Vision-KI in der Qualitätskontrolle: 90-Tage-Pilot zum Festpreis für Fertiger

Viele Fertiger haben erste Versuche mit Vision-KI in der Qualitätskontrolle hinter sich. Ein Pilot im Labor, ein paar vielversprechende Demos, dann versandet das Thema im Tagesgeschäft. Gleichzeitig wächst der Druck, Ausschuss zu senken, Personalengpässe in der Sichtprüfung abzufedern und QS-Prozesse auditierbar zu machen.

Genau hier setzt ein klar definierter 90-Tage-Pilot zum Festpreis an. Er gibt Ihnen als COO Planungssicherheit, zwingt alle Beteiligten zu belastbaren Entscheidungen und schafft die Grundlage für einen echten Übergang in den Regelbetrieb, statt in einer Endlosschleife aus PoCs zu verharren. Dieser Beitrag beschreibt, wie ein solcher Pilot für Vision-KI in der Qualitätskontrolle in der Fertigung konkret aussieht.

Warum QK-Vision-Pilote im Mittelstand 2026 scheitern

In vielen mittelständischen Fertigungsbetrieben beginnt ein Vision-KI-Projekt mit einer Demo im Besprechungsraum. Ein Anbieter zeigt Beispiele, die Kamera erkennt Kratzer und Poren auf polierten Oberflächen, alle nicken. Drei Monate später ist von der Euphorie wenig übrig, weil der Pilot an der Realität der Linie scheitert.

Der Verband VDMA berichtet 2025, dass die Quote von Vision-KI-Piloten, die tatsächlich in die Produktion überführt werden, weiterhin unter 30 Prozent liegt (VDMA 2025). Das deutet darauf hin, dass es selten an der Technologie scheitert, sondern an Struktur, Datenbasis und Integration in den laufenden Betrieb.

Typische Gründe für das Scheitern sind:

• Unklare Zielgröße: Es ist nicht definiert, ob Ausschussquote, Prüfzeit oder Dokumentationsaufwand optimiert werden soll.
• Fehlende Datengrundlage: Es existieren zu wenige gelabelte Bilder, vor allem von Grenzfällen und seltenen Defekten.
• Kein klarer Übergangsplan: Der Pilot bleibt ein isoliertes System ohne Anbindung an MES oder CMMS.
• Akzeptanzprobleme: Prüferinnen und Prüfer sehen die Vision-KI als Konkurrenz, nicht als Unterstützung.

In einer Fertigungshalle eines Komponentenherstellers für Antriebstechnik sah das konkret so aus: Die Kamera war montiert, das Modell lief auf einem Industrie-PC, aber die Schichtleiterin druckte weiterhin Prüfprotokolle aus und hakte sie per Hand ab. Die Vision-KI wurde nur sporadisch genutzt, weil niemand klar entschieden hatte, welche Prüfschritte automatisiert und welche manuell bleiben.

Vision-KI scheitert selten an der Erkennungsleistung

Die meisten Vision-KI-Pilote scheitern nicht an der Modellqualität, sondern an fehlender Datenbasis, unklaren Zielgrößen und mangelnder Integration in bestehende Qualitätsprozesse.

Hinzu kommt der regulatorische Rahmen. Qualitätsdaten können personenbezogen sein, sobald sie mit Bedienern oder Schichten verknüpft werden. DSGVO-konforme Datenspeicherung und eine saubere Rollen- und Rechtevergabe sind Pflicht, wenn Sie Vision-KI-Ergebnisse langfristig auswerten und auditierbar machen wollen.

Was Sie davon mitnehmen: Hinzu kommt der regulatorische Rahmen.

Was ein Festpreis-Pilot abdeckt und was nicht

Ein 90-Tage-Pilot zum Festpreis für Vision-KI in der Qualitätskontrolle muss klar definieren, was enthalten ist und was nicht. Nur dann können Sie als COO Aufwand, Risiko und Nutzen seriös bewerten. Ein typischer Festpreis-Pilot für qualitätsrelevante Bildverarbeitung umfasst drei Dimensionen: Technik, Prozess und Organisation.

