Startseite/DE/FAQ – Vision Lab & Systeme

FAQ – Vision Lab & Systeme

FAQ – Vision Lab & Systeme2026-02-27T12:16:14+01:00

Dieses FAQ soll die häufigsten Fragen zur Vision Lab-Software beantworten. Wenn Sie die gesuchte Antwort nicht finden oder zusätzliche Fragen haben, können Sie uns jederzeit kontaktieren – wir helfen Ihnen gerne weiter.

Erste Schritte

preML Vision Lab enthält Tools und Funktionen aus unseren industriellen Inspektionssystemen, die Sie auch direkt nutzen können, um eigene Anwendungsfälle zu testen. Zum Einstieg können Sie unsere Video-Tutorials anschauen, dem Benutzerhandbuch folgen oder die Funktionen einfach selbst ausprobieren.

Das intuitive Design sorgt dafür, dass jeder Inspektionslösungen erstellen, verwalten und bewerten kann, ohne vorherige AI-Kenntnisse zu benötigen. Dadurch ist es zugänglich für alle Mitarbeitende in einer Produktionsumgebung.

Ja. Vision Lab kann an Ihren spezifischen Workflow und Ihre Projektanforderungen angepasst werden. Für größere Anpassungen können wir Sie mit maßgeschneiderten Entwicklungsservices unterstützen.

Sie benötigen lediglich normale Produktbilder, um ein Modell zu trainieren. Defekte („anomalische“) Bilder sind nicht erforderlich, helfen jedoch, die Modellqualität zu validieren. Training, Validierung und Deployment dauern in der Regel nur 5 bis 10 Minuten pro Modell. Umfangreiche Lernmaterialien und eine kostenlose Testversion stehen auf unserer Website zur Verfügung.

In der Online-Demo-Version werden PNG, JPEG, BMP und WebP unterstützt. BMP- und WebP-Dateien werden automatisch in PNG konvertiert. Transparenz wird für Trainingszwecke entfernt.

Derzeit können in der Online-Version nur Bilder bis zu 128 MB pro Bild hochgeladen werden. Während der Vorverarbeitung werden die Bilder jedoch für das Training verkleinert:

  • Online Vision Lab: preMLNet verkleinert auf 512×512, alle anderen Modelle auf 256×256.

  • Lizenzierte Vision Lab: preMLNet kann Bilder bis zu 4096×4096 verarbeiten. Höhere Auflösungen verbessern die Ergebnisse meist nicht über diese Größen hinaus.

Wie Anomalie-Erkennung funktioniert

Anomalie-Erkennung bedeutet, einem Computer beizubringen, was normal ist, und dann Dinge zu finden, die davon abweichen. Stellen Sie sich vor, Sie betrachten Bilder von perfekten, gesunden Tomaten und bringen dem Computer bei, diese als normal zu erkennen. Wenn ein Bild eine beschädigte oder ungewöhnliche Tomate zeigt, erkennt der Computer dies, weil es nicht zu dem passt, was er als normal gelernt hat. So hilft die Anomalie-Erkennung, Abweichungen zu finden und die Qualität von Produkten wie Tomaten auf Bildern zu prüfen.

Die Bildaufnahme des Datensatzes ist entscheidend, kann aber herausfordernd sein. Im besten Fall nutzen Sie eine Kamera und Belichtung welche für die industrielle Bildverarbeitung ausgelegt ist. Zum testen können Sie aber auch eine einfache Kamera (z.B. Smartphone) nutzen. Einige Tipps zur Bildaufnahme:

  • Seien Sie konsistent: Kamera ruhig halten, gleiche Beleuchtung verwenden, Objekt immer gleich positionieren.

  • Gute Sicht: Stellen Sie sicher, dass das Objekt das Bild ausfüllt.

  • 10–50 normale Bilder: Generell wird ein Modell robuster, je mehr Bilder verwendet werden. Zu viele Bilder können jedoch die Verarbeitungszeit stark erhöhen.

  • Realistisch bleiben: Denken Sie daran, wie es in Ihrer realen Produktionslinie funktionieren könnte. Kein „Fake“.

  • Learning by Doing: Beginnen Sie mit einfachen Handyfotos, sehen Sie sich die Ergebnisse an und lernen Sie daraus.

Wenn Sie unsicher sind, wenden Sie sich an uns. Es kostet nichts, nachzufragen.

