Bilderkennungssoftware

In Demos werden dir viele Funktionen gezeigt, die gut aussehen und im Alltag kaum eine Rolle spielen. Konzentrier dich auf die Punkte, die dich später täglich betreffen.

Erkennungsgenauigkeit und wie du sie prüfst

Jeder Anbieter spricht über Genauigkeit. Wichtig ist, dass du diese Zahl nicht glaubst, sondern selbst misst. Nimm deine eigenen Bilder, nicht die Beispielbilder aus dem Marketing. Achte dabei auf zwei Fehlerarten: Fälle, in denen das System etwas übersieht, und Fälle, in denen es fälschlich Alarm schlägt. Beide kosten Geld, aber unterschiedlich. Ein übersehener Schaden im Wareneingang landet beim Kunden, ein falscher Alarm bindet Personal, das jedes Mal nachschauen muss.

Umgang mit schlechten Bildern

Im Betrieb sind Bilder selten sauber. Gegenlicht, Schmutz auf der Linse, ein schiefes Handyfoto vom Lager. Frag konkret, wie die Software damit umgeht und ob sie dir meldet, wenn ein Bild zu schlecht für eine sichere Aussage ist. Ein System, das bei schlechter Vorlage einfach irgendein Ergebnis rät, ist gefährlicher als eines, das ehrlich "nicht sicher" sagt.

Konfidenzwerte und Schwellen

Gute Systeme geben zu jedem Ergebnis an, wie sicher sie sind. Damit kannst du eine Schwelle festlegen: Alles über einem bestimmten Wert läuft automatisch durch, alles darunter geht an einen Menschen zur Kontrolle. Prüf, ob du diese Schwelle selbst einstellen kannst, denn sie ist dein wichtigster Hebel, um Automatisierung und Sicherheit auszubalancieren.

Anbindung an deine Systeme

Eine Erkennung, die nur im Tool sichtbar ist, hilft dir wenig. Das Ergebnis muss dorthin, wo du arbeitest: ins Warenwirtschaftssystem, in die Dokumentenablage, in die Buchhaltung. Frag nach Schnittstellen (API) und danach, ob es fertige Verbindungen zu den Programmen gibt, die du bereits nutzt. Wenn du hier improvisieren musst, wächst der Aufwand still im Hintergrund.

Nachvollziehbarkeit

Wenn ein Ergebnis strittig ist, willst du nachvollziehen können, warum das System so entschieden hat. Prüf, ob die Software protokolliert, welches Bild wann welches Ergebnis lieferte und mit welcher Sicherheit. Ohne dieses Protokoll stehst du bei Rückfragen im Dunkeln.

Lass die richtige Person testen

Lass die Software in der Demo von der Person bedienen, die später damit arbeitet, nicht vom Chef und nicht von der IT allein. Wenn deine Lagermitarbeiterin drei Klicks braucht, um ein Bild einzuordnen, und das hundertmal am Tag, dann ist das die Realität, nicht die Hochglanzpräsentation.

Teste mit deinen eigenen Daten

Besteh darauf, in der Testphase deine echten Bilder zu verwenden. Sammle vorher einen Satz typischer Fälle, inklusive der schwierigen: das verknitterte Etikett, den Grenzfall, das schlecht belichtete Foto. Ein System, das nur auf sauberen Beispielen glänzt, fällt bei dir im Alltag durch.

Prüf den Trainingsaufwand ehrlich

Wenn du eigene Fälle trainieren musst, frag konkret, wie viele Beispielbilder du pro Kategorie brauchst und wer die Bilder aufbereitet. Diese Fleißarbeit unterschätzen fast alle. Das Markieren und Sortieren von Bildern ist Handarbeit, und sie fällt bei dir an, nicht beim Anbieter.

Achte auf den Ausstieg

Frag von Anfang an, wie du wieder herauskommst. Bekommst du deine Bilder und deine trainierten Daten zurück, wenn du den Anbieter wechseln willst, und in welchem Format? Wer diese Frage in der Demo nicht klar beantwortet, gibt dir die Antwort bereits.

