Computer Vision
Bestandsverwaltung
Mithilfe von Kamerasystemen und KI-gestützter Bildanalyse erfassen Unternehmen ihre Lagerbestände kontinuierlich und präzise, ohne manuelle Zählungen durchführen zu müssen. Hierzu werden Kameras strategisch im Lager platziert, um Regale und Lagerbereiche zu überwachen. Die Kameras nehmen in regelmäßigen Abständen Bilder oder Videostreams auf. Eine CV-Software analysiert diese Aufnahmen in Echtzeit und erkennt einzelne Produkte sowie deren Mengen. Die erkannten Daten werden automatisch mit dem Warenwirtschaftssystem abgeglichen und aktualisiert. Dieser Ansatz der Bestandsverwaltung bietet mehrere Vorteile. Eine erhöhte Genauigkeit der Bestandsführung, eine Reduzierung von manuellen Fehlern und eine sofortige Erkennung von Engpässen oder Überbeständen. Nachbestellprozesse werden so optimiert und die Raumnutzung im Lager verbessert. Durch die Implementierung eines solchen Systems können Unternehmen ihre Lagerverwaltung deutlich effizienter gestalten und schneller auf Veränderungen im Bestand reagieren.
Digitale Werbedisplays
KI und Computer Vision werden bei intelligenten, digitalen Werbedisplays in Einkaufszentren eingesetzt. Mithilfe von Kameras und Computer-Vision-Technologie analysieren diese Displays in Echtzeit demografische Merkmale wie Alter und Geschlecht sowie Stimmung und Aufmerksamkeit der vorbeigehenden Kunden. Basierend auf diesen Daten wählt das KI-System dynamisch passende Werbeinhalte aus und passt sie an die erkannten Zielgruppen an. So kann beispielsweise eine junge Frau eine Werbung für Kosmetikprodukte sehen, während einem älteren Herrn eine Anzeige für hochwertige Uhren präsentiert wird. Die KI berücksichtigt dabei auch kontextuelle Faktoren wie Tageszeit, Wetter und aktuelle Ereignisse, um die Relevanz der Werbung weiter zu erhöhen. Durch die Echtzeitanpassung und zielgruppenspezifische Aussteuerung der Werbeinhalte lässt sich die Aufmerksamkeit der Passanten steigern und die Werbewirkung optimieren. Lösungen, die speziell auf den deutschsprachigen Markt zugeschnitten sind, werden von Unternehmen wie Framen oder Advertima entwickelt, um digitale Out-of-Home-Werbung zu optimieren, oder um im Einzelhandel das Kundenverhalten analysieren und somit personalisierte Werbeerlebnisse am Point of Sale ermöglichen.
Diebstahlerkennung im Einzelhandel
KI-gestützte Tools, wie die AI Vision Suite der Telekom MMS, oder die Diebstahlerkennungslösung von WG Global, werden zur Diebstahlerkennung im Einzelhandel eingesetzt. Hierbei bietet die AI Vision Suite eine umfassende Videoanalyse-Plattform, die sowohl zur Echtzeitüberwachung als auch zur nachträglichen Auswertung von Videomaterial eingesetzt werden kann. WG Global hingegen bietet eine spezialisierte Lösung, die neuronale Netze nutzt, um verdächtiges Verhalten zu erkennen und das Personal gezielt über eine App zu informieren. Konkret werden diese in Einzelhandelsgeschäften zur Überwachung von Self-Checkout-Kassen eingesetzt. Mithilfe von KI-gestützten Kamerasystemen werden die Bewegungen und Handlungen der Kunden an den Selbstbedienungskassen in Echtzeit analysiert. Die KI-Algorithmen sind darauf trainiert, verdächtige Verhaltensweisen zu erkennen, wie beispielsweise das Überspringen des Scannens von Artikeln, das Vertauschen von Barcodes oder ungewöhnliche Muster beim Einpacken der Waren. Bei Erkennung eines potenziellen Diebstahlversuchs sendet das System sofort eine diskrete Benachrichtigung an das Sicherheitspersonal, welches dann gezielt eingreifen kann. Diese Technologie ermöglicht es Einzelhändlern, den Warenschwund zu reduzieren und gleichzeitig das Einkaufserlebnis für ehrliche Kunden nicht zu beeinträchtigen.
Produktprüfung
KI-gestützte Systeme im Bereich Qualitätskontrolle werden bereits heute für eine automatisierte optische Prüfung von Solarmodulen eingesetzt. Ein Solarmodulhersteller implementierte eine KI-gestützte Lösung, um die Qualitätssicherung zu verbessern und menschliche Fehler zu reduzieren. Das System verwendet hochauflösende Kameras, um die Oberfläche der Solarmodule zu erfassen und mittels Machine-Learning-Algorithmen auf Defekte wie Risse, Kratzer oder Eintrübungen in der Glasabdeckung zu untersuchen. Diese KI-Lösung arbeitet rund um die Uhr ermüdungsfrei und kann selbst kleinste Abweichungen erkennen, die dem menschlichen Auge möglicherweise entgehen. Durch die Integration in den Produktionsprozess werden fehlerhafte Module sofort identifiziert, was zu einer signifikanten Steigerung der Produktqualität und einer Reduzierung von Ausschuss führt.
