MACHINE VISION NLP TEAM JOBS KONTAKT IMPRESSUM &
DATENSCHUTZ
ENGLISH
Machine Vision
In den letzten Jahren gab es enorme Weiterentwicklungen im Bereich des maschinellen Lernens. Mittlerweile kann jedes Muster in einem Bild, welches von einem Menschen erkannt wird, auch von einer Maschine erkannt werden. Manchmal können Maschinen sogar Strukturen erkennen, die ein Mensch nicht erkennt.
Kriterien, um attraktive Prozess-Automatisierungsprojekte zu finden, in denen visuelle Informationen von zentraler Bedeutung sind:
Wir erleben immer wieder, dass nur durch die Kombination aus Kenntnissen über die internen Prozesse mit Expertise im Bereich Machine Vision sinnvolle Projekte erkannt und strukturiert werden können. Fragen Sie uns gerne möglichst früh, ob wir eine Prozessautomatisierung für ihren Anwendungsfall als technisch machbar einschätzen.
Kontaktieren Sie uns
Use Cases in Machine Vision
Fehlererkennung von defekten Autoteilen

#machine vision #produktion #logistik

Durch defekte Bauteile können große Produktionsausfälle entstehen. Um dem vorzubeugen, kann ein Algorithmus Muster erkennen und fehlerhafte von fehlerfreien Teilen frühzeitig unterscheiden.

#machine vision #produktion #logistik

Durch defekte Bauteile können große Produktionsausfälle entstehen. Um dem vorzubeugen, kann ein Algorithmus Muster erkennen und fehlerhafte von fehlerfreien Teilen frühzeitig unterscheiden.

In der Produktion (hier am Beispiel der Autoproduktion) sind defekte Teile in der Fertigung häufig der Grund für teure Produktionsausfälle.

Eine Kamera im Fertigungsprozess, die standardisierte Aufnahmen der Autoteile macht, kann Muster erkennen und fehlerhafte und fehlerfreie Teile frühzeitig unterscheiden.

So können defekte Produktionsteile frühzeitig identifiziert werden, fehlerhafte Produktionsteile aussortiert werden und es kommt zu weniger Produktionsausfällen.

Inseratserstellung

#machine vision #ecommerce #travel

Zur Vereinfachung des Prozesses der Inseraterstellung wird ein Foto vom Objekt aufgenommen. Dieses wird analysiert und das Inserat wird dem Kunden vorausgefüllt angezeigt.

#machine vision #ecommerce #travel

Zur Vereinfachung des Prozesses der Inseraterstellung wird ein Foto vom Objekt aufgenommen. Dieses wird analysiert und das Inserat wird dem Kunden vorausgefüllt angezeigt.

Wenn Nutzer auf einer Online Plattform ihr Haus oder Auto zum Kauf anbieten möchten, muss der Prozess der Inseratserstellung möglichst einfach sein. In diesem Beispiel macht der Nutzer ein Foto seines Hauses.

Der Algorithmus analysiert die Bilder und trägt automatisch Daten ein, die auf dem Bild zu erkennen sind. Ggf. können auch Textdateien hinzugezogen werden wie z.B. ein vorheriges Inserat des Hauses.

Das Inserat wird dem Kunden vorausgefüllt angezeigt und der Kunde kann das Inserat manuell weiter editieren. So lässt sich viel Zeit einsparen und Angaben des Inserats können automatisch überprüft werden.

Analyse von handgeschriebenen Anträgen

#machine vision #nlp #banken #versicherungen

Handschriftliche Dokumente können durch Machine Learning Algorithmen ausgelesen und vorausgefüllt werden. Durch weitere Eingaben können diese Dokumente noch einmal editiert werden, wovon die Genauigkeit des Algorithmus nochmal profitiert.

#machine vision #nlp #banken #versicherungen

Handschriftliche Dokumente können durch Machine Learning Algorithmen ausgelesen und vorausgefüllt werden. Durch weitere Eingaben können diese Dokumente noch einmal editiert werden, wovon die Genauigkeit des Algorithmus nochmal profitiert.

In der Versicherungsbranche werden Dokumente von eigenen Mitarbeitern oder Partnerunternehmen wie Maklern handschriftlich ausgefüllt. Diese handschriftlichen Dokumente müssen häufig abgetippt werden, um Sie weiter zu verarbeiten.

