Wenn wir uns heute in der industriellen Fertigung umschauen, begegnen uns fast überall traditionelle Machine Vision (MV) Systeme. Diese Systeme haben unbestreitbare Vorteile: Sie sind deterministisch, folgen also festen Regeln, und liefern bei konstanten Umgebungsbedingungen extrem schnelle und klar interpretierbare Ergebnisse. Doch genau hier liegt auch die Krux, denn die Welt in der Fabrik ist selten statisch. Sobald sich das Licht ändert, eine Linse leicht einstaubt oder eine neue Produktvariante über das Band läuft, geraten diese klassischen Algorithmen ins Straucheln. Sie sind unflexibel und verursachen durch ständige Neukalibrierungen und manuelle Audits einen hohen Wartungsaufwand.
Hier setzt die Smart Machine Vision (SMV) an, die ich als die logische Evolution unserer Branche betrachte. Wenn wir künstliche Intelligenz (KI) ins Spiel bringen, gewinnen wir eine enorme Flexibilität. KI-basierte Systeme benötigen kaum Neutraining, wenn die Datenbasis einmal solide steht. Sie sind tolerant gegenüber Variationen in der Beleuchtung oder kleinen Positionsänderungen des Bauteils. Während das klassische System nur Binärentscheidungen wie okay oder nicht okay trifft, kann die KI den Kontext verstehen. Sie erkennt nicht nur den Riss in einer Schweißnaht, sondern kann bewerten, ob das Teil trotz dieses Mangels funktionsfähig bleibt. Sie erkennt Montagezustände und Trends in der Produktion, bevor der Ausschuss überhaupt entsteht. Natürlich hat KI auch ihre Schattenseiten, etwa die höhere benötigte Rechenleistung oder eine schwerere Interpretierbarkeit der Entscheidungslogik, aber die Vorteile überwiegen in einer agilen Produktion bei weitem.
Doch die beste Intelligenz am Sensor nützt uns wenig, wenn sie in einem technologischen Silo gefangen bleibt. In der Industrie haben wir es oft mit heterogenen Systemlandschaften zu tun – hier eine Kamera von Hersteller A, dort eine Steuerung von Hersteller B. Jeder kocht sein eigenes Süppchen mit proprietären Protokollen. Um diese Systeme wirklich vernetzbar und interoperabel zu machen, führt kein Weg an Open Platform Communications Unified Architecture (OPC UA) vorbei. Dieser Kommunikationsstandard hat sich als gemeinsamer Nenner etabliert. Besonders spannend ist hier der Companion Standard OPC 40100-1, auch bekannt als OPC UA for Machine Vision. Dieser Standard normiert den Zugriff auf Bildverarbeitungssysteme völlig unabhängig vom Hardwarehersteller. Er sorgt dafür, dass die Informationen strukturiert in einem einheitlichen Informationsmodell bereitgestellt werden. Ob eine Enterprise Resource Planning (ERP) Lösung oder ein Manufacturing Execution System (MES) Daten abruft, spielt keine Rolle mehr, da die Semantik der Daten durch den Standard definiert ist.
Die Herausforderung für viele Unternehmen liegt allerdings in der Implementierung. Solche Companion-Spezifikationen werden oft als komplexe XML-Dateien bereitgestellt, deren manuelle Umsetzung fehleranfällig und zeitaufwendig ist. Wir setzen hier auf Software Development Kits (SDK), die diesen Prozess massiv beschleunigen. Mit einem solchen Companion SDK können Entwickler direkt mit der Programmierung der Logik starten, statt sich durch tausende Zeilen Standard-Code zu quälen. In meinen Live-Demonstrationen zeige ich regelmäßig, wie einfach es ist, ein Open Neural Network Exchange (ONNX) Modell in einen solchen Server zu integrieren. Ein KI-Modell erkennt beispielsweise Emotionen oder Qualitätsmerkmale in Millisekunden, und der OPC UA Server stellt diese Ergebnisse sofort genormt für das gesamte Netzwerk zur Verfügung. Das ist es, was ich unter einer smarten Lösung verstehe: KI lässt das System sehen und verstehen, während OPC UA für die notwendige Konnektivität sorgt.
Die Frage, ob man ein deterministisches System durch KI ersetzen muss, stellt sich oft gar nicht so drastisch. Man kann beide Welten kombinieren, etwa indem die KI eine Vorselektion trifft und der klassische Algorithmus die finalen Schwellenwerte prüft. So minimiert man den Nicht-Determinismus der KI und nutzt gleichzeitig ihre Flexibilität. Letztlich geht es darum, den Ausschuss zu senken und die Effizienz zu steigern. Wer heute noch auf geschlossene Systeme ohne Standard-Schnittstellen setzt, baut sich die technologischen Hürden von morgen selbst auf. Die Zukunft der Industrie ist offen, vernetzt und vor allem intelligent.