Cloud oder im eigenen Haus

Entscheide früh, ob die Bilder das Haus verlassen dürfen. Cloudbasierte Systeme sind meist schneller startklar, aber deine Bilder werden auf fremden Servern verarbeitet. Bei sensiblen Aufnahmen (Personen, interne Prozesse, Kundendaten) kann das ein Problem sein. Systeme, die bei dir vor Ort laufen, geben dir mehr Kontrolle, kosten aber mehr Einrichtung.

Der Preis auf der Angebotsseite ist selten der Preis, den du am Jahresende zahlst. Bei Bilderkennung gibt es einige typische Modelle, die du kennen solltest, damit dich die Abrechnung nicht überrascht.

Abrechnung nach Menge

Viele Cloudsysteme rechnen nach Anzahl der verarbeiteten Bilder ab. Das klingt fair, wird aber schwer kalkulierbar, wenn dein Volumen schwankt. Rechne vorher durch, wie viele Bilder du pro Monat wirklich verarbeitest, und frag, ob es Staffelpreise gibt und was ein Ausreißermonat kostet.

Feste Lizenz oder Abonnement

Manche Anbieter verlangen eine feste monatliche oder jährliche Gebühr, unabhängig von der Menge. Das ist planbar, kann aber teuer sein, wenn du die Kapazität nur selten ausschöpfst. Umgekehrt schützt es dich vor bösen Überraschungen bei hohem Aufkommen.

Die Kosten, die selten im Angebot stehen

Rechne über den reinen Softwarepreis hinaus. Dazu gehören die Einrichtung und Anbindung an deine bestehenden Systeme, die Zeit für das Sammeln und Aufbereiten von Trainingsbildern, die Schulung deiner Leute und die laufende Pflege. Wenn sich deine Produkte oder Etiketten ändern, muss das System oft nachtrainiert werden, und das kostet wieder Arbeitszeit. Frag auch, ob Support etwas kostet und ob Updates inbegriffen sind.

Ein einfacher Weg zur Kalkulation

Stell dir für zwei Jahre alle Kosten zusammen: Lizenz oder Menge, Einrichtung, interne Arbeitszeit, Schulung, Pflege. Vergleich diese Summe mit dem Aufwand, den du heute ohne die Software hast. Erst diese Gegenüberstellung sagt dir, ob sich die Anschaffung lohnt, nicht der Monatspreis allein.

Der Test mit den falschen Bildern

Ein Betrieb testet mit zwanzig sauberen Musterbildern, ist begeistert und kauft. Im Alltag kommen dann die verschmutzten, schiefen und dunklen Aufnahmen, und die Trefferquote bricht ein. Der Fehler war nicht die Software, sondern der Test.

Niemand fühlt sich für die Kontrolle zuständig

Die Software meldet Grenzfälle zur manuellen Prüfung, aber es ist nie festgelegt, wer diese prüft. Die Fälle stapeln sich, irgendwann werden sie ungeprüft durchgewinkt, und der Sinn der Kontrolle ist dahin. Leg vorher fest, wer die Nachprüfung macht und wann.

Die Schwelle wird nie angepasst

Zu Beginn wird eine Sicherheitsschwelle eingestellt und dann nie wieder angefasst. Dabei ändern sich deine Bilder, deine Produkte und deine Anforderungen. Plan feste Zeitpunkte ein, an denen du prüfst, ob die Einstellung noch passt.

Das System läuft, aber keiner traut ihm

Die Software funktioniert, aber die Mitarbeiter kontrollieren aus Misstrauen weiterhin jedes Ergebnis von Hand. Damit hast du doppelte Arbeit statt Entlastung. Das entsteht, wenn die Leute nicht verstehen, wie das System entscheidet, und nicht früh einbezogen wurden.

Die Produkte ändern sich, das Modell nicht

Ein neues Etikettenlayout, eine neue Verpackung, und plötzlich erkennt das System schlechter. Viele merken erst spät, dass Bilderkennung Pflege braucht, sobald sich die Realität ändert, die sie abbilden soll.

