Deep Dive

Computer Vision

KI, die sieht — industrielle Bildverarbeitung, Qualitätskontrolle, OCR und Objekterkennung. Einer der ältesten und reifsten KI-Bereiche außerhalb von LLMs.

Was ist CV?

Maschinelles Sehen jenseits von Textprompts

Computer Vision (CV) ist der KI-Bereich, der Maschinen befähigt, visuelle Informationen zu verstehen — ganz ohne Sprachmodell. CNNs und Vision Transformer erkennen Objekte, segmentieren Bildregionen, lesen Texte aus Fotos und prüfen Produkte auf Fehler.

Die industrielle Bildverarbeitung ist der produktivste CV-Zweig: Qualitätskontrolle, Lesbarkeitsprüfung von Etiketten und Chargennummern, Anlagensicherheit durch Personenerkennung. Systeme wie Cognex In-Sight und UnitX DeteX laufen bei Hunderten Herstellern und prüfen Millionen Teile pro Tag.

Entscheidend für den Mittelstand: CV-Systeme werden zunehmend als Embedded-AI auf der Kamera selbst ausgeführt — kein Cloud-Anschluss nötig, keine Netzwerklatenz, vollständige Datenhoheit.

Praxis in DACH

CV in deutschen Unternehmen

Nova Hüppe (Oldenburg)

KI-gestützte optische Qualitätskontrolle erkennt kleinste Fehler in Markisenstoffen in Echtzeit. Eine Kamera in der Näherei überwacht die Stoffbahn, bei Fehlern stoppt die Zuschnitt-Maschine automatisch. Seit November 2025 im Testbetrieb, ab März 2026 vollständig integriert.

Köstler GmbH (Annaberg-Buchholz)

Automotive-Zulieferer für Airbag-Textilien. Die Qualitätskontrolle war bislang manuelle Sichtprüfung — monoton und fehleranfällig. Eine KI-gestützte automatisierte Lösung (Green-AI-Hub-Pilotprojekt) erkennt Gewebefehler zuverlässiger und reduziert Ausschuss.

Metallverarbeiter (Aschaffenburg)

KI-System zur optischen Qualitätskontrolle senkte die Ausschussrate um 38%. Die Lösung hat sich innerhalb von sieben Monaten amortisiert — ein besonders starkes Signal für die Wirtschaftlichkeit von CV im Mittelstand.

Goldschmaus Gruppe (Garrel/Oldenburg)

Machine Vision mit ZetesMedea ImageID prüft palettierte Fleischprodukte auf Artikel- und Chargenreinheit. Erfasst und dekodiert die Barcodes von bis zu 128 Kartons in Sekunden. Null-Fehler-Ziel in der Qualitätskontrolle.

apra-plast

Mobile Edge-KI zur Qualitätskontrolle bei Losgröße 1. Das System wird an verschiedene Maschinen gefahren — Cloud kam wegen Mobilität nicht in Frage. Edge-AI-Architektur mit lokaler Inferenz auf der Kamera.

Variopack (Hessen)

Automatisierte Druckbildprüfung mit EyeC für Verpackungen. Variopack als Co-Packer hat hunderte verschiedener Designs und kundenspezifischer Anforderungen — die CV-Lösung erkennt Druckfehler zuverlässig und reduziert Ausschuss.

Entscheidungshilfe

Wann CV, wann LLM?

CV ist die richtige Wahl, wenn:

  • • Es um konkrete visuelle Merkmale geht: Form, Farbe, Textur, Position, Vollständigkeit
  • • Die Aufgabe klar definierbar ist: Label lesen, Kratzer erkennen, Teil identifizieren
  • • Die Entscheidung in Millisekunden fallen muss (Echtzeit-Qualitätskontrolle)
  • • Datenhoheit und lokale Verarbeitung wichtig sind (Edge-AI)

Ein LLM ist besser, wenn:

  • • Das Bild im Kontext einer offenen Frage analysiert werden soll
  • • Es um semantisches Verständnis geht ("Was ist hier los?")
  • • Unterschiedliche Bildtypen ohne separates Training verarbeitet werden sollen

Zurück zur Landkarte

← Zurück zur KI-Landkarte