Proaktive Wartung
Im Bereich der proaktiven Wartung setzt ein mittelständischer Automobilzulieferer auf den Einsatz von künstlicher Intelligenz. Das Unternehmen implementierte erfolgreich ein KI-gestütztes Predictive-Maintenance-System, um den Wartungsbedarf seiner Produktionsmaschinen vorherzusagen und kostspielige Ausfälle zu vermeiden. Sensoren überwachen kontinuierlich den Zustand der Maschinen und erfassen Daten wie Vibrationen, Temperaturen und akustische Signale. Die KI-Algorithmen analysieren diese Daten in Echtzeit und erkennen frühzeitig Anzeichen von Verschleiß oder potenziellen Problemen. Das System kann anhand akustischer Impulse, die für Menschen nicht hörbar sind, das optimale Zeitfenster für die Wartung der Anlagen bestimmen. Bei Bedarf kann es die Maschinen automatisch still setzen, damit die Mitarbeiter die erforderliche Wartung durchführen können. Durch diese vorausschauende Wartungsstrategie konnte der Zulieferer ungeplante Ausfallzeiten um bis zu 35 Prozent reduzieren, Wartungsprozesse effizienter gestalten und die Gesamtanlageneffektivität deutlich steigern.
Plantagenüberwachung
Zur Steigerung des Ernteertrags in der Landwirtschaft werden immer häufiger intelligente Überwachungssysteme für Obstplantagen implementiert. Mithilfe von Drohnen und hochauflösenden Kameras werden regelmäßig Luftaufnahmen der Obstbäume gemacht. KI-Algorithmen analysieren diese Bilder in Echtzeit, um den Gesundheitszustand der Bäume, das Fruchtwachstum und potenziellen Schädlingsbefall zu erkennen. Die Software kann frühe Anzeichen von Krankheiten oder Nährstoffmangel identifizieren, noch bevor diese für das menschliche Auge sichtbar sind. Basierend auf diesen Erkenntnissen erhalten Landwirte präzise Empfehlungen für gezielte Behandlungen oder Düngung einzelner Bäume oder Bereiche der Plantage. Dies ermöglicht eine optimale Ressourcennutzung, reduziert den Einsatz von Pestiziden und Düngemitteln und führt letztendlich zu gesünderen Bäumen und einer höheren Fruchtqualität. Durch die kontinuierliche Überwachung und Analyse können Landwirte auch den optimalen Erntezeitpunkt für verschiedene Bereiche der Plantage bestimmen, was zu einer Maximierung des Ertrags und der Fruchtqualität führt. Für den deutschen Markt werden zwei Lösungen in diesem Bereich empfohlen: Zum einen bietet die Firma Blue River Technology ihre „See & Spray“-Technologie an, die Computer Vision und maschinelles Lernen nutzt, um Herbizide gezielt nur auf Unkraut zu sprühen und so die Nutzpflanzen zu schonen. Zum anderen entwickelt das deutsche Unternehmen Tanalink Smart Farming Solutions, die KI-gestützte Analysen für verbesserte Ernteerträge einsetzen.
KFZ-Assistenzsysteme
Fahrerassistenzsysteme nutzen intelligente Kameras mit KI-Unterstützung zur Personen- und Objekterkennung, um schwere Unfälle zwischen Nutzfahrzeugen und ungeschützten Verkehrsteilnehmern wie Fahrradfahrern oder Fußgängern zu verhindern. Diese Systeme überwachen das Umfeld des Fahrzeugs und aktivieren sich automatisch beim Start des Fahrzeugs. Durch den Einsatz von Deep Learning-Software analysiert die KI das Kamerabild in Echtzeit und kann zwischen verschiedenen Objekten unterscheiden. Bei Gefahr warnt das System den Fahrer optisch und akustisch, wodurch die Verkehrssicherheit erheblich verbessert wird. Zwei empfohlene Lösungen für den deutschen Markt sind die Rosho TurnCam KI und der Bosch Frontkamera-Assistent der dritten Generation. Die Rosho TurnCam KI wurde speziell für den Einsatz in Nutzfahrzeugen entwickelt und nutzt neuronale Netze, die mit Millionen von Bildern trainiert wurden, um zuverlässig zwischen Verkehrsteilnehmern und anderen Objekten zu unterscheiden. Der Bosch Frontkamera-Assistent hingegen ist bereits seit 2020 in vielen Fahrzeugmodellen im Einsatz und bietet neben der Objekterkennung für Notbremsassistenten auch zusätzliche Funktionen wie Spurhalteassistenz und Tempolimit-Erkennung. Beide Systeme sind auf die Anforderungen des deutschen Straßenverkehrs zugeschnitten und tragen zur Erhöhung der Verkehrssicherheit bei.
Smartes Einkaufen
Inzwischen bieten mehrere Supermärkte kassenlose Einkaufssysteme an. Beim Betreten des Marktes müssen sich Kunden mit einer App anmelden. Dabei identifizieren sie sich über einen persönlichen Barcode. Der Einkauf wird durch ein smartes Kamerasystem und Sensoren überwacht. Am Ende kann der Kunde den Laden verlassen, wobei die Abbuchung automatisch über die hinterlegte Zahlungsmethode (Kreditkarte, PayPal) erfolgt. Eine Ergänzung zum smarten Einkaufen sind smarte Einkaufswagen, die derzeit von verschiedenen Einzelhändlern getestet werden. Hier befindet sich eine direkte Warenscanfunktion am Einkaufswagen, die eine Möglichkeit bietet, Artikel vor eine eingebaute Kamera zu halten und eine Preisanzeige auf einem Bildschirm darzustellen. Die Abrechnung erfolgt direkt über einen Account, mit der Option einer traditionellen Kassenzahlung als Backup.
Bitte etwas Geduld
Hier wird der nächste Use-Case für Computer Vision veröffentlicht.