Auf der technischen Seite gehören dazu:

• Aufbau einer lauffähigen Vision-KI-Pipeline von der Kamera bis zum Ausgabesignal.
• Training oder Anpassung eines Modells für Defekterkennung auf Basis Ihrer Bauteile.
• Bereitstellung einer minimalen Benutzeroberfläche für QS-Mitarbeitende, um Ergebnisse zu prüfen und nachzulabeln.

Auf der Prozessseite deckt ein Festpreis-Pilot ab:

• Definition eines klaren Use Cases, zum Beispiel automatische Erkennung von Lackfehlern oder Rissen.
• Festlegung von KPIs, etwa Reduktion der manuellen Prüfzeit oder Verbesserung der Erkennungsquote.
• Dokumentation der Prüfstrategie, inklusive Umgang mit Grenzfällen.

Organisatorisch gehören dazu Schulungen, Akzeptanzarbeit und die Abstimmung mit IT, QS und Produktion. Was ein solcher Festpreis-Pilot bewusst nicht abdeckt, sind großflächige Roll-outs auf alle Linien, tiefgreifende Umbauten der Anlagen oder umfassende MES-Migrationen. Diese Schritte folgen erst, wenn der Pilot seine Ziele nachweislich erreicht hat.

sensified arbeitet in diesem Rahmen typischerweise im Modell KI-Projekt. Das bedeutet klar definierte Phasen, ein fester Preis für den 90-Tage-Pilot, vollständige Code-Übergabe an Ihr Unternehmen und EU-gehostete Infrastruktur, die Sie nach Projektende weiter nutzen oder in Ihre eigene Umgebung überführen können. Im Unterschied zu Beratungsansätzen, die vor allem Konzepte erstellen, steht hier die funktionierende Lösung im Vordergrund.

Für Fertiger, die keine eigene Plattform betreiben möchten, kann im Anschluss an den Pilot auch ein Wechsel in das Modell KI-Result sinnvoll sein. In diesem Fall liefert sensified geprüfte Prüfergebnisse oder Defektklassifikationen zu einem Pro-Stück-Preis, ohne dass Sie sich um Betrieb, Skalierung oder Updates kümmern müssen.

Was Sie davon mitnehmen: Für Fertiger, die keine eigene Plattform betreiben möchten, kann im Anschluss an den Pilot auch ein Wechsel in das Modell KI-Result sinnvoll sein.

Datensatz-Vorbereitung: 1.500 bis 3.000 gelabelte Bilder als Mindestmenge

Ohne belastbare Datenbasis wird aus Vision-KI keine produktionsreife Qualitätskontrolle. Für einen seriösen 90-Tage-Pilot brauchen Sie in der Regel zwischen 1.500 und 3.000 gelabelte Bilder pro Defektklasse oder Bauteilvariante. Diese Größenordnung ist die Untergrenze, um ein Modell für die Defekterkennung stabil zu kalibrieren.

In der Praxis bedeutet das: Sie benötigen nicht nur Bilder von klar defekten Teilen, sondern vor allem von Grenzfällen. Ein Kratzer, der bei Tageslicht deutlich sichtbar ist, verschwindet unter LED-Beleuchtung fast. Eine Verfärbung, die im Labor als Defekt klassifiziert wurde, wird in der Linie vielleicht toleriert. Genau diese Unterschiede müssen im Labeling sichtbar werden.

Ein typischer Ablauf in der Datensatz-Vorbereitung sieht so aus:

• Auswahl von ein bis zwei repräsentativen Linien oder Stationen.
• Aufbau einer temporären Kameraerfassung parallel zur bestehenden Qualitätskontrolle.
• Erfassung von Bilddaten über mehrere Schichten und Losgrößen.
• Labeling durch erfahrene QS-Mitarbeitende, unterstützt durch ein Web-Tool.

