Insbesondere in Bereichen der Bildverarbeitung ist Künstliche Intelligenz für zahlreiche Branchen ein unverzichtbares Werkzeug geworden. Egal ob in Industrie oder Landwirtschaft, in der Logistik, im Verkehrswesen oder in Medizin und Forschung: KI-gestützte Bildverarbeitung – auch Computer Vision genannt – erkennt und inspiziert automatisch Objekte, zählt und vermisst diese oder liest codierte Informationen aus. So werden zum Beispiel in der Fertigungsindustrie Computer-Vision-Systeme bei einem Großteil der Produktion eingesetzt. Dank ihnen können Qualität und Produktivität vollautomatisch überwacht und fehlerhafte Fertigungsteile erkannt und aussortiert werden.
Wie funktioniert moderne Bildverarbeitung?
Künstlich intelligente Systeme setzen überall da an, wo Entscheidungen mit zwei oder mehr Möglichkeiten getroffen werden müssen. Auch das Erkennen von Bild-Inhalten beruht auf dem Prinzip dieser Entscheidungsfindung. KI-gestützte Bildbearbeitung ist demnach ein Teilbereich der Künstlichen Intelligenz. Hier werden aus digitalen Bildern und Videos Informationen extrahiert, um daraus Schlussfolgerungen zu ziehen. Anhand von digitalen Bildern und Videos sowie mithilfe von Deep Learning-Modellen können so Objekte korrekt identifiziert, klassifiziert und im weiteren Verlauf auf sie reagiert werden.
Deep Learning ist eine Methode der Informationsverarbeitung und ein Teilbereich von maschinellem Lernen. Hierbei werden neuronale Netze genutzt, um große Datensätze zu analysieren.
Dafür muss eine KI mit Daten trainiert werden. Das können Bilder, Wörter, Buchstaben oder auch Geräusche sein. Durch das Training lernt das System selbständig, welche Merkmale wichtig sind, um daraus die richtigen Erkenntnisse abzuleiten. Voraussetzung für ein erfolgreiches Training ist lediglich eine gute Auswahl und Beschreibung der Bildinhalte, wobei die Trainingsbilder die gewünschten Merkmale ohne allzu viele „störende Merkmale“ zeigen sollten.
Was sind die Anwendungsfelder moderner Bildverarbeitung?
Mit Hilfe solcher maschinellen Lernverfahren sind Aufgaben lösbar, die mit ansonsten nicht oder nur mit sehr großem Aufwand realisierbar wären. Die folgenden praxisnahen Beispiele zeigen dabei auf, in welchen Segmenten sich KI-Bildverarbeitung bewährt hat.
1. Visuelle Qualitätskontrolle in der Produktion und Fertigung
Durch den Einsatz von KI-Technologie kann in der Massenproduktion die Effizienz und Effektivität der Prozesse gesteigert werden. Im speziellen wird die visuelle Qualitätskontrolle bzw. Inspektionsaufgabe durch die Anwendung von KI-gestützter Bildbearbeitung maßgeblich verbessert.
Dabei gilt: Je leistungsfähiger die KI ist, desto weniger menschliche Eingriffe sind nötig. So zum Beispiel, wenn in einer Produktionslinie immer wieder Entscheidung getroffen werden müssen, ob die Qualität eines Produkts gut oder schlecht ist. Die visuelle Qualitätsprüfung basiert dabei auf einer Fehleranalyse anhand von antrainierten Bildern.
Entspricht das Produkt den antrainierten Bildern, entscheidet die KI zugunsten guter Qualität. Gibt es sichtbare Mängel, entscheidet sie dagegen und das Produkt hat die Qualitätskontrolle nicht bestanden.
Der konsequente Einsatz dieser Technologie gewährleistet also ein minimales Maß an menschlichem Eingreifen und erhöht die Genauigkeit im Prozess signifikant. Auf diesem Weg werden sowohl die Ausschussquote also auch die Prüfkosten auf ein Minimum reduziert.
Apropos Training: Für eine präzise und robuste Bilderkennung muss das KI-System mit sehr vielen hochwertigen, diversen und breitgefächerten Bildern trainiert und immer wieder getestet werden. Dafür sind in der Regel mehrere Durchläufe notwendig. Erst dann kann das System selbstständig Entscheidungen über neue Datensätze treffen und zum Beispiel Gesichter erkennen. Zudem müssen KI-Systeme mit neuen Daten regelmäßig nachtrainiert werden. Nur so wird eine zuverlässige Verarbeitung von neuartigen Eingabedaten gewährleistet.
Sie wollen gerne eine gut trainierte Gesichtserkennung ausprobieren? Hier können Sie unsere Online-Demo Masken-Check mit Künstlicher Intelligenz testen.
2. Visuelle Bestandsaufnahme in der Produktion und Fertigung
KI-gestützte Bildbearbeitung findet ebenfalls Einsatz in der Verwaltung von Lagerbeständen. Solche Systeme weisen zum Beispiel auf falsch platzierte Artikel oder leere Regale hin. Zusätzlich können erweiterte Aussagen über eventuelle Mängel, Beschädigungen oder auch niedrige Füllstände getätigt werden. Solche intelligenten Warehouse-Management-Systeme steigern die Effizienz der Lagernutzung, senken die Betriebskosten und beugen Engpässen im Bestand vor.
3. Klassifizierung und Sortierung von Pflanzen in der Landwirtschaft
Durch den Einsatz von KI-gestützter Bildverarbeitung ist es möglich, Produkte mit unterschiedlichen Formen und Farben zuverlässig und schnell zu erkennen. So können zum Beispiel in der Landwirtschaft unterschiedliche Obst- und Gemüsesorten dank dem Einsatz von KI schnell klassifiziert und darüber hinaus Mangelware oder auch abweichende Farben automatisch identifiziert werden. Diese automatisierten Prozesse sind den klassischen Verfahren – in ihrer Zuverlässigkeit und Geschwindigkeit weit überlegen.
