Kerntechnologie

Die Normalisierungs-Engine

Q: Was ist Normalisierung?

RFQs und MTOs kommen in jedem erdenklichen Format: verschiedene Sprachen, Abkürzungen, Spaltenlayouts, Einheiten. Normalisierung bedeutet, jede Zeile zu parsen, das beschriebene Produkt zu interpretieren, Fehler zu erkennen (falsche Schedules, unmögliche Größen, inkompatible Druckstufen) und es mit deinem Lagerbestand abzugleichen. Die Engine liest nicht nur Text. Sie versteht Piping: Sie weiß, dass SCH 30 in B36.10 nicht existiert, dass ein Class 150 Flansch nicht zu einem PN 40 Ventil passt und dass "A106 Gr.B" und "P235GH" nicht austauschbar sind. Sowohl die RFQ als auch dein Lagerbestand werden auf die gleiche Weise normalisiert, sodass der Abgleich automatisch erfolgt: Die Engine findet, was du auf Lager hast, erstellt das Angebot und markiert, was fehlt.

Q: Warum nicht KI oder Machine Learning für die Normalisierung verwenden?

Probier es selbst: Lade eine RFQ und deinen Lagerbestand bei ChatGPT hoch und bitte um einen Abgleich der Positionen und eine Angebotserstellung. Du erhältst ein Ergebnis, das überzeugend aussieht, aber voller falscher Zuordnungen, erfundener Spezifikationen und übersehener Positionen ist. LLMs sind probabilistisch. Jedes Mal, wenn du dieselbe Anfrage ausführst, erhältst du ein anderes Ergebnis. Du müsstest jede einzelne Zeile manuell prüfen, was den Zweck zunichtemacht. Unsere Engine ist deterministisch und regelbasiert: gleiche Eingabe, gleiches Ergebnis, jedes Mal. Jeder Abgleich ist nachvollziehbar, jeder Fehler wird markiert, und das Angebot wird automatisch erstellt.

Q: Wie geht die Engine mit chaotischen Beschreibungen um?

Echte RFQs sind voll von Abkürzungen (SMLS, BW, RF, SW), Tippfehlern, OCR-Artefakten, abgeschnittenen Beschreibungen und inkonsistenter Formatierung. "A106 GR.B", "A106-B", "A106 Grade B", "ASTM A 106 GRB" sind alles derselbe Werkstoff. Die Engine macht keinen einfachen Textvergleich. Sie parst jede Beschreibung semantisch, erkennt bekannte Abkürzungsmuster, toleriert häufige Tippfehler und löst Mehrdeutigkeiten anhand von Piping-Branchenregeln auf. Wenn etwas wirklich unleserlich ist, markiert sie es, anstatt zu raten.

Q: Was passiert, wenn die Engine eine Position nicht identifizieren kann?

Er markiert die Position zur manuellen Prüfung, anstatt zu raten. Wenn eine Beschreibung zu mehrdeutig ist, widersprüchliche Spezifikationen enthält oder sich auf ein Produkt außerhalb des unterstützten Bereichs bezieht, kennzeichnet die Engine dies deutlich und erklärt warum. Keine stillen Fehler, keine erfundenen Codes.

Q: Wie handhabt die Engine Größenumrechnungen (metrisch vs. imperial)?

Die Engine verwendet Abmessungstabellen aus ASME-, EN- und ISO-Normen zur Größenauflösung. Ein Rohr beschrieben als "168,3mm AD x 7,11mm WT" und eines beschrieben als "6 inch SCH40" sind dasselbe Produkt. Die Engine ordnet beide demselben Code zu, weil sie die tatsächlichen Wandstärken- und Außendurchmesserwerte aus Normtabellen kennt, nicht aus Musterabgleich.

Q: Was ist der einzigartige Produktcode?

Ein deterministischer Hash (SHA-256), generiert aus den normalisierten technischen Attributen eines Produkts. Zwei Beschreibungen, die völlig unterschiedlich aussehen, aber dasselbe Rohr, Fitting oder Ventil beschreiben, erzeugen immer denselben Code. Das ermöglicht den automatisierten Abgleich: Wenn der Code übereinstimmt, stimmt das Produkt überein. Über 3 Millionen einzigartige Codes sind derzeit kartiert.

3M+ Produktcodes. 98% Präzision. 100% deterministisch.