In einer Fertigung für Präzisionsdrehteile hat sensified gemeinsam mit dem QS-Team in zwei Wochen rund 2.200 Bilder gelabelt, davon etwa 600 mit relevanten Defekten. Die Mitarbeitenden markierten Riefen, Gratbildung und Maßabweichungen direkt im Bild. Diese Datenbasis war die Grundlage für einen Pilot, der nach 90 Tagen eine spürbare Reduktion der manuellen Prüfzeit erreichte.

Die Erfahrung aus einem sensified-Projekt in der Medizintechnik zeigt, welches Potenzial in einer sauber vorbereiteten Vision-KI steckt. Dort konnte die Defektrate in der Qualitätskontrolle nach 90 Tagen deutlich reduziert werden (sensified-Case Medizintechnik: Defektrate minus 62 % nach 90 Tagen). Übertragen auf die Fertigung bedeutet das: Wenn die Datenbasis stimmt, kann Vision-KI Kosten senken und die Prozessfähigkeit erhöhen.

Datenschutz bleibt dabei ein zentrales Thema. Bilddaten dürfen keine Personen erkennbar zeigen, und die Zuordnung zu Schichten oder Bedienern muss DSGVO-konform erfolgen. sensified setzt hier auf EU-gehostete Speicher und klare Löschkonzepte, damit Sie auch bei Audits auf der sicheren Seite sind.

Was Sie davon mitnehmen: Datenschutz bleibt dabei ein zentrales Thema.

Modellauswahl: pretrained gegen fine-tuned

Bei der Modellauswahl stehen Fertiger vor der Entscheidung, ob Sie auf vortrainierte Vision-Modelle setzen oder ein Modell gezielt auf Ihre Bauteile und Defekte feinjustieren lassen. Beide Ansätze haben Ihre Berechtigung, sie unterscheiden sich jedoch in Aufwand, Flexibilität und Ergebnisqualität.

Vortrainierte Modelle eignen sich für einen schnellen Einstieg. Sie erkennen allgemeine Strukturen, Kanten, Formen und Texturen. Für einfache Aufgaben, etwa das Zählen von Objekten oder das Erkennen grober Beschädigungen, kann ein solcher Ansatz im Rahmen eines Vision-KI-Piloten zum Festpreis ausreichen. Die Implementierung ist schneller, der Bedarf an gelabelten Bildern geringer.

Sobald es jedoch um spezifische Defekte geht, etwa Haarrisse in geschliffenen Oberflächen oder minimale Maßabweichungen, stößt ein generisches Modell an Grenzen. Hier kommt Fine-Tuning ins Spiel. Das vortrainierte Modell wird mit Ihren gelabelten Bildern nachtrainiert, sodass es die Besonderheiten Ihrer Produkte und Toleranzen lernt.

Ein Beispiel aus der Fertigung: In einer Linie zur Montage von Ventilbaugruppen sollten kleinste Gratbildungen an Dichtflächen erkannt werden. Ein generisches Modell erkannte grobe Beschädigungen, übersah aber viele der relevanten Mikrodefekte. Erst nach gezieltem Fine-Tuning mit rund 3.000 gelabelten Bildern stieg die Erkennungsrate auf ein Niveau, das für die QS-Verantwortlichen akzeptabel war.

Für einen Festpreis-Pilot ist deshalb eine klare Entscheidung notwendig, welcher Ansatz gewählt wird. sensified definiert dies in der Discovery-Phase des KI-Projekts gemeinsam mit Ihrem QS- und Produktions-Team. Wenn die Zielsetzung eher in Richtung Machbarkeitsnachweis geht, kann ein vortrainiertes Modell genügen. Wenn Sie bereits im Pilot eine hohe Trefferquote in der Defekterkennung erwarten, ist Fine-Tuning meist unverzichtbar.

