Qualitätsprüfung mit Computer Vision: welches Team Sie brauchen und wie das Projekt läuft
Ein Projekt zur KI-Qualitätsprüfung ersetzt oder unterstützt die manuelle Sichtprüfung durch Kameras und trainierte Bildmodelle, oft direkt an der Linie. Kern des Teams ist ein Computer Vision Engineer mit Erfahrung in Produktion und Edge, dazu Automatisierung und Qualitätssicherung aus dem Werk. In einem Referenzmandat bei einem Maschinenbauer sank der Pseudoausschuss von 4 auf 0,8 Prozent.

Was das Projekt leistet
- Fehler erkennen: Kratzer, Risse, Verformungen, fehlende Teile, falsche Montage
- Pseudoausschuss senken: Gute Teile, die bisher fälschlich aussortiert wurden, bleiben in der Produktion
- Fehler früher finden: an der Linie statt nach der Endmontage
- Prüfung dokumentieren: jedes Teil mit Bild und Entscheidung
Beispiel: Qualitätskontrolle bei einem Maschinenbauer
| Kennzahl | Wert |
|---|---|
| Auftraggeber | globaler Top-5-Maschinenbauer, mehr als 80.000 Mitarbeitende |
| Ausgangslage | manuelle Sichtprüfung, Pseudoausschuss bei 4 Prozent, Fehler teils erst nach Endmontage erkannt |
| Lösung | IP-Kameras entlang der Linie, Auswertung direkt an der Anlage (Edge), Trainingsdaten mit aktiver Annotation und synthetischen Daten, Vergleich gegen das Urteil der Prüfer, Anbindung an das MES |
| Ergebnis | Pseudoausschuss auf 0,8 Prozent, Erkennungsrate echter Fehler 96,4 Prozent, Roll-out auf drei weitere Werke geplant |
| Dauer und Rolle | 10 Monate, Computer Vision Engineer als Freelancer, 700 bis 1.100 Euro pro Tag, rund 60 Prozent remote |
Quelle: Referenzprojekt Computer Vision Manufacturing, anonymisiert.
Das Team
| Rolle | Aufgabe im Projekt | Fest oder Freelance |
|---|---|---|
| Computer Vision Engineer | Bildaufnahme, Labeling, Modelle, Betrieb an der Linie | projektbasiert, laut Top-20-Report im Mittelstand empfohlen |
| Automatisierung oder SPS | Kameras, Auslösung, Anbindung an Steuerung und MES | intern |
| Qualitätssicherung | Fehlerkatalog, Grenzfälle, Abnahme | intern |
| MLOps Engineer | Betrieb mehrerer Modelle, Nachtraining, Roll-out auf weitere Werke | optional, ab mehreren Linien oder Werken |
Ablauf in vier Phasen
| Phase | Inhalt | Ergebnis |
|---|---|---|
| 1. Fehlerkatalog und Ausgangswert | Fehlerarten mit der Qualitätssicherung festlegen, heutigen Pseudoausschuss und Schlupf messen | messbares Ziel |
| 2. Bildaufnahme und Daten | Kameras, Licht, Bilder sammeln und labeln, fehlende Fehlerbilder ergänzen | Trainingsdatensatz |
| 3. Modell und Pilot | Modell trainieren, an einer Linie parallel zur manuellen Prüfung laufen lassen | Vergleich mit Prüferurteil |
| 4. Betrieb und Roll-out | Anbindung an Steuerung und MES, Nachtraining, Übertragung auf weitere Linien | dokumentierter Betrieb |
Edge oder Server?
| Kriterium | Auswertung an der Anlage (Edge) | Auswertung auf dem Server |
|---|---|---|
| Geeignet bei | kurzen Taktzeiten, schlechter Netzverbindung, vielen Kameras | längeren Taktzeiten, stabiler Verbindung, rechenintensiven Modellen |
| Anforderung an das Team | Optimierung für schwache Hardware | Infrastruktur und Netzwerk |
Im Referenzmandat lief die Auswertung direkt an der Anlage.
Was es kostet
| Rolle | Tagessatz erfahren, Mittelstand |
|---|---|
| Computer Vision Engineer | 900 bis 1.300 Euro |
| MLOps Engineer | 950 bis 1.350 Euro |
Quelle: Top-20-Report KI-Rollen Mittelstand 2026. Im Referenzmandat lag der Tagessatz bei 700 bis 1.100 Euro.
Die drei häufigsten Fehler
- Zu wenige Fehlerbilder. Seltene Fehler brauchen gezielte Sammlung oder synthetische Daten, sonst erkennt das Modell sie nicht.
- Licht und Varianten unterschätzt. Was im Labor funktioniert, scheitert an der Linie mit wechselndem Licht und neuen Teilevarianten.
- Kein Parallelbetrieb. Ohne Vergleich mit dem Prüferurteil fehlt der Nachweis, dass das System besser ist.
Manuelle Sichtprüfung kostet Zeit und Ausschuss?
Wir stellen das Team für Ihre KI-Qualitätsprüfung zusammen, mit Computer Vision Engineers, die Systeme an Linien in Betrieb gebracht haben.
Quellen
- Spitzenbesetzung, Referenzprojekt Computer Vision Manufacturing, Qualitätskontrolle
- Spitzenbesetzung, Top-20-Report KI-Rollen Mittelstand 2026
Häufige Fragen
Was bringt KI-Qualitätsprüfung mit Computer Vision?
Im Referenzmandat bei einem Maschinenbauer sank der Pseudoausschuss von 4 auf 0,8 Prozent, die Erkennungsrate echter Fehler lag bei 96,4 Prozent.
Welche Rollen braucht ein KI-Projekt zur Sichtprüfung?
Einen Computer Vision Engineer, dazu Automatisierung oder SPS und Qualitätssicherung aus dem Werk. Bei mehreren Linien oder Werken kommt ein MLOps Engineer dazu.
Wie lange dauert ein Projekt zur KI-Sichtprüfung?
Im Referenzmandat zehn Monate bis zum stabilen Betrieb an der Linie, mit geplantem Roll-out auf drei weitere Werke.
Was kostet ein Computer Vision Engineer für so ein Projekt?
Im Mittelstand laut Top-20-Report KI-Rollen 2026 900 bis 1.300 Euro pro Tag. Im Referenzmandat lag der Tagessatz bei 700 bis 1.100 Euro.
Sollte die Auswertung an der Anlage oder auf dem Server laufen?
An der Anlage bei kurzen Taktzeiten, vielen Kameras oder schwacher Netzverbindung. Auf dem Server bei längeren Taktzeiten und rechenintensiven Modellen.
Welcher Weg passt zu Ihrer Situation?
Wählen Sie den Pfad, der zu Ihrem Bedarf passt. Jede Erstberatung ist unverbindlich und führt zu einer ehrlichen Markt-Einschätzung.
- Contracting für KI-Freelancer: Leitfaden für den DACH-RaumTiefen-Guide zu Contracting mit KI-Freelancern im DACH-Raum: Rollen, Tagessätze, Ablauf, Rechtsrahme…
- Computer Vision Engineer finden und einstellenComputer Vision Engineer fest besetzen: Gehaltsbänder DACH 2026, Anforderungsprofil für Bildverarbei…
- Computer Vision Engineer als Freelancer einsetzenComputer Vision Freelancer finden: Tagessätze 2026, typische Aufgaben, Auswahlkriterien und wann sic…
- Stellenanzeige Computer Vision Engineer: Vorlage und Anforderungsprofil 2026Stellenanzeige für Computer Vision Engineers als Vorlage: Anwendung, Kameras und Daten, Muss- und Ka…
- Computer Vision Engineer vs. Machine Learning Engineer: Bilder oder Modelle allgemein?Computer Vision Engineer oder Machine Learning Engineer? Aufgaben, Daten, Einsatzorte, Gehalt 2026, …
- AI Product Owner als Freelancer: für den Start, die Lücke oder das TandemAI Product Owner als Freelancer oder Interim: wann sich das lohnt, Tagessatz 2026, typische Einsätze…
- Analytics Engineer als Freelancer: für das Kennzahlenprojekt mit klarem EndeAnalytics Engineer als Freelancer: für Kennzahlenprojekte, BI-Wechsel oder die Lücke bis zur Festans…
- AI Automation Engineer als Freelancer: die ersten KI-Abläufe in drei MonatenAI Automation Engineer als Freelancer: die ersten KI-Abläufe in drei Monaten produktiv, Tagessatz 20…
