Computer Vision: Definition & Erklärung — Glossar

Computer Vision ist das Teilgebiet der Künstlichen Intelligenz, das Computern ermöglicht, visuelle Informationen aus Bildern oder Videos zu verstehen und zu interpretieren. Was für das menschliche Auge selbstverständlich ist – ein Riss im Bauteil erkennen, eine Verpackung zählen oder ein Kennzeichen lesen – muss einer Maschine beigebracht werden. Computer Vision macht genau das möglich und automatisiert damit Aufgaben, die früher ausschließlich menschliches Sehen erforderten.

Wie funktioniert Computer Vision?

Moderne Computer-Vision-Systeme basieren auf Convolutional Neural Networks (CNNs) – einer speziellen Architektur neuronaler Netze, die darauf optimiert ist, räumliche Muster in Pixeldaten zu erkennen. Das Training läuft über tausende bis Millionen beschrifteter Beispielbilder. Das Modell lernt dabei selbst, welche visuellen Merkmale für eine Klassifikation relevant sind – ohne dass explizite Regeln programmiert werden müssen.

Einsatzgebiete in Industrie und Logistik

Computer Vision ist besonders überall dort wertvoll, wo hohe Volumen, Präzisionsanforderungen oder Geschwindigkeit menschliches Sehen überfordern:

• Qualitätskontrolle in der Produktion: Kameras am Fließband erkennen Oberflächenfehler, Maßabweichungen oder Montagefehler schneller und zuverlässiger als das menschliche Auge.
• Logistik und Lager: Automatische Erkennung von Etiketten, Barcodes, Palettentypen oder Füllständen.
• Dokumentenverarbeitung: Gescannte Dokumente, Lieferscheine oder handschriftliche Formulare werden per Computer Vision ausgelesen und weiterverarbeitet – oft in Kombination mit OCR.
• Zugangskontrolle: Gesichtserkennung oder Kennzeichenerfassung für automatisierte Zutrittssysteme.

Computer Vision im Mittelstand

Lange war Computer Vision teuer und wartungsintensiv. Heute gibt es Cloud-Dienste und On-Premise-Lösungen, die auch für mittelständische Unternehmen wirtschaftlich betreibbar sind. Ein Kamerасystem mit Computer-Vision-Auswertung amortisiert sich in der Qualitätsprüfung oft innerhalb von 12–18 Monaten – durch weniger Ausschuss, weniger Rückläufer und geringeren Prüfaufwand.

Grenzen der Technologie

Computer Vision liefert dann schwache Ergebnisse, wenn die Trainingsdaten die reale Varianz nicht abdecken (z. B. wechselnde Beleuchtung, neue Produktvarianten) oder wenn das Modell auf unbekannte Situationen trifft. Regelmäßiges Nachtraining mit neuen Daten ist deshalb Teil des Betriebs.

Fazit

Computer Vision automatisiert überall dort, wo bisher Augen nötig waren. Für Produktion, Logistik und Qualitätssicherung ist sie heute eine ausgereifte Technologie mit klarem ROI-Potenzial.