Wichtig ist auch die Frage der Zukunftsfähigkeit. Ein feinjustiertes Modell lässt sich später in eine gemanagte KI-Plattform überführen, etwa in das Modell KI-Plattform von sensified. Dort können Sie weitere Use Cases aufsetzen, etwa eine KI-Linienüberwachung im Pilotbetrieb für andere Stationen, ohne jedes Mal bei null zu beginnen.

Was Sie davon mitnehmen: Wichtig ist auch die Frage der Zukunftsfähigkeit.

Pilot-Phasen Tag 1 bis Tag 90 in der Praxis

Ein 90-Tage-Pilot für Vision-KI in der Qualitätskontrolle folgt einem klaren Ablauf. Die Phasen sind auf die Realität in der Fertigung abgestimmt, inklusive Schichtbetrieb, Wartungsfenstern und Werksferien.

Tag 1 bis 10: Discovery und Zielbild

In den ersten zehn Tagen werden Anwendungsfall, Zielgrößen und Rahmenbedingungen definiert. Dazu gehören Werksbegehungen, Gespräche mit QS, Produktion und IT sowie eine erste Sichtung vorhandener Bilddaten. In dieser Phase wird auch festgelegt, ob der Fokus auf qualitätsrelevanter Defekterkennung, auf Dokumentation oder auf einer Kombination aus beidem liegt.

Für Sie als COO ist dies der Zeitpunkt, an dem Sie die wirtschaftlichen Ziele festzurren. Geht es um eine Reduktion von Ausschuss, eine Entlastung der Fachkräfte in der Sichtprüfung oder um eine bessere Auditierbarkeit? Diese Entscheidung bestimmt, wie der Erfolg des Piloten gemessen wird.

Tag 11 bis 30: Datenerfassung und Labeling

In der zweiten Phase werden Bilder erfasst und gelabelt. Kameras werden an der ausgewählten Linie installiert, entweder als temporäre Zusatzlösung oder direkt an der Prüfvorrichtung. Über mehrere Schichten hinweg werden Bilder gesammelt, die QS-Mitarbeitende anschließend in einem Labeling-Tool klassifizieren.

Hier entscheidet sich, ob die Mindestmenge von 1.500 bis 3.000 gelabelten Bildern erreicht wird. sensified unterstützt in dieser Phase mit Richtlinien, was als Defekt gilt und wie Grenzfälle zu behandeln sind. So entsteht ein konsistenter Datensatz, der sich für das Training eignet.

Tag 31 bis 60: Modelltraining und erste Tests in der Linie

In der dritten Phase wird das Modell trainiert oder feinjustiert und anschließend in einer Testumgebung an der Linie erprobt. Die Vision-KI läuft zunächst im Schattenbetrieb. Das bedeutet, sie gibt Bewertungen ab, diese haben aber noch keine direkte Auswirkung auf Freigaben oder Sperrungen.

In dieser Phase werden Kennzahlen wie Trefferquote, False Positives und False Negatives erhoben. QS und Produktion prüfen gemeinsam, ob die Vision-KI die definierten Qualitätskriterien erfüllt. Anpassungen an Beleuchtung, Kameraeinstellungen und Toleranzgrenzen sind in dieser Phase üblich.

Tag 61 bis 90: Stabilisierung, Dokumentation und Go/No-Go

In der letzten Phase wird die Vision-KI schrittweise in den produktiven Prüfprozess integriert. Das kann bedeuten, dass bestimmte Prüfschritte automatisiert werden, während andere weiterhin manuell erfolgen. Wichtig ist eine Dokumentation der Entscheidungskriterien und der Schnittstellen zu bestehenden Systemen.

Am Ende der 90 Tage steht eine Go/No-Go-Entscheidung. Auf Basis der gemessenen KPIs, der Akzeptanz im Team und der technischen Stabilität entscheiden Sie, ob der Pilot in den Regelbetrieb überführt und auf weitere Linien ausgerollt wird. Ein strukturierter Festpreis-Pilot liefert Ihnen dafür belastbare Zahlen.

