Branchen · KI-Beratung und digitale Transformation
KI-Sichtprüfung in der Produktion: Wann lohnt sich ein Pilot?
Kurz gesagt
KI-Sichtprüfung eignet sich, wenn Fehler auf Bildern erkennbar sind, die Prüfbedingungen gleich bleiben und genug Beispielbilder vorliegen. Starten Sie mit einem kleinen Pilot an einem Prüfplatz und vergleichen Sie die Ergebnisse mit der menschlichen Prüfung. Ob es sich lohnt, zeigt erst die Messung.
Das Problem
An vielen Prüfplätzen sitzen Menschen und schauen sich Teile an: Kratzer, Risse, fehlende Bohrungen, Verfärbungen, falsch aufgeklebte Etiketten. Die Arbeit ist anstrengend. Die Aufmerksamkeit sinkt gegen Ende der Schicht, und zwei Prüferinnen beurteilen ein Grenzfall-Teil manchmal verschieden.
Da liegt die Frage nahe, ob eine Kamera mit künstlicher Intelligenz diese Aufgabe übernehmen kann. Die Technik gibt es: Programme lernen aus Beispielbildern, was gut und was fehlerhaft ist. Doch zwischen Demo und Fabrikalltag liegt ein weiter Weg. Licht, Staub, Spiegelungen, neue Produktvarianten und seltene Fehler können die Erkennung aus dem Tritt bringen.
Für Betriebe lautet die entscheidende Frage deshalb nicht «Kann KI das grundsätzlich?», sondern «Funktioniert es bei uns, an diesem Teil, unter diesen Bedingungen, zuverlässig genug?» Ein kleiner Pilot beantwortet das mit Zahlen statt mit Versprechen.
So lösen Sie es mit KI – Schritt für Schritt
- Prüfaufgabe genau beschreiben. Welches Teil, welche Fehlerarten, welche Seite? Schreiben Sie auf, was «gut» und «schlecht» bedeutet, mit Beispielen und Grenzfällen. Ohne klare Definition kann niemand, auch keine KI, zuverlässig prüfen.
- Eignung grob prüfen. Sind die Fehler auf einem Foto für Sie selbst erkennbar? Wenn Sie sie auf dem Bild nicht sehen, sieht sie die KI auch nicht. Prüfen Sie ausserdem, wie oft Fehler vorkommen. Sehr seltene Fehler sind schwer zu lernen.
- Prüfbedingungen festlegen. Gleiche Beleuchtung, gleicher Abstand, gleiche Lage des Teils. Schwankende Bedingungen sind die häufigste Ursache für Probleme. Ein fester Aufbau mit Kamera und Lichtquelle ist meist nötig.
- Beispielbilder sammeln. Sammeln Sie Bilder von guten und fehlerhaften Teilen, jeweils mit dem Urteil einer erfahrenen Person. Mehr zu sauberen Daten: Datenqualität und KI.
- Pilotumfang klein halten. Wählen Sie einen Prüfplatz, eine Teileart, zwei bis drei Fehlerarten. Die Technik wird in der Regel von einem Lieferanten oder einer Fachperson aufgebaut. Der Betrieb liefert Fachwissen und Bilder.
- Parallel prüfen. Lassen Sie die KI und den Menschen zunächst gleichzeitig prüfen, ohne dass die KI Teile aussortiert. Notieren Sie, wo sie sich unterscheiden.
- Auswerten. Zählen Sie vier Fälle: Gutes Teil richtig erkannt, fehlerhaftes richtig erkannt, gutes Teil fälschlich beanstandet, fehlerhaftes Teil übersehen. Das Letzte ist am teuersten. Legen Sie vorab fest, welche Quote Sie akzeptieren.
- Entscheiden und festhalten. Läuft es stabil, planen Sie die nächsten Schritte. Wenn nicht, dokumentieren Sie, woran es lag. Auch ein Nein ist ein wertvolles Ergebnis. Wie Sie den Erfolg messen, lesen Sie bei KI-Pilot: Erfolg messen.
Einfach erklärt
Eine KI-Sichtprüfung funktioniert wie ein Lehrling, der tausend Fotos gezeigt bekommt: «Das ist in Ordnung, das nicht.» Mit der Zeit erkennt er Muster. Zeigt man ihm später ein Teil, das ganz anders aussieht als alles bisher Gesehene, ist er unsicher oder irrt sich.
Ein Beispiel: Ein Betrieb prüft Kunststoffgehäuse auf Kratzer. Die KI hat Bilder bei Neonlicht gelernt. Wird die Halle auf LED umgestellt, wirken die Kratzer anders, und die Trefferquote sinkt. Deshalb sind gleichbleibende Bedingungen so wichtig.
Zur Vorbereitung hilft diese Checkliste, die Sie als Eingabe für Ihr internes Gespräch oder mit einer KI zur Ideensammlung nutzen können (ohne Betriebsgeheimnisse):
Wir erwägen eine KI-Sichtprüfung in einem Schweizer Produktionsbetrieb.
Teil: [Beschreibung ohne Kundennamen]
Mögliche Fehler: [z. B. Kratzer, Risse, fehlende Bohrung]
Aktuelle Prüfung: [von Hand, Stichprobe oder jedes Teil]
Erstelle eine Checkliste mit Fragen, die wir vor einem Pilot klären müssen
(Fehlerdefinition, Bilder, Beleuchtung, Grenzfälle, Messung des Erfolgs).
