DENKweit FAQ
Wir sind für dich da! Wir haben versucht, in unseren FAQs alle wichtigen Fragen, die uns bisher begegnet sind, zu sammeln. Ob es um unsere Produkte, Technologien, Bestellprozesse oder individuelle Lösungen geht – wir haben die wichtigsten Informationen für Dich zusammengestellt. Falls deine Frage hier nicht beantwortet wird, zögere nicht, uns direkt zu kontaktieren. Wir helfen dir gerne weiter!
Grundlagen, technologische Unterschiede und Möglichkeiten der KI-Bildverarbeitung.
Klassische Bildverarbeitung arbeitet häufig mit fest definierten Regeln, beispielsweise zur Erkennung von Kanten, Kontrasten, Farben oder geometrischen Merkmalen. Diese Verfahren eignen sich besonders für klar beschreibbare Prüfaufgaben unter kontrollierten Bedingungen.
KI-basierte Bildverarbeitung (Vision AI) lernt relevante Merkmale dagegen anhand von Trainingsbildern. Dadurch kann sie auch komplexe visuelle Zusammenhänge erkennen, die sich nur schwer durch feste Regeln beschreiben lassen. Das ist insbesondere bei variierenden Produkten, Oberflächen, Lichtverhältnissen oder Fehlerbildern von Vorteil.
DENKweit entwickelt hierfür eigene Vision-AI-Technologien, die mit Bildern aus realen Produktionsumgebungen trainiert werden können.
YOLO ist eine verbreitete Familie von KI-Modellen zur Objekterkennung. Sie kann für viele Anwendungen eine geeignete technische Grundlage sein. Allerdings deckt ein einzelnes Modell nicht den gesamten Lebenszyklus einer industriellen Bildverarbeitungslösung ab.
Ein Einsatz unserer Technologien hat mehrere Vorteile:
1. Du kannst ein DENKnet jederzeit an deine Herausforderungen/Einsatzwünsche anpassen und nachtrainieren.
2. Wir sind für sämtliche Fragen (KI-Training, Integration etc.) an deiner Seite, sodass dein KI-Einsatz auch wirklich so läuft, wie du es brauchst.
3. Mit einem DENKnet hast du kontinuierlich eine zuverlässige und stabile KI.
Der Vorteil liegt deshalb nicht allein im KI-Modell, sondern in der Kombination aus eigenentwickelter Technologie, einfacher Nutzung und langfristiger industrieller Einsetzbarkeit.
Ja. KI-basierte Bildverarbeitung kann Fehler, Abweichungen und ungewöhnliche Merkmale auf Produkten oder Oberflächen erkennen.
Dabei gibt es unterschiedliche Ansätze. Bei der überwachten Fehlererkennung lernt die KI anhand gekennzeichneter Trainingsbilder, welche Merkmale auf bestimmte Fehler hinweisen. Bei der Anomalieerkennung kann sie dagegen anhand von Gutbildern lernen, wie ein fehlerfreier Zustand aussieht, und Abweichungen davon identifizieren.
Welche Technologie geeignet ist, hängt von der Prüfaufgabe ab, und du als Experte deines Themengebiets kannst selbst im DENK Vision AI Hub die KI trainieren.
Ja, KI-basierte Bildverarbeitung kann zur optischen Vermessung eingesetzt werden. Beispielsweise lassen sich Objekte, Konturen oder relevante Bildbereiche erkennen und anschließend hinsichtlich ihrer Position, Größe oder Abstände auswerten.
Für zuverlässige Messwerte in physikalischen Einheiten ist allerdings eine geeignete Kalibrierung des Kamerasystems erforderlich. Je nach Anwendung müssen außerdem Perspektive, Auflösung, Objektivverzeichnung und weitere Einflussfaktoren berücksichtigt werden.
DENKnet übernimmt dabei beispielsweise die Erkennung oder Segmentierung der relevanten Merkmale. Die eigentliche Messwertberechnung erfolgt auf Grundlage der Bilddaten und der jeweiligen Kalibrierung.
Wir können je nach Anwendung sowohl mit monochromen Bildern (Graustufenbildern) als auch mit RGB-Farbbildern arbeiten.
