Skip to content
FRÜHES FORSCHUNGSKONZEPT · NUR SYNTHETISCHE DEMONSTRATIONEN
QualiEdge AI
ENDE

Technisches Konzept

QualiEdge AI — Architektur

Geplanter modularer Monolith auf Windows, CPU-basiert und offline neben der Produktionslinie. Keine SPS-Schreibzugriffe in V1. Dies beschreibt das geplante Inspektionssystem, nicht ein bereits eingesetztes Produkt.

Systemablauf

Vom Bild zum Prüfprotokoll

  1. 1. Industriekamera und kontrollierte Beleuchtung
  2. 2. Aufnahme und Bildqualitätsprüfung
  3. 3. Registrierung und Ausrichtung
  4. 4. Rezeptbasierte Merkmalsprüfung mit OpenCV
  5. 5. Entscheidung: PASS / FAIL / REVIEW
  6. 6. Lokale Bildnachweise mit SHA-256 und Zeitstempel
  7. 7. Menschliche Nachprüfung — nur ergänzen, nie überschreiben
  8. 8. Auswertung und CSV-Berichte

Technologiestack

Geplante Umsetzung

React und TypeScript für die Bedienoberfläche; Python FastAPI für lokale Dienste; OpenCV und NumPy für die Baseline; SQLite zunächst, später PostgreSQL. Anomalieerkennung ist ein späterer Forschungsansatz, kein trainiertes Produkt.

Datenmodell

Produkt → Produktversion / Prüfrezept → Bild mit Herkunft → unveränderbares Prüfergebnis → ergänzende menschliche Nachprüfung → Audit-Ereignis.

Entscheidungslogik

Unsicherheit bedeutet Nachprüfung

Ungeeignete oder nicht ausgerichtete Bilder führen zu REVIEW. Ein fehlgeschlagenes Merkmal führt zu FAIL. Unsichere oder deaktivierte Prüfungen dürfen kein automatisches PASS erzeugen. Erst wenn alle konfigurierten Prüfungen erfüllt sind, entsteht PASS.

Entwicklungsregeln

Nachvollziehbar und lokal

  • Jedes Ereignis enthält Herkunft, Rezeptversion, Zeitstempel und Nachweise.
  • Unscharfe oder falsch belichtete Bilder werden nie automatisch freigegeben.
  • Menschliche Prüfung ergänzt Ergebnisse, statt sie zu überschreiben.
  • Kein Upload von Kundenbildern ohne ausdrückliche Freigabe.
  • Keine Genauigkeits-, Umsatz- oder Förderbehauptungen ohne Belege.
  • Keine Maschinensicherheitszertifizierung.
  • Keine unnötigen Microservices und keine GPU-Abhängigkeit.
  • Kunden behalten Bildrechte; Aufbewahrung, Löschung und Rollen sind vertraglich zu regeln.

Forschung und Arbeitspakete

Vergleichen und validieren

OpenCV-Baseline, Anomalieerkennung und menschliche Nachprüfung vergleichen. Recall, Falschausschuss, entkommene Fehler, Nachprüfungsrate, Zykluszeit sowie Licht- und Positionsvariation messen. Entwicklung: Audit, Simulator, lokale Dienste, Bedienoberfläche, Kameraanbindung, Evaluation und Hochschulabklärung.