✨ AI Kontextualisierung
Ein abgebrochener Kekszacken oder eine nicht in der korrekten Füllmenge ausgelieferte Bierflasche können ärgerlich für den Kunden und vor allem problematisch für den Produzenten sein. Gar nicht zu sprechen von einem nagelneuen Auto, bei dem der Lack ein paar unschöne Macken hat oder sonstige Schönheitsfehler aufweist und damit für einen Kratzer im Image des Herstellers sorgen kann. Bei genau dieser Problematik setzt Wahtari mit seinem Produkt SmartCam an.
+++ Mehr zum Thema Künstliche Intelligenz +++
SmartCam: Qualitätskontrolle mit der AI-Kamera
„Der Kunde kommt mit einem Problem auf uns zu – etwa damit, dass Kekse zu dunkel sind oder Zacken abbrechen“, bedient sich Co-Founder und Managing Director Sebastian Borchers eines einfachen Beispiels. Dass Wahtari nicht bei den Produktionsbedingungen ansetzt, liegt auf der Hand. Aber deren Kamera kann dazu beitragen, die Kekse zu erkennen, die vom Idealkeks abweichen. Dasselbe gilt auch für Bierflaschen und deren Füllmenge oder Lackierungen von Autos. Die SmartCam kann, ist diese erst darauf trainiert und konditioniert, von der Wunschnorm abweichende Ergebnisse erkennen.
AI mit (Keks-)Bildern „trainieren“
Das Prinzip ist dabei, obwohl natürlich im technischen Detail sehr komplex, eigentlich einfach. Die mit einem AI-Chip ausgestattete Kamera wird beispielsweise mit möglichst vielen Bildern von guten und schlechten Keksen, um bei diesem Beispiel zu bleiben, gefüttert. Nach und nach erkennt die intelligente Kamera die Unterschiede und kann damit auch zwischen vom Hersteller gewünschten Produkten und unerwünschten Erzeugnissen differenzieren.
„Damit das alles funktioniert, braucht es Filter“, gibt Borchers vertiefende Einblicke in die AI-Praxis. Der erste Schritt dazu sei das „labeln der Bilder“, dann könne man im zweiten Schritt damit beginnen, die künstliche Intelligenz zu trainieren, skizziert der Gründer. Erst danach können, im Zusammenspiel zwischen Hardware und Software und mittels Bilderkennung, gute Ergebnisse erzielt werden. Das Labeln muss man sich dabei laut Borchers als eine „Art von Box“ vorstellen, die man über ein Objekt zieht, das man erkennen möchte. Dieser Vorgang wird von Schritt zu Schritt einfacher, weil die AI langsam beginnt, selbst schon Boxen vorzuschlagen.
Mehrere Wege zum Ziel
Zum gewünschten Ergebnis bei der Qualitätskontrolle von Produkten gelangt man mit Wahtari und seiner schlauen Kamera auf mehre Arten. „Es können auch andere Firmen bereits Bilder machen, sie durchlabeln und wir im Hintergrund schon ein erstes AI-Modell trainieren“, erklärt Borchers. Wenn gewollt kann der Kunde aber auch selbst labeln oder Wahtari damit betrauen, das diesbezüglich mit einem Unternehmen in Dubai kooperiert.
Dass die Technologie funktioniert und Anwendungsfelder findet, zeigt auch das Wiener AI-Startup MoonVision, das ein vergleichbares Konzept verfolgt. Nach einem anfänglichen Fokus auf die Oberflächenerkennung von Speisen und Getränken in der Gastronomie spezialisiert man sich mit der Software, die sogar über eine Handykamera funktioniert, inzwischen auf die Qualitätskontrolle in der Industrie.
Wahtari: All-in-One-Lösung und Sicherheit als USP
Den USP von Wahtari und der SmartCam sieht Sebastian Borchers aber dennoch als ganz handfest an. „Eine All-in-One-Lösung, also das Zusammenschalten von labeln, AI-Training, Software und Hardware hat sonst niemand“, hebt Borchers hervor. Dazu komme die Flexibilität der Hardware: „Unsere Kamera kann auf alle Einsatzgebiete einfach angepasst werden, indem man den Bildsensor austauscht“.
Nicht zuletzt sei es auch die Sicherheit, die die Software der SmartCam auszeichne. „Bei der gesamten Erkennung werden bei uns keine Daten an amerikanische Server geliefert“, verspricht Borchers. „Wir kennen uns jedenfalls mit Sicherheit aus, schließlich war Wahtari ursprünglich eine IT-Sicherheitsfirma“, betont er. Das sechsköpfige Team um die Gründer Sebastian Borchers, Marwin Gambel und Roland Singer sieht sich jedenfalls für die Zukunft, nicht nur in Sicherheitsfragen, bestens gerüstet.