Welche Variante besser geeignet ist, hängt von der Prüfaufgabe ab. Wenn beispielsweise Farbunterschiede erkannt werden sollen, sind Farbbilder sinnvoll. Bei der Erkennung von Formen, Konturen oder bestimmten Oberflächenmerkmalen können dagegen bereits Graustufenbilder ausreichen.
Entscheidend ist, dass die relevanten Merkmale im Bild erkennbar sind und die Bildqualität zur gewünschten Prüfgenauigkeit passt.
Ja. KI-basierte Bildverarbeitung kann darauf trainiert werden, mit unterschiedlichen Lichtverhältnissen, Schatten und Hintergründen umzugehen.
Anders als bei vielen regelbasierten Verfahren müssen nicht sämtliche Bildbedingungen durch feste Grenzwerte beschrieben werden. Stattdessen kann die KI lernen, relevante Merkmale trotz visueller Veränderungen zu erkennen.
Dafür sollten die unterschiedlichen Bedingungen in den Trainingsbildern ausreichend repräsentiert sein. Ob zusätzliche Beleuchtung oder andere Anpassungen notwendig sind, hängt von der konkreten Anwendung ab.
DENKweit setzt mit DENKnet auf Technologien, die mit Bildern aus realen Produktionsumgebungen trainiert werden können, statt idealisierte Laborbedingungen vorauszusetzen.
Vom ersten Trainingsbild bis zur eigenständigen Nutzung und Erweiterung der KI.
Das hängt von der Prüfaufgabe, den Produktvarianten und der Komplexität der zu erkennenden Merkmale ab.
Mit DENK Vision AI können Trainings bereits ab 15 Trainingsbildern beginnen. Insbesondere bei klar definierten Klassifizierungsaufgaben kann der Einstieg mit wenigen Bildern möglich sein.
Komplexere Anwendungen, unterschiedliche Fehlerarten oder stark variierende Produktionsbedingungen können zusätzliche Trainingsbilder erfordern.
Wichtig ist außerdem die Unterscheidung zwischen Training und Validierung: Auch wenn eine KI mit wenigen Bildern trainiert werden kann, muss ihre Zuverlässigkeit anhand unabhängiger Prüfbilder unter realen Einsatzbedingungen überprüft werden.
Die Trainingsdauer hängt von der gewählten KI-Technologie, der Anzahl und Auflösung der Trainingsbilder sowie der Komplexität der Aufgabe ab.
Für bestimmte Bildklassifizierungsaufgaben bietet DENKweit besonders schnelle Trainingsverfahren. Bei geeigneten Anwendungen kann ein Training bereits innerhalb weniger Minuten erfolgen und erste Ergebnisse oft schon nach wenigen Stunden erzielt werden.
Aufwendigere Aufgaben wie Objekt- oder Instanzsegmentierung benötigen unter Umständen mehr Zeit.
Im DENK Vision AI Hub können Anwender Trainingsprozesse selbstständig starten und verwalten, ohne dafür eigene KI-Modelle programmieren zu müssen.
Für eine automatisierte Gut-Schlecht-Prüfung werden zunächst Bilder der zu prüfenden Produkte benötigt und in den DENK Vision AI Hub hochgeladen. Diese sollten die relevanten Merkmale unter möglichst realistischen Produktionsbedingungen zeigen.
Dein DENKnet trainierst du dann innerhalb einer Minute – im DENK Vision AI Hub kannst du nämlich ordnerweise annotieren.
Für den späteren Einsatz in der Produktion wird das Modell in den Prüfprozess integriert und anhand geeigneter Testbilder validiert.
Mit „Just press play“ beschreiben wir unseren Ansatz, den Einsatz industrieller Vision AI möglichst einfach zu gestalten.
Anwender sollen keine eigenen KI-Architekturen entwickeln oder umfangreiche Programmierkenntnisse mitbringen müssen, um eine visuelle Prüfaufgabe zu automatisieren.
Im DENK Vision AI Hub können sie ihre Bilder hochladen, relevante Merkmale annotieren und das Training starten. Die technische Komplexität der KI-Modellentwicklung wird dabei durch die Plattform übernommen.
So können sich Anwender auf ihre eigentliche Aufgabe konzentrieren: die Erkennung und Bewertung relevanter Merkmale in ihren Bildern.
