Aktualisiert Juli 2026 · 8 Min. Lesezeit · Serkan İnkaya · Mechanical Engineer, ODTÜ
Warum werten Käufer eine bloße "99 % Genauigkeit"-Behauptung ab?
Ein Qualitätsleiter, der ein Vision-Angebot liest, hat "99 % Genauigkeit" schon gesehen und gelernt, dass es für sich fast nichts bedeutet. Genauigkeit ohne Kontext verbirgt den Fehler, der wirklich Geld kostet: An einer Linie, an der Gutteile die Fehler weit übertreffen, kann ein Modell 99 % erreichen und trotzdem die meisten schlechten Teile übersehen. Der Käufer weiß das; eine runde Genauigkeitszahl ohne Linie, ohne Metrikdefinition und ohne Referenz liest sich als Marketing, nicht als Beleg.
Die Lücke in den meisten Vision-Angeboten ist der Beweis. Wettbewerber beschreiben ihre Systeme in Adjektiven, genau, zuverlässig, flexibel, und überlassen dem Leser, den Worten zu vertrauen. Das ist die Öffnung. Wenn jedes konkurrierende Angebot dieselbe unbelegte Behauptung macht, klingt das eine, das eine reale Linie und eine reale Zahl nennt, nicht mehr wie die anderen. Der Beweis ist der schwächste Punkt fast jedes Vision-Pitchs, und damit die schnellste Stelle, an der sich ein Integrator differenziert.
Wie gewinnt das Führen mit einem benannten, numerischen Fall den Auftrag?
Führen Sie mit einem Fall, den der Käufer prüfen kann: eine konkrete Linie, eine konkrete Metrik, ein konkretes Ergebnis. An einer ausgelieferten Verschlussprüflinie erreichte eine Edge-KI-Einheit einen F1-Score von 99,65 % bei einer Falsch-Negativ-Rate von 0,69 % und wies gebrochene, nicht geschlossene und am Scharnier beschädigte Verschlüsse live bei rund 30 ms pro Teil zurück. Dieser Satz leistet mehr als eine Seite Adjektive, weil jedes Element falsifizierbar ist. Ein Käufer kann fragen, was F1 misst, warum die Falsch-Negativ-Rate zählt und was die Linie fuhr. Genau diese Fragen wollen Sie, denn sie verschieben das Gespräch von Vertrauen zu Belegen.
Adente Vision ist eine Edge-KI-Sichtprüfeinheit von ADENTE Advanced Engineering Technologies, Teil der Aden-Gruppe, vertrieben über Automatisierungs-Systemintegratoren; der Beweis gehört also Ihnen und wandert mit in die Ausschreibung. Sie verkaufen keine Black Box weiter, die Sie nicht erklären können. Sie können den Mechanismus hinter der Zahl benennen: Das Modell lernt ein Gutteil aus Beispielbildern, meldet dann alles, was abweicht, und tut das on-device, sodass die Entscheidung die SPS ohne Cloud-Runde erreicht. Erst die Zahl, dann der Mechanismus, und der Käufer folgt.
In welchem Band sollte ein Integrator antreten?
Treten Sie nicht für generische "Bildverarbeitung" an, wo etablierte Anbieter Suche und Regal schon besitzen. Treten Sie im schmalen Band mit hoher Kaufabsicht an, das das Produkt wirklich anführt: Anomalieerkennung, Few-Shot und seltene Fehler, On-Device-Prüfung. Dort hat ein beweisgeführtes Angebot Raum zu gewinnen, denn die Stärke der Etablierten ist die regelbasierte Messung, nicht das Lernen eines Fehlers, den niemand vorab spezifiziert hat.
Der Few-Shot-Winkel entwaffnet auch den größten Einwand des Käufers: die Daten. Die meisten Qualitätsleiter nehmen an, ein KI-Prüfprojekt bedeute Monate des Sammelns und Labelns von Fehlerbildern, bevor irgendetwas funktioniert. Das muss es nicht. Weil das Modell nur mit Gutteilen trainiert, ein von öffentlichen Benchmarks wie dem MVTec Anomaly Detection-Datensatz gemessener Ansatz, reichen rund 20 gute Referenzbilder zum Start, und ein neues Teil oder eine Variante wird zu einer kurzen Trainingsaufgabe, nicht zu einem Datensammelprojekt. Wenn Sie das in einem Angebot sagen können, entfernen Sie den Grund, an dem die meisten Vision-Ausschreibungen stocken.
Wie sieht ein beweisgeführtes Angebot neben einem vagen aus?
