Kommentar von Henrik Hasenkamp, Gridscale KI und Edge Computing – ein perfektes Duo für die Qualitätskontrolle

Von Henrik Hasenkamp 4 min Lesedauer

Anbieter zum Thema

Zehn Millionen Euro kostet ein Produktrückruf im Durchschnitt. Eine Studie der Allianz hat ermittelt, dass vor allem die Automobil- und Lebensmittelindustrie betroffen sind. Doch Produktrückrufe können für jede Industrie teuer und im schlimmsten Fall rufschädigend sein. Künstliche Intelligenz in Verbindung mit Edge Computing kann Unternehmen davor schützen.

Der Autor: Henrik Hasenkamp ist CEO von Gridscale(Bild:  Gridscale)
Der Autor: Henrik Hasenkamp ist CEO von Gridscale
(Bild: Gridscale)

Immer mehr Hersteller setzen in ihren Produktionsstätten Kameras und Sensoren ein, um die Qualitätskontrolle durch Mitarbeiter mit technischen Verfahren zu ergänzen. Doch in einer Ära, in der sich die Technologie rasant weiterentwickelt, eröffnen sich neue Möglichkeiten, die Qualitätssicherung auf ein ganz neues Level zu heben.

KI und Computer Vision: Die Revolution in der Qualitätskontrolle

KI-basierte Computer Vision hat in den letzten Jahren immer breitere Einsatzbereiche erobert. Dabei geht es um die automatisierte Interpretation von Bildern oder Videos und darauf basierenden Entscheidungen. Diese Technologie ermöglicht Maschinen, visuelle Informationen zu verstehen, Muster zu erkennen und schnelle Entscheidungen zu treffen. In der Qualitätskontrolle bedeutet das, dass Produkte auf Unregelmäßigkeiten überprüft werden können, ohne dass menschliche Überwachung rund um die Uhr erforderlich ist.

Die Herausforderung bei KI-basierten Qualitätskontrollsystemen liegt jedoch in der Notwendigkeit großer Mengen an Trainingsdaten. Damit KI-Modelle zuverlässige Ergebnisse liefern können, müssen sie mit einer Fülle von Bildern und Videos ausgestattet werden, die als Beispiele für akzeptable und nicht akzeptable Produktzustände dienen. Dieser Prozess kann zeitaufwendig und kostenintensiv sein. Außerdem müssen die Modelle kontinuierlich aktualisiert werden, um mit Veränderungen in der Produktion Schritt zu halten.

Edge Computing: Die Antwort auf Latenzprobleme

Um die Produktionszeiten nicht verringern zu müssen und gleichzeitig die Anforderungen an die Qualitätskontrolle zu erfüllen, erfolgt die Datenverarbeitung zunehmend direkt an den Sensoren. Hier kommt Edge Computing ins Spiel. Es ermöglicht die lokale Verarbeitung von Daten in unmittelbarer Nähe zu den Sensoren, was die Latenzzeit erheblich reduziert.

Die Reduzierung der Latenzzeit ist in der Qualitätskontrolle von entscheidender Bedeutung. Wenn eine Maschine eine Unregelmäßigkeit erkennt und diese Information zur weiteren Verarbeitung an ein entferntes Rechenzentrum senden muss, vergeht wertvolle Zeit, die in kritischen Situationen den Unterschied zwischen einem qualitativ hochwertigen Produkt und einem defekten Produkt ausmachen kann. Edge Computing erlaubt es, die Datenverarbeitung so nah wie möglich am Ort des Geschehens durchzuführen, wodurch die Reaktionszeit dramatisch verkürzt wird.

Edge Computing – eine kurze Definition

Edge Computing ist ein Konzept in der Informationstechnologie, bei dem Datenverarbeitung und -speicherung näher an der Quelle der Daten, also am "Rand" eines Netzwerks oder einer Infrastruktur, durchgeführt werden. Im Gegensatz zur herkömmlichen Cloud-Computing-Infrastruktur, bei der Daten in entfernten Rechenzentren verarbeitet werden, erfolgt die Datenverarbeitung beim Edge Computing in unmittelbarer Nähe zu den Endgeräten, Sensoren oder Datenquellen.

