Was ist Computer Vision?

Computer Vision ist das Teilgebiet der künstlichen Intelligenz, das Rechnern beibringt, Bilder und Videos inhaltlich auszuwerten. Ein System erkennt darauf Objekte, liest Schrift, misst Abstände oder findet Abweichungen – etwa einen Kratzer im Lack, ein fehlendes Bauteil oder einen falsch beschrifteten Karton – und gibt das Ergebnis an andere Systeme weiter.

Für Menschen ist Sehen mühelos. Für Rechner war es jahrzehntelang eine der schwersten Aufgaben überhaupt, weil sich kaum beschreiben lässt, woran man eine Schraube, einen Riss oder ein Gesicht erkennt. Erst Deep Learning hat Computer Vision so zuverlässig gemacht, dass sie heute in vielen Hallen und Lagern still mitläuft.

Welche Aufgaben Computer Vision übernimmt

• Klassifizieren: Was ist auf dem Bild? Gutteil oder Ausschuss, Palette voll oder leer.
• Objekte erkennen: Wo genau liegt was? Das System zeichnet Rahmen um jedes gefundene Teil und zählt sie.
• Segmentieren: Welche Pixel gehören zu welchem Objekt? Nötig, wenn Flächen vermessen werden, etwa Rostbefall auf einem Träger.
• Anomalien finden: Weicht etwas vom Normalzustand ab? Praktisch, wenn es kaum Bilder von Fehlern gibt, dafür viele von guten Teilen.
• Schrift und Codes lesen: Seriennummern, Etiketten, Barcodes, Zählerstände.
• Messen: Maße, Abstände, Füllstände – mit kalibrierter Kamera sehr genau.

Vom Kamerabild zur Entscheidung

1. Bild aufnehmen. Industriekamera, Smartphone oder eine fest montierte Kamera an der Linie. Beleuchtung und Blickwinkel entscheiden schon hier über die spätere Qualität.
2. Vorverarbeiten. Das Bild wird zugeschnitten, entzerrt, in der Helligkeit angeglichen.
3. Auswerten. Ein neuronales Netz, meist ein Faltungsnetz oder zunehmend ein Transformer für Bilder, berechnet, was es sieht, und gibt zu jeder Aussage eine Wahrscheinlichkeit an.
4. Entscheiden. Liegt die Wahrscheinlichkeit über einer festgelegten Schwelle, handelt das System: Teil ausschleusen, Vorgang anlegen, Meldung schicken. Darunter geht der Fall an einen Menschen.
5. Weitergeben. Das Ergebnis landet im MES, im ERP oder in einer Liste, die der Schichtleiter prüft.

Der vierte Schritt wird oft unterschätzt. Wo die Schwelle liegt, ist keine technische, sondern eine kaufmännische Frage: Was kostet ein durchgerutschter Fehler, was ein unnötig aussortiertes Teil?

Einsatz in Produktion, Bau und Logistik

• Oberflächenprüfung: Ein Zulieferer für Blechteile prüft jedes Teil auf Dellen und Kratzer, bevor es verpackt wird. Die Prüferin sieht nur noch die Fälle, bei denen das System unsicher ist.
• Wareneingang: Eine Kamera am Rolltor liest Etiketten und Lieferscheinnummern, der Eingang wird gebucht, bevor der Stapler abgestellt hat.
• Baudokumentation: Fotos vom Bautag werden automatisch Gewerken und Räumen zugeordnet; offene Punkte lassen sich später schneller finden.
• Zählerablesung: Kunden schicken ein Foto ihres Zählers, das System liest den Stand und plausibilisiert ihn gegen den Vorjahreswert.
• Gartenbau: Bilder von Pflanzen zeigen früh Schädlingsbefall oder Wassermangel.

Computer Vision, Bildverarbeitung und OCR

Klassische Bildverarbeitung arbeitet mit festen Regeln: Kanten finden, Pixel zählen, Farbwerte vergleichen. Sie ist schnell und berechenbar und in vielen Prüfstationen seit Jahrzehnten im Einsatz – stößt aber an Grenzen, sobald Teile unterschiedlich aussehen dürfen.

Computer Vision im heutigen Sinn lernt aus Beispielen und kommt mit Schwankungen besser zurecht. OCR, die Texterkennung, ist ein Spezialfall: Sie konzentriert sich auf Schrift in Dokumenten und Bildern. Kombiniert mit Sprachmodellen entsteht daraus die intelligente Dokumentenverarbeitung, die zusätzlich erkennt, welcher Wert auf dem Beleg der Rechnungsbetrag ist.

Stolpersteine: Licht, Daten, Recht

• Beleuchtung. Ein Modell, das bei Tageslicht trainiert wurde, versagt oft unter Hallenlicht. Konstante Beleuchtung ist die billigste Qualitätsmaßnahme.
• Seltene Fehler. Gibt es von einem Fehlerbild nur fünf Fotos, lernt das Modell ihn schlecht. Hier helfen Verfahren zur Anomalieerkennung oder gezielt erzeugte Beispielbilder.
• Veränderte Bedingungen. Neues Material, anderer Lieferant, verschmutzte Linse – die Trefferquote muss dauerhaft beobachtet werden.
• Personen im Bild. Sobald Kameras Beschäftigte oder Kunden erfassen können, gilt die DSGVO, bei Beschäftigten außerdem das Mitbestimmungsrecht des Betriebsrats nach § 87 BetrVG. Klären Sie das vor der Installation, nicht danach.
• Biometrie. Gesichtserkennung ist rechtlich besonders streng geregelt; einige Formen verbietet der EU AI Act ganz.

In der Praxis: klein anfangen, sauber messen

Ein gutes Computer-Vision-Projekt beginnt mit einer Prüfstelle, einer Kamera und einer klar messbaren Frage. Bei der KI-Implementierung sammeln wir zuerst echte Bilder aus Ihrem Betrieb, legen gemeinsam fest, welche Fehlerquote akzeptabel ist, und bauen dann erst die Auswertung. Geht es um Belege, Lieferscheine oder Formulare, ist unsere Leistung Dokumente und Daten der passende Einstieg. Für Fertigungsbetriebe zeigt die Seite Produktion, wo wir sonst ansetzen.

Häufige Fragen

Was ist Computer Vision einfach erklärt?

Die Fähigkeit von Software, Bilder zu „verstehen“: zu erkennen, was darauf zu sehen ist, wo es liegt und ob etwas vom Normalzustand abweicht.

Braucht man für Computer Vision teure Industriekameras?

Nicht immer. Für viele Aufgaben reichen gute Standardkameras oder Smartphones. Teure Technik lohnt sich bei hohen Taktzeiten, kleinsten Fehlern oder präzisen Messungen.

Wie viele Bilder braucht man zum Start?

Mit vortrainierten Modellen oft einige hundert pro Klasse. Bei der Anomalieerkennung genügen manchmal Bilder guter Teile, weil das System alles Abweichende meldet.

Kann Computer Vision die Endkontrolle ersetzen?

Sie kann sie stark entlasten. Sinnvoll ist ein Aufbau, in dem die Maschine die eindeutigen Fälle entscheidet und unsichere Fälle einem Menschen vorlegt – das Prinzip Human in the Loop.