Daten aus Sicherheitsdatenblätter extrahieren

Ein Sicherheitsdatenblatt ist das Dokument, das jedem, der mit einer Chemikalie umgeht, sagt, was sie ist, wie sie schaden kann und was bei einem Zwischenfall zu tun ist. Nach dem OSHA Hazard Communication Standard folgt jedes SDS demselben 16-Abschnitte-GHS-Format, was es einfach erscheinen lässt, zu erfassen, bis man 4.000 davon hat. Ein Umwelt-, Gesundheits- und Sicherheitsteam bei einem Hersteller pflegt ein SDS für jedes Produkt im Gebäude, vom Fass eines bestimmten Lösungsmittels bis zur Tube Schraubensicherung, jedes Blatt von einem anderen Hersteller wie 3M, Henkel oder Sigma-Aldrich geliefert und jedes nach seinem eigenen Revisionszyklus aktualisiert. Die Daten, die das Team benötigt, stehen in vorhersehbaren Abschnitten: Abschnitt 1 Produktbezeichnung und Lieferant, Abschnitt 2 Gefahreneinstufung und Signalwort, Abschnitt 3 Zusammensetzung mit CAS-Nummern, Abschnitt 9 physikalische Eigenschaften und Abschnitt 14 Transportinformationen. Die Herausforderung ist, dass die 16-Abschnitte-Struktur in der Reihenfolge einheitlich ist, aber nicht in der Formatierung. Abschnitt 3 listet jeden Gefahrstoff mit chemischem Namen, einer CAS-Registrierungsnummer wie 67-64-1 für Aceton, und einem Konzentrationsbereich auf. Abschnitt 2 trägt GHS-Gefahrenhinweise als H-Sätze (H225 für eine leicht entzündbare Flüssigkeit) und P-Sätze zur Vorsicht, und das Signalwort ist entweder Gefahr oder Achtung. Abschnitt 14 trägt die UN-Nummer, die offizielle Versandbezeichnung und die Gefahrenklasse, die eine Versandabteilung benötigt. Ein Blatt kann 11 Seiten umfassen, und ein Mehrkomponentenprodukt listet mehrere CAS-Nummern auf, die jede erfasst werden müssen. Talonic liest das SDS Abschnitt für Abschnitt und liefert die Produktidentität, die GHS-Einstufung mit ihren H-Sätzen und dem Signalwort, die Zusammensetzung mit CAS-Nummern und Konzentrationsbereichen sowie die Transportklassifizierung, sodass ein EHS-Team einen Chemikalienbestand und ein Gefahrstoffregister aufbauen kann, ohne ein 16-Abschnitte-Blatt neu einzutippen.

Was aus Sicherheitsdatenblätter extrahiert wird

So funktioniert die Extraktion für Sicherheitsdatenblätter

Sicherheitsdatenblätter folgen der 16-Abschnitte-GHS-Gliederung der OSHA Hazard Communication, aber jeder Hersteller formatiert die Abschnitte anders, sodass ein Reader mit fester Position bei unterschiedlichen Lieferanten versagt. Talonic liest das SDB anhand der GHS-Abschnittszuordnung im Field Registry, die die Extraktion an den 16 nummerierten Abschnitten statt am Seitenlayout ausrichtet. Gefahren- und Sicherheitshinweise aus Abschnitt 2 werden als H-Codes und P-Codes mit dem Signalwort erfasst, Komponenten aus Abschnitt 3 werden mit chemischem Namen, CAS-Nummern wie 67-64-1 und Konzentrationsbereichen erfasst, und die Transportdaten aus Abschnitt 14 liefern UN-Nummer, offizielle Versandbezeichnung und Gefahrenklasse. Bei Produkten mit mehreren Komponenten bleibt jede CAS-Zeile erhalten. Jeder Wert wird mit Konfidenzwert und Pixelbereich-Herkunftsnachweis gemäß DIN SPEC 91491 Konformität zurückgegeben, sodass ein EHS-Team einen Gefahrencode oder eine CAS-Nummer gegen das Ausgangsblatt prüfen kann.

Beispielextraktion

Ein 11-seitiges Sicherheitsdatenblatt für ein Einkomponenten-Lösungsmittel

{
  "product_name": "Acetone Technical Grade",
  "supplier_name": "Sigma-Aldrich",
  "revision_date": "2025-11-02",
  "signal_word": "Danger",
  "hazard_statements": [
    "H225",
    "H319",
    "H336"
  ],
  "precautionary_statements": [
    "P210",
    "P233",
    "P280"
  ],
  "composition": [
    {
      "component": "Acetone",
      "cas_number": "67-64-1",
      "concentration": "99.5 to 100%"
    }
  ],
  "physical_properties": {
    "flash_point": "-20 C",
    "boiling_point": "56 C",
    "physical_state": "liquid"
  },
  "transport": {
    "un_number": "UN1090",
    "proper_shipping_name": "Acetone",
    "hazard_class": "3",
    "packing_group": "II"
  }
}

Häufig gestellte Fragen