Nicht mehr. Wir sind von aufwendigen und für uns zeit- und kostenintensiven Testaccounts weg.
In einem ersten Kennenlerngespräch besprechen wir gemeinsam deinen Use Case und dein Ziel und entscheiden, ob dein Problem generell mit einer Bildauswertungs-KI lösbar ist. Nicht jeder Einsatzfall ist mit einer Vision AI so umsetzbar, wie sich Kunden das vorstellen.
Wir starten ein gemeinsames Projekt nur, wenn wir dein Problem auch lösen können. Wenn wir ein gemeinsames Projekt starten, realisieren wir auch einen erfolgreichen KI-Einsatz bei dir.
Ja. Die Branchen im Menü sind nur Beispiele zur Orientierung, wo und wie wir Bildauswertungs-KI bereits erfolgreich einsetzen. Sie dienen, wie KI-Anwendungen und Kundenstories, dem besseren Verständnis für die vielfältigen Einsatzmöglichkeiten unserer Vision AI.
Da unsere DENKnets alles erkennen können, was das menschliche Auge auch erkennt, gibt es eigentlich keine Einschränkungen. Die Vision-AI-Technologien von DENKweit sind nicht auf bestimmte Branchen beschränkt.
Entscheidend ist die visuelle Prüfaufgabe: Wenn ein relevantes Merkmal für einen Menschen im Kamerabild erkennbar ist, besteht grundsätzlich die Möglichkeit, es mithilfe von KI-basierter Bildverarbeitung automatisiert auszuwerten.
Typische Anwendungen sind beispielsweise Qualitätskontrolle, Objekterkennung, Klassifizierung, Zählprozesse, Texterkennung oder die Überwachung von Produktionsabläufen. Sprich uns also einfach an und wir schauen uns gemeinsam deinen Use Case an.
Neue Produktvarianten oder Fehlerbilder können durch zusätzliche Trainingsbilder in bestehende Vision-AI-Projekte aufgenommen werden.
Im DENK Vision AI Hub können Anwender neue Bilder ergänzen, annotieren und die KI erneut trainieren. Anschließend wird das aktualisierte Modell getestet und kann nach erfolgreicher Validierung eingesetzt werden.
Dadurch müssen Unternehmen nicht für jede neue Produktvariante oder Prüfanforderung eine vollständig neue Bildverarbeitungslösung entwickeln.
Das ist besonders für Produktionsbetriebe mit häufig wechselnden Produkten sowie für Maschinenbauer interessant, deren Anlagen langfristig unterschiedliche Aufgaben übernehmen sollen.
Ja. Eine Vision-AI-Plattform kann unterschiedliche Modelle und Technologien für verschiedene visuelle Prüfaufgaben bereitstellen.
Mit dem DENK Vision AI Hub lassen sich beispielsweise Anwendungen zur Bildklassifizierung, Objekterkennung, Segmentierung oder Texterkennung trainieren und verwalten.
So können Unternehmen auf einer gemeinsamen technologischen Grundlage unterschiedliche Aufgaben automatisieren, etwa die Prüfung von Oberflächen, die Kontrolle von Etiketten oder das Zählen von Bauteilen.
Welche Modelle auf einem bestimmten System gleichzeitig ausgeführt werden können, hängt von der eingesetzten Hardware, den Leistungsanforderungen und der jeweiligen Integrationsarchitektur ab.
Kameras, Schnittstellen, Inferenzgeschwindigkeit und Integration in bestehende Maschinen und Anlagen.
Maschinen- und Anlagenbauer können die Vision-AI-Technologie von DENKweit als Softwarekomponente in ihre bestehenden oder neu entwickelten Systeme integrieren.
Dafür wird eine Kamera eingesetzt, die den relevanten Prozess oder das zu prüfende Produkt erfasst. Die Kunden trainieren dann selbst mit wenigen Bildern aus dem direkten, realen Betrieb im DENK Vision AI Hub. Die Ergebnisse können beispielsweise an eine Maschinensteuerung oder übergeordnete Software übergeben werden.
DENKweit stellt hierfür verschiedene Integrationsmöglichkeiten bereit, darunter APIs, SDKs und lokale Inferenzlösungen.
