Die Prüf-KI erkennt jeden Kratzer. Bis jemand die Beleuchtung austauscht.

Auf dem Vorführbild markiert die KI einen winzigen Kratzer. In der Fertigung erkennt sie später auch harmlose Reflexe, während ein echter Fehler an einer dunkleren Oberfläche kaum auffällt. Das Modell ist nicht unbedingt grundsätzlich ungeeignet. Der Pilot hat möglicherweise nur einen kleinen Ausschnitt der Bedingungen gesehen, unter denen die Prüfstation arbeiten muss.

Für Fertigungsunternehmen in Deutschland ist visuelle Edge-KI deshalb ein gemeinsames Projekt von Qualität, Produktion und Softwareentwicklung. Der wirtschaftliche Nutzen entsteht durch zuverlässigere Entscheidungen im eigenen Prozess. Eine hohe Trefferquote aus einer fremden Demonstration sagt wenig darüber aus, welche Teile Ihr Team später unnötig nachprüfen oder irrtümlich freigeben würde.

Definieren Sie zuerst die Entscheidung hinter dem Bild

Wählen Sie eine konkrete Prüfstelle und eine Fehlerfamilie. Soll die Anwendung einen Menschen auf eine mögliche Abweichung hinweisen, Teile zur Nachprüfung sortieren oder ein bestehendes Prüfergebnis dokumentieren? Diese Varianten haben unterschiedliche Folgen. Eine unterstützende Anzeige lässt sich anders abnehmen als eine Anwendung, deren Ergebnis unmittelbar den Materialfluss beeinflusst.

Schreiben Sie für jede Klasse auf, was als guter Zustand, relevanter Fehler und unklarer Fall gilt. Ein Kratzer kann bei einer Sichtfläche entscheidend und an einer anderen Stelle unerheblich sein. Solche Regeln gehören zum Produktwissen. Sie lassen sich nicht allein aus einer Sammlung beliebiger Bilder zuverlässig ableiten.

Die Anomalib-Dokumentation beschreibt Werkzeuge zur Bereitstellung von Anomalieerkennungsmodellen, einschließlich einer Ausführung mit OpenVINO. Die technische Möglichkeit einer lokalen Auswertung ist damit greifbar. Ob das Ergebnis für Ihr Bauteil brauchbar ist, muss Ihr eigener Versuch zeigen.

Sammeln Sie die Unterschiede, die die Produktion tatsächlich erzeugt

Erstellen Sie eine Bildsammlung über mehrere Schichten und sinnvolle Prozesszustände hinweg. Dokumentieren Sie Kamera, Objektiv, Beleuchtung, Produktvariante und Aufnahmeposition. Wenn alle guten Beispiele am Vormittag und alle Fehlerbilder mit einer anderen Kamera aufgenommen wurden, kann das Modell die falschen Unterschiede lernen.

Trennen Sie Trainingsmaterial und spätere Prüfbeispiele so, dass nahezu identische Aufnahmen nicht auf beiden Seiten stehen. Prüfen Sie außerdem neue Chargen und bisher nicht verwendete Zeiträume. Ein zufälliger Bildsplit ist wenig überzeugend, wenn benachbarte Bilder vom selben Teil praktisch dieselbe Information enthalten.

Bewahren Sie Grenzfälle mit der fachlichen Begründung auf. Wenn zwei Prüfer unterschiedlicher Meinung sind, sollte diese Unsicherheit nicht hinter einem eindeutigen Label verschwinden. Klären Sie zunächst die Qualitätsregel. Andernfalls wird die Software an widersprüchlichen Erwartungen gemessen und jede spätere Diskussion beginnt erneut beim einzelnen Bild.

Behandeln Sie Änderungen an der Station als Ereignisse

Der Austausch einer Lampe ist aus Sicht der Instandhaltung Routine. Für ein Bildmodell kann er die Eingabeverteilung verändern. Dasselbe gilt für eine gereinigte Linse, einen neuen Lieferanten oder eine geänderte Beschichtung. Die Anwendung sollte solche Änderungen mit den beobachteten Prüfergebnissen verbinden können.

Ein einfaches Änderungsprotokoll ist oft nützlicher als ein kompliziertes Dashboard. Wer hat was verändert, welche Vergleichsbilder wurden aufgenommen und welches Verhalten wurde danach bestätigt? Eine auffällige Veränderung der Nachprüfquote sollte eine Untersuchung auslösen. Sie ist kein automatischer Beweis, dass die Produktqualität plötzlich schlechter geworden ist.

Trennen Sie technische Betriebswerte von fachlicher Qualität. Die OpenVINO-Dokumentation zu Performance-Tuning erläutert unter anderem unterschiedliche Leistungsziele bei der Modellbereitstellung. Eine schnelle Antwort bedeutet jedoch nicht, dass der richtige Fehler erkannt wurde. Beide Ebenen benötigen eigene Messungen.

