Traditionelle Bildverarbeitungssysteme, die auf deterministischen Regeln basieren, sind bei vielen Entwicklern und Anwendern seit Jahren im Einsatz und etabliert. Zu ihren Vorzügen zählen u.a. ihre Vorhersagbarkeit, wie sie sich bei Veränderungen verhalten, da erzielte Ergebnisse meist in direktem Zusammenhang zu vorgenommenen Parameteränderungen stehen. KI-Systeme funktionieren hingegen nach anderen Prinzipien, betont Shirin Saleem, KI-Expertin bei Cognex: „Diese Technologie arbeitet nicht mit programmierbaren Regeln, sondern wird auf Datensätzen von Bildsammlungen trainiert. Dieser Wandel erfordert für jedes Unternehmen, das den Technologieschritt von herkömmlichen, regelbasierten Bildverarbeitungssystemen zu KI-gestützten Werkzeugen vollziehen will, ein grundlegendes Umdenken in Bezug auf die Optimierung und das Management von Vision-Systemen.“ Als wichtigen Vorteil von KI-Modellen nennt Saleem die Generalisierbarkeit: „Im Gegensatz zu regelbasierten Systemen, die ständige Anpassungen erfordern, um Variationen zu berücksichtigen, können KI-Systeme unterschiedliche Eingaben und sich ändernde Bedingungen eleganter handhaben. Diese Generalisierbarkeit hat jedoch auch einen Nachteil: Den Verlust der Erklärbarkeit.“ KI-Modelle funktionieren oft als Black Boxes, die Entscheidungen auf der Grundlage komplexer statistischer Muster treffen, die nicht immer transparent sind. Diese mangelnde Erklärbarkeit kann ein erhebliches Hindernis für Unternehmen darstellen, die an klare Diagnosen gewöhnt sind.
Vertrauen in KI aufbauen
Nicht nur wegen dieses prinzipiellen Unterschieds beider Konzepte sind viele Unternehmen zurückhaltend bei der Entscheidung für KI-Systeme. Häufig bestehen auch Bedenken hinsichtlich anderer Faktoren wie der Daten- oder Cybersicherheit. Beide Themen sind von größter Bedeutung, insbesondere wenn es um proprietäre oder sensible Informationen geht: „Unternehmen sorgen sich natürlich darum, wie ihre Daten verwendet, gespeichert und geschützt werden“, so Saleem. „KI-Anbieter müssen daher garantieren, dass sensible Informationen nicht missbraucht oder an Dritte weitergegeben werden. Bei Cognex-Systemen ist diese Gefahr gebannt, denn wir stellen sicher, dass unsere KI-Produkte lokal auf der Kamera oder dem PC im Werk arbeiten. Dadurch werden viele Datenschutzbedenken hinfällig.“ Dies ist nach Saleems Worten jedoch nicht bei allen KI-Anbietern der Fall, daher sollten Unternehmen die Datenverarbeitungspraktiken ihrer Lieferanten sorgfältig prüfen, bevor sie deren Systeme einsetzen, lautet die Empfehlung der Expertin.
Ist die Entscheidung für KI-Lösungen einmal getroffen, geht es für die Unternehmen zunächst darum, Vertrauen in die neue Technologie aufzubauen und die damit verbundenen Herausforderungen zu bewältigen. Anbieter wie Cognex unterstützen KI-Einsteiger in dieser Phase beispielsweise durch vortrainierte KI-Modelle für die industrielle Fertigung und benutzerfreundliche Workflows, die den Trainings- und Optimierungsprozess vereinfachen. Diese Werkzeuge ermöglichen es den Kunden auch ohne tiefes KI-Know-how, ihre Daten einzubringen und Modelle an ihre spezifischen Bedürfnisse anzupassen. Darüber hinaus helfen bereitgestellte Analysen und transparente KI-Operationen Anwendern, die Entscheidungen von KI-Systemen zu verstehen. Funktionen wie Konfidenzwerte über Vorhersagen, Heatmaps, um Ergebnisse des Modells zu verstehen, und Edge-Intelligence-Lösungen, um kontinuierlich die Performance zu überwachen – all das ermöglicht es, die optimale Leistungsfähigkeit von KI-Systemen auch über lange Zeiträume zu erhalten. „Dieses Verständnis ist ein wesentlicher Faktor, um Vertrauen in KI-basierte Bildverarbeitung zu gewinnen und ihr großes Potential noch besser auszuschöpfen“, ist Saleem überzeugt.
Qualität der Trainingsdaten ist entscheidend
Unsicherheit existiert bei vielen potenziellen Entwicklern von KI-basierten Visionsystemen häufig auch hinsichtlich der praktischen Realisierung und der ersten Schritte mit dieser Technologie. Die Frage, wie repräsentative Datensätze für das Training und Testen gesammelt und gepflegt werden können, steht dabei oft im Mittelpunkt, und das zu Recht: Bereits kleine Variationen der Bedingungen an einer Produktionslinie, wie z.B. Beleuchtungsänderungen oder Produktmodifikationen, können die Leistung des verwendeten KI-Modells beeinträchtigen. Unternehmen müssen daher robuste Datenmanagementpraktiken etablieren, um sicherzustellen, dass ihre KI-Modelle auch auf lange Sicht genau bleiben. Dies umfasst nicht nur die anfängliche Datensammlung, sondern auch die kontinuierliche Aktualisierung der Modelle, um veränderte Bedingungen und Anomalien zu berücksichtigen.
Als problematisch kann sich sowohl in der Anlernphase eines KI-Systems als auch bei der späteren Optimierung während des Betriebs der Mangel an ausreichend vielen Fehlerbildern erweisen, weiß Saleem: „Kunden sagen uns oft, dass sie von bestimmten Fehlern keine oder nur wenige Bilder haben, weil dieser spezifische Fehler nur äußerst selten auftritt. In solchen Fällen können generative KI-Techniken helfen, um synthetische Daten zu erstellen. Auf diese Weise lassen sich Lücken füllen und die Modellgenauigkeit verbessern.“ KI-Expertin Saleem hat Verständnis für die Vorbehalte gegenüber der KI-Technologie, ist jedoch überzeugt: „Richtig eingesetzt überwiegen die Vorteile bei weitem. KI ist aus der Bildverarbeitung schon heute nicht mehr wegzudenken und wird sich noch weiter etablieren.“
www.cognex.com