Die Entwicklung einer komplexen Anlage mit integrierter Bildverarbeitung für die Qualitätsprüfung kostet immer Nerven, vor allem aber Zeit und Geld. Üblicherweise trägt dabei der Käufer der Anlage einen Großteil des Risikos, weiß Peter Droege, einer der Gründer und CEO des Tübinger Unternehmens Maddox AI: „Bis zur Installation und der Integration einer Prüfanlage in die Produktion haben Kunden oft bereits bis zu 90 Prozent des gesamten Projektbudgets bezahlt, obwohl damit nur die eher klassischen Automatisierungsanteile einer Anlage abgedeckt werden. Der risikoreichere Teil besteht darin, den Einsatz der automatisierten Inspektion vorzubereiten und ihre ausreichend präzise Funktion im Regelbetrieb sicherzustellen. Da zu diesem Projektzeitpunkt nur noch die letzten 10 bis 15 Prozent der Zahlung ausstehen, kann die Motivation von Maschinenbauern und Systemintegratoren schon mal schwinden, die Anlage optimal und schnell zum Laufen zu bekommen.“
Wie der Start in die KI-Anwendung gelingt
Dieses Risiko übernimmt Maddox AI mit einem neuen Ansatz abseits der üblichen Pfade, so Droege: „Wir stimmen zu Projektbeginn zunächst alle wichtigen Key Performance-Indikatoren mit unseren Kunden ab. Im zweiten Schritt installieren und integrieren wir die optimal für die vorliegenden Anforderungen ausgewählte, zertifizierte Vision-Hardware in den jeweiligen Produktionsprozess und beginnen dann mit dem Sammeln und Annotieren von Bilddaten. Auf dieser Basis trainieren wir anschließend KI-Modelle für die Anwendung. Bis zu diesem Punkt sind unsere Leistungen für den Endkunden kostenfrei.“ Erst wenn alle zuvor festgelegten KPIs erfüllt sind, d.h. die KI-Modelle akkurat und ausreichend schnell alle relevanten Defekte im Regelbetrieb identifizieren, kommt es laut Droege zum kostenpflichtigen Lizenzvertrag. Für den dann folgenden Einsatz der KI-Modelle und der Weiterentwicklung liefert Maddox AI regelmäßige Software-Updates, die im Rahmen jährlicher Software-as-a-Service (Saas)-Gebühren abgerechnet werden. So umgeht das Tübinger Unternehmen die wirtschaftlichen Unsicherheiten herkömmlicher Vision-Entwicklungsprozesse im Sinne seiner Kunden auf elegante Weise.
Datenzentristisches Machine Learning als Schlüssel zum Erfolg
Dass Maddox AI bei seinem ungewöhnlichen Geschäftsmodell technisch auf den nahezu allgegenwärtigen Trend Künstliche Intelligenz setzt, hat gute Gründe: Die traditionell eingesetzten, regelbasierten Bildverarbeitungsysteme sind der reinen manuellen Qualitätskontrolle zwar deutlich überlegen, stoßen allerdings insbesondere bei komplexen Aufgaben oft an ihre Grenzen. Jedoch stellen auch KI-basierte Vision-Systeme nicht per se ein Wundermittel zur problemfreien Lösung jeder Anwendung dar: Je nach Inspektionsaufgabe kann ein relativ hoher Aufwand erforderlich sein, um Bilder von fehlerfreien und guten Prüfteilen korrekt zu annotieren und aus den Ergebnissen geeignete KI-Modelle zu entwickeln. Derartige Hürden führen dazu, dass Bildverarbeitungssysteme mit KI-Technologie oft noch nicht die erforderliche Anwenderfreundlichkeit und Zuverlässigkeit erreichen. Die Folge: Sie werden derzeit nur begrenzt eingesetzt.
