KI-Thema
Computer Vision in der Industrie: Qualitätsprüfung, Daten und Kosten
Computer Vision macht Kameras zu Prüfinstanzen: Systeme erkennen Bauteile, messen Maße, finden Kratzer, Risse oder fehlende Komponenten und melden Abweichungen in Echtzeit an die Anlage. Für Fertigungsunternehmen ist es meist der schnellste Weg zu messbarem KI-Nutzen, weil Ausschuss, Nacharbeit und Prüfzeiten direkt in Euro messbar sind.
Welche Aufgaben Computer Vision löst
Hinter den Anwendungen stehen wenige Grundaufgaben, die sich beliebig kombinieren lassen. Wer seine Prüfaufgabe einer dieser Klassen zuordnen kann, kann Aufwand und Machbarkeit realistisch einschätzen.
- Klassifikation: Gutteil oder Schlechtteil, Typbestimmung
- Objekterkennung: Position und Anzahl von Bauteilen im Bild
- Segmentierung: exakte Fläche von Defekten, Nähten, Beschichtungen
- Anomalieerkennung: Abweichung vom Normalbild, ohne Fehlerbeispiele
- OCR und Codelesung: Typenschilder, Chargen, DMC-Codes
Der unterschätzte Teil: Optik, Licht und Daten
Die Modellwahl ist selten der Engpass. Entscheidend sind reproduzierbare Aufnahmebedingungen: stabile Beleuchtung, passende Optik, definierte Bauteilposition und ein Takt, der zur Belichtungszeit passt. Ändert sich die Beleuchtung, sinkt die Trefferquote – unabhängig von der Modellqualität.
Ebenso wichtig ist eine saubere Annotationsstrategie: einheitliche Fehlerdefinitionen, klare Grenzfälle und eine Rückkopplung aus der Produktion, damit neue Fehlerbilder fortlaufend ins Training einfließen.
Integration in die Produktion
Die Auswertung läuft meist auf einem Industrie-PC oder Edge-Gerät direkt an der Linie, damit Latenz und Netzabhängigkeit klein bleiben. Die Anbindung erfolgt über SPS, OPC UA oder MES; Prüfergebnisse und Bilder werden für Rückverfolgbarkeit und Modellpflege archiviert.
- Edge-Auswertung für kurze Taktzeiten, Cloud für Training und Auswertungen
- Definierter Umgang mit Unsicherheit: Grenzfälle an die Sichtprüfung geben
- Versionierung von Modellen wie von Maschinensoftware
Anwendungsfälle aus dem Mittelstand
Oberflächenprüfung bei einem Zulieferer
Ein Automotive-Zulieferer prüft lackierte Teile bisher stichprobenartig: Jede Reklamation kostet fünfstellig. Die KI-Station prüft jetzt 100 Prozent der Teile in der Taktzeit von 6 Sekunden und findet Kratzer ab 0,5 mm – der Ausschuss zur Reklamation sank binnen eines Quartals um 70 Prozent.
Montagekontrolle in der Endmontage
Vor dem Verschließen von Baugruppen prüft eine Kamera 24 Positionen: Schrauben, Stecker, Dichtungen. Fehlt eine Komponente, stoppt die Linie sofort – statt dass der Fehler beim Endkunden für Nacharbeit und Garantie sorgt.
Rückverfolgbarkeit im Lager
Automatische Code- und Typenschildlesung verbindet jedes Bauteil mit Prüfbild und Auftrag. Bei einer späteren Rückruffrage findet der Qualitätsleiter die betroffene Charge in Minuten statt in Tagen – ohne manuelle Erfassung an der Linie.
Arbeitssicherheit ohne Überwachung
Kameras erkennen das Betreten von Gefahrenbereichen und fehlende Schutzausrüstung. Die Auswertung anonymisiert Personen direkt auf dem Edge-Gerät, speichert keine identifizierbaren Bilder und gilt nach Betriebsvereinbarung – der Werksfriede bleibt intakt.
Häufige Fragen
Was ist Computer Vision?
Computer Vision ist der Bereich der KI, in dem Systeme Bilder und Videos auswerten: Objekte erkennen, klassifizieren, vermessen, zählen oder Abweichungen finden. Grundlage sind neuronale Netze, die aus annotierten Beispielbildern lernen.
Wo wird Computer Vision in der Industrie eingesetzt?
Am häufigsten in der optischen Qualitätsprüfung, bei Vollständigkeits- und Montagekontrollen, bei Oberflächen- und Schweißnahtprüfung, in der Lager- und Behälterverfolgung sowie bei Arbeitssicherheit, etwa der Erkennung fehlender Schutzausrüstung.
Wie viele Bilder braucht ein Modell für die Qualitätsprüfung?
Für einen belastbaren Prototyp genügen oft einige hundert bis wenige tausend Bilder pro Fehlerklasse. Wichtiger als die Menge sind konstante Beleuchtung, gleichbleibende Kameraposition und saubere Annotationen. Bei seltenen Fehlern helfen Anomalieerkennung und synthetische Daten.
Was kostet ein Computer-Vision-Projekt?
Eine Prüfstation mit Kamera, Beleuchtung, Modell und Anbindung an die Anlage liegt typischerweise zwischen 20.000 und 80.000 Euro, abhängig von Taktzeit, Genauigkeit und Integrationstiefe. Der größte Kostenblock ist meist nicht das Modell, sondern Optik, Mechanik und Datenaufbau.
Wo finde ich Partner für Computer Vision in der Region Stuttgart?
Beim KI-Kongress Stuttgart treffen Unternehmen auf KI-Entwickler, Technologieanbieter und Forschungseinrichtungen und entwickeln Anwendungsfälle gemeinsam weiter. Termine 2026: 27. September, 18. Oktober, 31. Oktober und 29. November, jeweils 10:00–18:00 Uhr.
Wie zuverlässig ist KI-Bilderkennung in der Qualitätsprüfung?
Bei stabilen Aufnahmebedingungen erreichen trainierte Systeme typischerweise Erkennungsraten von 95 bis über 99 Prozent – konsistenter als die manuelle Sichtprüfung, deren Trefferquote mit Schichtdauer und Tagesform sinkt. Entscheidend ist ein definierter Umgang mit Grenzfällen: Unsichere Bauteile gehen an den Menschen, das System arbeitet als erste Instanz.
Kann Computer Vision ohne Cloud lokal an der Anlage laufen?
Ja. Die Auswertung erfolgt in der Praxis meist lokal auf einem Industrie-PC oder Edge-Gerät mit GPU direkt an der Linie. Bilder müssen das Werk nicht verlassen – das erfüllt Anforderungen an Latenz, Verfügbarkeit und Datenschutz. Die Cloud wird nur für Training und Auswertungen genutzt.
Was ist der Unterschied zwischen klassischer Bildverarbeitung und KI-Bildverarbeitung?
Klassische Bildverarbeitung arbeitet mit festen Regeln und Schwellenwerten und versagt bei wechselndem Material, Licht oder neuen Fehlerbildern. KI-Modelle lernen aus Beispielen und erkennen auch Abweichungen, die niemand vorher definiert hat – etwa diffuse Kratzer oder Risse. Für harte Maßhaltigkeitsprüfungen bleibt die klassische Messtechnik oft präziser, für Fehlerfindung ist KI überlegen.
Ihr Anwendungsfall auf dem KI-Kongress Stuttgart
Bringen Sie Ihr teuerstes Problem mit. Beim KI-Kongress Stuttgart entwickeln Unternehmen, KI-Expertinnen und Forschung gemeinsam Lösungen – ein fertiges KI-Projekt ist keine Voraussetzung.