Der Maschinenbauer muss die KI-Technologie nicht selbst entwickeln, sondern kann sich auf seine eigentliche Kompetenz konzentrieren: die Konstruktion und Automatisierung seiner Maschinen.
Auch nach der Inbetriebnahme können neue Prüfaufgaben über den DENK Vision AI Hub trainiert werden.
Die benötigte Hardware hängt von der jeweiligen Anwendung ab. Grundsätzlich werden eine geeignete Kamera zur Bilderfassung und ein System zur Verarbeitung der Bilddaten benötigt.
Die Vision-AI-Technologie von DENKweit ist nicht an einen bestimmten Kamerahersteller oder ein festes Hardware-Komplettsystem gebunden.
Je nach Anforderungen können beispielsweise vorhandene Industriekameras und PC-basierte Systeme eingesetzt werden. Bei der Auswahl sind insbesondere Bildauflösung, Verarbeitungsgeschwindigkeit, Schnittstellen und verfügbare Rechenleistung zu berücksichtigen.
DENKweit konzentriert sich auf die KI-Software und kann bei Bedarf geeignete Hardware- und Integrationspartner empfehlen.
Ja. In vielen Fällen können bereits vorhandene Kamerasysteme für die KI-basierte Bildverarbeitung weiterverwendet werden, darunter auch bereits installierte AOI-Systeme.
Da DENKweit eine hardwareunabhängige Softwarelösung anbietet, ist der Einsatz nicht auf Kameras eines bestimmten Herstellers beschränkt.
Voraussetzung ist, dass die Bilddaten in geeigneter Qualität und über eine kompatible Schnittstelle bereitgestellt werden können. Ob eine bestehende Kamera für die gewünschte Prüfaufgabe ausreicht, hängt unter anderem von ihrer Auflösung, Bildrate und den sichtbaren Merkmalen ab.
Dadurch können Unternehmen vorhandene Hardwareinvestitionen häufig weiter nutzen und zusätzliche Anschaffungskosten vermeiden.
Hardwareunabhängige Vision AI ermöglicht es Maschinenbauern, Kameras und Rechnersysteme passend zu ihren technischen und wirtschaftlichen Anforderungen auszuwählen.
Die KI-Technologie ist dabei nicht zwangsläufig an ein bestimmtes Kameramodell oder ein proprietäres Komplettsystem gebunden.
Das bietet mehrere Vorteile: Bestehende Hardware kann unter geeigneten Voraussetzungen weiterverwendet werden, Maschinen lassen sich flexibler konfigurieren und unterschiedliche Anlagen können auf derselben KI-Technologie aufbauen.
DENKweit konzentriert sich bewusst auf die Entwicklung der Vision-AI-Software. Dadurch können Maschinenbauer die für ihre Anwendung geeignete Hardware einsetzen und bei Bedarf mit spezialisierten Integrationspartnern zusammenarbeiten.
Als Inferenz wird die Auswertung eines neuen Bildes durch ein bereits trainiertes KI-Modell bezeichnet.
Die Inferenzzeit hängt von verschiedenen Faktoren ab, insbesondere von der verwendeten KI-Technologie, der Bildauflösung, der eingesetzten Hardware und der Anzahl der zu erkennenden Objekte oder Merkmale.
Für industrielle Anwendungen ist entscheidend, dass die Bildauswertung innerhalb der verfügbaren Prozess- oder Taktzeit erfolgt.
DENKweit bietet unterschiedliche Möglichkeiten zur Integration und Ausführung der KI-Modelle.
Wir haben im Einzelfall immer die Möglichkeit, ein Netz schlanker zu machen, also das Fine-Tuning, wenn es auf ein paar Millisekunden ankommt. Mit entsprechender GPU-Hardware haben wir bisher jede geforderte Taktzeit des Kunden bedient, auch im zweistelligen Millisekundenbereich.
Die geeignete Bildgröße hängt von der verwendeten Vision-AI-Technologie und der jeweiligen Anwendung ab.
Grundsätzlich müssen Auflösung und Bildausschnitt so gewählt werden, dass die relevanten Merkmale zuverlässig erkennbar sind. Bei sehr großen Bildern können zusätzliche Anforderungen an Speicherbedarf, Verarbeitungsgeschwindigkeit und Auswertungsstrategie entstehen.
