Wie in vielen anderen Industriezweigen, stehen Hersteller vor der Herausforderung, qualifizierte Bildverarbeitungsspezialisten einzustellen und zu halten. Eine kollaborative, cloudbasierte Plattform könnte es Unternehmen ermöglichen, die Fähigkeiten und das Fachwissen von Einzelpersonen und Teams standort- und länderübergreifend besser zu nutzen. Eine cloudbasierte Lösung verbessert auch die Skalierbarkeit und den Zugriff auf Rechenleistung. Anstatt einigen wenigen Mitarbeitern leistungsfähige GPUs zuzuteilen, kann jeder Nutzer über die Cloud auf die gleiche hohe Rechenleistung zugreifen. Zwar entstehen hierdurch zusätzliche Kosten, aber ein Abo-Modell nach dem Ppay-as-you-go-Prinzip kann günstiger sein, als mehr in eigene Server und zusätzliches IT-Personal zu investieren.
Nutzer mit definierten Rollen, Rechten und Verantwortlichkeiten könnten Deep-Learning-Modelle in der Cloud trainieren und testen. Mit Hilfe der besseren Trainings- und Testdaten würde ein wesentlich höheres Maß an visueller Inspektionsanalyse und Genauigkeit erzielt werden als mit herkömmlichen, regelbasierten Bildverarbeitungssystemen für bestimmte Anwendungsfälle. Dies sind Ergebnisse, die von Herstellern in Branchen wie Automobil, Elektrobatterien, Halbleiter, Elektronik und Verpackung angestrebt werden.
Abo-Modelle als Alternative
Ein Software-as-a-Service-Modell (SaaS) ermöglicht eine flexible und unkomplizierte Investition in eine cloudbasierte Plattform im Abo-Modell. Dabei werden neue Funktionen, Modelle und Updates nahtlos durch den Technologiepartner hinzugefügt. Cloudbasierte Deep-Learning-Plattformen ermöglichen die Bereitstellung von Modellen auf dezentralen Edge-Geräten und damit eine Datenverarbeitung und -analyse näher am Entstehungsort der Daten. Die Arbeitsabläufe an der Produktionslinie und auf Rechnern werden so flexibler und digitaler, unabhängig vom Standort der Nutzer oder Teams.