Warum Normalisierung wichtig ist

Indem wir RFQs und Katalog mit derselben Logik normalisieren, können wir sie matchen und Angebote automatisch erstellen.

RFQ_Offshore_Platform.xlsx

Tag No.	Pipe Type	Material Grade	OD	Thk	Length (m)
L-101	Seamless	A106 Gr.B	168.3	7.11	500
L-102	Welded	A312 TP316L	60.3	3.91	120

Engine-Ergebnis

Line Item	Engine Code	Engine Description	Qty	Unit Price	Total Price
1	PIP-7F3A9E2B	PIPE SMLS A106 GR.B 6" SCH40	500m	$12.40/m	$6,200
2	PIP-4B2C8D1A	PIPE WLD A312 TP316L 2" SCH40S	120m	$28.60/m	$3,432

Produkte

Rohre, Fittings, Flansche, Ventile, Dichtungen, Schrauben

Sprachen

Deterministisch

Gleiche Eingabe, gleiches Ergebnis. Jedes Mal.

KI kann nicht zuverlässig normalisieren

LLMs sind probabilistisch: gleiche Eingabe, unterschiedliches Ergebnis. Du würdest ein Vermögen für API-Tokens ausgeben und dem Ergebnis trotzdem nicht trauen. Probier es: Gib einer KI eine RFQ und deinen Lagerbestand und verlange einen Abgleich. Viel Glück.

KI / LLM

Probabilistisch

"Vielleicht 95% korrekt"

Halluzinationen bei Grenzfällen
Anderes Ergebnis bei jedem Durchlauf
"Warum?" → "Weiß ich nicht"
Besteht kein Audit

Regelbasierte Engine

Deterministisch

100% konsistent

Nachvollziehbar: sieh genau, welche Regel gegriffen hat
Reproduzierbar: gleiche Eingabe = gleiches Ergebnis
"Warum?" → exakte Regelreferenz
Audit-fähige Dokumentation

Keine Black Boxes. Kein probabilistisches Raten. Keine unerklärbaren Ergebnisse.

3 Millionen Produkte. Normalisiert.

Die größte Piping-Klassifikationsdatenbank der Branche.

Rohre

Ventile

Fittings

Flansche

Dichtungen

Schrauben

Größen 1/8" to 80" | Normen ASME · API · EN · ISO · MSS | Werkstoffe CS · SS · Duplex · Nickel Alloys

Produktcodes

Sprachen

Präzision

Die Engine Kennt Piping. Bis ins Detail.

Die Engine erkennt technische Fehler, bevor sie zu teuren Problemen werden.

WN-Flansch ohne Schedule

Vorschweißflansche benötigen eine Bohrungsangabe (Schedule). Fehlend = falscher Bohrungsdurchmesser = Schweißfehler.

EN-Maße bei ASME-Produkt

DN 150 x 6,3mm bei ASME B36.10 Rohr. Normen lassen sich nicht mischen. Das Produkt existiert nicht.

Schedule S bei Kohlenstoffstahl

SCH 5S, 10S, 40S sind Edelstahl-Schedules. Kohlenstoffstahl verwendet SCH 5, 10, 40.

Falscher Werkstoff für den Einsatz

A105-Fittings mit A312-Rohr? A105 ist ein Kohlenstoffstahl-Schmiedeteil, A312 ist Edelstahl. Nicht kompatibel.

Nicht-standardmäßige Abmessungen

6" SCH 30 existiert nicht in B36.10. Jemand hat ein Schedule erfunden, das kein Werk produziert.

Inkompatible Druckstufe

Class 150 Flansch mit PN 40 Ventil verbunden. Unterschiedliche Bohrbilder. Lässt sich nicht verschrauben.

Unter der Haube

In Python gebaut. Gestützt auf PostgreSQL. 6 Jahre Entwicklungszeit.

Codezeilen

Testabdeckung

REST API

JSON rein, JSON raus

<200ms

Pro Position

Python

PostgreSQL

Docker

CI/CD

4.200+ Tests

ASME / EN / ISO

~500.000 Piping-Codes. 50+ Jahre Geschichte.

MESC Hat Begonnen.

Wir Haben Es Vollendet.

Shells MESC war Vorreiter der Piping-Produktstandardisierung mit ~500.000 Piping-Codes. Wir haben diese Vision weitergetragen: ein offenes System mit 3M+ Codes, das jede Norm, jeden Werkstoff und jede Größe abdeckt. Ohne Lizenzbeschränkungen.

