Autor

David Fehrenbach

David is Managing Director of preML and writes about technology and business-related topics in computer vision and machine learning.

Der Digital Hub Applied Artificial Intelligence Karlsruhe sammelt Anwendungsfälle von KI aus der Praxis. Mit preML sind wir Partner des de:hub Karlsruhe und freuen uns sehr, dass es diese Initiative gibt. Ich stellte mich den Fragen des Hub-Teams zu unserer KI-basierten Qualitätsprüfung von Betonelementen und möchte Ihnen die Antworten nicht vorenthalten. Viel Spaß beim Lesen!

Was war der Ausschlag für die Entwicklung eines KI-basierten Anwendungsfalls?

Anbieter von automatischen visuellen Qualitätskontrollsystemen gibt es schon seit einiger Zeit. Diese konzentrieren sich insbesondere auf die Branchen Automotive, Food und Electronics. Einige Branchen wurden übergangen, zum Beispiel die Bauindustrie. Dies liegt vor allem daran, dass hier für Computer Vision Systeme ungünstige Rahmenbedingungen herrschen: Schmutzige Umgebungen, große Komponenten, hohe Produktvarianz und kundenabhängige Qualitätsansprüche. Nehmen Sie zum Beispiel eines unserer Systeme zur Inspektion von Betontunnelsegmenten. Je nach Durchmesser, Tunnelbohrmaschine, Geologie und länderspezifischen Qualitätsanforderungen ist die Komponentenfertigung bei jedem neuen Tunnel anders. Durch den Einsatz von KI-Algorithmen konnten wir ein System schaffen, das diese Anforderungen erfüllt, robust gegenüber Anomalien ist und sich schnell an veränderte Bedingungen anpassen kann.

Was waren Ihre Erwartungen oder Anforderungen an die KI-Anwendung?

Unser erster Kunde für das System hatte eine genaue Vorstellung von Fehlern, die erkannt werden mussten. Dabei konnte er auf Erfahrungen aus Hunderten von Projekten zurückgreifen, die sich in einem sehr detaillierten Pflichtenheft niederschlugen. Neben Auffälligkeiten jeglicher Art sollten verschiedene Aufgaben wie das Vorhandensein von Einbauteilen und sicherheitsrelevante Aspekte überprüft werden. Wir prüfen diese Anforderungen ganz konkret und vergleichen sie mit ähnlichen Projekten in diesem Bereich und aktuellen (und veröffentlichten) Ergebnissen aus Wissenschaft und Forschung. Bei automatisierten Sichtprüfungsaufgaben stellen wir uns die Erwartung, dass unsere Systeme die Aufgabe besser lösen, als ein Mensch es könnte. Gewinnt das System diesen Wettbewerb, dann ergibt sich direkt ein Paket von Vorteilen: Man ist schneller und günstiger, konsistenter und man hat die Ergebnisse direkt und nachvollziehbar dokumentiert.

Auf welchen Partner haben Sie mit welcher Technologie bei der Entwicklung gesetzt?

In unserem ersten Projekt war unser Kunde in seinem Bereich Weltmarktführer für technische Systeme. Diese Partnerschaft war (und ist) für uns äußerst vorteilhaft. Durch die Kontakte und das Netzwerk konnten wir erste Trainingsdaten erhalten, wir konnten auf Expertenwissen im Feld zugreifen und es brachte uns das erforderliche Vertrauen des Endbenutzers in die Lösung.

Der Einsatz von KI-Lösungen muss auch mit einem Kompetenzwandel einhergehen. Wie sind Sie in Bezug auf Ihre Mitarbeiter mit dieser Herausforderung umgegangen?

Als Startup sind wir KI-Experten und natürlich auf solche Projekte vorbereitet. Wir stellen jedoch fest, dass das Thema KI in der Branche oft gehypt wird, was wir als Gefahr sehen. Das kann schnell falsche Erwartungen schüren. Viele erwarten beispielsweise in ihren Anwendungen selbstlernende Komponenten, weil dies aus den Medien bekannt ist. Deshalb versuchen wir immer zu Beginn eines Projekts die Grundlagen der KI zu erklären und freuen uns auch, dass es Institutionen wie den de:hub Karlsruhe gibt, die viel Bildungsarbeit leisten.

In welchem Zeitraum haben sie die KI-Lösung in Ihrem Unternehmen implementiert?

Wir haben bereits in einer Woche Proof of Concepts (PoC) entwickelt, die mithilfe von KI-Algorithmen Probleme mit realem Bildmaterial lösen. Insgesamt arbeiten wir jedoch für die Industrie, wodurch Prozesse deutlich länger dauern können. Manchmal sind wir schon an der Fabrikplanung beteiligt, aber es kann zwei Jahre dauern, bis die Fabrik gebaut ist und die Produktion startet. Wenn die Fabrik bereits gebaut ist, sind ca. 3-4 Monate ein guter Planungshorizont.

Ein Fazit zu Ihrer KI-Lösung:

Aus unserer Sicht ist KI ein wichtiger Treiber von Automatisierungsprozessen in der Industrie. Unsere Lösung zeigt, dass auch der Mittelstand von KI profitieren kann – insbesondere von individuellen Automatisierungslösungen. Die Vorteile der automatisierten visuellen Qualitätsprüfung mit KI liegen für unsere Anwendung auf der Hand:

  • Die Prüfung ist nach klar definierten Qualitätsrichtlinien standardisiert.
  • Die Inspektion dauert ca. 20-30 Sekunden inklusive vollständiger Dokumentation
  • Aktuelle Qualitätskennzahlen werden in Echtzeit erfasst und Berichte automatisch generiert
  • Menschen werden von potenziell gefährlichen Situationen ferngehalten
  • Verteidigung als Innovationsführer der Branche positionieren.

Ein letzter Ratschlag/Tipp für andere Unternehmen, die KI anwenden möchten:

Wir empfehlen Unternehmen, immer den Weg vom Problem zur Technologie zu gehen und nicht von der Technologie zum Problem. Das Ziel sollte nicht eine Anwendung von KI sein, sondern die bestmögliche Lösung eines Problems. Dann kann KI ein mächtiges Werkzeug sein, aber sie ist noch lange nicht die Lösung für alle Probleme. Um KI effizient einzusetzen, empfehlen wir, die Datenverfügbarkeit sicherzustellen und den langfristigen Einsatz einer KI-Anwendung von Anfang an zu berücksichtigen. Im Bereich der automatisierten visuellen Qualitätsprüfung hilft Ihnen preML gerne dabei.

Autor

David Fehrenbach

David is Managing Director of preML and writes about technology and business-related topics in computer vision and machine learning.