Robotron und Kontron
vereinfachen Computer
Vision
Der Einstieg in die Künstliche Intelligenz (Artificial Intelligence – AI) fällt vielen produzierenden
Unternehmen derzeit noch schwer, nicht zuletzt wegen der komplexen Hardware-Auswahl. In der neuen AI‑Workstation
verbinden Robotron und Kontron nun zwei ihrer innovativen Lösungsansätze zur unkomplizierten und schnellen
Anwendung von Computer Vision. Die multi-purpose AI‑Workstation ermöglicht das Trainieren, Ausführen und
Inferenz der Algorithmen für ein breites Spektrum von Modellen und Frameworks. Der standardisierte Ansatz deckt
bis zu 90 Prozent aller Einsatzszenarien ab und versetzt auch Fertigungsingenieure ohne Programmiererfahrung in
die Lage, ihre Prüfprobleme durch Computer Vision in Echtzeit zu lösen.
Der Name Robotron ist vielen ein Begriff: Zu DDR-Zeiten arbeiteten beim Kombinat für Computertechnik aus Dresden
fast 70.000 Menschen.
Nach der Wende stand die Abwicklung des Staatsbetriebs bevor, doch
Senior-Geschäftsführer
Dr. Rolf Heinemann entschloss sich zu einem Management-Buyout.
1990 gründete er die Robotron
Datenbank-Software
GmbH mit acht weiteren Gesellschaftern und damals 26 Mitarbeitenden. Zu den wichtigsten Segmenten zählen heute
die Energiewirtschaft, die öffentliche Verwaltung und die Industrie, hier vor allem die diskrete Fertigung mit
Manufacturing und Automotive. Der Kernkompetenz blieb man treu: die effektive Verwaltung und Auswertung großer
Datenmengen auf der Basis von Datenbank-Software. Heute erwirtschaften rund 600 Mitarbeiterinnen und Mitarbeiter
einen Jahresumsatz von 62 Millionen Euro.
Computer Vision
in die Praxis bringen
Anwendungen der Künstlichen Intelligenz in der Industrie liegen derzeit im Trend, insbesondere bei Themen wie
Qualitätskontrolle und Predictive Maintenance. Dabei gibt es unterschiedliche Ansätze, viele basieren auf
bildgebenden, andere auf regelbasierten Verfahren. Die Spannbreite ist groß und es kommt darauf an, die richtige
Methode zu wählen. Um die Anwendungsszenarien rund um Computer Vision in die Praxis umzusetzen, sind zunächst
vor allem ausreichende Bilddatensätze und annotiertes Wissen notwendig. Die Bilder müssen entsprechend gelabelt
sein, damit der Algorithmus weiß, wie zum Beispiel ein korrektes oder ein fehlerhaftes Bauteil aussieht. Mit
diesem Input wird der Algorithmus trainiert.
Ein Hindernis für viele Anwender ist immer noch das fehlende Wissen über Künstliche Intelligenz. Der
Erklärungsbedarf ist oft hoch und der Umgang mit neuen Technologien ist eine Herausforderung, vor allem im
Produktionsumfeld mit Bestandslösungen. KI-Projekte finden daher oft außerhalb der eigentlichen Produktion in
Innovation Hubs statt.
Dort fehlt jedoch oft der Input aus der Fertigungspraxis und vor allem die
kontinuierliche Integration in die Prozesse.
Video KWS 3000-CML – Leistungsfähige Workstation für Machine Learning und AI Workflows