Neue Prüfaufgabe am Morgen, eine trainierte Vision AI am Nachmittag
Neue Bauteile, Varianten und Fehlerbilder erfordern häufig eine aufwendige Anpassung der Bildverarbeitung. Trainierbare Vision AI überführt das Qualitätswissen der Mitarbeitenden direkt in die Anwendung und ermöglicht es, visuelle Prüfaufgaben schnell unter realen Produktionsbedingungen umzusetzen.
in neues Bauteil läuft an, die Oberfläche ist leicht verändert, eine Bohrung muss kontrolliert werden, kleine Beschädigungen sollen zuverlässig erkannt werden. Für die Produktion ist das Alltag. Für die Qualitätsprüfung bedeutet das in vielen Werken zusätzlichen Aufwand: Manuelle Kontrollen kosten Zeit und klassische Bildverarbeitung muss aufwendig angepasst werden: Regeln definieren, Parameter einstellen, Spezialisten einbinden, Setups testen, Ergebnisse nachjustieren. Denkweit zeigt, dass es anders geht, dass eine Bildanalyse-KI schnell trainiert und direkt im Werk an neue Bauteile und Bedingungen angepasst werden kann.
Das Unternehmen entwickelt seit dem Jahr 2018 eigene Vision-AI-Technologien für industrielle Bildverarbeitung. Die Positionierung dahinter ist klar: Denkweit arbeitet nicht „mit“ KI, sondern macht KI. Die Technologie entsteht vollständig im eigenen Haus als Deep Tech „Made in Germany“ entwickelt für reale Prüfaufgaben in der Produktion. Dieses technologische Fundament ist entscheidend. Denn nur wenn die zugrunde liegende KI leistungsfähig genug ist, kann die Anwendung für den Nutzer wirklich einfach werden.
Qualitätswissen wird zur Trainingsgrundlage
Was für Anwender einfach aussieht, ist im Hintergrund hochkomplex. Denkweit löst diese Komplexität dort, wo sie hingehört: in der Technologie. Die Prüferinnen und Prüfer im Werk müssen keine KI-Experten werden. Sie müssen keine Modelle konfigurieren, keine Parameter einstellen und keine technischen Setups durchlaufen. Sie bringen das ein, was sie ohnehin jeden Tag tun: Sie wissen, was ein Gutteil ist, was ein Schlechtteil ist und worauf es bei der Qualitätsbewertung ankommt.
Aus diesem Erfahrungswissen entsteht eine trainierbare Vision-AI-Anwendung. Statt lange Regelwerke zu programmieren, werden relevante Beispiele trainiert. Was soll erkannt werden? Welche Fehler sind kritisch? Welche Merkmale entscheiden über Gut oder Schlecht?
Ein typischer Ablauf beginnt deshalb mit einer konkreten Situation in der Produktion. Es gibt ein neues Bauteil, eine neue Fehlerklasse, Oberfläche, Variante oder Prozessschritt, der geprüft werden soll. Die Mitarbeiter nehmen am Morgen Beispielbilder auf, markieren die relevanten Prüfobjekte und trainieren die Anwendung direkt an der realen Aufgabe. Die Vision AI lernt anhand dieser Beispiele, worauf es ankommt. Erste Ergebnisse lassen sich bereits am Nachmittag prüfen, ergänzen und verbessern. Aus der Fragestellung am Morgen wird so im Laufe des Tages eine trainierte Vision AI.
Wenn Prüferinnen und Prüfer ihre Sichtprüfung selbst trainieren können
Der Unterschied zur klassischen Bildverarbeitung ist für Anwender unmittelbar spürbar. Wo früher Spezialwissen, lange Abstimmungen und aufwendige Parametrierung notwendig waren, entsteht ein direkterer Zugang. Prüfaufgaben können von den Menschen trainiert werden, die den Prozess am besten kennen. Das macht Vision AI nicht nur technologisch interessant, sondern vor allem wirtschaftlich relevant. Neue Produkte, kleinere Losgrößen, mehr Varianten und steigende Qualitätsanforderungen lassen sich besser beherrschen, wenn die Prüfung nicht jedes Mal zu einem umfangreichen Projekt wird.
