Auf der VISION 2026, die vom 6. bis 8. Oktober in Stuttgart stattfindet, wird diese Entwicklung besonders sichtbar. Embedded Vision, Deep Learning, intelligente Kameras sowie Prozessoren und Rechnerkomponenten gehören zu den zentralen Themen der Weltleitmesse für Bildverarbeitung. Auch AI in Produktionsprozessen steht mit täglichen VDMA AI Guided Tours explizit im Messeprogramm.

Für die deutsche Edge-Computing-Plattform Edgizer^® entsteht daraus eine neue Herausforderung: Je intelligenter Vision-Systeme werden, desto wichtiger wird die Infrastruktur für ihren dauerhaften Betrieb.

Aus Machine Vision wird zunehmend ein Softwareprodukt

Industrielle Kameras werden häufig über viele Jahre innerhalb von Maschinen und Produktionsanlagen betrieben. Die darauf eingesetzte Software entwickelt sich dagegen wesentlich schneller.

Neue KI-Modelle verbessern die Fehlererkennung. Neue Algorithmen ermöglichen zusätzliche Prüfverfahren. Anwendungen werden aktualisiert und Sicherheitsanforderungen verändern sich.

Die VISION 2026 zeigt diese Entwicklung bereits deutlich. Anbieter präsentieren AI- und Embedded-Vision-Technologien, während sich KI zunehmend über den eigentlichen Bildverarbeitungsalgorithmus hinaus auf Entwicklung, Deployment und Betrieb von Machine-Vision-Anwendungen ausweitet.

Damit verändert sich auch der Lebenszyklus industrieller Vision-Systeme.

„Die Kamera wird zunehmend zum Computer und die Maschine immer stärker zu einem softwaredefinierten System“, sagt Frank Radeck, Leiter Entwicklung bei Edgizer^®. „Damit entsteht eine neue Aufgabe: Die Intelligenz eines Systems muss sich über Jahre weiterentwickeln lassen, ohne bei jeder neuen Anwendung oder jedem neuen KI-Modell die Hardware austauschen zu müssen.“

KI dort verarbeiten, wo die Daten entstehen

Gerade industrielle Bildverarbeitung eignet sich für Edge Computing. Kameras erzeugen große Datenmengen und viele Anwendungen erfordern kurze Reaktionszeiten.

Werden Bilddaten direkt innerhalb der Maschine oder Produktionsumgebung verarbeitet, können Entscheidungen unmittelbar vor Ort getroffen werden. Ein Vision-System kann beispielsweise ein fehlerhaftes Bauteil erkennen und direkt eine Aktion innerhalb des Produktionsprozesses auslösen.

Gleichzeitig müssen nicht sämtliche Rohdaten dauerhaft an zentrale Cloud-Systeme übertragen werden.

Edge Computing verschiebt damit nicht nur Rechenleistung näher an die Kamera. Es schafft auch die Voraussetzung dafür, KI-Anwendungen direkt in den industriellen Prozess zu integrieren.

Die Herausforderung beginnt nach dem ersten erfolgreichen Modell

Mit wachsender Zahl intelligenter Systeme entsteht jedoch eine weitere Herausforderung.

KI-Modelle und Anwendungen müssen verteilt, aktualisiert und über ihren gesamten Lebenszyklus verwaltet werden. Unterschiedliche Softwarestände und Hardwaregenerationen müssen beherrschbar bleiben. Sicherheitsupdates müssen kontrolliert ausgerollt werden können.

Aus einem einzelnen intelligenten Vision-System wird damit eine verteilte Software-Infrastruktur.

Genau hier setzt Edgizer^® an. Die Plattform ermöglicht es, containerisierte Anwendungen zentral bereitzustellen und auf Edge-Systeme zu verteilen. Device Management, Software Deployment und Update-Prozesse werden dabei über eine zentrale Plattform zusammengeführt.

„Der erfolgreiche KI-Pilot ist nicht das Ende der Entwicklung“, erklärt Radeck. „Interessant wird es, wenn ein Maschinenbauer dieselbe Anwendung über eine komplette installierte Maschinenflotte betreiben und über Jahre weiterentwickeln möchte. Dann wird aus Machine Vision eine Lifecycle-Aufgabe.“

Neue digitale Geschäftsmodelle für Maschinenbauer

Für Maschinenbauer eröffnet diese Entwicklung auch wirtschaftlich neue Möglichkeiten.

Wird die Intelligenz einer Maschine zunehmend durch Software bestimmt, endet die Produktentwicklung nicht mehr zwangsläufig mit der Auslieferung.

Neue Vision-Funktionen können später ergänzt werden. Verbesserte KI-Modelle können bestehende Systeme leistungsfähiger machen. Zusätzliche Analyse- oder Qualitätsfunktionen können als digitale Services angeboten werden.

Aus einer einmal verkauften Funktion kann so eine kontinuierlich weiterentwickelte Dienstleistung entstehen.

Damit rücken auch neue Geschäftsmodelle in den Fokus: Software-Abonnements, zusätzliche Vision-Funktionen, Performance Services oder KI-basierte Qualitätsservices können den klassischen Maschinenverkauf ergänzen.

Cloud und Edge wachsen zusammen

Edgizer^® sieht die Zukunft dabei nicht in einer Entscheidung zwischen Cloud und Edge.

Zentrale Infrastrukturen bleiben wichtig für Entwicklung, Training, übergreifende Analysen und die Verwaltung von Anwendungen. Die Ausführung zeitkritischer KI-Anwendungen findet dagegen zunehmend dort statt, wo die Daten entstehen.

Cloud und Edge übernehmen unterschiedliche Aufgaben innerhalb derselben Architektur.

„Die spannende Entwicklung auf der VISION ist deshalb nicht nur, dass Kameras immer intelligenter werden“, sagt Radeck. „Entscheidend wird sein, wie einfach wir diese Intelligenz anschließend über den gesamten Lebenszyklus einer Maschine betreiben können.“

Damit entwickelt sich Machine Vision zunehmend von einer einzelnen Automatisierungsfunktion zu einem Bestandteil verteilter Edge-Infrastrukturen.

Die Kamera wird zum Computer. Machine Vision wird zu Software. Und Software braucht Lifecycle Management.