Was Sie davon mitnehmen: Am Ende der 90 Tage steht eine Go/No-Go-Entscheidung.

Stolpersteine: Beleuchtung, Toleranzdrift und Bediener-Akzeptanz

In der Praxis scheitern viele Vision-KI-Projekte nicht an der Modellarchitektur, sondern an Details. Drei Stolpersteine treten in der Fertigung immer wieder auf: Beleuchtung, Toleranzdrift und die Akzeptanz der Bediener.

Beleuchtung ist der Klassiker. Ein Modell, das im Labor mit gleichmäßiger Beleuchtung trainiert wurde, versagt an der Linie, wenn Tageslicht, LED-Strahler und Reflexionen auf glänzenden Oberflächen zusammenkommen. Schon kleine Änderungen, etwa der Austausch einer Leuchtstoffröhre, können die Bildcharakteristik verändern. Ein robuster Pilot berücksichtigt das und testet die Vision-KI unter realen Lichtbedingungen.

Toleranzdrift ist subtiler. In der Fertigung verschieben sich Toleranzgrenzen im Laufe der Zeit, etwa durch Werkzeugverschleiß oder Materialchargen. Was heute als akzeptabel gilt, kann in sechs Monaten als Defekt eingestuft werden oder umgekehrt. Eine starre Konfiguration der Vision-KI führt dann zu Fehlalarmen oder übersehenen Defekten.

Hier zeigt sich der Wert eines Systems, das kontinuierlich nachtrainiert werden kann. Im Rahmen eines qualitätsorientierten KI-Defekterkennungs-Piloten zum Festpreis definiert sensified gemeinsam mit Ihrem QS-Team Mechanismen, wie neue Beispiele in den Trainingsdatensatz einfließen und wie Grenzfälle regelmäßig überprüft werden.

Die Bediener-Akzeptanz schließlich entscheidet, ob die Vision-KI im Alltag genutzt wird. Wenn Prüferinnen und Prüfer das System als Bedrohung empfinden, werden Sie Wege finden, es zu umgehen. Wenn Sie es als Entlastung erleben, weil monotone Sichtprüfungen wegfallen und Sie sich auf kritische Fälle konzentrieren können, steigt die Qualität der Zusammenarbeit.

In einer Fertigungslinie für Gehäuseteile hat sensified die Bediener früh eingebunden. Statt nur ein technisches System zu liefern, wurden Schichtleiter und QS-Fachkräfte in Workshops beteiligt. Sie konnten mitentscheiden, wie die Benutzeroberfläche aussieht und wie Meldungen formuliert werden. Das Ergebnis war eine hohe Akzeptanz, obwohl die Vision-KI einen Teil der bisherigen manuellen Prüfungen übernahm.

Technik allein reicht nicht

Ein erfolgreicher Vision-KI-Pilot in der Qualitätskontrolle adressiert Beleuchtung, Toleranzdrift und Bediener-Akzeptanz genauso konsequent wie Modellarchitektur und Rechenleistung.

Auch aus Compliance-Sicht spielt Akzeptanz eine Rolle. Wenn Bediener das Gefühl haben, überwacht zu werden, steigt die Sensibilität für Datenschutz. Transparente Kommunikation, klare Zweckbindung der Daten und eine DSGVO-konforme Ausgestaltung der Protokollierung sind deshalb Bestandteile eines seriösen Piloten.

Was Sie davon mitnehmen: Auch aus Compliance-Sicht spielt Akzeptanz eine Rolle.

Übergang in den Regelbetrieb (CMMS- und MES-Anbindung)

Der eigentliche Wert eines Vision-KI-Piloten entsteht erst, wenn der Übergang in den Regelbetrieb gelingt. Dazu gehört die Integration in bestehende Systeme wie MES und CMMS. Nur wenn Prüfergebnisse automatisch in Auftragsdaten, Wartungspläne und Rückverfolgbarkeit einfließen, entfaltet die Vision-KI ihr Potenzial.