Der Schwellenwert bestimmt, wie sensibel das Modell auf Abweichungen reagiert. Wird der Schwellenwert erhöht, werden weniger Bereiche als Anomalien betrachtet und umgekehrt.

Standardisiert empfehlen wir mit PatchCore zu beginnen, da es in der Regel bessere Ergebnisse liefert. Wenn die Position des Objekts wichtig ist (z. B. das Objekt sollte immer in der Mitte sein und eine Verschiebung als Fehler erkannt werden), ist PaDiM als Modell zu wählen. preMLNet benötigt länger zum Trainieren, kann aber noch bessere Ergebnisse erzielen.

Funktionen & Fähigkeiten

Ja. Supervised Modelle können bereits in individuellen Projekten mit unserem Team integriert werden. Anders als Anomalie-Modelle können sie jedoch noch nicht direkt auf der Plattform erstellt und deployed werden. Bei Interesse wenden Sie sich bitte an uns.

Fällt die Leistung aufgrund von Umweltänderungen ab, ist Retraining die schnellste und zuverlässigste Lösung. Mit preML dauert die Erstellung eines neuen Modells in der Regel nur etwa 5 Minuten.

Es gibt mehrere Möglichkeiten, die Modell-Ausgaben zu verstehen:

  • Heatmaps zeigen Bereiche, die zur Erkennung beigetragen haben.

  • Schwellwert-Diagramme zeigen, wie Cut-off-Werte bestimmt wurden, und visualisieren das Trainings-Dataset.

  • Zugriff auf Trainingsdatenbank ermöglicht, die tatsächlich für das Training verwendeten Bilder einzusehen.

Ja. Wir unterstützen z. B. die Nutzung synthetischer Daten oder die Möglichkeit, dass Betreiber und Qualitätsmanager falsch klassifizierte Bilder neu kennzeichnen und in das Training aufnehmen. So verbessert sich die Modellleistung kontinuierlich.

Ja, das System kann mit überwachten Modellen erweitert werden, um bestimmte Defekttypen zu klassifizieren. Dies verursacht zusätzliche Projektkosten

Integration & Automatisierung

Ja. preML unterstützt viele APIs und Schnittstellen und lässt sich flexibel in bestehende Unternehmenssysteme und Produktionsabläufe integrieren.

Die meistgenutzten Schnittstellen sind OPC UA und unsere REST-API, die direkt an Standard-Automatisierungssysteme angebunden werden können.

Bei Bedarf stellen wir gerne die entsprechende Schnittstellendokumentation bereit.

Für lizenzierte Nutzung ist ein Starter-Setup-Paket für die Systemintegration erforderlich. Dieses umfasst Vorverarbeitung, Trigger-Steuerung, Übertragung an das Vision Lab, Kommunikation mit dem Konfigurations-Dashboard und optional die Installation auf Edge-Devices.

Standardmäßig werden Kameras von IDS Imaging, Basler, Allied Vision, Daheng und OPT unterstützt.

Weitere Schnittstellen können problemlos implementiert werden; ein Angebot für den Integrationsaufwand ist auf Anfrage möglich.

Ändert sich später das Kameramodell, kann ein neues Setup-Paket erforderlich sein (sofern nicht anders vereinbart).

Derzeit unterstützen wir bis zu vier Kameras pro System über unsere Edge-Devices. Eine Erweiterung durch höhere GPU-Kapazität ist möglich. Mehr Kameras erfordern stärkere GPU-Leistung, was die Hardwarekosten erhöht.

In einer lizenzierten Installation kann preML bis zu 15 FPS bei 256×256-Auflösung verarbeiten (~60 ms pro Bild).

Für Verarbeitungszeiten unter 50 ms pro Bild empfehlen wir ein Upgrade von Edge-Device auf Tower-PC mit höherer GPU-Leistung.

Operatoren können das Modell aus einer Liste im Frontend auswählen. Alternativ kann der Wechsel automatisch über ein API-Signal erfolgen (z. B. von Ihrer SPS/PLC).

Ja. Die genaue Integration des Bypass wird während der Projektaufsetzung definiert und hängt von Ihren Produktionsanforderungen ab.

Am robustesten ist, für jede Maschine ein separates Modell zu verwenden. Zwar ist ein Transfer zwischen Geräten möglich, jedoch erfordern Unterschiede in Kamera und Beleuchtung oft zusätzliche Kalibrierung und Bildaufnahme. Bei Bedarf unterstützen wir auch zentrale Strategien.

