Wie eine Compliance-Plattform Zolltarife lesen lernte
Ein Produkt für Handels-Compliance: ein Produkt klassifizieren und dann für jede Handelsroute Zölle, Vorschriften und Einstandskosten sehen, gestützt auf offizielle Quellen.
- Rolle
- Product Engineer
- Zeitraum
- Feb. 2026 bis Sept. 2026
- Status
- In Entwicklung
- Stack
- NestJS, AWS Lambda, Step Functions, DynamoDB, React
- Problem
- Zoll- und Gefahrgutregeln kommen als APIs, Tabellen und PDFs, die sich von Land zu Land unterscheiden.
- Was ich gemacht habe
- Zolltarif-Adapter für sechs Länder hinter einer gemeinsamen API gebaut und die UN-Gefahrgutliste in strukturierte Datensätze geparst.
- Ergebnis
- 2.835 Gefahrgut-Datensätze und 139 Verpackungsanweisungen, die das Produkt abfragen und zitieren kann.
Das System
Jedes Land veröffentlicht seine Zoll- und Regulierungsdaten anders: manche über APIs, manche als Tabellen, andere als gegliederte oder gescannte PDFs und über Behördenportale. Compliance-Antworten sind nur so gut wie diese Daten, daher muss die Ingestion exakt und bis zur Quelle nachvollziehbar sein.
Product Engineer in einem Zweierteam im Jahr 2026. Ich habe die Zolltarif-Adapter der Länder und den Gefahrgut-Parser auf einer serverlosen Ingestion-Pipeline gebaut, die mein Teamkollege entworfen hat, dazu in der Web-App den Rechner für Einstandskosten und den Material-Intelligence-Workflow.
- Rechtsräume
- 10
- geparste Gefahrgut-Datensätze
- 2,835
Von offiziellen Quellen zu Antworten in der App. Fahren Sie über einen Knoten oder tippen Sie darauf.
Ein PDF, das zur Datenbank wurde
Die UN-Liste gefährlicher Güter erscheint als PDF-Tabelle mit elf Spalten, voller Abkürzungen, Legenden und Verweise auf Sondervorschriften und Verpackungsanweisungen. Ich habe den Parser geschrieben, der daraus abfragbare Datensätze macht: Legenden und Kataloge werden aufgelöst, Sondervorschriften und Verpackungsanweisungen werden zu einer Begleittabelle, und Sonderfälle wie die Verpackungshinweise für Klasse 7 und Klasse 9 bleiben vollständig erhalten.
Das Ergebnis sind 2.835 strukturierte Datensätze und 139 Verpackungsanweisungen, gespeichert als Fakten statt als kopierter Text. So kann die App Fragen beantworten, statt ein PDF zu zitieren.
Alleiniger Autor des Moduls, mit rund 1.150 Zeilen Tests.
Zehn Länder, eine Form
Ich habe die Zolltarif-Adapter für Indien, Neuseeland und Pakistan gebaut und die Exportcode-Abfragen für Australien, Kanada und die USA. Indien kombiniert handelspolitische Kapitel mit separaten Zollabfragen, die Positionen Neuseelands stammen aus gegliederten PDFs; jedes Land brauchte sein eigenes Parsing, aber alle bieten dieselben Endpunkte für Seed, Vorschau und Export.
Darüber liegt eine normalisierte HS-Hierarchie (Abschnitte, Kapitel, Positionen und ihre Geschwister), die für die Daten aus Australien, China, Japan, Kanada, den USA und Neuseeland gemeinsam genutzt wird. So kann das Produkt entlang einer Handelsroute Gleiches mit Gleichem vergleichen.
Von Daten zu Antworten
In der Web-App habe ich den Rechner für Einstandskosten und einen dreistufigen Material-Intelligence-Workflow gebaut: eine Anforderungsspezifikation hochladen, die Anforderungen extrahieren, sie benchmarken und dann die Compliance eines Materials bewerten, mit Fortschritt und Ergebnissen bei jedem Schritt.
Entscheidungen, die ich vertreten kann
Abgeleitete Fakten speichern, nicht Dokumenttext
Strukturierte Datensätze lassen sich abfragen, vergleichen und zitieren; einen eingefügten PDF-Absatz kann man nur lesen.
Eine API-Form für jede Quelle
Seed, Vorschau und Export verhalten sich für jedes Land gleich. Ein neuer Rechtsraum ist damit ein Parser, keine neue Integration.