Digitaler Produktpass: Lieferantendaten mit KI sammeln für ESPR und Batteriepass

Was der digitale Produktpass ist und wer ihn erstellen muss

Der digitale Produktpass (DPP) ist ein digitaler Datensatz zu einem Produkt, Bauteil oder Werkstoff mit Informationen zu Nachhaltigkeit, Kreislauffähigkeit und Rechtskonformität, erreichbar über einen Datenträger wie einen QR-Code; die Hauptverantwortung für seine Erstellung und Richtigkeit liegt nach den DPP-FAQ der Kommission beim Wirtschaftsakteur, der das Produkt auf dem EU-Markt in Verkehr bringt. Viele dieser Informationen kommen von Lieferanten, und ein KI-System auf Ihrem eigenen Server kann deren Dokumente in vielen Formaten und Sprachen in feste Felder einlesen, die Ihr Team prüft und bestätigt.

Die DPP-Seite der Europäischen Kommission nennt Sicherheit, Herkunft, Werkstoffe, Reparierbarkeit, Umweltleistung sowie Wiederverwendung und Recycling als Arten von Informationen, die ein Pass je nach Produktkategorie enthalten kann. Dieser Beitrag richtet sich an Geschäftsführungen und die Leitung von Produktmanagement, Nachhaltigkeit, Qualität oder Einkauf bei Herstellern von Textilien, Stahl- und Aluminiumprodukten, Reifen, Möbeln, Batterien und später weiteren Produktkategorien. Die zweite Hälfte enthält Hinweise für das IT-Team. Alle Angaben zum Recht sind allgemeine Information, gelesen auf Seiten der Kommission und auf EUR-Lex am 25. Oktober 2026; was für Ihre Produkte gilt, bestätigt Ihre Rechtsberatung.

Welche Produkte einen Pass brauchen, und ab wann

Die Ökodesign-Verordnung für nachhaltige Produkte (ESPR), Verordnung (EU) 2024/1781, ist am 18. Juli 2024 in Kraft getreten. Sie ist ein Rahmen: Pflicht wird der Pass für eine Produktkategorie erst durch einen delegierten Rechtsakt für diese Kategorie, und die FAQ weisen darauf hin, dass die Aufnahme in den Arbeitsplan der Kommission einen Pass nicht automatisch vorschreibt. Die Kommission hat ihren ersten ESPR-Arbeitsplan am 16. April 2025 angenommen. Andere EU-Gesetze bringen eigene Pässe mit.

Europäische Kommission, Seite „Digital Product Passport“ (vorläufiger Zeitplan) und Digital Product Passport FAQ (Manuskript abgeschlossen im Februar 2026), gelesen am 25. Oktober 2026. Die ESPR-Jahre sind die des Arbeitsplans für die delegierten Rechtsakte; die Pflicht gilt nach der Übergangsfrist, die jeder Rechtsakt festlegt.

Die Seite der Kommission räumt Wirtschaftsakteuren nach der Annahme eines delegierten Rechtsakts eine Übergangsfrist von mindestens 18 Monaten ein und bezeichnet den gesamten Zeitplan als vorläufig. Für einen Textil- oder Reifenhersteller heißt das: Die Felder stehen noch nicht fest, der Termin ist aber nah genug, um die Lieferantendaten vorzubereiten. Für Eisen und Stahl steht ein delegierter Rechtsakt für das vierte Quartal 2026 im Zeitplan; einen angenommenen Text haben wir am 25. Oktober 2026 nicht gefunden.

Unser Leitfaden zu den Ökodesign-Regeln für Server und GPU-Server behandelt die Ökodesign-Vorgaben für die Server selbst.

Was der Pass verlangen wird

Welche Daten verlangt werden, legt der delegierte Rechtsakt je Produktkategorie fest. Das allgemeine Bild aus den Seiten der Kommission sieht so aus. Die ESPR-Seite nennt als Beispiele die technische Leistung des Produkts, Werkstoffe und ihre Herkunft, Reparaturen, Recyclingfähigkeit und Umweltwirkungen über den Lebenszyklus. Die FAQ ergänzen, dass Informationen über bedenkliche Stoffe in einem Produkt in den DPP aufgenommen werden, wenn für das Produkt ein DPP vorgeschrieben ist, wobei Schwellenwerte und Ausnahmen je delegiertem Rechtsakt festgelegt werden. Eine eindeutige Produktkennung verbindet den Pass mit dem Produkt, je nach Rechtsakt auf Ebene von Modell, Charge oder einzelnem Produkt.

