anzahl der Eilbeauftragungen wegen abgelaufener Zertifikate, Liegezeit-Zusatzkosten. Das macht diesen Anwendungsfall zu einem der überzeugendsten für Geschäftsführungen, die konkreten Nachweis wollen. Einschränkung: Der System-ROI zeigt sich erst nach einem vollen Survey-Zyklus (typisch zwölf Monate), weil Fehler per Design selten auftreten.

Skalierbarkeit — mittel (3/5) Ein Compliance-System skaliert gut mit Flottengröße — zehn Schiffe sind kaum teurer zu überwachen als fünf, sobald das System läuft. Es skaliert aber nicht ohne Aufwand auf neue Klassengesellschaften oder neue Flag States: Jede neue Anforderungsquelle muss einmal eingelesen und kalibriert werden.

Richtwerte — stark abhängig von Flottengröße, CMMS-Reife und vorhandener Datenstruktur.

Was das System konkret macht

Im Kern kombiniert ein KI-gestütztes Klassifikations-Compliance-System drei Fähigkeiten, die manuell kaum kombinierbar sind:

1. Anforderungsextraktion aus Klassenvorschriften Die Regelwerke von DNV, Bureau Veritas und Lloyd’s Register sind umfangreich und werden halbjährlich aktualisiert (DNV publiziert neue Regelfassungen im Januar und Juli). Ein LLM-System kann aktuelle Regeltexte nach klassenspezifischen Dokumentationspflichten für einen bestimmten Schiffstyp durchsuchen und eine maschinenlesbare Checkliste erzeugen. Diese Checkliste enthält: welches Zertifikat für welche Anlage nötig ist, welche Laufzeit gilt, wer ausstellen darf und was die Prüfgrundlage ist.

2. Abgleich gegen die tatsächliche Zertifikatsakte Das System vergleicht die abgeleitete Checkliste mit den tatsächlich vorliegenden Dokumenten in AMOS by SpecTec oder einem vergleichbaren maritimen CMMS. Es identifiziert fehlende Zertifikate, bald ablaufende Dokumente (konfigurierbar: 30, 60 oder 90 Tage Vorlauf) und Zertifikate, deren Laufzeit mit dem geplanten Survey-Datum kollidiert.

3. Generierung von Survey-Arbeitspaketen Für den zuständigen Superintendenten generiert das System eine priorisierte Arbeitsliste: Was muss vor dem Survey verlängert werden? Welche Firmen müssen beauftragt werden? Wo gibt es potenzielle Ausnahmetatbestände oder Äquivalenzlösungen? Das verkürzt die manuelle Vorbereitungszeit erheblich und stellt sicher, dass auch die selteneren Anforderungen überprüft werden.

Wichtige Einschränkung: Das System kann erkennen, dass ein Zertifikat fehlt — es kann aber nicht entscheiden, ob ein Äquivalenz- oder Ausnahmestatus gilt. Diese Entscheidung bleibt beim Superintendenten und dem Surveyor. KI als Wissensassistenz, nicht als Entscheidungsersatz.

Konkrete Werkzeuge — was wann passt

AMOS by SpecTec mit KI-Erweiterung Das marktführende maritime CMMS bietet eine integrierte Zertifikatsverwaltung mit Fristentracking — das ist der natürliche Ausgangspunkt für KI-Erweiterungen. SpecTec entwickelt seit 2023 KI-Funktionen (Natural Language Queries, automatische Priorisierung). Für Reedereien, die AMOS bereits nutzen, ist der Ausbau der bestehenden Installation der wirtschaftlichste Weg.

ChatGPT oder Claude für Survey-Vorbereitung (sofortiger Einstieg) Für kleinere Reedereien ohne vollständiges CMMS: Aktuelle Klassenregeln (als PDF verfügbar auf DNV.com und Bureau Veritas) in ein LLM-System laden, Schiffstyp und Ausrüstungsliste eingeben, Checkliste generieren lassen. Das ist kein Automatisierungssystem, aber es ist sofort verfügbar und kostet 20–30 Euro/Monat. Die Qualität hängt stark davon ab, wie vollständig und aktuell die eingegebenen Regelwerke sind.