IT & Infrastruktur

Ja. Das System kann komplett lokal auf eigener Hardware betrieben werden oder innerhalb einer serverbasierten Infrastruktur – entweder der eigenen (z. B. private Cloud oder zentraler Server) oder in einer vom Anbieter bereitgestellten Cloud-Umgebung, je nach IT- und Sicherheitsanforderungen.

Das System wird als Minimal Risk klassifiziert, da es ausschließlich für die Qualitätsprüfung von Teilen genutzt wird und keine personenbezogenen Daten verarbeitet. Eine Neubewertung wäre nur erforderlich, wenn es für sicherheitskritische Inspektionen eingesetzt würde.

Nein. On-Premise kann das System völlig autark betrieben werden. Netzwerkverbindung ist optional und nur erforderlich, wenn sicherer Fernzugriff für Updates, Wartung oder Support gewünscht wird.

Die Aufbewahrung ist konfigurierbar. Alle oder nur fehlerhafte Bilder können für einen definierten Zeitraum gespeichert werden (z. B. kurze Speicherung für alle Bilder, längere für Fehlerbilder).

Bilder werden lokal auf der Recheneinheit des Systems in einer Dateistruktur gespeichert. Referenzen und Metadaten werden in einer internen Datenbank verwaltet, um Bilder mit Inspektionsergebnissen zu verknüpfen.

Standardmäßig keine automatischen Backups. KI-Modelle und Trainingsdaten werden von preML gesichert, wenn die Installation durchgeführt wurde. Optional können lokale Backup-Services bereitgestellt werden

Ja. Support ist im Rahmen der Produktgarantie enthalten. Auf Wunsch kann dies auch Vor-Ort-Service umfassen. Weitere Unterstützung oder Erweiterungen sind auf Anfrage möglich.

Nein. Das System ist als eigenständige Industrie-Lösung konzipiert und erfordert keine Linux-Kenntnisse oder IT-Administration beim Kunden.

Nein. Systemzugang auf Administratorebene ist für den normalen Betrieb nicht erforderlich.

Monitoring & Qualitätssicherung

Die Leistung wird derzeit über den F1-Score gemessen. Schwellenwerte können direkt vom Nutzer im Frontend angepasst werden, z. B. über das Schwellenwert-Diagramm.

Wird eine ID an das Inspektionssystem übergeben, können Entscheidungsprotokolle (Bild + Klassifikation) im Verlauf eingesehen werden. Alternativ können Zeitstempel verwendet werden. Beachten Sie: Speicherplatz ist begrenzt; alte Ergebnisse müssen gelöscht oder extern archiviert werden.

Für unbeaufsichtigte Schichten können robuste Schwellenwerte konfiguriert werden, um Fehlalarme zu minimieren. Unsichere Fälle werden markiert und dokumentiert, während die Produktion fortgesetzt wird.

Preise & Support

Die Software wird projektbasiert pro System lizenziert, inklusive Nutzungsrecht auf dem jeweiligen System.

Wenn das System auf einem Edge-Device betrieben werden soll, sind die Kosten für das Gerät zusätzlich zu berücksichtigen.

Je nach Anwendungsfall sollten ggf. weitere Kosten einkalkuliert werden:

  • Hardware wie Kameras und Beleuchtung

  • Installation und Einrichtung

  • Spezielle Anforderungen Ihrer Umgebung

  • Optionale Wartung oder Support-Services

Die Gesamtkosten hängen von Ihrer Konfiguration und den Anforderungen ab. Wir erstellen gern ein individuelles Angebot.

Vereinbaren Sie einfach einen Termin mit unserem Team. Wir besprechen Ihre Anforderungen und erstellen einen passenden Plan.

Ja. Neben der Software bieten wir Unterstützung bei Integration, Schulung und individueller Entwicklung.

Ja, als Integrator können Sie das preML Vision Lab problemlos für Ihre Kunden einsetzen. Die Plattform unterstützt mehrere Anwendungsfälle, sodass Sie Lösungen für Ihre Kunden erstellen, verwalten und bereitstellen können.

Weitere Materialien

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, [...]

#syntheticData #computerVision #machineLearning #visualQualityControl

Sie haben einen Anwendungsfall?

Impressum Datenschutzerklärung

This website uses cookies and third party services. Ok
Nach oben