Aktualisiert Juli 2026 · 7 Min. Lesezeit · Mert Aytunur · Mechanical Engineer, University of Illinois Chicago
Jeder Bildverarbeitungs-Anbieter bewirbt Genauigkeit. Fast keiner bewirbt seine Falsch-Negativ-Rate, und dieses Weglassen ist die ganze Geschichte. Genauigkeit ist die Zahl, die auf einer Folie am besten aussieht und an einer Linie am wenigsten bedeutet. Wenn Sie eines aus diesem Beitrag mitnehmen, machen Sie es zur Gewohnheit: sagt ein Anbieter "99 % genau", fragen Sie "wie hoch ist Ihre Falsch-Negativ-Rate?" und beobachten Sie, was als Nächstes passiert.
Warum diese Frage einen echten Prüfanspruch von einem Marketinganspruch trennt, zeigt der folgende Abschnitt.
Warum "Genauigkeit" eine Schaufenster-Metrik ist
Genauigkeit ist der Anteil der Teile, die das System korrekt klassifiziert. Sie klingt nach der richtigen Zahl, bricht aber an genau den Daten, mit denen Prüfung zu tun hat: unausgewogene Linien, an denen Gutteile die Fehler bei weitem übersteigen.
Stellen Sie sich eine Linie mit 1 % Fehlerrate vor. Bauen Sie den denkbar faulsten "Prüfer", der jedes Teil ungesehen durchlässt. Er liegt bei allen 99 % Gutteilen richtig und nur bei den 1 % fehlerhaften falsch, erzielt also 99 % Genauigkeit, während er null Fehler fängt. Jedes schlechte Teil geht raus. Die Schlagzeilenzahl ist ausgezeichnet und das System ist wertlos.
Das ist das Genauigkeitsparadox, und deshalb sagt eine 99-%-Genauigkeit für sich genommen nichts darüber, ob ein Prüfsystem tatsächlich Fehler fängt.
Die vier Metriken, die wirklich zählen
Um ein Prüfsystem zu beurteilen, müssen Sie sehen, wie es mit den zwei Arten umgeht, falsch zu liegen: einen Fehler übersehen (Falsch-Negativ) und ein Gutteil abweisen (Falsch-Positiv). Vier Zahlen decken das ab.
| Metrik | Klare Bedeutung | Warum sie zählt |
|---|---|---|
| Falsch-Negativ-Rate | Echte Fehler, die als gut durchgehen | Schlupf erreicht den Kunden, der teure Fehler |
| Falsch-Positiv-Rate | Gutteile, als schlecht abgewiesen | Verlorene Ausbeute, Nacharbeit, Misstrauen ins System |
| F1-Score | Balance aus Präzision und Trefferquote | Eine Kennzahl für die Gesamtqualität bei unausgewogenen Daten |
| Taktzeit | Millisekunden pro Teil | Muss dem Linientakt folgen, um nutzbar zu sein |
Der F1-Score ist die Zahl, mit der man führen sollte, weil er Präzision (von den abgewiesenen Teilen, wie viele wirklich schlecht waren) und Trefferquote (von den wirklich schlechten Teilen, wie viele Sie gefangen haben) in eine einzige Zahl verbindet, die bei unausgewogenen Daten nicht so zusammenbricht wie die Genauigkeit. Doch F1 allein verbirgt noch die Richtung der Fehler, weshalb Sie zusätzlich gezielt nach der Falsch-Negativ-Rate fragen.
Warum Falsch-Negative die teuren sind
Ein Falsch-Positiv kostet Sie ein Gutteil. Ärgerlich, messbar, im Werk eingedämmt: Sie verschrotten oder überarbeiten ein Teil, das in Ordnung war, und die Ausbeute sinkt ein wenig.
Ein Falsch-Negativ kostet Sie ein schlechtes Teil, das entkommen ist. Es geht zum Kunden, fällt im Feld aus, löst eine Reklamation oder Rückgabe aus und kann in regulierter oder sicherheitskritischer Arbeit eine ganze Charge zurückholen. Ein Schlupf kann mehr kosten als Tausende unnötige Abweisungen. Diese Asymmetrie ist der Grund, warum die Falsch-Negativ-Rate die Zahl ist, die ein ernsthafter Käufer schützt, und die Zahl, die ein Anbieter, der dazu schweigt, verbergen mag.
