1     Unser Beitrag: Edge-zu-Cloud, Werkerfeedback & schnelle Adaption

Skalierbare Auswerteplattform & KI-Modelle. Wir haben eine Cloud-Architektur aufgebaut, in der allgemeine Modelle und applikationsspezifische Kalibrierungen zusammenspielen. Das System bildet die Basis, um neue Use Cases „plug-and-play“ zu integrieren – mit klaren Schnittstellen und Top-Level-Architektur. Ergebnis: neue Anwendungen lassen sich in wenigen Tagen bis Wochen feinjustieren.

Rückmeldesystem mit Werkeransicht. Direkt am Arbeitsplatz bekommt der Bediener alles Relevante angezeigt – inklusive konkreter Fehlerbeschreibung in der Zeitleiste, Zoomen für Detailprüfung und Prozessauswahl bei Produktwechseln. Verwaltende Nutzer passen Schwellwerte & Hyperparameter selbst an und blenden Klassen/Fehlertypen nach Bedarf ein/aus. Das reduziert Reibung, erhöht die Erkennungsrate und hält das System flexibel.

‍

‍

Historienanalyse für Qualität & Prozess. Neben der Live-Rückmeldung gibt es eine gesammelte Ansicht mit Filterfunktionen über alle Aufnahmen. Qualität und Prozessingenieurwesen sehen Häufigkeiten, Zeitverläufe und Beispielbilder – Grundlage für Ursachenanalyse und nachhaltige Prozessverbesserungen.

‍

2    Robust in der Praxis: harte Schnittstellen, stabile Pipelines

Im Verbundtest am Labormessplatz haben wir Schnittstellen gehärtet (u. a. REST-APIs sauber versioniert, robuste Authentifizierung/Autorisierung, Retry-Logiken) und die Edge-zu-Cloud-Pipelines mit Pufferung, QoS und strukturiertem Logging stabilisiert. Zudem wurden Timing/Trigger zwischen Kamera, Roboter und Klebepistole synchronisiert. Ergebnis: stabile Datenübertragung und reproduzierbare Bildqualität – unabhängig von der Handhabung.

‍

‍

Die stationäre Kamera am Arbeitsplatz erwies sich als praxistauglich: gleichbleibende Bildqualität, effiziente Auswertung, geringere Datenmengen. Das Zusammenspiel von Klebepistole, Prüfstand und Auswertesystem erfüllte die Anforderungen an Genauigkeit, Stabilität und Reaktionsgeschwindigkeit.

3     Modell- und Performance-Optimierungen

Auf Basis früher Praxistests haben wir Fehlklassifikationen bei schwankender Beleuchtung und komplexen Hintergründen adressiert und ein leichtes Overfitting reduziert. Parallel wurden Inferenzen beschleunigt (u. a. Pipeline-Optimierungen), Speicherverbrauch gesenkt und die Web-Applikation hinsichtlich Ladezeiten und Fehlertoleranz gehärtet.

‍

4     Was Nutzer heute in die Hand bekommen

·  Werkeroberfläche mit Live-Feedback, konfigurierbaren Parametern, farblichen Markierungen und klarer Fehlerkommunikation.

·  Admin-Funktionen für Modell-Schwellwerte/Hyperparameter sowie UI-Konfiguration ohne Codeänderung.

·  Dokumentation & Handbuch: UI-Guides, Rollen/Rechte, Fehlerszenarien & Troubleshooting; plus API-Spezifikation für die Integration.

‍

5     Validiert – und bereit für den Rollout

Die Abschlusstests am Labormessplatz bescheinigen: hohe Detektionsgenauigkeit, stabile Kommunikation und industrielle Praxistauglichkeit. Mit definierten Idealparametern (Schwellwerte, Toleranzen, Kamera-Setups) lässt sich das System an neuen Einsatzorten zügig in Betrieb nehmen.

Bottomline: ANTICIPATE liefert mit Fluidworks eine produktionstaugliche, skalierbare KI-Auswertung inklusive Werkerführung und Analytics. Das System ist so ausgelegt, dass neue Klebe-Use-Cases schnell adaptiert werden können – und die Architektur bietet eine belastbare Basis, um Verfahren auf weitere Prozesse mit fluiden Materialien zu übertragen.

FKZ KK5556901, Projektlaufzeit 01.08.2023–31.10.2025. Partner: Hochschule Reutlingen, axiss GmbH.

‍