KI-gestützte Bilderkennung bei der Homologation

Bild: Elunic AG

Die industrielle Bildverarbeitung nimmt in der Qualitätssicherung einen immer höheren Stellenwert ein. Bei der Bilderkennung hilft künstliche Intelligenz, die Genauigkeit sowie die Produktionsgeschwindigkeit zu steigern – auch bei der Homologation von Kraftfahrzeugen.

In einer weltweiten Umfrage von IFS unter 1400 IT-Entscheidern kam heraus, dass die wesentlichen Anwendungsfelder künstlicher Intelligenz heute in den Bereichen Data Analytics (25 Prozent), Business Intelligence (22 Prozent) und Finanzen (17 Prozent) liegen. Allerdings unterscheiden sich dabei Deutschland, Österreich und Schweiz in einem Punkt deutlich von ihren weltweiten Kollegen: In den drei Ländern steht die Qualitätssicherung mit 22 Prozent an erster Stelle.

Manuell vs. automatisiert

In nahezu allen produzierenden Unternehmen ist die Qualitätssicherung ein fester Bestandteil. Entweder wird diese mit Hilfe verschiedener Inspektoren erledigt oder sie läuft automatisiert ab – beispielsweise mittels klassischer Bilderkennung. Dabei sind fest programmierte Regeln wie etwa Form, Anzahl oder Lage der Objekte entscheidend. Für Erkennungsfehler sorgt es, wenn Licht, Schatten oder Bildhintergründe die Systeme irritieren. Gerade aus diesem Grund erweisen sich die Möglichkeiten, die sich aus der Kombination von Qualitätssicherung und KI ergeben, für viele Unternehmen als besonders spannend, denn die Fehleranfälligkeit wird minimiert und zugleich sind die Systeme heute finanziell erschwinglicher. Die KI orientiert sich, ähnlich wie der Mensch, an gemeinsamen Merkmalen der Objekte und kann durch maschinelles Lernen vergleichbare Ergebnisse erzielen. Dazu genügt es, ausreichend viele Bilder unterschiedlichen Typs auszuwerten und für die KI zu markieren, wo sich der Fehler im Bild befindet. Sie lernt Muster zu erkennen, mit denen sie die Fehler in Zukunft ohne menschliches Zutun identifizieren kann.

Falsch geklebt

Zu Beginn des Jahres steckten tausende Teslas am chinesischen Zoll fest. Der Grund waren fehlerhafte Kennzeichnungen der Autos. Diese ist Teil des Zulassungsprozesses, der sogenannte Homologation, die sich immer wieder als Nadelöhr erweist, wodurch vielen Automobilherstellern Zeit verloren geht. Das betrifft auch die Aufbringung von Aufklebern, die wichtige Daten zum Fahrzeug enthalten. Wenn diese falsch gesetzt sind, muss oft vieles noch einmal manuell geprüft werden. Gerade im Ausland können so weitere Verzögerungen entstehen. Um das zu vermeiden, hat sich ein Automobilhersteller dazu entschieden, mit KI die Qualitätssicherung innerhalb der Homologation zu optimieren.

Seiten: 1 2Auf einer Seite lesen

www.elunic.com

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige