⚡ 100 ms Defekterkennung

Defekte in Bauteilen automatisch erkennen – in Echtzeit.

Unsere KI prüft Bauteile auf Bildern in nur 100 Millisekunden, markiert auch kleinste Defekte präzise und liefert Ergebnisse, die mit dem Goldstandard messbar übereinstimmen.

100 ms pro Bild
Hohe IoU vs. Goldstandard
100 % Made in Germany
Live Analyse Bauteil #A-2941

Warum unsere KI-Defekterkennung?

Eine industrietaugliche Lösung, die Geschwindigkeit, Präzision und Datenschutz vereint – komplett aus Deutschland.

Blitzschnell: 100 ms pro Bild

Echtzeit-Erkennung in der laufenden Produktion oder im Stapelbetrieb über die Job-Queue – ohne spürbare Verzögerung.

🎯

Auch kleinste Defekte

Risse, Kratzer, Einschlüsse oder Verformungen – unser Modell erkennt feinste Abweichungen, die das menschliche Auge leicht übersieht.

📐

Messbar präzise (IoU)

Hohe Übereinstimmung zwischen Goldstandard und KI-Ergebnis – objektiv messbar über die etablierte Intersection-over-Union-Metrik.

🔒

Autark & Cloud-frei

Läuft komplett bei Ihnen vor Ort. Kein ChatGPT, kein Azure, keine externe KI-Cloud – Ihre Bilder bleiben Ihre Bilder.

💶

Günstige Hardware

Ein Low-Cost-KI-Server reicht für den produktiven Betrieb. Keine teuren Spezial-GPUs, keine laufenden Cloud-Kosten.

🇩🇪

100 % Made in Germany

Entwicklung, Training, Hosting und Support – vollständig in Deutschland. DSGVO-konform, rechtssicher, ansprechbar.

Souveräne KI · Made in Germany

Vom Bauteilbild zum erkannten& markierten Defekt – in 100 Millisekunden

Input
Bauteil über API
KI-MODELL
Output
DEFEKT
markiert · IoU präzise
~100 ms
🔒Autark · keine Cloud
🎯IoU-präzise
🇩🇪Made in Germany
⟨/⟩API · Echtzeit & Queue
🔁übertragbar

So funktioniert die Lösung

In wenigen Schritten von Ihren Bauteilbildern zum produktiven KI-Modell – schnell und unkompliziert.

Beispielbilder sammeln

Schon einige hundert Beispiele genügen. Sind es weniger, multiplizieren wir per synthetischer Manipulation.

Defekte annotieren

Mit unserem eigenen, leistungsfähigen und komfortablen Annotations-Werkzeug markieren Sie Defekte effizient.

KI-Modell trainieren

Wir trainieren ein maßgeschneidertes Modell speziell für Ihre Bauteile und Defektklassen.

Produktiv einsetzen

Per API in Ihre Systeme integriert – live in 100 ms oder als Job in der Queue für Massenrequests.

Souveräne KI · Defekterkennung

Walkthrough

Von der Annotation einiger Beispielbilder zum trainierten Modell – und im Betrieb von einem Bauteilbild in rund 100 Millisekunden zur markierten Stelle.

Phase 1 · Einmaliges Setup

Training: aus Beispielen ein eigenes Modell

Einige hundert Bilder werden annotiert. Bei knapper Datenlage erweitern synthetische Varianten den Bestand. Daraus entsteht ein spezifisch trainiertes Modell.

Annotierte Beispiele
Annotation
Defekte werden mit einem komfortablen Werkzeug eingezeichnet
Training
Lernen
Das Modell lernt die Struktur der Defekte – inkl. synthetischer Erweiterungen
KI Trainiertes Modell
Modell
Ein eigenes, spezifisch trainiertes KI-Modell – einsatzbereit
Phase 2 · Im Betrieb

Defekterkennung in rund 100 Millisekunden

Ein Bauteilbild wird über die API an den KI-Server geschickt. Das Modell prüft, lokalisiert und markiert – die Antwort kommt nahezu sofort.