Der Zugang ist nach Rollen geteilt. Verbraucher sehen wesentliche Produktinformationen kostenlos, Reparaturbetriebe und Recycler erhalten die Informationen, die sie für ihre Arbeit brauchen, und Markt­überwachungs­behörden können die Konformität prüfen. Laut FAQ sind manche Daten öffentlich und andere berechtigten Stellen vorbehalten.

Die meisten dieser Felder haben ihren Ursprung bei einem Lieferanten. Die Zusammensetzung eines Gewebes kommt von Spinnerei und Weberei, der Rezyklatanteil eines Aluminiumprofils aus dem Zertifikat des Strangpressers, Stahlsorte und Schmelze aus einem Abnahmeprüfzeugnis 3.1, die bedenklichen Stoffe aus einer Lieferantenerklärung. Ein Hersteller mit einigen Hundert Produkten und einigen Dutzend Lieferanten je Produkt hält Tausende solcher Dokumente in verschiedenen Layouts und Sprachen, und kaum eines davon wurde mit Blick auf einen Pass geschrieben.

Wie KI Lieferantendaten für den Pass sammelt

Ein KI-System macht aus diesen Dokumenten strukturierte, geprüfte Daten. Es erstellt den Pass nicht, und es entscheidet nicht, ob ein Wert stimmt.

1. Sammeln. Spezifikationen, Zertifikate, Prüfberichte, Erklärungen und E-Mails von Lieferanten landen in einer Warteschlange, jedes Dokument mit Lieferant, Datum und den abgedeckten Teilen abgelegt.
2. Lesen. Ein OCR-Modell wandelt Scans in Text und Tabellen um, und ein Sprachmodell füllt zu jedem Dokument ein festes Formular: Werkstoff, Zusammensetzung in Prozent, Herkunft, Rezyklatanteil und seine Grundlage, genannte Stoffe mit CAS- oder EG-Nummer, Prüfnorm und Ergebnis. Jeder Wert behält Seite und Position, aus der er stammt. Das Formular ist ein JSON-Schema, das die Inferenzsoftware erzwingt.
3. Vereinheitlichen. Das Modell überträgt, was Lieferanten schreiben, in Ihr eigenes Vokabular: „PES“, „polyester“ und „Polyester“ werden ein Fasercode, eine Prozentspanne wird zu Minimum und Maximum, Einheiten werden umgerechnet. Hier hilft ein Sprachmodell am meisten, weil Lieferanten dasselbe auf viele Arten und in vielen Sprachen beschreiben.
4. Prüfen. Regeln Ihres Teams markieren Lücken und Widersprüche: Zusammensetzungen, die nicht 100 Prozent ergeben, eine Angabe zum Rezyklatanteil ohne Zertifikat, eine Erklärung, die älter ist als die aktuelle Kandidatenliste, ein Lieferantenwert, der vom Vorjahr abweicht.
5. Nachfragen. Zu jeder Lücke entwirft das System eine Anfrage an den Lieferanten in dessen Sprache; ein Mensch schickt sie ab.
6. Bestätigen. Eine Person aus Produktmanagement oder Compliance bestätigt jeden Datensatz, bevor er in die Produktdatenbank geht, aus der der Pass gespeist wird.

Die Passdaten selbst gehören in eine Datenbank, ein System für Produktinformationsmanagement (PIM) oder PLM, betrieben von Ihnen oder einem DPP-Dienstleister; laut FAQ muss der Wirtschaftsakteur zusätzlich eine Sicherungskopie über einen Drittanbieter bereitstellen. Das Modell bereitet nur vor und prüft, was hineingeht. Unsere Leitfäden zu Lieferanten­erklärungen für RoHS, REACH und SCIP und zu Werkszeugnissen 3.1, mit KI ausgelesen beschreiben zwei dieser Dokumentarten genauer. Die Kommission begründet ihren Vorschlag, neue SCIP-Meldungen zu beenden, unter anderem damit, dass Produktpässe den zusätzlichen Nutzen der SCIP-Datenbank weiter verringern; beide Arbeitsstränge treffen sich also.

Wir bauen KI-Server, die diese Strecke neben Ihren anderen KI-Aufgaben betreiben; schicken Sie uns einige typische Lieferantendokumente und die Produktkategorien, die Sie in der EU verkaufen, und unser Team antwortet mit einer Konfiguration.