Azure Document Intelligence für Zertifikatsextraktion Historische Zertifikate liegen oft als gescannte PDFs vor. Azure Document Intelligence extrahiert strukturierte Daten aus diesen Dokumenten — Ausstellungsdatum, Gültigkeitsdatum, ausstellende Institution, Geltungsbereich — und macht sie maschinenlesbar. Das ist der notwendige erste Schritt für eine vollständige Digitalisierung der Zertifikatsakte.

IBM Maximo für größere Flottenbetreiber IBM Maximo Application Suite unterstützt Compliance-Management für Anlagen über alle Branchen. Für große Reedereien oder integrierte Maritime Groups, die Maximo bereits für Asset Management nutzen, bietet die Suite Predictive-Maintenance-Funktionen, die sich auf maritime Compliance-Anforderungen erweitern lassen. Höhere Implementierungskomplexität, aber tiefere Integration in den Gesamtbetrieb.

Wann welcher Ansatz:

• Sofortige Verbesserung ohne IT-Projekt → ChatGPT/Claude + PDF der Klassenregeln
• AMOS bereits im Einsatz → AMOS-Erweiterung
• Digitalisierung gescannter Altdokumentation → Azure Document Intelligence zuerst
• Großreederei mit Maximo-Infrastruktur → Maximo Compliance-Module

Datenschutz und Datenhaltung

Zertifikatsakte und Schiffsdokumentation enthalten schiffsbezogene Betriebsdaten, die unter die DSGVO fallen, sofern personenbezogene Daten (Besatzungsausweise, Inspekteursnamen) enthalten sind. Die Kerndaten — technische Zertifikate, Wartungsnachweise, Klassenunterlagen — sind nicht personenbezogen.

Für EU-ansässige Reedereien ist Azure Document Intelligence mit EU-Datenhosting eine sichere Wahl. Auch AMOS by SpecTec ist EU-gehostet. Klassifikationsgesellschaften wie DNV betreiben eigene Plattformen (Veracity by DNV) mit europäischem Hosting und stellen AVV-Vorlagen bereit.

Besonderheit: Flaggenstaaten-Anforderungen können Datenspeicherung im jeweiligen Flaggenstaat vorschreiben — etwa für Schiffe unter panamaischer, liberianischer oder Marshallinseln-Flagge. Das betrifft die Archivierung, nicht die operative Verarbeitung. Im Zweifel klären Versicherung und ISM-Auditor, welche Anforderungen für die konkrete Flottenkonfiguration gelten.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Digitalisierung der Zertifikatsakte (wenn noch analog): 2.000–8.000 Euro je Schiff, abhängig vom Digitalisierungsgrad
• Konfiguration von AMOS-Zertifikatsmodul oder CMMS-Fristentracking: 5.000–15.000 Euro einmalig
• KI-Integration (Regelabgleich, Lückenerkennung): 15.000–40.000 Euro für Systementwicklung
• Alternativ: ChatGPT/Claude-basierter Prozess (manuellere Eingabe): 0–3.000 Euro Einrichtung

Laufende Kosten (monatlich)

• AMOS by SpecTec (Basisabonnement): Preise auf Anfrage, typisch im mittleren vierstelligen Bereich/Monat für kleine Flotten
• ChatGPT/Claude für Survey-Vorbereitung: 20–50 Euro/Monat je Nutzer
• Azure Document Intelligence: ca. 5–15 Euro je 1.000 verarbeitete Seiten

Was du dagegen rechnen kannst Ein Tag Liegezeit eines mittelgroßen Feeders in Norddeutschland wegen fehlender Survey-Unterlagen kostet — konservativ — 10.000 bis 20.000 Euro in verlorenen Charter-Erträgen und Mehrkosten. Bei einem Vollcontainerschiff sind es 30.000 bis 80.000 Euro täglich. Eine einzige verhinderte Liegezeit-Verlängerung von zwei Tagen rechtfertigt die Jahreslizenzkosten eines CMMS-Systems üblicherweise.

Daneben entstehen Kosten durch Deficiency Notices: Ein formeller DNV-Deficiency-Vermerk kann den Flag-State-Kontakt und zusätzliche Berichtspflichten auslösen, die intern 10–30 Stunden Aufwand produzieren.

