Dieser Beitrag stellt einen hybriden KI-Ansatz zur Gefahrgutbeurteilung in der Batterie- und Chemikalienlogistik vor. Im Zentrum steht die Frage, wie Fachkräfte aus fragmentierten, teilweise widersprüchlichen und sich ändernden Regelwerken schnell und rechtssicher zu Entscheidungen gelangen können.

Dazu wird ein Retrieval-Augmented-Generation-System entwickelt, das generative Sprachmodelle mit mehrstufigem Preprocessing, semantischer Suche und Knowledge Graphs kombiniert. Heterogene Dokumente werden per OCR, Layoutanalyse und semantischer Segmentierung normalisiert und anschließend über Vektor- und Graphstrukturen erschlossen. Ein agentenbasiertes Multi-Step-Reasoning zerlegt komplexe Anfragen in Teilaufgaben, orchestriert Retrieval und Konsistenzprüfungen und liefert nachvollziehbare Entscheidungsprotokolle.

Technische Risiken wie Halluzinationen, veraltete Regularien und Skalierungsprobleme werden durch Konsistenzmetriken, Versionskontrolle und speichereffiziente Embedding-Strategien adressiert. Der Ansatz zielt darauf, dokumentengetriebene Entscheidungsprozesse in sicherheitskritischen Domänen zu automatisieren und lässt sich auf andere regulierungsintensive Bereiche übertragen.