Mit Machine Learning Algorithmen können Muster in handschriftlichen Dokumenten analysiert und ausgelesen werden und zu großen Teilen vorausgefüllt werden. Dabei gilt: Umso mehr Dokumente vorliegen und desto einheitlicher die Dokumente ausgefüllt sind, desto besser erkennt der Algorithmus die Inhalte des handschriftlichen Dokumentes.

Die vorausgefüllten Dokumente werden an ein Interface übermittelt und können von Mitarbeitern noch einmal editiert werden. So lernt der Algorithmus neue Muster hinzu und kann diese auf neue Fälle anwenden.

Analyse von Röntgen-/MRT-Bildern

#machine vision #gesundheit

Durch die Analyse von Röntgen- oder MRT-Bildern durch einen Algorithmus können Diagnosevorschläge erstellt werden.

#machine vision #gesundheit

Durch die Analyse von Röntgen- oder MRT-Bildern durch einen Algorithmus können Diagnosevorschläge erstellt werden.

In der Radiologie werden MRT und Röntgenbilder zur Diagnose angefertigt.

Machine Learning Algorithmen erkennen Muster in den Bildern und können (bei ausreichender Menge an Röntgen-/MRT-Bildern) und machen Diagnosevorschläge.

Die Ärzte erhalten automatisiert Vorschläge für Diagnosen und können diese Informationen mithilfe des persönlichen Eindrucks präzisieren und die Diagnose verifizieren.

Ermittlung des Preises einer Gebäudeversicherungs-Police

#machine vision #banken #versicherungen

Durch die Angabe z. B. der Adresse eines Gebäudes durch den Kunden und durch ggf. vorliegende Bilder des Kunden kann der optimale Policenpreis für das Gebäude ermittelt werden.

#machine vision #banken #versicherungen

Durch die Angabe z. B. der Adresse eines Gebäudes durch den Kunden und durch ggf. vorliegende Bilder des Kunden kann der optimale Policenpreis für das Gebäude ermittelt werden.

Die Höhe der Police einer Gebäudeversicherung ist abhängig von Standort, Gebäudetyp, Anzahl der Obergeschosse und anderen Faktoren. Bei der Analyse der Police wird die Adresse des Kunden erfragt.

Mit der Adresse des Kunden wird der Standort und das Haus mittels Satellitenbildern und ggf. vorliegenden Bilder des Kunden analysiert und mit der Versicherung definierte Faktoren (Anzahl Obergeschosse, Gebäudetyp, etc.) hin überprüft.

Der Algorithmus überprüft die Eigenschaften des Hauses und generiert den optimalen Policenpreis für dieses Gebäude. Dieser Preis kann z. B. dazu genutzt werden, um die Angebote in Preisvergleichsseiten zu optimieren.

Einteilung in Qualitätsklassen

#machine vision #produktion #logistik

Durch standardisierte Bilder von verschiedenen Ledern kann ein Machine Learning Algorithmus Leder klassifizieren und den richtigen Kleidungsstücken zuordnen.

#machine vision #produktion #logistik

Durch standardisierte Bilder von verschiedenen Ledern kann ein Machine Learning Algorithmus Leder klassifizieren und den richtigen Kleidungsstücken zuordnen.

Im Produktionsprozess werden Materialien von Zulieferern angeliefert, z.B. Leder für die Herstellung von Kleidung. Unterschiedliche Qualitäten werden für die Produktion unterschiedlicher Kleidungsstücke benötigt.

Anhand von standardisierten Bildern der Lederoberfläche kann ein Machine Learning Algorithmus lernen, anhand welcher Kriterien das Leder in verschiedene Qualitätsklassen eingeteilt wird. Dabei wird der Algorithmus laufend trainiert und immer besser.

Anhand der festgelegten Kriterien wird das Leder klassifiziert und den richtigen Kleidungsstücken zugeordnet.

Trendscouting

#machine vision #ecommerce

Ein Algorithmus kann tausende Styles und Outfits von Influencern analysieren und somit Trends der nächsten Saison prognostizieren.

#machine vision #ecommerce

Ein Algorithmus kann tausende Styles und Outfits von Influencern analysieren und somit Trends der nächsten Saison prognostizieren.

Zum Trend Scouting werden tausende Styles und Outfits von Influencern analysiert, um die Trends der neuen Saison frühzeitig zu identifizieren und die Nachfrage für die „Must-Haves“ verlässlich prognostizieren zu können.