Drei typische Einstiegsfehler

1. Das CMMS einrichten, aber die Datenpflege vernachlässigen. Ein Fristentracking-System ist nur so gut wie seine Datenbasis. Wenn Zertifikate nach Verlängerung nicht zeitnah in AMOS oder ein vergleichbares System eingetragen werden — weil Bordpersonal und Landseite das Nachtragen als Bürokratie empfinden — läuft das System nach sechs Monaten mit veralteten Daten. Dann gibt es falsche Sicherheit: Das System zeigt “alles grün”, obwohl an Bord längst veraltete Zertifikate hängen. Die organisatorische Lösung: Klare Verantwortung für die Eintragsqualität, monatlicher Abgleich zwischen Bordakte und Landsystem.

2. Nur die Hauptzertifikate erfassen, nicht die Teilnachweise. DNV Annual Survey, Load Line Certificate, SOLAS Safety Equipment Certificate — die großen, bekannten Zertifikate landen in jedem System. Was übersehen wird: Die kleinen, anlagenspezifischen Prüfnachweise. CO2-Anlage, Rettungsinseln (alle einzeln), Radarsystem-Kalibrierung, ISM-Audit-Bestätigung für Notfallausrüstung. Es sind genau diese Dokumente, die beim Survey peinlich fehlen. Lösung: Beim ersten Systemaufbau methodisch durch alle SOLAS-Kapitel und das ISM-Handbuch gehen und jedes einzelne Dokument erfassen, das eine externe Bestätigung erfordert.

3. KI als Entscheidungsinstanz behandeln, nicht als Assistent. KI kann erkennen, dass ein Zertifikat in der Datenbank fehlt. Sie kann nicht beurteilen, ob ein Äquivalenzgenehmigung gilt, ob eine Positionslösung akzeptiert wird oder ob der zuständige Surveyor eine Sonderlösung kennt, die nirgendwo dokumentiert ist. Wer KI-generierte Checklisten ohne Prüfung durch einen erfahrenen Superintendent abarbeitet, riskiert entweder überflüssige Beauftragungen (wenn eine Ausnahme gilt) oder false Confidence (wenn das System eine Lücke nicht erkannt hat). KI ergänzt Erfahrung, ersetzt sie nicht.

Was mit der Einführung wirklich passiert — und was nicht

Die größte Hürde bei der Einführung von Klassifikations-Compliance-KI ist nicht die Technologie, sondern die Datenpflege-Disziplin.

Erfahrungsgemäß verläuft die Einführung in drei Phasen:

Erste Phase (Monat 1–3): Ernüchterung. Wenn das System zum ersten Mal die Zertifikatsakte eines Schiffs analysiert, findet es mehr Lücken als erwartet. Nicht weil das Schiff schlecht gewartet ist, sondern weil Dokumente existieren, die nicht im System hinterlegt sind. Papierordner an Bord, E-Mails in Superintendent-Postfächern, Zertifikate beim Makler. Diese Arbeit — Digitalisierung, Strukturierung, Nachtragen — ist unvermeidlich und wird unterschätzt.

Zweite Phase (Monat 3–6): Stabilisierung. Sobald die Basis-Datenqualität stimmt, beginnt das System echten Mehrwert zu liefern. Die 90-Tage-Vorwarnliste wird täglich nützlicher, Survey-Vorbereitungen werden planbarer. Technisches Personal beginnt das System als Entlastung zu erleben, nicht als Zusatzaufwand.

Dritte Phase (ab Monat 6): Vertrauen. Wenn das erste Annual Survey mit dem System erfolgreich durchläuft — keine vergessenen Zertifikate, keine Überraschungen — ändert sich die Grundhaltung. Das System wird zum Standard, nicht zur Ausnahme.

Was konkret hilft: Einen “Zertifikats-Champion” pro Schiff oder pro Flottensegment benennen, der Ansprechpartner für Datenqualität ist und monatlich den Soll-Ist-Abgleich durchführt. Ohne diese Rolle degradiert das System zur Datengrabstätte.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

“Wir haben das immer manuell gemacht und hatten nie ein Problem.” Das stimmt möglicherweise für die großen, sichtbaren Zertifikate. Die Häufigkeit von Survey-Deficiency Notices in der Branche — im Schnitt zwei bis vier je Schiff pro Jahr laut IACS-Berichten — deutet darauf hin, dass der Status quo häufiger Probleme produziert, als das kollektive Gedächtnis zulässt. Außerdem: “Noch nie ein Problem gehabt” ist kein Argument gegen Prävention; es ist ein Argument gegen den falschen Eindruck, Prävention sei unnötig.