Künstliche Intelligenz als Teamevent? Überlisten Sie die KI in unserem kostenlosen Escape Room in Werder an der Havel!
4. Intelligente Selbstbedienungskassen im stationären Handel
Mittels einer In-Store-Digitalisierung durch KI-gestützte Bildverarbeitung können nicht nur die Laufwege der Besucher:innen nachvollzogen, sondern auch Lagerbestände und die Produktfrische gecheckt sowie der Bezahlprozess optimiert werden.
Letzteres kann zum Beispiel auf Selbstbedienungskassen angewendet werden. Möglich ist hier eine Identifikation der in den Korb gelegten Ware durch den Einsatz von Computer Vision zur Objekt- und Texterkennung, die abschließend nur noch bezahlt werden muss. Ziel ist hier nicht nur ein komfortables Checkout-Erlebnis, sondern auch eine Minimierung von Wartezeiten für die Kund:innen.
5. Automatisierte Produktempfehlungen im Handel
Unternehmen, die ihren stationären Handel gegenüber Online-Stores stärken wollen, können von einem personalisierten Empfehlungssystem profitieren. Empfehlungssysteme schlagen dabei den Kund:innen weitere Artikel vor, die ihnen gefallen könnten. Die KI-gestützte Bildverarbeitung des Empfehlungssystems kann sowohl online als auch in mobilen Anwendungen oder in Verbindung mit virtuellen Spiegeln funktionieren.
Das System erkennt beispielsweise in einem Fashion-Store welche Kleidung Personen tragen und gleicht anschließend die Produktauswahl mit einer Datenbank ab. Hier findet die Software Artikel, die auf der Grundlage von Farbe, Form, Größe oder anderen relevanten Merkmalen den Kund:innen schlussendlich während des Kaufhausbesuches per App oder auch auf Monitoren individualisiert empfohlen werden. Technologien wie diese stärken die User Experience und steigern die Attraktivität von physischen Geschäften.
Tipp: Testen Sie unser Personalisiertes Empfehlungssystem mit KI als Online-Demo
6. Tumor-Erkennung in der Medizin
KI-gestützte Bildverarbeitung wird auch im Gesundheitswesen eingesetzt, zum Beispiel um den Erkennungsprozess von Tumorerkrankungen weniger zeitaufwändig und mühsam zu gestalten. Ziel ist es, eine KI-Lösung zu gestalten, die dabei hilft, Operationen schneller und zuverlässiger vorbereiten zu können. Computer-Vision-Techniken können besondere Bereiche wie Hirntumore erkennen und hervorheben, z.B., um deren Ausdehnung messbar zu machen. Weiterhin können die resultierenden Markierungen immersiv in erweiterter oder virtueller Realität betrachtet werden, um so einen besseren räumlichen Eindruck der Ausdehnung betrachteter Strukturen zu erhalten. Das kann dabei helfen, sich schon vor einer Operation einen teilweise lebensrettenden Überblick zu verschaffen und so die Möglichkeit menschlicher Fehler im Rahmen der Erkennung erheblich reduzieren
KI-Einsatz in Unternehmen
Die hier beschriebenen Use-Cases bieten natürlich nur einen ersten Überblick über die zahlreichen Anwendungsfälle von KI-gestützter Bildverarbeitung. Sie dienen dazu, KI-Einsatzmöglichkeiten für das eigene Unternehmen abzuleiten. Aber was brauchen Unternehmen eigentlich, um KI-Bildverarbeitungssysteme im eigenen Umfeld einzusetzen?
Da bei der Entwicklung von KI-Lösungen neue Aspekte der Planung, Projektumsetzung und des Betriebs hinzukommen, ist für die Entwicklung solcher Anwendungen eine umfassende Strategie erforderlich. Gerade für neu einsteigende Unternehmen stellt sich hier die Frage, wie entsprechende Projekte umgesetzt werden können und welche Herausforderungen dabei bedacht werden müssen.
So erfordern zum Beispiel die Vorbereitung der Bilddaten sowie das Training neuronaler Netze völlig neue Werkzeuge. Zwar gibt es viele Tools und Open-Source-Quellen bei Cloud-Anbietern oder anderen Plattformen, sie liefern in der Regel jedoch eher die Basiswerkzeuge, so dass für die Verwendung ein hohes Maß an Vorwissen und Erfahrung notwendig sind. Diese KI-Teillösungen haben dementsprechend zur Folge, dass die KI-gestützte Bildverarbeitung Schritt für Schritt selbst realisiert werden muss.
KI-Komplettlösungen hingegen versprechen, diese Schwierigkeiten zu umgehen. Im Gegensatz zu KI-Teillösungen vereinen KI-Komplettlösungen alle Komponenten für das Erstellen, Trainieren und Ausführen eines bildbasierten neuronalen Netzes.
Tipp: Sie wollen sich zukunftsfähig aufstellen und planen den Einsatz von KI-Technologien? Unsere KI-Trainer:innen informieren kostenfrei und anbieterneutral über die Möglichkeiten der KI, sensibilisieren, zeigen Chancen auf und unterstützen bei der Umsetzung konkreter Anwendungen.
Vom 09. bis zum 11. November findet auch wieder unser KI-Intensivseminar statt. Gemeinsam mit unseren KI-Trainer:innen verbessern Sie ausgewählte Arbeitsbereiche oder Arbeitsprozesse mit Künstlicher Intelligenz. Sie benötigen zur Teilnahme am Workshop keine Vorkenntnisse über KI. Mehr Informationen finden Sie hier.