Bauteilbild
Eingang über API – einzeln in Echtzeit oder gestapelt per Queue
⚡ ~100 ms { API }
KI-Server
Souverän · autark · Low-Cost-Hardware · Daten bleiben im Haus
DEFEKT IoU ↑
Ergebnis
Defekt lokalisiert und markiert – mit hoher IoU-Übereinstimmung zum Goldstandard

~100 ms pro Bild

Schnelle Antwort, geeignet für die Inline-Prüfung in der laufenden Produktion.

🔒

Souverän & autark

Eigener Server, kein Cloud-Anbieter, keine ChatGPT- oder Azure-Verbindung. Daten bleiben im Haus.

📐

Messbar präzise

Qualität über IoU quantifiziert – Übereinstimmung mit dem manuellen Goldstandard.

🔁

Übertragbar

Die Problemstruktur ist gelöst. Adaption an neue visuelle Aufgaben wirtschaftlich leistbar.

Qualität messbar gemacht

Goldstandard vs. KI – objektiv vergleichbar

Wir messen die Qualität der Defekterkennung über die Intersection over Union (IoU): Wie stark überlappt der von der KI markierte Bereich mit der von Experten festgelegten Referenz? Je höher der Wert, desto besser. Unser Modell erreicht eine sehr hohe Übereinstimmung mit dem Goldstandard.

Goldstandard (Experte)
KI-Ergebnis
KI-Inspektion Aktiv
Defekterkennung · Souveräne KI
Modell: sov-det-v1
Status: BEREIT
BAUTEIL #B-2847 Defekterkennung CAM-02 · 2048×2048 sov-det-v1
DEFEKT 0,0 300,0 0,300 300,300
Intensitätsprofil · Scan-Achse Y ▲ Defekt bei Y≈150
0 Y150 300
Systemstatus
Analyse läuft
Erkennungsqualität
IoU-Wert0.94
Konfidenz98.4 %
Verarbeitungszeit
0ms
Ergebnis
⚠ Defekt erkannt
Lokalisation eingezeichnet
Typ: Oberflächenriss · Bereich: Außenring
Betriebsmodus
🔒
Autark · keine Cloud
Daten verlassen das Haus nicht
🇩🇪
Made in Germany
Low-Cost-KI-Server, lokal betrieben
API
API verfügbar
Echtzeit & Queue (Batch)

Nahtlose Integration per API

Greifen Sie aus Ihrem Programm direkt auf die Defekterkennung zu – synchron in Echtzeit oder asynchron per Job-Queue für große Mengen.

  • Aufgabe per HTTP-Request übergeben, Ergebnis sofort zurückerhalten
  • Massenverarbeitung über Job-Queue mit zuverlässiger Statusabfrage
  • Ergebnis enthält Position, Bounding Box und Konfidenz jedes Defekts
  • Keine Bindung an Cloud-Anbieter – API läuft auf Ihrem KI-Server
  • Klare Schnittstelle, leicht in bestehende ERP-, MES- oder Prüfsysteme einbindbar
defect-detection · API Beispiel
# Bild an die KI senden (Python)
import requests

with open("bauteil.jpg", "rb") as f:
    r = requests.post(
        "https://ihr-ki-server/api/detect",
        files={"image": f}
    )

result = r.json()
# {"defects":[{"box":[118,48,154,96],
#              "label":"riss","score":0.96}],
#  "time_ms": 87}

Flexibel im Betrieb: Mieten oder Selbst betreiben

Wählen Sie das Modell, das zu Ihrem Unternehmen passt – wir beraten Sie individuell.

📦

Günstige Miet-Lösung

Sie nutzen die fertig eingerichtete KI-Lösung gegen eine planbare Miete – ohne große Investition und mit voller Betreuung.

🛡️

Eigenbetrieb mit Escrow-Modell

Sie betreiben die Lösung selbst – inklusive Escrow-Hinterlegung für maximale Investitions- und Zukunftssicherheit.

