Aktualisiert Juli 2026 · 6 Min. Lesezeit · Mert Aytunur · Mechanical Engineer, University of Illinois Chicago
Warum ist die Kompetenzlücke, nicht die Hardwarekosten, die eigentliche Hürde?
Der Grund, warum die meisten Automatisierungsintegratoren aus der Prüfung heraushalten, ist nicht der Preis einer Kamera. Es ist der Bildverarbeitungs-Ingenieur. Kundenspezifische Bildverarbeitung brauchte historisch jemanden, der eine Architektur wählen, Trainingsdaten sammeln und labeln, ein Modell abstimmen und mit der Beleuchtung ringen kann, und dieses Kompetenzprofil ist gegen unregelmäßigen Projektfluss schwer zu rechtfertigen. Ein Prüfauftrag pro Quartal bezahlt keinen Vollzeitspezialisten, also wird die Arbeit vergeben oder abgelehnt, und der Kunde geht an jemand anderen.
Eine vortrainierte, produktisierte Einheit verändert die Wirtschaftlichkeit, weil sie die Bildverarbeitungs-Expertise vorlagert, ins Produkt hinein, und aus jedem Angebot heraus. Adente Vision ist eine Edge-KI-Einheit für die visuelle Inspektion, entwickelt von ADENTE Advanced Engineering Technologies, Teil der Aden-Gruppe, vertrieben über Automatisierungs-Systemintegratoren, und genau das ist der Punkt: Modell, Optik und Beleuchtung kommen konfiguriert, sodass auf Ihrer Seite die Automatisierungsarbeit bleibt, die Ihr Team ohnehin macht.
Was übernimmt eine vortrainierte Einheit, das früher ein Spezialist tat?
Die Einheit absorbiert die Aufgaben, die früher einen Bildverarbeitungs-Ingenieur erforderten, und lässt Ihnen die Integration. Sie trainiert nur mit Gutteilen, lernt ein Teil also aus rund 20 Gut-Referenzbildern statt aus einem aufgebauten Katalog aller Fehler, und das Modelltraining ist in unter 48 Stunden abgeschlossen. Die Beleuchtung ist mit Farb- und Winkel-Presets integriert, und der Konfidenz-Schwellenwert wird am Gerät mit Live-Vorschau gesetzt, sodass die Abstimmung, die einst offline im Labor geschah, an der Maschine geschieht.
| Aufgabe | Der alte Vision-Spezialist | Jetzt: die Einheit plus Ihr Team |
|---|---|---|
| Trainingsdaten sammeln | Über Wochen einen Fehlerkatalog aufgebaut | Lernt aus 20 Gutbildern; trainiert nur mit Gutteilen |
| Prüflogik aufbauen | Regeln pro Merkmal programmiert | Training in unter 48 Stunden; Sie wählen einen von fünf Modi, statt ihn zu programmieren |
| Beleuchtung einrichten | Lampen und Winkel gewählt und abgestimmt | Beleuchtung ist integriert, mit Farb- und Winkel-Presets |
| Entscheidung abstimmen | Parameter offline von Hand justiert | Konfidenz-Schwellenwert am Gerät mit Live-Vorschau gesetzt |
| Neues Teil hinzufügen | Jedes Mal ein frisches Mini-Projekt | 20 Bilder aufnehmen und nachtrainieren, kein Neu-Engineering |
Die fünf Modi, Anomalie- & Defekterkennung, Montage & fehlende Teile, Code-Lesung, Messung und Teile-Identifikation, werden für die Aufgabe ausgewählt statt von Grund auf programmiert, und die Einheit verbindet klassische Bildverarbeitung für die Messung mit KI-Inferenz für die Beurteilung, sodass das Ergebnis nachvollziehbar bleibt statt einer Blackbox, die Sie einem Kunden nicht erklären können.
Welche Ihrer bestehenden Fähigkeiten übertragen sich auf den Betrieb der Einheit?