Ein typisches Szenario: Die Vision-KI erkennt einen Defekt an einem Bauteil und klassifiziert ihn als potenziell prozessbedingt. Über eine MES-Integration im KI-Pilot wird diese Information mit Auftragsnummer, Maschine und Werkzeug verknüpft. Gleichzeitig erzeugt das CMMS einen Hinweis auf eine mögliche Wartung, wenn sich ähnliche Defekte häufen.

Für Sie als COO bedeutet dass Qualitätsdaten nicht mehr isoliert in der QS-Abteilung liegen, sondern zu einem Steuerungsinstrument für Produktion und Instandhaltung werden. Ein KI-Linienüberwachungs-Pilot, der so in MES und CMMS eingebettet ist, kann frühzeitig auf Trends hinweisen, bevor Ausschuss und Stillstände eskalieren.

In der Praxis sieht ein solcher Übergang so aus:

• Definition der relevanten Datenpunkte, die aus der Vision-KI an MES und CMMS übergeben werden sollen.
• Implementierung von Schnittstellen, meist über APIs oder standardisierte Dateiformate.
• Testbetrieb mit ausgewählten Aufträgen, um Datenkonsistenz und Performance zu prüfen.
• Schrittweise Erweiterung auf weitere Linien und Produkte.

sensified nutzt für diesen Übergang häufig das Modell KI-Plattform. Die Vision-KI-Module laufen auf einer gemanagten Plattform, die Multi-Modell-Fähigkeit, Monitoring, Auditierbarkeit und EU-Hosting vereint. Ihr IT-Team muss keine eigene Infrastruktur für die Bildverarbeitung aufbauen, behält aber die Kontrolle über Datenflüsse und Integrationen.

Bitkom berichtet 2025, dass 41 Prozent der Fertiger planen, Vision-KI bis 2027 einzusetzen (Bitkom 2025: 41 % der Fertiger planen Vision-KI bis 2027). Wer jetzt Piloten ohne klaren Übergangsplan startet, riskiert, in zwei Jahren mit einer Sammlung isolierter Insellösungen dazustehen. Ein strukturierter 90-Tage-Pilot mit definierter MES-Integration im KI-Pilot und klarer CMMS-Anbindung schafft dagegen eine Grundlage für Skalierung.

Der hier beschriebene 90-Tage-Pilot ist die konkrete Ausprägung für Vision-KI in der Fertigung.

Was Sie davon mitnehmen: Der hier beschriebene 90-Tage-Pilot ist die konkrete Ausprägung für Vision-KI in der Fertigung.

Faktenüberblick: 90-Tage-Vision-KI-Pilot auf einen Blick

Was Sie davon mitnehmen: Faktenüberblick: 90-Tage-Vision-KI-Pilot auf einen Blick wirkt direkt im Tagesgeschäft, wenn die hier genannten Schritte umgesetzt sind.

Nächste Schritte

Wenn Sie als COO einen Vision-KI-Pilot in der Qualitätskontrolle planen, ist der erste Schritt eine Eingrenzung des Anwendungsfalls und der wirtschaftlichen Ziele. Auf dieser Basis lässt sich entscheiden, ob ein 90-Tage-Festpreis-Pilot mit 1.500 bis 3.000 gelabelten Bildern und definiertem Übergangsplan in den Regelbetrieb für Ihr Werk sinnvoll ist.

In einem 60-minütigen Strategiegespräch mit sensified klären Sie, welche Linie sich als Startpunkt eignet, wie sich Datenerfassung und Labeling in Ihren Schichtbetrieb integrieren lassen und welches der drei Modelle KI-Projekt, KI-Plattform oder KI-Result für Ihre Situation passt. So reduzieren Sie das Risiko von Experimenten und schaffen die Grundlage für eine Vision-KI, die nicht im Labor stecken bleibt, sondern Ihre Qualitätskontrolle im Alltag stärkt.