Dabei bedeutet einfache Bedienung nicht, dass Kunden allein gelassen werden. Im Gegenteil: Die enge Begleitung von Anfang bis Ende ist ein zentraler Bestandteil des Ansatzes.
Die passende Vision AI für jede Prüfaufgabe
Das Unternehmen unterstützt bereits bei der ersten Einschätzung einer Prüfaufgabe und berät, welche Technologie am besten passt. Geht es darum, bestimmte Objekte oder Bereiche zuverlässig zu erkennen, kann Objekterkennung die richtige Wahl sein. Müssen feine Defekte, Konturen oder Flächen präzise lokalisiert werden, kommt Segmentierung infrage. Soll ein Teil als gut oder schlecht bewertet werden, kann Klassifikation die passende Lösung sein.
Diese Auswahl ist entscheidend, denn nicht jede Prüfaufgabe braucht dieselbe Technologie. Denkweit beginnt deshalb nicht mit einem Standardprodukt, sondern mit der Anwendung. Die Technologien sind auch Branchenunabhängig einsetzbar, ganz gleich was und wo visuell geprüft werden muss. Was soll im Prozess erreicht werden? Welche Qualitätsentscheidung muss getroffen werden? Welche Fehler verursachen Ausschuss, Nacharbeit oder Reklamationen? Erst danach wird entschieden, welcher Vision-AI-Ansatz den größten Nutzen bringt.
Die KI-Experten begleiten den Anwender bei der Machbarkeit, beim Training, bei der Bewertung der Ergebnisse bis zur Integration in bestehende Prozesse. Kurz gesagt: Die Technologie ist einfach zugänglich, das Projekt wird aber professionell begleitet.
Gerade in der industriellen Qualitätsprüfung ist diese Kombination entscheidend. Viele Unternehmen kennen den Bedarf an Automatisierung, scheuen aber den Einstieg, weil sie große Datenmengen, lange Projektlaufzeiten oder internes Spezialwissen erwarten. Denkweit senkt diese Einstiegshürde. Die Vision AI ist darauf ausgelegt, schnell nutzbar zu werden und sich an reale Produktionsbedingungen anzupassen. Die Prüferinnen und Prüfer im Werk bleiben dabei nicht außen vor. Im Gegenteil: Ihr Qualitätswissen wird zur Grundlage der KI.
Damit verändert sich auch die Rolle der industriellen Bildverarbeitung. Sie ist nicht mehr nur ein spezialisiertes Expertensystem, sondern ein flexibles Werkzeug für Qualitätssicherung und Produktion. Produktionsverantwortliche können schneller auf neue Anforderungen reagieren, Qualitätsabteilungen können Prüfaufgaben effizienter standardisieren, Unternehmen können Sichtprüfungen wirtschaftlicher automatisieren, auch wenn sich Produkte, Materialien oder Fehlerbilder verändern. Wenn Bilder vorhanden sind und Qualitätswissen im Werk verfügbar ist (der Mitarbeiter mit dem Produktwissen), kann aus einer Herausforderung am Morgen eine trainierte Vision AI am Nachmittag werden.
Denkweit verbindet dafür drei Dinge, die in der Praxis zusammengehören: 1. Fokus auf eigene Deep-Tech-Entwicklung, 2. einfacher Zugang für Anwender im Werk und 3. persönliche Begleitung bis zur Integration.
KI auf der Vision
Auf der Vision zeigt das Unternehmen, wie schnell aus einer konkreten Prüfaufgabe eine trainierte Vision-AI-Anwendung entstehen kann. Besucherinnen und Besucher sind eingeladen, eigene Anwendungsfälle mitzubringen und direkt mit dem Team vor Ort zu besprechen. Welche Prüfaufgabe lässt sich automatisieren? Welche Technologie passt am besten? Wie schnell kann ein erster Ansatz entstehen? Wie einfach kann Vision AI im eigenen Werk tatsächlich genutzt werden? Die Erfahrung hat das Unternehmen aus zahlreichen Kundenprojekten – von der Automatisierung einzelner Prüfanlagen (zum Beispiel bei Schüller Küchen und Saint-Gobain Weber) bis zur Integration in komplexe, mehrschrittige Inspektionssysteme (zum Beispiel bei Seco und Xactools).