DENKweit unterstützt auch die Auswertung großformatiger Bilddaten, beispielsweise im Zusammenhang mit hochauflösenden Drohnen- oder Mikroskopieaufnahmen, Orthofotos oder auch Zeilenkamerabildern bis zu 200 MB und mehr.
Welche Bildgrößen für ein bestimmtes Modell und eine konkrete Integrationsumgebung unterstützt werden, sollte anhand der technischen Spezifikationen geprüft werden.
Ja. Die Vision-AI-Technologien von DENKweit können auch zur Auswertung von Bilddaten aus Videoaufnahmen eingesetzt werden.
Dafür werden einzelne Videobilder (Frames) durch die KI analysiert. Je nach Anwendung lassen sich beispielsweise Objekte, Personen, Fahrzeuge oder bestimmte Zustände erkennen und klassifizieren.
Die Auswertung kann sowohl für aufgezeichnetes Videomaterial als auch für laufende Kamerabilder relevant sein.
Ob eine Echtzeitauswertung möglich ist, hängt von der benötigten Bildrate, der KI-Technologie und der verfügbaren Rechenleistung ab. Für Anwendungen, bei denen Objekte über mehrere Frames verfolgt oder zeitliche Abläufe bewertet werden sollen, können zusätzliche Verarbeitungsschritte erforderlich sein.
Achte bei Videoaufzeichnungen unbedingt auf die Rechtslage bzgl. personengebundener Daten. Eventuell könnte für dich unsere DENK-Verpixelung von Interesse sein, um DSGVO-konform zu handeln.
DENKweit ist auf die Entwicklung von Vision-AI-Software und eigenen KI-Technologien spezialisiert.
Wir stellen keine eigenen industriellen Kamerasysteme oder vollständigen Bildverarbeitungsmaschinen her. Stattdessen entwickeln wir die KI-Technologie, die in unterschiedliche Hardware- und Automatisierungslösungen integriert werden kann.
Dadurch sind unsere Kunden bei der Auswahl von Kameras und Rechnersystemen flexibel.
Für die Umsetzung kompletter Bildverarbeitungslösungen arbeiten wir bei Bedarf mit spezialisierten Partnern aus den Bereichen Kameratechnik, Maschinenbau und Systemintegration zusammen.
Wirtschaftlicher Nutzen, langfristiger Betrieb und Erweiterbarkeit industrieller Vision AI.
KI-basierte Qualitätskontrolle kann sich insbesondere dann lohnen, wenn visuelle Prüfungen regelmäßig durchgeführt werden, hohe manuelle Prüfaufwände entstehen oder Fehler zu Ausschuss, Nacharbeit und zusätzlichen Kosten führen.
Für die Wirtschaftlichkeit sind unter anderem der Produktionsdurchsatz, die Fehlerkosten, der Integrationsaufwand und die laufenden Betriebskosten entscheidend.
Ein weiterer Faktor ist die Wiederverwendbarkeit der DENK Vision AI: Wenn mit derselben Plattform zusätzliche Prüfaufgaben automatisiert werden können, verteilen sich bestimmte Entwicklungs- und Integrationsaufwände auf mehrere Anwendungen.
DENKweit verfolgt deshalb einen Ansatz, bei dem nicht nur die technische Machbarkeit, sondern auch der wirtschaftliche Nutzen einer Vision-AI-Anwendung betrachtet wird.
Nein, nicht zwingend. Maschinenbauer können auf spezialisierte Vision-AI-Technologien zurückgreifen, ohne eigene KI-Architekturen entwickeln oder eine vollständige KI-Entwicklungsabteilung aufbauen zu müssen.
Mit dem DENK Vision AI Hub können Anwender eigene KI-Modelle anhand ihrer Bilddaten trainieren. Die eigentliche Technologieentwicklung, Trainingsinfrastruktur und Weiterentwicklung der KI-Plattform übernimmt DENKweit.
Der Maschinenbauer kann sich dadurch auf seine Kernkompetenzen konzentrieren und gleichzeitig KI-basierte Funktionen in seine Maschinen integrieren.
Für die technische Integration und den laufenden Betrieb sind weiterhin geeignete Fachkenntnisse erforderlich. DENKweit unterstützt dich bei diesen Aufgaben.
