![Image1[1]](https://www.preml.io/wp-content/uploads/2026/02/image11.png)
Feedback Loop für KI-basierte Anomalieerkennung: Präzisere Qualitätskontrolle durch Nutzerfeedback
Unser neues Feedback-Loop-Feature ermöglicht eine kontinuierliche Verbesserung der KI-basierten Anomalieerkennung durch gezielte Nutzerannotationen und intelligente Priorisierung unsicherer Fälle. So verbinden wir menschliche Expertise mit datengetriebener Optimierung und sichern stabile, [...]
KI-Entwicklung mit synthetischen Bildern zur visuellen Prüfung von Spritzgussteilen
Die Fortschritte im Bereich Künstlicher Intelligenz (KI) sorgen auch bei der visuellen Qualitätsinspektion für neue Möglichkeiten zur Automatisierung. Zum Trainieren eines KI-Modells wird jedoch eine große Menge an Daten [...]
Konsensus – Wie man mit Active Learning Data Poisoning erkennen kann.
Beim Active Learning geht es primär darum, die Datenmenge zu reduzieren, die für das Training eines KI-Modells benötigt wird. Dazu wird ein KI-Modell verwendet, um gezielt die Daten auszuwählen, [...]
Video Tutorials für das neue preML Vision Lab
Dieser Artikel sammelt aktuelle Video Tutorials für das preML Vision Lab. Vision Lab enthält verschiedene Funktionalitäten wie die Verwaltung von Bilddatensätzen, Training von KI-Modellen oder der Anzeige von Live-Systemen. [...]
Wie erstelle ich einen hochwertigen Datensatz zur Anomalieerkennung?
Ein großer Vorteil von Anomalie-Erkennungsmodellen ist, dass sie ausschließlich mit Bildern trainiert werden, die das ideale Erscheinungsbild eines Objekts repräsentieren. Das bedeutet, man benötigt lediglich Aufnahmen von fehlerfreien Objekten. [...]
News – preML als eines der Top 20 Vision Tech Startups in 2024 ausgezeichnet
Wir sind als eines der Top 20 Vision Tech Startups 2024 nominiert! Jetzt liegt es an Ihnen, den Gewinner zu wählen! Senden Sie einfach eine E-Mail mit "𝐩𝐫𝐞𝐌𝐋 𝐆𝐦𝐛𝐇" [...]