Nenne keine Produkte und keine Preise.Passen Sie den Teil und die Fehler an. Die entstehende Liste besprechen Sie mit Qualitätssicherung und dem Lieferanten.
| Voraussetzung | Gut | Kritisch |
|---|---|---|
| Fehler auf dem Bild sichtbar | Ja | Nur mit Berührung oder Geruch prüfbar |
| Beleuchtung und Lage | Fest | Schwankend |
| Fehlerhäufigkeit | Genug Beispiele | Sehr selten |
| Produktvarianten | Wenige | Sehr viele, ständig neu |
Worauf Sie achten müssen
- Übersehene Fehler: Kein System ist perfekt. Legen Sie vorher fest, welche Rate Sie akzeptieren, und behalten Sie bei sicherheitsrelevanten Teilen eine menschliche Kontrolle.
- Fehlalarme: Zu viele fälschlich beanstandete Teile machen mehr Arbeit statt weniger. Messen Sie auch das.
- Veränderungen: Neue Lieferanten, Materialchargen oder Beleuchtung ändern das Bild. Das System muss überprüft und gegebenenfalls nachtrainiert werden.
- Daten und Geheimnisse: Produktbilder können Betriebsgeheimnisse zeigen. Klären Sie, wo Bilder gespeichert und verarbeitet werden.
- Menschen einbeziehen: Die Prüfer sind die Expertinnen. Nehmen Sie sie von Anfang an mit, sonst fehlt das Wissen für Grenzfälle.
- Normen und Kunden: Manche Kunden oder Branchen haben Vorgaben zur Prüfung. Klären Sie diese vor dem Pilot im Einzelfall mit Ihrer Qualitätsleitung.
Ein Beispiel aus der Praxis
Ein Beispiel: Ein Betrieb für Präzisionsteile im Jura prüft Gehäuse auf Kratzer. Die Qualitätsleiterin Frau Meyer schreibt zuerst auf, was als Kratzer gilt, und sammelt 600 Bilder, die zwei erfahrene Prüfer beurteilt haben. Für den Pilot wird ein fester Aufbau mit gleichmässigem Licht installiert.
Drei Wochen lang prüfen Mensch und System parallel. Das Ergebnis: Grobe Kratzer erkennt das System zuverlässig, bei feinen Haarlinien liegen die beiden Prüfer selbst oft auseinander. Der Betrieb entscheidet, die Definition der Haarlinien zu präzisieren und den Pilot um zwei Monate zu verlängern, bevor an Automatisierung gedacht wird.
So hilft Ihnen Alpasana
Ob ein Pilot sinnvoll ist, klären Sie am besten mit einer sauberen Vorbereitung. Die KI-Beratung und digitale Transformation von Alpasana beschreibt das Aufnehmen von Prozessen, das Analysieren von KI-Potenzialen, das Priorisieren und einen Umsetzungsplan. Auch das Vorgehen mit Anwendungsfall, Pilot, Einsatzregeln und Skalierung ist beschrieben.
Projekte werden individuell offeriert. Die Lieferung von Kameras oder Spezialsoftware für die Bildprüfung ist nicht Teil der belegten Leistungen.
Häufige Fragen
Brauche ich dafür tausende Bilder?
Das hängt von Aufgabe und Verfahren ab. Fachleute des Lieferanten können es beurteilen. Für Ihre Planung zählt: Sie brauchen genug gute und fehlerhafte Beispiele, sauber beurteilt.
Kann ich eine allgemeine KI wie einen Chatbot Fotos prüfen lassen?
Für gelegentliche Einzelfälle ja, als Meinung. Für eine Serienprüfung braucht es einen festen Aufbau und eine geprüfte Lösung. Ein Chatbot ist dafür nicht ausgelegt.
Was kostet so ein Pilot?
Das lässt sich nicht pauschal sagen. Es hängt von Aufbau, Teil und Anbieter ab. Holen Sie Offerten ein und planen Sie auch den Aufwand der eigenen Mitarbeitenden ein. Eine weitere Analyse bietet Ausschuss mit KI untersuchen.
Erstellt mit KI-Unterstützung, redaktionell verantwortet von der Alpasana GmbH · 10.10.2026. Fehler entdeckt? Melden Sie es uns.
Weiterlesen in der Galaxie
- Ausschuss in der Produktion mit KI untersuchenAusschuss reduzieren mit KI: So prüfen Sie Qualitätsdaten auf Auffälligkeiten, die mit hohem Ausschuss zusammenhängen, und leiten Hypothesen für die Praxis ab.
- KI-Pilot in der Industrie: Nutzen und Fehler messenKI Pilot Industrie bewerten: So messen Sie in Ihrer Produktion, ob ein KI-Versuch hilft und welche Fehler vertretbar sind. Mit Checkliste und Kennzahlen.
- Messprotokolle mit KI auf Lücken und Auffälligkeiten prüfenMessprotokolle prüfen mit KI: So finden Sie unvollständige Protokolle und auffällige Einträge, bevor sie weitergegeben werden. Mit Checkliste und Vorlage.
- Was ist Predictive Maintenance und wann hilft KI?Predictive Maintenance einfach erklärt: Was vorausschauende Wartung ist, wie Sensordaten Ausfälle ankündigen und wann sich der Einsatz von KI in einem KMU lohnt.
- Warum braucht KI gute Daten?Datenqualität KI verständlich erklärt: Wie fehlerhafte Daten zu falschen Ergebnissen führen und wie Sie mit sauberen Daten verlässlicher arbeiten.