Eine zentrale Vision-AI-Plattform erleichtert es, KI-basierte Prüfaufgaben auf weitere Anwendungen und Einsatzorte zu übertragen.
Im DENK Vision AI Hub können unterschiedliche KI-Modelle trainiert und verwaltet werden. Für neue Produkte oder Prüfanforderungen lassen sich weitere Trainingsbilder ergänzen und angepasste Modelle erstellen.
Dadurch können Unternehmen zusätzliche visuelle Prüfprozesse automatisieren, ohne für jeden Anwendungsfall eine vollständig neue KI-Technologie entwickeln zu müssen.
Bei der Übertragung auf andere Maschinen oder Standorte müssen allerdings Unterschiede in der Kameraperspektive, Beleuchtung, Hardware und den Produktionsbedingungen berücksichtigt werden. Vor dem produktiven Einsatz sollte jedes Modell unter den jeweiligen Bedingungen validiert werden.
Wer für jede Prüfaufgabe eine eigenständige KI-Lösung entwickelt, muss häufig auch die dazugehörigen Werkzeuge, Integrationen und Wartungsprozesse separat aufbauen.
Eine zentrale Vision-AI-Plattform schafft dagegen eine gemeinsame technologische Grundlage für unterschiedliche Anwendungen.
Mit dem DENK Vision AI Hub können Unternehmen verschiedene Prüfaufgaben verwalten, Modelle trainieren und bestehende Anwendungen bei Bedarf erweitern.
Das kann den Aufwand für neue KI-Projekte reduzieren und erleichtert die langfristige Nutzung der Technologie innerhalb eines Unternehmens.
Besonders für Maschinenbauer und Industrieunternehmen mit vielen Produktvarianten oder unterschiedlichen Produktionslinien ist dieser Ansatz (vor allem wirtschaftlich) interessant.
Speicherung, Datensouveränität und Betriebsmöglichkeiten.
DENKweit legt großen Wert auf Datensouveränität und den verantwortungsvollen Umgang mit Kundendaten. Die Serverstandorte befinden sich in Deutschland.
Je nach Produkt, Integration und vereinbarter Betriebsform können unterschiedliche Möglichkeiten zur Verarbeitung und Speicherung der Daten bestehen. Für sensible Anwendungsfälle sind auch On-Premise-Installationen oder kundeneigene Cloudinstanzen möglich.
Die Rechte an den von Kunden bereitgestellten Bildern verbleiben beim jeweiligen Kunden.
Die Bilder werden für das Training und die Nutzung der kundenspezifischen Vision-AI-Anwendungen eingesetzt. DENKweit beansprucht durch die Bereitstellung seiner Trainingsplattform keine Eigentumsrechte an den hochgeladenen Bildern.
Die konkreten Nutzungs- und Verarbeitungsrechte ergeben sich aus den jeweiligen vertraglichen Vereinbarungen.
Nein. Nach unserem Datenverarbeitungsansatz werden die Bilder eines Kunden nicht verwendet, um damit KI-Modelle für andere Kunden zu trainieren. Die bereitgestellten Bilddaten dienen dem jeweiligen kundenspezifischen Anwendungsfall.
Damit behalten Unternehmen die Kontrolle über ihre eigenen Bilddaten und können auch sensible Produktionsinformationen für das Training ihrer Vision-AI-Anwendungen nutzen. (Einer der Vorteile im Vergleich zu Open-Source-Lösungen.)
Ja. DENKweit bietet Möglichkeiten, trainierte KI-Modelle lokal in bestehende Systeme zu integrieren und auszuführen.
Die Inferenz, also die Auswertung neuer Bilder durch ein trainiertes Modell, kann je nach Integrationsvariante auf einem lokalen Rechnersystem erfolgen. Dadurch muss nicht jedes Produktionsbild zur Auswertung an einen externen Cloud-Dienst übertragen werden.
Das ist insbesondere für industrielle Anwendungen mit hohen Anforderungen an Reaktionszeiten, Verfügbarkeit oder Datensouveränität interessant.
Welche Funktionen vollständig offline verfügbar sind und welche gegebenenfalls eine Verbindung zur Trainingsplattform benötigen, hängt von der gewählten Lösung ab.