Warum eine konsistente Datenbasis so wichtig ist
An dieser Stelle geht Maddox AI einen wichtigen Schritt weiter als der Wettbewerb, so Droege: „Es gibt zwei entscheidende Erfolgsfaktoren für den Einsatz von KI und insbesondere für die Nutzung von Machine Learning (ML)-Methoden: Eine optimale Machine Learning-Architektur und eine konsistente Datenbasis sind unabdingbare Grundlage für den Einsatz solcher Systeme. Die Machine Learning-Architektur ist bei praktisch allen Anbietern sehr ähnlich.“ Deutlich wichtiger ist nach Droeges Worten jedoch eine konsistente Datenbasis. „Dieser Aspekt wird derzeit von den meisten Lösungen am Markt vernachlässigt, obwohl es der größte Hebel für bessere Ergebnisse ist.“
Wie Maddox AI die benötigte Datenkonsistenz erzielt, die diese Lösung so besonders macht, erläutert Droege anhand eines Beispiels: „In der Produktion fallen durch hohe Stückzahlen große Datenmengen an, während Defekte im Vergleich zu OK-Teilen jedoch relativ selten auftreten. Anstatt diese umfangreichen Daten manuell nach NOK-Teilen zu durchsuchen, um Trainingsdaten für Defekterkennungsmodelle zu gewinnen, kann unser Software-Tool Similarity Search eingesetzt werden. Dabei werden die vorhandenen Daten automatisch nach Bereichen durchsucht, die bereits markierten Defekten stark ähneln. So lassen sich gezielt relevante Beispiele finden, was die Datenannotation deutlich schneller und konsistenter macht.
Wie sich das Training von Inspektionssystemen optimieren lässt
Eine weitere Schwachstelle vieler ML-Systeme besteht oft darin, dass bestimmte Fehler in der Produktion so selten auftreten, dass sie zum Anlernen von KI-Modellen nicht zur Verfügung stehen. Hier ist Maddox AI in der Lage, künstliche Fehlerbilder zu generieren und so das Training von Inspektionssystemen effizienter zu gestalten.
„Unsere Software Maddox AI enthält somit verschiedene Werkzeuge, die speziell darauf ausgelegt sind, den Menschen beim einfacheren und schnelleren Erstellen von konsistenten Datensätzen zu helfen“, unterstreicht Droege. „Datenannotation ist der zeitintensivste und wichtigste Hebel zur Verbesserung der KI-Performance eines Vision-Systems. Die Supervised AI-Tools von Maddox AI in Kombination mit konsistenteren Daten machen hier den Unterschied zu anderen KI-Systemen sowie zu regelbasierten Systemen am Markt: Sie reduzieren den Pseudoausschuss und erhöhen dadurch die Wirtschaftlichkeit von Produktionsanlagen.“
Prozessoptimierung inklusive
Neben den reinen Verbesserungen bei der Fehlererkennung und der effektiveren Datenannotation schätzen Maddox AI-Anwender nach Droeges Worten auch die weitergehende Funktionalität der Software zur Optimierung von Produktionsprozessen. Im realen Einsatz von Inspektionssystemen werden Informationen über erkannte Fehler oft noch gar nicht oder nicht effizient genug zur Optimierung von Anlagen genutzt. Maddox AI füllt diese Lücke: „Durch die Auswertung der gesammelten Qualitätsdaten erkennt die Software übergeordnete Zusammenhänge wie beispielsweise die Abnutzung von Werkzeugen oder falsch eingestellte Anlagenparameter und gibt dem Anwender entsprechende Hinweise. So kann dieser rechtzeitig reagieren und auf diese Weise die Effektivität seiner Produktion steigern.“
Für die Zukunft haben Droege und sein Team eine Reihe von Ideen, um die Leistungsfähigkeit von Maddox AI noch weiter auszubauen. Eine dieser Ideen deutet der CEO an: „Wir wollen Anwendern künftig nicht nur zeigen, welche Fehler erkannt wurden und wie sie entstanden sein könnten, sondern proaktive Vorschläge machen, durch welche Maßnahmen man diese Fehler vermeiden könnte.“
Komplexe Qualitätskontrolle wirtschaftlich automatisieren – mit KI
Schon heute sieht Droege klare Vorteile des KI-Ansatzes seines Unternehmens: „Für die meisten industriellen Aufgabenstellungen in der Qualitätskontrolle ist der Einsatz menschlicher Arbeitskräfte zu langsam, zu teuer, nicht zuverlässig genug und deshalb keine wirtschaftliche Option. Traditionelle regelbasierte Inspektionssysteme weisen zwar oft eine hohe Kosteneffizienz auf, eignen sich aber vor allem für einfachere Prüfaufgaben. Selbst bei optimaler Auslegung aller Parameter liefern solche seit Jahren etablierten klassischen Machine-Vision-Lösungen oft keine absolut zuverlässigen Ergebnisse. Zudem dauert es häufig sehr lange, bis ein System stabil eingerichtet und einsatzbereit ist. Dies gilt insbesondere dann, wenn sich die Randbedingungen in Produktionsanlagen verändern oder Fehler nicht eindeutig definiert werden können.“
Der Machine Learning-basierte Ansatz von Maddox AI eignet sich hingegen auch für komplexe Inspektionsaufgaben und besticht durch seine hohe Kosteneffizienz, so Droege. „Wir sind absolut davon überzeugt, dass das für einen Großteil der industriellen Inspektionsaufgaben der richtige Lösungsweg ist.“
Die KI-Experten von Maddox AI konnten bereits in zahlreichen Anwendungen nachweisen, dass sowohl das Konzept der Risikoumverteilung als auch die entwickelte KI-Software an sich erfolgreich ist. So gelang es beispielsweise bei der Inspektion von Metallteilen, die Erkennungsgenauigkeit durch eine optimierte Datenkonsistenz von rund 80 auf über 99 Prozent zu steigern. Bei der Überprüfung von Kabeln erzielten die Tübinger mit ihrer Methode bei einem ihrer Kunden ebenfalls einen Sprung von knapp über 80 auf mehr als 99 Prozent Erkennungsrate, in einer anderen Anwendung konnten Automotive-Komponenten statt mit 85 sogar mit 100 Prozent Sicherheit verifiziert werden.
