Haben Sie Fragen?
Wir beantworten Sie gerne
Mehr Details und Antworten auf häufige Fragen finden Sie in unseren FAQ’s.
KI-basierte, visuelle Qualitätsinspektion nutzt Deep Learning, um Produktionsteile automatisch auf Qualitätsdefekte zu inspizieren und zu klassifizieren. Konkret erfasst eine Industriekamera ein Bauteil; der lokal laufende Edge-Algorithmus analysiert das Bild auf Basis eines zuvor eigens vom Kunden trainierten Modells. Das Prüfergebnis wird in Echtzeit ausgegeben, dokumentiert und an nachgelagerte Systeme übergeben. Die KI erlernt visuelle Fehlermuster aus realen Produktionsbildern – ein Ansatz, der zu bis zu 31-fach höherer Erkennungsgenauigkeit und deutlich niedrigeren Pseudofehlerquoten führt. 36ZERO Vision setzt diese Technologie als reine, software-definierte Plattform um.
Ja. 36ZERO Vision funktioniert mit allen gängigen Industriekamerasystemen unabhängig von Hersteller, Modell und Anschlusstyp (z. B. GigE Vision, USB3 Vision). Die meisten Kamerasysteme unterstützen den GenICam-Standard, was eine unkomplizierte Einbindung ermöglicht. Bestehende Installationen können per Retrofit aufgewertet werden – Infrastrukturinvestitionen bleiben damit geschützt. Produzierende Unternehmen behalten die Freiheit, Kameraequipment nach technischen und wirtschaftlichen Kriterien unabhängig von der KI-Plattform zu wählen.
Der Einstieg mit 36ZERO Vision ist bewusst niedrigschwellig gestaltet: Ein erstes KI-Prüfmodell ist nach einem rund 45-minütigen Onboarding verfügbar, ausgehend von typischerweise 5–20 Trainingsbildern pro zu erkennender Fehlerklasse. Die vollständige Produktionsintegration – inklusive SPS-Anbindung, Netzwerk-Integration und Systemvalidierung – dauert je nach Komplexität der Produktionsumgebung typischerweise einige Tage. Für den Start werden lediglich ein Industrie-PC für Vision-Applikationen als Edge-Client, eine kompatible Industriekamera und der Zugang zur Cloud-Plattform benötigt.
36ZERO Vision ist nach ISO/IEC 27001:2022 zertifiziert, dem weltweit anerkannten Standard für Informationssicherheitsmanagementsysteme – und verarbeitet personenbezogene Daten DSGVO-konform. Die hybride Architektur stellt sicher, dass sensible Produktionsdaten und Prüfbilder die Produktionsumgebung im laufenden Betrieb nicht verlassen: Die Bildauswertung erfolgt vollständig lokal im Edge-Client, nur Modelltraining und -verwaltung laufen in der Cloud. Personenidentifizierbare Merkmale in Produktionsbildern können vor der Speicherung automatisch anonymisiert werden. Für sicherheitskritische Branchen wie Pharma, Medizintechnik und Defense bietet 36ZERO Vision zudem eine Speziallösung mit on-premise Training an. Darüber hinaus steht ein dediziertes Compliance-Team für technische Due-Diligence-Anfragen bereit (security@36zerovision.com).
KI-basierte, visuelle Qualitätsinspektion ist grundsätzlich für alle Fertigungsprozesse geeignet, in denen Qualitätskriterien visuell erkennbar sind. 36ZERO Vision fokussiert sich auf folgende Branchen: Automobilindustrie und Automotive-Zulieferkette (Karosserie, Presswerk, Lackierung, Fahrwerk); Elektroindustrie und Elektronikfertigung (Leiterplatten PCB, Kabelbäume, Batteriezellen, SMD-Bestückung); Pharmaindustrie und Medizintechnik (Primärverpackung, Blister, Medizinprodukte, Implantate); Maschinen- und Anlagenbau (Einzelfertigung, Kleinserien, Sondermaschinenbau); Metall- und Stahlindustrie (Blech, Band, Guss, Schmiede, Schweißnaht); sowie Textilindustrie (Garn, Gewebe, technische Textilien, Bahnware). Entscheidend ist dabei nicht die Branche, sondern ob die Qualitätsmerkmale durch Kamerabilder erfassbar sind.
36ZERO Vision unterscheidet sich durch einen eigens entwickelten, robusten Tech-Stack, die No-Code Self-Service Philosophie mit typischerweise 5–20 Trainingsbildern ohne Programmierkenntnisse sowie die proprietäre Deep Learning-Architektur mit nachgewiesener 31-fach besserer Fehlererkennung. Als software-definierte Plattform ist 36ZERO Vision vollständig hardware-agnostisch – Kunden behalten die freie Wahl ihrer Kamerasysteme und sind nicht an proprietäre Hardware-Ökosysteme gebunden. Das Ergebnis ist vollständige Anwenderautonomie: Die Abhängigkeit von externen Machine-Vision-Experten entfällt.