Der Unterschied zeigt sich Zeile für Zeile: dieselbe Behauptung, einmal unbelegt und einmal gestützt von einer prüfbaren Zahl oder einem benannten Fall. Die beweisgeführte Spalte ist die, die ein Qualitätsleiter vor dem eigenen Management verteidigen kann.
| Vage Behauptung in den meisten Angeboten | Beweisgeführte Version, die ein Integrator verteidigen kann | Warum die beweisgeführte Zeile gewinnt |
|---|---|---|
| "99 % genau" | 99,65 % F1-Score bei 0,69 % Falsch-Negativ-Rate an einer ausgelieferten Verschlusslinie | Nennt die Metrik, die Schlupf fängt, nicht nur die schmeichelnde |
| "Zuverlässige Fehlererkennung" | Anomaliemodus fängt erstmals gesehene Fehler, trainiert mit rund 20 guten Bildern | Benennt den Mechanismus und den kleinen Datenbedarf |
| "Schnell genug für Ihre Linie" | Rund 30 ms pro Teil, gemessen an einer ausgelieferten Installation | Ein gemessenes Feldergebnis, an dem der Käufer Sie festhalten kann |
| "Erkennt Ihre Teilevarianten" | Linker vs. rechter Scheinwerfer und Stoßfänger-Varianten über 0,9 Konfidenz bei einem Automobil-OEM | Ein benannter Branchenfall mit Konfidenzzahl pro Teil |
| "Zukunftssicher und flexibel" | Fünf Modi, Anomalie- & Defekterkennung, Montage & fehlende Teile, Code-Lesung, Messung und Teile-Identifikation; eine neue Variante trainiert unter 48 Stunden nach | Konkrete Fähigkeit und eine Umrüstzeit, kein Adjektiv |
Warum ist die Falsch-Negativ-Rate die Zahl, die Vertrauen aufbaut?
Die Falsch-Negativ-Rate ist die Zahl der schlechten Teile, die der Prüfer durchgelassen hat, und sie ist die Zahl, der ein ernsthafter Käufer am meisten vertraut, weil sie die ist, die ein schwacher Anbieter versteckt. Ein übersehener Fehler ist der teure Fehlschlag: Er erreicht den Kunden, löst eine Rücksendung oder einen Rückruf aus und kostet weit mehr als ein überausgeschleustes Gutteil. Wenn Sie mit einer Falsch-Negativ-Rate von 0,69 % von einer realen Linie führen, zeigen Sie dem Käufer die Metrik, die auf sein tatsächliches Risiko abbildet, nicht die, die der Demo schmeichelt.
Paaren Sie die Falsch-Negativ-Rate mit dem Konfidenz-Score, den die Einheit pro Teil offenlegt, und Sie geben dem Käufer einen Regler, den er auf seine eigenen Kosten eines Durchrutschers einstellen kann. Ein Grenzteil kann zur manuellen Kontrolle geleitet werden, statt in ein Gut gezwungen zu werden, und der Arbeitspunkt gehört ihm. Das vollständige Argument, warum diese Metrik mehr zählt als die Schlagzeilen-Genauigkeit, zeigt dem Käufer der Schwesterbeitrag zur Falsch-Negativ-Rate als Prüfmetrik.
Wie wird aus einer ausgelieferten Linie die Referenz für die nächste?
Eine laufende Installation ist mehr wert als eine Broschüre; behandeln Sie die erste ausgelieferte Linie also vom ersten Tag an als Referenz-Asset. Erfassen Sie die Metrik an dieser Linie so, wie Sie sie später zitieren: den F1-Score, die Falsch-Negativ-Rate, den Durchsatz, das gefahrene Teil. Anonymisieren Sie den Kunden, wenn nötig, "ein führender Automobil-OEM", "eine ausgelieferte Verschlusslinie", aber behalten Sie die Zahlen, denn die Zahlen machen die Referenz prüfbar.
Die Ökonomie hilft Ihnen, Referenzen schnell aufzubauen. Eine Einheit, die eine Person in etwa 30 Minuten installiert, aus 20 guten Bildern trainiert und eine Variante unter 48 Stunden nachtrainiert, heißt: Jede neue Linie erweitert Ihre Beweisbibliothek, ohne Monate Engineering anzuhängen. Jede ausgelieferte Zelle wird zum benannten, numerischen Fall für die nächste Ausschreibung, und der Integrator mit drei echten Referenzen schlägt den, der noch Adjektive verkauft. Wie Sie diese Prüf-Position über Branchen hinweg paketieren, zeigt der Schwesterbeitrag zur Differenzierung Ihres Integrationsgeschäfts mit Edge-KI-Prüfung, die zitierfähigen Feldfälle die Anwendungsseite und die Methode dahinter der Leitfaden zur KI-Sichtprüfung.