“Die Klassenvorschriften ändern sich ständig — wie soll das System aktuell bleiben?” Das ist der wichtigste technische Einwand — und er ist berechtigt. DNV publiziert halbjährliche Regelaktualisierungen, Bureau Veritas und Lloyd’s Register ähnlich. Das System muss diese Aktualisierungen aufnehmen. Lösungsansatz: Klare Verantwortung für die Regelwerk-Updates im System, mindestens halbjährlich. Das ist kein Aufwand von Tagen, sondern von Stunden — aber es muss jemand tun, aktiv, und nicht auf den nächsten Survey warten.

“Wir sind eine kleine Reederei mit drei Schiffen. Das lohnt sich nicht.” Das hängt davon ab, wie der Einstieg gewählt wird. Für drei Schiffe reicht ein strukturierter, KI-unterstützter Prozess mit ChatGPT oder Claude und einer konsequent gepflegten Excel-Datenbank für Zertifikate — kein vollständiges CMMS-System. Der Aufwand: einige Tage Einrichtung, 30 Euro/Monat für das KI-Tool. Der Nutzen beginnt beim ersten Annual Survey.

Woran du merkst, dass das zu dir passt

• Du hast schon mehr als einmal eine Eilbeauftragung für ein abgelaufenes Zertifikat in Kauf genommen, das im System nicht auf dem Radar war
• Neue Superintendenten brauchen Monate, um alle klassenspezifischen Anforderungen für jeden Schiffstyp zu verinnerlichen
• Jeder Survey beginnt mit einer stressigen Bestandsaufnahme — nicht weil das Schiff schlecht ist, sondern weil nie klar ist, was genau die Klassengesellschaft diesmal prioritär prüft
• Du betreibst Schiffe unter mehreren Flaggen oder Klassen — die Unterschiede zwischen DNV, Bureau Veritas und Lloyd’s Register-Anforderungen sind real und schwer manuell zu überblicken

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

1. Wenn die Zertifikatsakte noch überwiegend in Papierform vorliegt und keine Kapazität für die Digitalisierung besteht. KI kann keine Papierordner auslesen. Der erste Schritt muss die Digitalisierung sein.

2. Wenn kein kontinuierlicher Verantwortlicher für die Datenpflege benannt werden kann. Ein System ohne aktive Datenpflege gibt nach sechs Monaten falsche Sicherheit — das ist gefährlicher als kein System.

3. Wenn die Flotte ausschließlich aus einem Schiff besteht und ein erfahrener Superintendent die komplette Survey-Historie kennt. In diesem Fall übersteigt der Systemaufwand den Nutzen. Ein einzelnes gut geführtes Excel-Register mit Erinnerungsfunktion reicht aus.

Das kannst du heute noch tun

Lade die aktuelle DNV-Regelsammlung für deinen Schiffstyp als PDF von dnv.com/rules-standards herunter — kostenlos verfügbar. Öffne dann ChatGPT oder Claude und lade das relevante Kapitel hoch. Dann stelle folgende Frage:

Quellen & Methodik

• Survey-Deficiency-Statistiken: IACS (International Association of Classification Societies), Annual Review Reports 2022–2024; einzelne Schätzungen aus Branchenberichten auf Grundlage von Flottendaten
• Zertifikatsanzahl je Schiff: Schätzwert auf Basis von SOLAS/MARPOL-Anforderungskatalogen und ISM-Code-Prüflisten; exakte Zahlen variieren nach Schiffstyp und Fahrtgebiet
• Liegetagkosten: Branchenübliche Schätzwerte aus Charter-Analysen (Baltic Dry Index Benchmark-Überlegungen); stark variabel je nach Schiffstyp, Charter-Konditionen und Einsatzgebiet
• DNV Regeldokumente: DNV Rules for Classification of Ships, Juli 2024 Edition; Bureau Veritas Rules for Classification: Ships, NR 600; verfügbar auf dnv.com und bureauveritas.com
• AMOS-Marktdaten: SpecTec State of Marine CMMS 2024; BoatOn CMMS-Vergleich 2024