Entwerfen Sie den unsicheren Fall ausdrücklich

Eine Prüfstation braucht einen sichtbaren Zustand für unbrauchbare Aufnahmen und fehlende Ergebnisse. Eine verdeckte Linse darf nicht denselben grünen Status erzeugen wie ein fehlerfreies Teil. Auch ein Modelltimeout oder eine falsche Produktvariante muss zu einem definierten betrieblichen Ablauf führen.

Legen Sie gemeinsam mit der Fertigung fest, wann manuell geprüft, angehalten oder nach einem vorhandenen Ersatzverfahren weitergearbeitet wird. Die Software implementiert diesen vereinbarten Ablauf. Sie sollte keine sicherheitsrelevanten Maschinenfunktionen improvisieren. Bestehende Schutzsysteme und zuständige Fachverantwortliche bleiben Teil der Gesamtanlage.

Für jede Nachprüfung sollten Originalbild, Modellversion und Entscheidung auffindbar sein. Ein nachträglich angepasstes Modell darf den historischen Vorgang nicht umdeuten. Ergänzende Auswertungen sind möglich, müssen aber als neue Bewertung erkennbar bleiben. Dadurch kann Ihr Team Beschwerden und interne Qualitätsfragen auf einen bestimmten Stand beziehen.

Kaufen Sie einen Vergleich, bevor Sie eine Automatisierung kaufen

Im ersten Betriebsabschnitt kann die Anwendung parallel zum bestehenden Verfahren laufen. Vergleichen Sie ihre Hinweise mit der tatsächlichen Fachentscheidung. Besonders interessant sind übersehene Fehler, unnötige Nachprüfungen und Fälle, in denen das Bild selbst ungeeignet war. Eine einzige zusammengefasste Genauigkeitszahl verdeckt diese Unterschiede.

Vereinbaren Sie eine Testmatrix mit echten Produktvarianten und gezielt vorbereiteten Störungen:

• Die Beleuchtung verändert sich, ohne dass sich das Bauteil verändert.
• Eine neue Oberfläche ähnelt einem bekannten Fehlerbild.
• Ein Bild fehlt oder gehört zur vorherigen Seriennummer.
• Das Modell ist verfügbar, liefert aber erst nach dem vorgesehenen Zeitfenster.
• Eine neue Modellversion verschlechtert einen zuvor gut erkannten Grenzfall.
• Der Bediener korrigiert ein Ergebnis mit einer nachvollziehbaren Begründung.

Erst danach lässt sich der nächste Automatisierungsschritt seriös planen. Das Projektangebot sollte Kameraanbindung, Datenaufbereitung, Bedienoberfläche, Modellvergleich und Betrieb getrennt beschreiben. So erkennen Sie, ob der Anbieter ein vollständiges Prüfwerkzeug oder lediglich ein trainiertes Modell übergibt.

Halten Sie Modellpflege im laufenden Budget sichtbar

Neue Varianten und Prozessänderungen erzeugen Arbeit. Benennen Sie intern, wer neue Beispiele bewertet und eine erneute Freigabe anstößt. Vereinbaren Sie mit dem Entwicklungspartner, wie Versionen getestet, ausgerollt und bei Problemen zurückgenommen werden. Ein Modell ohne diesen Prozess altert auch dann, wenn der Server weiterhin erreichbar ist.

Unser Beitrag zur lokalen Verarbeitung mit Edge Computing behandelt die Ausführungsumgebung; unsere Teststrategie für Softwareteams ergänzt nachvollziehbare Abnahmen. Innovation T unterstützt passende Vorhaben mit seinen Softwareleistungen. Zeigen Sie uns eine Prüfstelle, einen typischen Fehler und einen schwierigen Grenzfall, um einen Pilot mit klarer Entscheidung und messbarer Aussagekraft abzugrenzen.

Häufige Fragen

Ist eine auffällige Bildregion bereits ein bewiesener Produktfehler?

Nein. Ein Modell kann eine Abweichung markieren. Ob diese Abweichung einen relevanten Fehler darstellt, muss anhand der vereinbarten Qualitätskriterien und des vorgesehenen Prüfprozesses bewertet werden.

Müssen Bilder zur Auswertung immer in eine Cloud übertragen werden?

Nein. Geeignete Modelle können auf lokaler Hardware ausgeführt werden. Ob diese Architektur passt, hängt unter anderem von Bildrate, Modell, Hardware, Wartung und dem Umgang mit Trainingsdaten ab.

Wie wird ein neues Modell sicher eingeführt?

Es sollte mit getrennten Testdaten und bekannten Grenzfällen geprüft, zunächst mit dem bisherigen Verfahren verglichen und ausdrücklich freigegeben werden. Die vorherige Version und ein dokumentierter Rückweg bleiben verfügbar.