Automatisierte optische Prüfung gibt es in der Industrie seit Jahrzehnten. Neu ist nicht, dass Maschinen sehen können, sondern dass sie auf Fehler trainiert werden können, für die niemand eine Regel geschrieben hat — und dass europäische Einkäufer inzwischen verlangen, genau das nachzuweisen.
Wo KI die Prüfung wirklich verändert
Klassische Bildverarbeitung funktioniert gut, wenn ein Fehler geometrisch beschreibbar ist: eine Bohrung bestimmter Größe, eine Abweichung über einem Schwellwert, ein fehlendes Bauteil. Sie funktioniert schlecht bei Fehlern, die erfahrene Prüfer erkennen, aber kaum definieren können — Oberflächentexturen, unregelmäßige Korrosionsmuster, feine Schweißnahtanomalien.
Hier liegt der echte Mehrwert gelernter Modelle. Sie klassifizieren Variation, statt sie zu vermessen, und erweitern automatisierte Prüfung damit auf Prozesse, die bisher von geschulten Bedienern abhingen.
Die Probleme, die mitkommen
Pseudoausschuss kostet kommerziell mehr als übersehene Fehler
Ein System, das zu viele Gutteile aussortiert, erzeugt manuelle Nacharbeit und verliert schnell das Vertrauen der Linie. In der Praxis entscheidet oft die Pseudoausschussrate darüber, ob ein System im Betrieb bleibt — nicht die Erkennungsempfindlichkeit.
Nachvollziehbarkeit ist zum Kaufkriterium geworden
Qualitätsabteilungen in regulierten Branchen müssen begründen, warum ein Teil freigegeben wurde. Ein Modell, das eine Entscheidung ohne nachvollziehbare Grundlage ausgibt, erzeugt ein Dokumentationsproblem, besonders in Luftfahrt, Energie und Automobilzulieferung.
Trainingsdaten sind ein Beschaffungsproblem
Fehlerbilder sind definitionsgemäß knapp; ein guter Prozess erzeugt wenige Fehler. Hersteller ohne belastbare Antwort darauf, wie ein Modell auf kundenspezifischen Daten trainiert, aktualisiert und validiert wird, bleiben regelmäßig in der Pilotphase stecken.
Was europäische Einkäufer fragen
- Wie hoch ist der Pseudoausschuss unter Produktions-, nicht Laborbedingungen?
- Wie wird eine Klassifikationsentscheidung dokumentiert und auditierbar gemacht?
- Wem gehören die Trainingsdaten, und wo werden sie verarbeitet?
- Was passiert bei Prozessänderungen — neue Legierung, neuer Lieferant, andere Oberfläche?
- Wie wird das System revalidiert, und durch wen?
An den letzten beiden Fragen verlieren die meisten technisch exzellenten Systeme ihren Schwung. Industrielle Prozesse driften. Ein Modell, das bei Inbetriebnahme genau war und zwei Jahre später ungepflegt ist, wird zum Risiko — und wer diesen Zyklus einmal erlebt hat, fragt früh danach.
Die realistische Einordnung
KI in der industriellen Prüfung ist weder Marketingschicht noch gelöstes Problem. Sie erweitert verlässlich, was automatisiert werden kann, und schafft zugleich neue Pflichten bei Validierung, Dokumentation und Datenverantwortung. Hersteller, die diese Pflichten offen adressieren, kommen in Europa erfahrungsgemäß schneller voran als solche, die nur Genauigkeitswerte vorlegen.
Verfasst von HABERBOSCH Technologies. Fragen oder eine andere Sicht? Schreiben Sie an partnerships@haberbosch-technologies.com.