🔁 Übertragbar

Nicht nur Bauteile – die Lösung wächst mit Ihren Anwendungsfällen

Das gleiche Verfahren lässt sich auf weitere Bilderkennungs-Aufgaben übertragen: Qualitätskontrolle anderer Produkte, Klassifikation, Objekterkennung, Sortierung und vieles mehr. Sprechen Sie uns auf Ihre konkrete Idee an.

🖼️

Beispiele für weitere Einsatzfelder

Oberflächeninspektion · Schweißnaht­prüfung · Verpackungskontrolle · Objekt­zählung · Sortier­anlagen · Mustererkennung · Qualitäts­dokumentation.

Dr.
DSGVO
Powered by Dr. DSGVO

Digitaler Datenschutz und sichere KI

Unsere Lösungen werden konsequent nach den Prinzipien von Dr. DSGVO umgesetzt: datenschutzfreundlich, transparent und sicher. Ihre Bilddaten verlassen die eigene Infrastruktur nicht – ohne Cloud-KI, ohne Drittanbieter, ohne Risiko.

Bereit für Ihre eigene KI-Defekterkennung?

Lassen Sie uns gemeinsam prüfen, ob und wie die Lösung zu Ihrem Anwendungsfall passt. Unverbindlich, ehrlich und kompetent.

Beratung erhalten

Häufige Fragen

Die wichtigsten Antworten rund um unsere KI-Defekterkennung.

Die Erkennung benötigt etwa 100 Millisekunden pro Bild. Damit eignet sich die Lösung für die Echtzeit-Prüfung in der laufenden Produktion ebenso wie für die Stapel­verarbeitung großer Bildmengen.
Einige hundert Beispiele sind eine gute Ausgangsbasis. Sollten weniger vorliegen, multiplizieren wir den Datenbestand über synthetische Manipulation – häufig reicht das aus, um ein zuverlässiges Modell zu trainieren.
Wir nutzen ein eigenes, leistungsfähiges und komfortables Annotations-Werkzeug. Damit lassen sich Defekte präzise, schnell und konsistent markieren – auch über große Bildmengen hinweg. Ein Defekt kann im einfachen Fall über einen Rechtecksbereich definiert werden. Komplexere Annotationen und Lernmechanismen wie Polygone sind möglich und Standard.
IoU (Intersection over Union) ist eine etablierte Metrik, die die Überlappung zwischen dem von Experten festgelegten Goldstandard und dem KI-Ergebnis misst. Je höher der IoU-Wert, desto präziser arbeitet das Modell. Wir messen damit objektiv und transparent.
Nein. Die Lösung läuft autark auf Ihrem eigenen KI-Server (Miete und Betrieb in unserem Rechenzentrum oder Kauf). Es wird kein ChatGPT, kein Azure und keine andere Cloud-KI verwendet. Ihre Bilddaten bleiben vollständig in Ihrem Haus.
Ein Low-Cost-KI-Server genügt für den produktiven Betrieb. Wir empfehlen Ihnen gerne ein passend dimensioniertes Modell – ohne teure Spezial-Hardware. Entweder Kaufberatung oder Miete eines KI-Servers über uns.
Ja. Sie können aus Ihrer eigenen Software heraus auf die Defekterkennung zugreifen – entweder synchron in Echtzeit oder asynchron als Job in einer Queue für Massenrequests.
Sie können die Lösung günstig mieten oder selbst betreiben. Für den Eigenbetrieb bieten wir ein Escrow-Modell zur Investitionssicherheit.
Ja. Das Verfahren lässt sich auf zahlreiche Bilderkennungs-Aufgaben übertragen – zum Beispiel Oberflächeninspektion, Verpackungskontrolle, Sortierung oder Objektklassifikation.
2D
Flächenbilder
Klassische Kamerabilder – ideal für Oberflächen, Etiketten und Sortierung.
&
3D
Räumliche Objekte
Tiefeninformationen z. B. per Stereoskopie – für Form, Volumen und Geometrie.
Beides aus einer Pipeline – ohne zusätzliche Infrastruktur.

Sprechen Sie uns auf Ihren Anwendungsfall an.
Vollständig in Deutschland – von der Entwicklung über das Training bis hin zum Support. Datenschutz nach DSGVO ist für uns selbstverständlich.