Aktualisiert Juli 2026 · 6 Min. Lesezeit · Serkan İnkaya · Mechanical Engineer, ODTÜ
Was ist der Unterschied zwischen Bildverarbeitung, Computer Vision und KI-Vision?
Käufer nutzen die drei Begriffe, als wären sie einer, und ein Anbietergespräch gerät binnen einer Minute durcheinander. Sie sind keine Synonyme, sie sind verschachtelt. Computer Vision ist das übergeordnete Feld, Bildverarbeitung ist ihre industrielle Anwendung, und KI-Vision ist die neuere Schicht, in der die Entscheidung aus einem trainierten Modell statt aus einer festen Regel kommt. Die Worte klarzubekommen, ist der schnellste Weg, zwei Datenblätter zu vergleichen, die dieselbe Aufgabe in unterschiedlicher Sprache beschreiben.
| Begriff | Was er bedeutet | In der Werkstatt |
|---|---|---|
| Computer Vision | Das breite Feld: jede Software, die aus Bildern Bedeutung gewinnt | Forschung und Algorithmen, die übergeordnete Disziplin hinter dem Rest |
| Bildverarbeitung | Computer Vision auf eine industrielle Aufgabe angewandt, historisch regelbasiert | Eine Kamera plus feste Regeln, die einen Barcode liest oder ein Maß prüft |
| KI-Vision | Bildverarbeitung, bei der ein trainiertes Modell, keine Regel, das Urteil fällt | Lernt ein Gutteil aus Beispielen, kennzeichnet Anomalien, klassifiziert Varianten |
| Hybride Bildverarbeitung | Klassische Bildverarbeitung zur Messung, kombiniert mit KI zum Urteil | Misst in Millimetern mit klassischer Bildverarbeitung, beurteilt Fehler mit KI |
Die Zeilen verschachteln sich nach unten. Alles in der Bildverarbeitungs-Zeile ist auch Computer Vision; alles in der KI-Vision-Zeile ist auch Bildverarbeitung. Was sich ändert, während Sie nach unten gehen, ist, woher die Entscheidung kommt: eine menschlich geschriebene Regel oben, ein gelerntes Modell unten und eine bewusste Kombination beider in der Hybrid-Zeile. Die unteren Zeilen sind zugleich die Richtung, in die die Branche geht, wie die Übersicht der Markttrends der Bildverarbeitung 2026 zeigt.
Warum kam "Bildverarbeitung" dazu, regelbasiert zu bedeuten?
Die Bildverarbeitung verdiente sich ihren regelbasierten Ruf, weil das dreißig Jahre lang war, wofür die Technologie da war. Bevor Deep Learning auf einem Fabrikbudget praktikabel war, speiste eine Industriekamera feste Algorithmen: finde diese Kante, miss diesen Abstand, lies diesen Code, vergleiche diesen Pixelwert mit einem Schwellenwert. Die Logik war explizit, sie war also schnell, deterministisch und leicht zu validieren, und sie ist es noch immer, das richtige Werkzeug für einen Barcode oder eine feste Messung.
Diese Geschichte ist der Grund, warum "Bildverarbeitung" und "regelbasiert" auf vielen Seiten noch immer als dasselbe behandelt werden und warum "KI-Vision" als eigene Kategorie verkauft wird. In der Werkstatt ist die Unterscheidung einfacher als das Marketing: Eine regelbasierte Prüfung kann nur einen Fehler finden, den jemand im Voraus beschrieben hat, während eine KI-Prüfung das Aussehen von gut oder schlecht aus Beispielen lernt und auf Fälle verallgemeinert, die niemand niedergeschrieben hat. Kamera und Beleuchtung können identisch sein; was sich unterscheidet, ist, wer die Entscheidung trifft, eine Regel oder ein Modell. Zur praktischen Entscheidung, wann man zu dem einen statt dem anderen greift, siehe regelbasierte vs. KI-Bildverarbeitung.
Wo passt hybride Bildverarbeitung zwischen die beiden?
Hybride Bildverarbeitung ist die bewusste Entscheidung, sich nicht auf eine Seite zu schlagen. Klassische Computer Vision ist bei messbarer Geometrie ungeschlagen: Sie lokalisiert ein Merkmal und misst einen Abstand in Millimetern mit wiederholbarer Präzision. KI-Inferenz ist beim Urteil ungeschlagen: Sie erkennt eine Variante oder kennzeichnet einen Oberflächenfehler, den kein Schwellenwert beschreiben könnte. Eine hybride Einheit führt beides aus und nutzt jedes dort, wo es am stärksten ist, sodass das Ergebnis prüfbar ist statt eines einzelnen Blackbox-Urteils.
Adente Vision ist eine Edge-KI-Einheit für die visuelle Inspektion, entwickelt von ADENTE Advanced Engineering Technologies innerhalb der Aden Group und vertrieben über Automatisierungs-Systemintegratoren. Sie kombiniert klassische Computer Vision mit KI-Inferenz und bietet fünf Prüfmodi, Anomalie- & Defekterkennung, Montage & fehlende Teile, Code-Lesung, Messung und Teile-Identifikation, sodass eine Einheit ein Maß mit klassischer Bildverarbeitung misst und einen seltenen Fehler mit KI am selben Teil beurteilt. Diese Paarung ist der Grund, warum "KI-Vision" für sich allein ein unvollständiges Etikett für das ist, was eine industrielle Einheit tatsächlich tut.
Welcher Begriff bildet welche Datenblatt-Fähigkeit ab?
Sind die Begriffe einmal klar, ist ein Datenblatt leichter zu lesen, weil jede Fähigkeit zu einer Schicht gehört. Das bildgebende Frontend, die Kamera und Beleuchtung, ist klassische Bildverarbeitungs-Hardware, und dort leben Zahlen wie Auflösung und Verschlusstyp: eine Kamera mit bis zu 12 MP und Global Shutter mit konfigurierbarer Beleuchtung nimmt das Bild auf, ganz gleich, welche Schicht darüber entscheidet. Der Global Shutter zählt, weil er ein bewegtes Teil ohne Verschmierung einfriert, sodass das Bild, das das Modell sieht, ein wahres ist.
Die Entscheidungsschicht ist dort, wo "KI-Vision" verdient wird. Inferenz am Gerät auf einem Edge-Board der Jetson-Klasse, die die fünf Prüfmodi ausführt, ist der Teil, der ein Gutteil aus etwa 20 Bildern lernt und ein neues dagegen bewertet. Die Integration ist ein dritter, separater Belang: Gut/Schlecht und Programmwahl reisen über PROFINET, EtherNet/IP, Modbus TCP, EtherCAT oder OPC UA und 4 digitale Eingänge und 4 Ausgänge bei 24V, egal ob eine Regel oder ein Modell die Entscheidung getroffen hat. Eine Spezifikation nach diesen drei Schichten zu lesen, Bildgebung, Entscheidung, Integration, sagt Ihnen, welchen Begriff ein Anbieter wirklich verkauft.
Dieser Beitrag ist ein Spoke des Leitfadens zur KI-visuellen Inspektion; um die Schichten Bildgebung, Entscheidung und Integration in einer Einheit zu sehen, nehmen Sie die Systemübersicht.