+49 30 533206 – 570
Projekte-Hotline: +49 3327 5658 – 28
info@digitalzentrum.berlin
Projekte-Hotline: +49 3327 5658 – 28
Besucher:innen haben die Möglichkeit, einem KI-Modell direkt vor Ort beizubringen, verschiedene Objekte voneinander zu unterscheiden. Mithilfe einer Kamera werden Fotos aufgenommen, die anschließend zur Schulung des Modells verwendet werden. In Echtzeit lässt sich beobachten, wie die KI lernt und getestet wird.
Die Station vermittelt auf spielerische Weise die Grundlagen des maschinellen Lernens und zeigt praxisnah, welche Potenziale diese Technologie für Unternehmen bietet. Das sogenannte „Anlernen“ der KI stellt dabei die Vorstufe zur KI-Objekterkennung dar: Im Gegensatz zur Objekterkennung erfolgt hierbei keine Positionsbestimmung der Objekte im Bild – es geht ausschließlich um deren Klassifikation.
Kundenservice im Handel (Produkterkennung): Die KI kann lernen, verschiedene Produkte (z. B. „Croissant“, „Brötchen“, „Apfel“) anhand von Fotos unterscheiden. Nach dem Training erkennt die Kamera live, welches Produkt auf das Kassenband gelegt wird – auch ohne Barcode (z. B. Bäckerei, Hofladen).
Sicherheitskontrolle: Die KI wird darauf trainiert, zu erkennen, ob Personen die vorgeschriebene Schutzkleidung tragen – etwa Helme, Warnwesten oder Handschuhe. Die Kamera prüft live beim Betreten eines Arbeitsbereichs, ob alle Sicherheitsvorgaben erfüllt sind.
Dokumentenklassifikation im Büroalltag: Die KI kann lernen, verschiedene Dokumenttypen zu unterscheiden – z. B. Rechnungen, Lieferscheine oder Verträge. Nach dem Training erkennt die Kamera oder ein Scanner automatisch, um welchen Dokumenttyp es sich handelt, und leitet ihn an die passende Stelle weiter.
In Fertigungsbetrieben kann ein individuell angelerntes KI-Modell dazu verwendet werden, fehlerhafte Produkte visuell zu erkennen – etwa durch die Klassifikation von Oberflächenfehlern, Farbabweichungen oder Formunregelmäßigkeiten.
Vorteile:
Praxisbeispiel:
In der Automobilindustrie werden KI-Modelle eingesetzt, um Lackfehler oder Montageabweichungen frühzeitig zu erkennen. Ein einfaches Klassifikationsmodell kann bereits im Prototyping helfen, die Machbarkeit solcher Anwendungen zu testen.
Ein individuell angelerntes KI-Modell kann zur Unterstützung von Sicherheitsprozessen eingesetzt werden.
Anwendungsmöglichkeiten:
Praxisbeispiel: Ein Logistikunternehmen nutzt ein einfaches KI-Modell, um zu überprüfen, ob Mitarbeitende beim Betreten von Hochregallagern die vorgeschriebene Schutzkleidung tragen. Die KI wurde mit Bildern von korrekt und inkorrekt gekleideten Personen trainiert und gibt bei Abweichungen eine visuelle Warnung aus. So wird die Einhaltung von Sicherheitsvorgaben automatisiert und verbessert.
Diese Station zeigt anschaulich, wie eine einfache KI in Echtzeit angelernt wird. Mit Hilfe von Python, TensorFlow Keras und OpenCV wird ein praxisnahes Konzept des maschinellen Lernens umgesetzt:
Die Station vermittelt auf intuitive Weise, wie eine KI aus Beispieldaten lernt und Vorhersagen trifft. Dabei handelt es sich um eine Klassifikation, nicht um eine vollständige Objekterkennung: Die KI kann Bilder einer bestimmten Klasse zuordnen, bestimmt jedoch nicht die räumliche Position einzelner Objekte im Bild. Der Trainingsprozess ähnelt dem der Objekterkennung, bleibt jedoch auf die reine Klassenzuordnung beschränkt.
Die Station vermittelt auf intuitive Weise, wie eine KI aus Beispieldaten lernt und Vorhersagen trifft. Dabei handelt es sich um eine Klassifikation, nicht um eine vollständige Objekterkennung: Die KI kann Bilder einer bestimmten Klasse zuordnen, bestimmt jedoch nicht die räumliche Position einzelner Objekte im Bild. Der Trainingsprozess ähnelt dem der Objekterkennung, bleibt jedoch auf die reine Klassenzuordnung beschränkt.
Die Software basiert auf Open-Source-Technologien wie Python, TensorFlow Keras und OpenCV – also kostenfrei. Für die Hardware reichen ein handelsüblicher Laptop und eine Webcam (ca. 1.000 €). Professionelle Anwendungen, z. B. automatische Sortieranlagen, starten ab etwa 10.000 €.
Hinweis: Die genannten Preise sind Beispiele zum Zeitpunkt der Recherche. Sie können sich ändern und variieren je nach Nutzungsvolumen, Lizenzmodell und individueller Vereinbarung.
Wenn manuelle Sortier- oder Klassifikationsprozesse viel Zeit kosten oder fehleranfällig sind, kann sich der Einsatz schnell rechnen. Besonders für kleinere Unternehmen ist die Anwendung ein idealer Einstieg in KI-gestützte Automatisierung – ohne große Investitionen.
Die Station führt eine Klassifikation durch – sie erkennt, was auf einem Bild zu sehen ist, aber nicht wo es sich befindet. Für räumliche Erkennung (z. B. Position eines Defekts) wäre ein weiterentwickeltes Objekterkennungsmodell nötig.
Ja – das Konzept eignet sich hervorragend für Prototyping. Erkenntnisse aus der Station können später in komplexere KI-Systeme überführt werden, z. B. für automatisierte Produktionslinien oder intelligente Kamerasysteme.
Einfach angelernten KI-Modelle – etwa zur Bildklassifikation – funktionieren nur unter bestimmten Bedingungen zuverlässig. Besonders wichtig ist die Konsistenz der Umgebungsfaktoren, da die Modelle sehr empfindlich auf Veränderungen reagieren können.
Ein zentrales Beispiel ist die Beleuchtung:
Solche KI-Modelle sind nicht robust gegenüber Umgebungsvariablen. Für den produktiven Einsatz – etwa in der Industrie oder im Handel – müssen entweder die Bedingungen standardisiert werden (z. B. gleichmäßige Beleuchtung, feste Kamera-Position) oder das Modell mit einer großen Vielfalt an Trainingsdaten angelernt werden, um besser zu generalisieren.
Showroom besuchen.
Sie möchten die Erlebnisstation selbst ausprobieren? Gerne laden wir Sie in unseren Showroom ein oder zeigen die Station auf Ihrer Veranstaltung oder Messe. Für Anfragen erreichen Sie uns per E- Mail: info@digitalzentrum.berlin.