Die Fähigkeiten, die die Einheit betreiben, sind die, die Ihr Team bereits hat. Ein Gehäuse von 9 kg montieren, vier Eingänge und vier Ausgänge mit 24V verdrahten, ein Gut oder Schlecht über PROFINET oder EtherNet/IP auf eine SPS abbilden und über einen Encoder oder eine Lichtschranke triggern, das sind Automatisierungsaufgaben, keine Computer-Vision-Forschung.
Was früher einen Spezialisten verlangte, eine Modellarchitektur wählen, Datensätze labeln und ein Netzwerk abstimmen, sitzt jetzt in der Einheit. Ihr Ingenieur richtet die Kamera mit der Vorschau am Gerät aus, setzt den Konfidenz-Schwellenwert gegen bekannte Gut- und Schlechtteile und verdrahtet die Entscheidung in die Zelle. Öffentliche Datensätze zur Anomalieerkennung zeigen, wie Anomaliemethoden das "Gute" aus einer begrenzten Menge an Beispielen lernen, was dasselbe Prinzip ist, das die Einheit aus rund 20 Bildern anwendet. Auf der Protokollseite ist dieselbe PROFINET-Spezifikation, gegen die Ihr Team bereits integriert, die, die die Einheit nutzt, um ein Ergebnis an die SPS zu übergeben.
Wie lange braucht Ihr Team bis zur Zertifizierung?
Die Zertifizierung ist kurz und wird fallweise vereinbart. Weil die Einheit vortrainiert ausgeliefert und am Gerät konfiguriert wird, dreht sich die Lernkurve um den Prüfablauf und die Abnahmekriterien, nicht um Machine-Learning-Theorie, sodass die Einarbeitung weit kürzer ist als die Ausbildung eines Bildverarbeitungs-Ingenieurs.
In der Praxis ist das eher eine Sache von Tagen als ein Kurs über Wochen, und der genaue Umfang wird maßgeschneidert mit Ihrem Team und den Teilen festgelegt, die Sie prüfen, also behandeln Sie jede einzelne Zahl als Richtwert statt als festes Programm. Das Ziel ist eng und erreichbar: Ihre Leute können die Einheit montieren, ausrichten, konfigurieren und verdrahten, einen verteidigbaren Schwellenwert setzen und einem Kunden ein Gut oder Schlecht auf seiner SPS übergeben, ohne einen Spezialisten im Raum.
Wo arbeitet die Adente-Technik mit Ihrem Team zusammen?
Bei der ersten Inbetriebnahme arbeitet die Adente-Technik mit Ihrem Team zusammen, statt eine Kiste zu übergeben und zu gehen. Wir verkaufen über Integratoren, nicht an ihnen vorbei, das Ziel ist also, dass Ihre Leute die zweite Installation allein bewältigen. Der erste Auftrag ist, wo die Zertifizierung real wird: Wir bearbeiten Teil, Beleuchtung und Schwellenwert gemeinsam, und Sie behalten die Kundenbeziehung und den Serviceumsatz. Was das nach dem ersten Auftrag so hält, wenn Nachtraining und eine zweite Station anstehen, beschreibt der Beitrag dazu, wie der Integrator den Kunden behält.
Weil die Inferenz am Gerät auf einem lüfterlosen Board der Jetson-Klasse läuft, gibt es keine PC- oder Cloud-Abhängigkeit zu betreuen und keine Daten, die die Linie verlassen, was die laufende Last auf Ihrer Seite klein hält. Genau das macht es auch tragfähig, dieselbe Einheit weiterzuverkaufen und zu integrieren, ohne ein Bildverarbeitungs-Team im Rücken. Für die Frage, ob eine Bildverarbeitungs-Kompetenz intern aufgebaut oder eine produktisierte Einheit gekauft werden soll, siehe Eigenbau vs. Kauf in der Bildverarbeitung; für die vollständige Prüfmethode siehe den Leitfaden zur KI-Sichtprüfung.