Das heißt nicht, dass Falsch-Positive kostenlos sind. Ein System, das 10 % der Gutteile abweist, um seine Schlupfrate auf null zu treiben, ist ebenfalls unbrauchbar. Das Ziel ist eine niedrige Falsch-Negativ-Rate und eine Falsch-Positiv-Rate, mit der Sie leben können, genau das sagt Ihnen der F1-Score, zusammen mit der Falsch-Negativ-Rate gelesen.
Ein durchgerechnetes Beispiel mit echten Zahlen
Vergleichen Sie drei "Prüfer" an derselben Linie mit 1 % Fehler.
| Prüfer | Genauigkeit | Falsch-Negativ-Rate | Nützlich? |
|---|---|---|---|
| Lässt alles durch | 99,0 % | 100 % (jeder Fehler entkommt) | Nein, fängt nichts |
| Weist bei jedem Zweifel ab | ~90 % | Nahe 0 % | Nein, verschrottet zu viele Gutteile |
| Ein ausgewogenes reales System | ~99 % | Niedrig, offengelegt | Ja, wenn beide veröffentlicht werden |
Nun ein offengelegtes Feldergebnis, um "gut" zu verankern: an einer ausgelieferten Hochgeschwindigkeits-Verschlussprüfzelle erreichte das System einen F1-Score von 99,65 % bei einer Falsch-Negativ-Rate von 0,69 %, bei rund 30 ms pro Teil. Achten Sie darauf, was berichtet wird, nicht eine nackte "Genauigkeit", sondern der F1-Score und die Falsch-Negativ-Rate zusammen, gemessen an einer echten Linie. So sieht ein Anspruch aus, auf den Sie handeln können. Die Zelle hinter diesen Zahlen, Verschluss-, Etikett- und Siegelkontrollen am schnellen Förderband, beschreibt die KI-Prüfung der Verpackungslinie. (Wie diese Metriken ins größere Bild passen, siehe den Leitfaden zur KI-Sichtprüfung; die ausgelieferten Ergebnisse stehen auf der Anwendungsseite.)
Was Sie jeden Anbieter vor dem Kauf fragen sollten
Sie müssen kein Data Scientist sein, um einen Genauigkeitsanspruch zu prüfen. Fragen Sie fünf Dinge.
- 01Wie hoch ist die Falsch-Negativ-Rate an meiner Teileklasse? Die aufschlussreichste Frage. Unschärfe hier ist ein Warnsignal.
- 02Wie hoch ist der F1-Score, nicht nur die Genauigkeit? Nennen sie nur Genauigkeit, fragen Sie warum.
- 03An wessen Teilen wurde das gemessen, an meinen oder an einem Benchmark? Eine Zahl auf einem öffentlichen Datensatz wie dem MVTec Anomaly Detection Datensatz ist keine Zahl an Ihrer Linie.
- 04Welche Falsch-Positiv-Rate geht damit einher? Eine großartige Schlupfrate, erkauft mit 10 % Abweisung, ist kein guter Handel.
- 05Lassen Sie es vor dem Angebot an meinem Muster laufen? Ein Anbieter, der seinen Zahlen traut, misst sie an Ihrem Teil.
Ein Anbieter, der alle fünf klar beantwortet, sagt Ihnen die Wahrheit über sein System. Ein Anbieter, der zu einer Schlagzeilen-Genauigkeit zurücklenkt, sagt Ihnen ebenfalls etwas. 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, und wir messen die Falsch-Negativ-Rate an Ihrem Muster, bevor wir ein Angebot machen. So oder so zählen die Zahlen erst, wenn sie den Weg von einer Pilotzelle an die laufende Linie überstehen, worum es beim Überführen einer KI-Prüfung vom Pilot in die Produktion geht.