Schlüsselmerkmale und -aspekte des Edge Computing sind:

Nähe zur Datenquelle: Edge-Systeme werden nahe der Datenquelle oder dem Endgerät platziert, um Latenzzeiten zu reduzieren und die unmittelbare Verarbeitung von Daten zu ermöglichen. Dies ist besonders wichtig für Anwendungen, bei denen Echtzeitverarbeitung entscheidend ist, wie z. B. autonomes Fahren oder IoT-Anwendungen.

Lokale Verarbeitung: Edge-Computing-Geräte sind in der Lage, Daten vor Ort zu verarbeiten, ohne sie an entfernte Server oder die Cloud senden zu müssen. Dies ermöglicht die Entlastung von Netzwerkbandbreite und die Verbesserung der Datenschutz- und Sicherheitsaspekte.

Skalierbarkeit: Edge-Computing-Infrastrukturen können je nach Bedarf skaliert werden, um Anforderungen in verschiedenen Umgebungen zu erfüllen.

Redundanz und Ausfallsicherheit: Die dezentrale Natur des Edge Computing kann die Ausfallsicherheit erhöhen, da ein Ausfall an einem Ort nicht zwangsläufig das gesamte System beeinträchtigt.

Anwendungsbereiche: Edge Computing wird in verschiedenen Anwendungsbereichen eingesetzt, darunter das Internet der Dinge (IoT), industrielle Automatisierung, Gesundheitswesen, autonomes Fahren, Augmented Reality (AR) und Virtual Reality (VR) sowie Telekommunikation.

Kombination mit Cloud Computing: Oft wird Edge Computing in Kombination mit Cloud Computing eingesetzt, wodurch hybride Architekturen entstehen, bei denen Daten je nach Anforderung zwischen Edge-Systemen und der Cloud verschoben werden.

Die Kombination von KI und Edge Computing bietet zahlreiche Vorteile für die Qualitätskontrolle:

  • 1. Effizienzsteigerung: KI kann schneller und genauer als Menschen Muster erkennen und Abweichungen identifizieren. Das führt zu einer Steigerung der Effizienz in der Qualitätskontrolle und ermöglicht die Verarbeitung großer Datenmengen in Echtzeit.
  • 2. Kosteneinsparungen: Der Einsatz von KI-Systemen reduziert den Bedarf an menschlicher Überwachung und minimiert so die Personalkosten. Gleichzeitig werden dank Edge Computing die Kosten für die Übertragung großer Datenmengen in externe Rechenzentren gesenkt.
  • 3. Qualitätsverbesserung: KI-basierte Systeme sind in der Lage, subtile Abweichungen zu erkennen, die für das menschliche Auge schwer zu identifizieren sind. Dies führt zu einer insgesamt höheren Produktqualität und reduziert das Risiko von Produktrückrufen.
  • 4. Echtzeitüberwachung: Durch die Verarbeitung von Daten direkt an den Sensoren können Unternehmen ihre Produktionsprozesse in Echtzeit überwachen und bei Bedarf sofort eingreifen, um Qualitätsprobleme zu beheben.
  • 5. Skalierbarkeit: Die gängigen Lösungen am Markt sind skalierbar und passen sich den individuellen Anforderungen jedes Unternehmens an. Ob es sich um die Produktion von Lebensmitteln, Automobilen oder anderen Produkten handelt, KI und Edge Computing können nahtlos in die bestehende Infrastruktur integriert werden.

Die Kombination von KI und Edge Computing ist zweifellos ein Schlüssel zur Revolutionierung der Qualitätskontrolle in der Produktion. Sie ermöglicht es Unternehmen, kostspielige Rückrufe zu vermeiden, die Produktqualität zu steigern und insgesamt effizienter zu arbeiten. Mit den richtigen Technologiepartnern an ihrer Seite können Hersteller sicherstellen, dass sie auf dem neuesten Stand der Technik sind und den wachsenden Anforderungen an die Qualitätskontrolle gerecht werden.

Artikelfiles und Artikellinks

(ID:49806772)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung