Wie Neuralyze funktioniert
Vision AI basiert auf bewährten Methoden der Bildanalyse. Machine Learning ist in der industriellen Bildverarbeitung bereits seit über 20 Jahren in produktiver Anwendung. Seit etwa 2015 hat sich Deep Learning zu einem vielseitigen und tatsächlich im Feld nutzbaren Werkzeug entwickelt.
Die Frage ist nicht mehr ob, sondern wie man Vision AI richtig einsetzt – und wann klassische Ansätze die bessere Wahl bleiben.
Convolutional Neural Networks
Im Kern von Neuralyze arbeiten Convolutional Neural Networks (CNNs) – eine Klasse neuronaler Netze, die sich besonders für Bilddaten eignet: Sie basieren auf dem Konzept, Informationen zu beschreiben statt zu erzeugen. Das System erkennt Muster und Gesetzmäßigkeiten in den Daten, die ihm zur Verfügung stehen.
Das Kernprinzip:
Lernen statt Programmieren
Stellen Sie sich vor, Sie wollen einem System beibringen, Kratzer auf Metalloberflächen zu erkennen.
Regelbaiserter Ansatz: Sie definieren Regeln – „Suche dunkle Linien länger als 2mm, aber ignoriere Kanten, außer wenn die Kontrastverhältnisse...“. Das funktioniert, solange Ihre Welt diesen Regeln folgt. Komplexe Variabilität führt zu komplexen Regelsystemen, die irgendwann nicht mehr beherrschbar sind.
Vision AI-Ansatz: Sie zeigen dem System 5.000 Bilder mit markierten Kratzern. Es identifiziert selbst Muster – auch solche, die sich nur schwer in Regeln fassen lassen.
Der Unterschied ist fundamental: nicht programmieren, sondern trainieren. Nicht Regeln definieren, sondern Beispiele geben.
Verschiedene Werkzeuge für verschiedene Aufgaben
Vision AI erzeugt keine Inhalte. Sie beantwortet Fragen: „Ist dieses Bauteil fehlerfrei? Wo genau liegt der Defekt? Zu welcher Kategorie gehört dieses Produkt? Wie viele Objekte sind auf diesem Förderband?“
Ihre Daten bleiben bei Ihnen
In komplexen Produktionsprozessen gibt es viele Prüfschritte bis zum fertigen Produkt. Die Bilddaten dokumentieren letztlich den gesamten Produktionsprozess, den kein Hersteller gerne offenlegt. Daraus erklärt sich auch der Wert dieser Bilddaten.
Neuralyze® läuft vollständig on-premise. Training und Inferenz finden auf Ihrer eigenen Hardware statt, in Ihrem Netzwerk, unter Ihrer Kontrolle. Keine Cloud-Anbindung, keine externe Datenverarbeitung.
Konkret
• DSGVO-Konformität durch lokale Datenverarbeitung
• Keine Lizenz-Telefonie
• WIBU-Dongles funktionieren offline
• Produktionsgeheimnisse bleiben im Unternehmen
• Volle Kontrolle über Trainingsdaten, Modelle und Prüfergebnisse
Von der Aufnahme zum produktiven Modell
Neuralyze® ist als No-Code-Plattform konzipiert. Der komplette ML-Workflow ist durchgängig in einer grafischen Anwendung verfügbar:
1. Prozess betrachten, Daten sammeln und evaluieren
Ausgangspunkt ist die Analyse der Prüfaufgabe und die systematische Erfassung von Bilddaten.
2. Daten sortieren
Trennung relevanter von irrelevanten Aufnahmen.
3. Daten bereinigen
Entfernung fehlerhafter oder nicht repräsentativer Bilder.
4. Daten vorverarbeiten und labeln
Annotieren der relevanten Bildteile. Optional: Augmentierung zur synthetischen Vergrößerung der Datenmenge.
5. Modell trainieren
Sie wählen die Netzwerkarchitektur, Neuralyze optimiert die Parameter.
6. Modell validieren
Überprüfung der Modellleistung auf Testdaten.
7. Ausführung im Produktivbetrieb
Deployment des validierten Modells in die Produktionsumgebung.
Der Workflow ist iterativ:
Nach der Produktivphase werden neue Daten gesammelt, das Modell wird nachtrainiert.
Das Ziel:
Die KI-Kompetenz wandert dorthin, wo das Produktionswissen sitzt.
Im Produktivbetrieb
Ein trainiertes Modell in die Produktion zu bringen ist der Anfang, nicht das Ende. Die Ausführungszeit der Inferenz ist ein wichtiger Faktor, da sie die Zykluszeit des Prüfprozesses bestimmt.
Inferenz-Monitoring
Protokollierung von Inferenzzeiten, Konfidenzwerten und Entscheidungsverteilungen.
Modellverwaltung
Verschiedene Modellversionen können parallel verwaltet, verglichen und bei Bedarf zurückgerollt werden.
Datenrückführung
Bilder aus dem Produktivbetrieb können systematisch gesammelt und für Nachtraining verwendet werden.
Industrieforschung als Fundament
Unser Hintergrund
senswork entwickelt schlüsselfertige Komplettlösungen für industrielle Bildverarbeitung, optische Inspektion und Prüfgerätebau. Die Lösungen werden täglich in zahlreichen Branchen wie der Automobilindustrie, dem Maschinenbau oder der Medizintechnik eingesetzt.
Vertikale Integration
Machine-Vision-Systeme werden vertikal aus einer Hand angeboten. Alle Kompetenzen liegen im Haus: Konstruktion, Schaltschrankbau, Elektronik, Sondermaschinenbau, die Auslegung der bildgebenden Systeme bis zum kompletten Software-Stack. Schlüsselfertige Systeme mit extrem kurzer Inbetriebnahme.
Losgröße Eins
Duplizierungen im zweistelligen Bereich sind für uns ebenso selbstverständlich wie Losgröße Eins – maßgeschneiderte Lösungen für hochspezialisierte Fertigungsmaschinen. Die Anforderungen bei einem Halbleiterhersteller sind grundlegend anders als in einem Unternehmen, das Getränke abfüllt. Deshalb denken wir in Technologiebeherrschung, nicht in Standardprodukten.
| 2011 | Gründung als System-Integrator und Vision-Partner |
| 2016 | Entwicklung erster Produkte und eigener Prüfgerätebau |
| 2019 | Eröffnung des Innovation Lab in München mit Fokus auf Deep Learning |
| 2020 | Eröffnung des US-Standorts in Johnson City, Tennessee |
| 2024 | Eröffnung der Standorte in Singapur und China |
| 2025 | Vollständig vertikaler Integrations-Anbieter mit 6 Standorten |
Das Innovation Lab
Im senswork Innovation Lab in München wird kontinuierlich an neuen Lösungsansätzen für optomechanische Inspektionsaufgaben mithilfe von Deep Learning und KI gearbeitet. Neue Erkenntnisse und Technologien werden frühzeitig aufgegriffen, um sie in Industrie und Forschung nutzbar zu machen.
Forschungskooperationen
- Fraunhofer IIS – Gemeinsames Forschungsprojekt DeKIOps
- Bayerische Berufsschulen (ALP Dillingen) – Neuralyze® als Trainingsplattform im Lehrplan
- Hahn-Schickard-Gesellschaft
- Friedrich-Alexander-Universität Nürnberg-Erlangen - Konsortialfors
- Helmholtz HEREON - Konsortialforschungsprojekt
- Kooperationen mit Forschungseinrichtungen und Universitäten zum bidirektionalen Wissenstransfer sowie Veröffentlichung gemeinsamer Publikationen
Industrievernetzung
- VDMA Machine Vision Group – Aktive Mitarbeit in der Fachgruppe. Der VDMA umfasst über 130 führende Unternehmen. 2,8 Milliarden Euro Marktvolumen in Deutschland
- BAIOSPHERE – Bayerische KI-Agentur, strategische Partnerschaft
- Beitrag zu regulatorischen Rahmenwerken (AI Act Praxisbeispiele, EU-Konsultationen)
Zahlen
- 35 Mitarbeiter
- ~6 Mio. € Jahresumsatz
- Seit 2011 operativ
- Standorte: Burghausen (Hauptsitz), München (Innovation Lab), Johnson City/USA, China (Suzhou)