Warum die Lieferantendaten im Haus bleiben sollten

Lieferantendokumente für einen Pass enthalten mehr als Konformitätsangaben. Spezifikationen nennen den Lieferanten und die genaue Rezeptur einer Mischung, und dieselben E-Mail-Verläufe können Preise und Bestellmengen enthalten; zusammen beschreiben sie Ihre Lieferkette. Viele Einkaufsverträge und NDAs schränken ein, wer diese Informationen sehen darf, wie unser Leitfaden zu Geschäftsgeheimnissen, NDAs und KI-Werkzeugen erklärt. Laufen die Modelle auf einem Server, den Sie kontrollieren, bleiben Dokumente und ausgelesene Daten im Unternehmen, bis ein Mensch entscheidet, was in den Pass geht und wem es gezeigt wird.

Welche Modelle und wie viel Rechenleistung

Der Leseschritt braucht ein Modell, das viele Sprachen und lange Tabellen beherrscht; der Schritt des Vereinheitlichens profitiert von einem größeren Modell.

Modellkarten und „Files“-Seiten von zai-org/GLM-OCR, Qwen/Qwen3-14B-FP8 und openai/gpt-oss-120b auf Hugging Face, gelesen am 25. Oktober 2026.

gpt-oss-120b hat 117B Parameter, davon 5,1B aktiv, und laut Karte passt es auf eine einzige GPU mit 80 GB. Die Karte nennt keine Sprachen; testen Sie es deshalb mit Dokumenten aus den Ländern Ihrer Lieferanten, bevor Sie sich darauf verlassen. Die Karte von Qwen3-14B nennt mehr als 100 Sprachen und Dialekte, und unser Vergleich offener LLMs für europäische Sprachen behandelt weitere Modelle.

Nach unserer Regel für Nutzer je Karte, die 90 Prozent der 95,6 GiB nimmt, die der Treiber auf einer RTX PRO 6000 Blackwell Server Edition meldet, abzüglich 3 GiB und der Gewichte, lässt gpt-oss-120b mit 60,8 GiB 22,2 GiB für den Cache frei: Mit einem 16-Bit-Cache sind das 39 Dokumente mit 16.384 Tokens gleichzeitig auf einer Karte. Zur Geschwindigkeit nennt MLPerf® Inference v6.1, Eintrag 6.1-0050, 15.256 Tokens pro Sekunde für gpt-oss-120b offline auf acht RTX PRO 6000 Server Edition, durch acht geteilt nach unserer Rechnung 1.907 je Karte, und wir planen mit der Hälfte.

Unsere Schätzungen. MLPerf® Inference: Datacenter v6.1, closed division, available category, gpt-oss-120b, Offline-Szenario, Eintrag 6.1-0050 (HPE ProLiant Compute DL380a Gen12, acht RTX PRO 6000 Blackwell Server Edition), 15.256 Tokens pro Sekunde, abgerufen von mlcommons.org am 24. Oktober 2026, result verified by MLCommons Association; 1.907 je Karte ist unsere Aufteilung des Systemergebnisses, keine MLPerf-Metrik, und wir planen mit der Hälfte; Mengen und Tokens je Dokument sind Beispielwerte. The MLPerf name and logo are registered and unregistered trademarks of MLCommons Association in the United States and other countries. All rights reserved. Unauthorized use strictly prohibited. See www.mlcommons.org for more information.

Der Altbestand ist die einzige große Aufgabe, und in einer oder zwei Nächten ist er abgearbeitet. Danach ist die Last gering, sodass derselbe Server die übrige KI-Arbeit des Unternehmens trägt, vom internen Assistenten bis zur Auftragserfassung und zur Datenblattsuche im technischen Großhandel.

Serveroptionen

Referenz­konfigurationen auf unserer Seite zu KI-Servern; Leistung nach unserer Schätzung (Karten bei voller Leistung, Prozessoren, plus 15 Prozent für den Rest des Servers), wie in unseren Leitfäden zu vier RTX PRO 6000 Server Edition und zu vier RTX PRO 4500 Server Edition in 2U.

Zwei RTX PRO 6000 Server Edition. Der Einstiegsserver auf unserer Seite zu KI-Servern hat zwei RTX PRO 6000 Server Edition, zwei AMD-EPYC-Prozessoren, 384 GB DDR5-ECC-Speicher und zwei NVMe-Laufwerke. Eine Karte betreibt gpt-oss-120b; die andere wird per MIG in isolierte Instanzen mit 24 oder 48 GB für das OCR-Modell, das 14B-Modell und einen Suchindex geteilt, wie unsere Seite zu den MIG-Profilen der RTX PRO 6000 erklärt. Mit etwa 1,8 kW nach unserer Schätzung passt er an eine Zuleitung mit 230 V und 16 A, die bei 80 Prozent 2,94 kW trägt.