Nicht immer war dabei die Entwicklung einer komplett neuen Inspektionszelle erforderlich: Die Experten von Maddox AI analysieren üblicherweise zunächst das vorhandene Kamera-Equipment und können existierende Komponenten bei Eignung auch weiterverwenden. So muss nicht zwingend in neue Kamera-Hardware investiert werden: Die Maddox AI-Software liefert in Kombination mit der bestehenden Hardware eine optimale Prüfgenauigkeit.
„Wir haben unsere Lösungen mittlerweile in sehr vielen Industriesparten wie Automotive, Medizin und Pharma, Elektronik, bei der Lebensmittelherstellung, bei der Produktion von Konsumgütern und in zahlreichen weiteren Bereichen erfolgreich im Einsatz“, freut sich Droege. „Das zeigt uns, dass wir mit unserer Idee eines optimierten Machine Learning-Ansatzes richtig liegen und damit selbst komplexe Qualitätskontrollen mit hoher Kosteneffizienz realisieren können.“
Umfrage: Vertraut die Industrie in KI?
Das Vertrauen der Industrie in Methoden der Künstlichen Intelligenz ist noch eingeschränkt, wie eine Umfrage von Maddox AI belegt: Rund 70 Prozent der befragten Unternehmen glauben zwar, dass KI-basierte Inspektionssysteme reif für den Einsatz in der Produktion sind, tatsächlich haben aber nur rund 17 Prozent diese Technologie in ihren Anlagen bereits im Einsatz. Als wesentlichen Hauptgründe für diese Diskrepanz werden in der Umfrage die hohen Kosten von KI-Systemen, die mangelnde Erfahrung mit dieser Technologie, der Aufwand für das Annotieren von Daten und das Fehlen etablierter KI-Marktführer genannt. Hinzu kommt, dass ein Großteil der potenziellen KI-Anwender glaubt, dass KI-basierte Inspektionslösungen noch nicht ausreichend in die vorhandene Automatisierungs- und Digitalisierungsumgebung eingebunden werden können. Mit seinem Konzept adressiert Maddox AI exakt diese Schmerzpunkte der Anwender.
Kreative Köpfe – wichtiger denn je
Maddox AI ist eine KI-basierte Inspektionslösung, die visuelle Qualitätsprüfungen für produzierende Unternehmen optimiert, automatisiert und digitalisiert. Das System wird von weltweit führenden Industrieunternehmen eingesetzt. Bei der Produktentwicklung arbeitet das gleichnamige Unternehmen eng mit führenden KI-Forschern aus dem Cyber Valley in Tübingen zusammen, die seit Jahren auf dem Gebiet des maschinellen Sehens tätig sind und zum Gründerteam von Maddox AI gehören. Das Unternehmen besteht aus promovierten Wissenschaftlern, ehemaligen Strategieberatern, Maschinenbauern und Softwareentwicklern und verfügt über Büros in Tübingen, Köln und Berlin.
So funktioniert Maddox AI: https://www.maddox.ai/#
Bilder: Aufmachermotiv xiaoliangge – stock.adobe.com, sonstige Maddox AI