Mit Hilfe von Machine Learning Algorithmen werden Bilder aus Social Media Kanälen (Instagram, Snapchat, Facebook) und Fashion Magazinen analysiert und auf „properties“ wie z.B. Farbe, Muster und Material überprüft und ausgelesen. Außerdem werden die Kleidungsstücke anhand definierter „properties“ kategorisiert.

Der Algorithmus entwickelt auf Basis der „properties“ und des Trend Scores der Influencer die „trend probability“ für einzelne Kleidungsstücke anhand ihrer Kategorisierung.

Betrugserkennung in der Schadensbearbeitung

#machine vision #nlp #banken #versicherungen

Mit neuronalen Netzen werden Muster von Betrugsfällen erkannt und herausgefiltert. Auffällige Schadensmeldungen werden Sachbearbeitern gemeldet und manuell überprüft.

#machine vision #banken #versicherungen

Mit neuronalen Netzen werden Muster von Betrugsfällen erkannt und herausgefiltert. Auffällige Schadensmeldungen werden Sachbearbeitern gemeldet und manuell überprüft.

Kunden senden Versicherungen ihre Schadensmeldung in Form eines Textdokuments oder als Bild. Betrüger gehen davon aus, dass insbesondere Schäden mit geringem Wert nicht gründlich geprüft werden.

Mit neuronalen Netzen werden Muster von Betrugsfällen aus der Vergangenheit oder Häufungen von auffälligen, aktuellen Schadensmeldungen erkannt und herausgefiltert.

Die ausgewählten auffälligen Schadensmeldungen werden den Sachbearbeitern gemeldet und manuell durch Betrugsspezialisten der Versicherungen überprüft.

Standortanalyse

#machine vision #immobilien

Ein Machine Learning Algorithmus analysiert Eigenschaften und historische und aktuelle Daten einer Immobilie. Daraus entsteht ein Score, durch welchem sich die Attraktivität eines Objekts bewerten lässt.

#machine vision #immobilien

Ein Machine Learning Algorithmus analysiert Eigenschaften und historische und aktuelle Daten einer Immobilie. Daraus entsteht ein Score, durch welchem sich die Attraktivität eines Objekts bewerten lässt.

Lage, Lage, Lage. In der Immobilienbranche ist die Einschätzung der Attraktivität der Lage weiterhin ein wesentlicher Erfolgsfaktor.

Bei der Einschätzung der Attraktivität können Machine Learning Algorithmen helfen, indem historische Verkaufs- bzw. Angebotsdaten ausgewertet werden und die Nähe zu Autobahnen, dem öffentlichen Nahverkehr, beliebten Restaurants, Wohnlagen und Einkaufsmöglichkeiten anhand von Satellitenbildern automatisiert analysiert werden.

Unter Einbeziehung der mit dem Kunden vorher festgelegten Kriterien und historischer Daten werden attraktive Objekte und Lagen zur Anmietung, Verkauf oder Projektentwicklung identifiziert und ein „Score“ für die Beurteilung der Attraktivität entwickelt.

Klassifizierung von Geräteschäden

#machine vision #produktion #logistik

Fotos von defekten Ersatzteilen werden durch einen Machine Learning Algorithmus analysiert und die Schäden klassifiziert. Diese Informationen fließen in die Entwicklung neuer Produkte und in die Lieferantenauswahl ein.

#machine vision #produktion #logistik

Fotos von defekten Ersatzteilen werden durch einen Machine Learning Algorithmus analysiert und die Schäden klassifiziert. Diese Informationen fließen in die Entwicklung neuer Produkte und in die Lieferantenauswahl ein.

In der Entwicklung neuer Produkte ist es wichtig, die Schwächen vergangener Produktreihen und häufige Fehler zu identifizieren und in Zukunft abzustellen. Um dies zu gewährleisten, macht der Servicetechniker ein Foto von defekten Ersatzteilen.

Auf Basis von historischen Daten und ähnlichen Fotos dieses Ersatzteiles analysiert der Machine Learning Algorithmus den Schaden und klassifiziert diesen in vorher mit dem Kunden definierte Klassen.

Anhand der Klassifizierung der Reparaturschäden aus den vorherigen Produktreihen liegen detaillierte Informationen über die Reparaturen und Reklamationen vor. Diese Informationen fließen in die Produktentwicklung neuer Produkte und die Auswahl der Lieferanten und Komponenten ein.