Vier RTX PRO 6000 Server Edition. Der Inferenzknoten mit 768 GB und vier NVMe-Laufwerken arbeitet einen großen Altbestand schneller ab und gibt einem internen Assistenten und anderen Abteilungen eigene Karten. Er zieht etwa 3,4 kW mit Karten bei 600 W und braucht 32 A oder Drehstrom, oder etwa 2,7 kW mit auf 450 W begrenzten Karten, wie unser Leitfaden zu GPU-Servern an 16 A, 32 A und Drehstrom durchrechnet.

RTX PRO 4500 Server Edition. Sind die Dokumente kurz und in wenigen Sprachen, betreiben zwei oder vier dieser Karten mit 32 GB OCR und das 14B-Modell mit etwa 0,84 oder 1,4 kW nach unserer Schätzung. Für gemischte Sprachen und uneinheitliche Lieferantendaten würden wir mit der RTX PRO 6000 Server Edition beginnen. Eine Messung am gelieferten System bestätigt die Leistungswerte.

Modelle, Regeln und die Anbindung an Ihr PIM, PLM oder ERP richten wir über unseren Service Private AI/ML ein; nennen Sie uns die betroffenen Produktkategorien und Systeme, und wir schlagen ein Pilotprojekt mit einer Produktlinie vor.

Hinweise für das IT-Team

1. Zuerst das Datenmodell. Legen Sie das Produktdatenmodell mit Feldern, Einheiten, zulässigen Werten und dem Nachweis fest, den jedes Feld braucht, bevor Sie Modelle auswählen. Ist ein delegierter Rechtsakt angenommen, ordnen Sie seine Felder Ihren zu. Der Zeitplan der Kommission nennt einen Durchführungsbeschluss zu sechs DPP-Normen für Juli 2026 und einen zu den übrigen zwei für November 2026; richten Sie Kennungen und Formate danach aus.
2. Kennungen. Entscheiden Sie gemäß dem delegierten Rechtsakt, ob Sie Produkte auf Ebene von Modell, Charge oder einzelnem Produkt kennzeichnen; die Ebene des einzelnen Produkts braucht Seriennummern in den Produktionsdaten.
3. Bereitstellung. vLLM stellt die drei Modelle über eine OpenAI-kompatible API mit Structured Outputs für die festen Formulare bereit; --gpu-memory-utilization ist eine Grenze je Instanz, sodass kleine Engines sich eine Karte oder eine MIG-Instanz teilen können.
4. Nachweise. Speichern Sie jeden ausgelesenen Wert mit Quelldatei, Seite, Modellversion, Regelversion und der Person, die ihn bestätigt hat. Ein veröffentlichter Passwert muss sich auf ein Lieferantendokument zurückführen lassen.
5. Sicherheit. Lieferantendokumente sind nicht vertrauenswürdige Eingaben: Text darin darf nie als Anweisung an das Modell wirken, wie unser Leitfaden zu Prompt Injection und LLM-Sicherheit erklärt. Betreiben Sie die Engines in einem internen Netz hinter einem LLM-Gateway mit Schlüsseln und Abfrageprotokoll.
6. Software bei Lieferung. Der Server kommt auf Wunsch mit Betriebssystem, NVIDIA-Treiber, CUDA und Container-Laufzeit, wie unsere Seite zu KI-Servern angibt.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team bemisst die Konfiguration nach Ihrer Arbeitslast und Ihrem Budget und antwortet innerhalb eines Werktages. Wir bauen die Server auf Bestellung mit Karten der RTX PRO 6000 Server Edition oder RTX PRO 4500 Server Edition, vor der Lieferung montiert und getestet, geliefert überallhin in der EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Mengen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Unser Service Private AI/ML, mit unserem Engineering-Partner Vixen.UNO, richtet Modelle, Regeln und die Anbindungen an Ihre Produktsysteme ein; die Passplattform selbst bleibt bei Ihnen oder Ihrem DPP-Dienstleister. Unser Leitfaden zum Kauf eines GPU-Servers für LLMs listet alle Konfigurationen.

FAQ