Die vollständige MESC-Geschichte lesen

Häufige Fragen

Häufige Fragen zur Normalisierungs-Engine.

Was ist Normalisierung?

RFQs und MTOs kommen in jedem erdenklichen Format: verschiedene Sprachen, Abkürzungen, Spaltenlayouts, Einheiten. Normalisierung bedeutet, jede Zeile zu parsen, das beschriebene Produkt zu interpretieren, Fehler zu erkennen (falsche Schedules, unmögliche Größen, inkompatible Druckstufen) und es mit deinem Lagerbestand abzugleichen. Die Engine liest nicht nur Text. Sie versteht Piping: Sie weiß, dass SCH 30 in B36.10 nicht existiert, dass ein Class 150 Flansch nicht zu einem PN 40 Ventil passt und dass "A106 Gr.B" und "P235GH" nicht austauschbar sind. Sowohl die RFQ als auch dein Lagerbestand werden auf die gleiche Weise normalisiert, sodass der Abgleich automatisch erfolgt: Die Engine findet, was du auf Lager hast, erstellt das Angebot und markiert, was fehlt.

Warum nicht KI oder Machine Learning für die Normalisierung verwenden?

Probier es selbst: Lade eine RFQ und deinen Lagerbestand bei ChatGPT hoch und bitte um einen Abgleich der Positionen und eine Angebotserstellung. Du erhältst ein Ergebnis, das überzeugend aussieht, aber voller falscher Zuordnungen, erfundener Spezifikationen und übersehener Positionen ist. LLMs sind probabilistisch. Jedes Mal, wenn du dieselbe Anfrage ausführst, erhältst du ein anderes Ergebnis. Du müsstest jede einzelne Zeile manuell prüfen, was den Zweck zunichtemacht. Unsere Engine ist deterministisch und regelbasiert: gleiche Eingabe, gleiches Ergebnis, jedes Mal. Jeder Abgleich ist nachvollziehbar, jeder Fehler wird markiert, und das Angebot wird automatisch erstellt.

Wie geht die Engine mit chaotischen Beschreibungen um?

Echte RFQs sind voll von Abkürzungen (SMLS, BW, RF, SW), Tippfehlern, OCR-Artefakten, abgeschnittenen Beschreibungen und inkonsistenter Formatierung. "A106 GR.B", "A106-B", "A106 Grade B", "ASTM A 106 GRB" sind alles derselbe Werkstoff. Die Engine macht keinen einfachen Textvergleich. Sie parst jede Beschreibung semantisch, erkennt bekannte Abkürzungsmuster, toleriert häufige Tippfehler und löst Mehrdeutigkeiten anhand von Piping-Branchenregeln auf. Wenn etwas wirklich unleserlich ist, markiert sie es, anstatt zu raten.

Was passiert, wenn die Engine eine Position nicht identifizieren kann?

Er markiert die Position zur manuellen Prüfung, anstatt zu raten. Wenn eine Beschreibung zu mehrdeutig ist, widersprüchliche Spezifikationen enthält oder sich auf ein Produkt außerhalb des unterstützten Bereichs bezieht, kennzeichnet die Engine dies deutlich und erklärt warum. Keine stillen Fehler, keine erfundenen Codes.

Wie handhabt die Engine Größenumrechnungen (metrisch vs. imperial)?

Die Engine verwendet Abmessungstabellen aus ASME-, EN- und ISO-Normen zur Größenauflösung. Ein Rohr beschrieben als "168,3mm AD x 7,11mm WT" und eines beschrieben als "6 inch SCH40" sind dasselbe Produkt. Die Engine ordnet beide demselben Code zu, weil sie die tatsächlichen Wandstärken- und Außendurchmesserwerte aus Normtabellen kennt, nicht aus Musterabgleich.

Was ist der einzigartige Produktcode?

Ein deterministischer Hash (SHA-256), generiert aus den normalisierten technischen Attributen eines Produkts. Zwei Beschreibungen, die völlig unterschiedlich aussehen, aber dasselbe Rohr, Fitting oder Ventil beschreiben, erzeugen immer denselben Code. Das ermöglicht den automatisierten Abgleich: Wenn der Code übereinstimmt, stimmt das Produkt überein. Über 3 Millionen einzigartige Codes sind derzeit kartiert.