Bilderkennung berührt in Deutschland, Österreich und der Schweiz schnell den Datenschutz, vor allem wenn Menschen auf den Bildern zu sehen sind. Das ist kein Randthema, sondern gehört in die Auswahl.

Personenbezogene Daten

Sobald auf deinen Bildern Personen erkennbar sind, gilt die Datenschutz-Grundverordnung (DSGVO). Das betrifft mehr Fälle, als man denkt: ein Mitarbeiter im Hintergrund eines Hallenfotos, ein Gesicht auf einem Ausweisdokument, eine Person im Bild einer Überwachungskamera. Kläre vorher mit deinem Datenschutzbeauftragten, ob und wie du diese Bilder verarbeiten darfst.

Wo werden die Bilder verarbeitet

Bei Cloudsystemen ist entscheidend, wo die Server stehen und wer Zugriff hat. Werden Bilder außerhalb der EU verarbeitet, brauchst du eine rechtliche Grundlage dafür. Frag den Anbieter nach dem Verarbeitungsort und danach, ob er einen Vertrag zur Auftragsverarbeitung anbietet. Diesen Vertrag brauchst du, wenn ein Dienstleister in deinem Auftrag personenbezogene Bilder verarbeitet.

Automatisierte Entscheidungen

Wenn eine Software Entscheidungen trifft, die Menschen spürbar betreffen, gibt es besondere Anforderungen. Für die meisten betrieblichen Fälle wie Sortierung oder Qualitätsprüfung ist das unkritisch, aber sobald es um Bewertungen von Personen geht, solltest du rechtlichen Rat einholen.

Aufbewahrung und Löschung

Klär, wie lange Bilder gespeichert werden und ob du sie gezielt löschen kannst. Du brauchst ein Konzept dafür, wann Bilddaten wieder verschwinden, gerade wenn Personen darauf zu sehen sind. Ein System, das alles unbegrenzt speichert, wird schnell zum Risiko.

Die hier genannten Punkte ersetzen keine Rechtsberatung. Bei personenbezogenen Bildern solltest du deinen Datenschutzbeauftragten oder einen Fachanwalt einbeziehen, bevor du produktiv startest.

Schritt 1: Den Anwendungsfall scharf stellen

Beschreib in einem Satz, was genau erkannt werden soll und was danach passiert. Nicht "wir wollen Bilderkennung", sondern "wir wollen im Wareneingang automatisch erkennen, ob eine Palette beschädigt ist, und den Fall bei Zweifel an die Schichtleitung geben". Je konkreter dieser Satz, desto besser deine spätere Auswahl.

Schritt 2: Einen Testdatensatz sammeln

Stell fünfzig bis hundert echte Bilder zusammen, inklusive der schwierigen Fälle. Sortier sie vorher selbst, damit du beim Test weißt, was richtig ist. Ohne diese Vorarbeit kannst du kein Ergebnis bewerten.

Schritt 3: Zwei bis drei Systeme mit denselben Bildern testen

Gib jedem Kandidaten denselben Testdatensatz und vergleich die Ergebnisse direkt. Notier bei jedem, wie viele Fälle übersehen wurden und wie viele falsch gemeldet. So bekommst du Zahlen aus deiner Realität statt aus der Werbung.

Schritt 4: Die Bedienung im echten Ablauf prüfen

Lass die Person, die später arbeitet, den vollständigen Vorgang durchspielen, von der Bildaufnahme bis zum fertigen Ergebnis im Zielsystem. Achte auf jeden Klick, der sich hundertfach wiederholt.

Schritt 5: Kosten über zwei Jahre rechnen

Stell die Gesamtkosten zusammen, wie oben beschrieben, und vergleich sie mit dem heutigen Aufwand. Erst dann triffst du eine Entscheidung über Geld, nicht über Gefühl.

Schritt 6: Klein starten

Start mit einem klar abgegrenzten Bereich, nicht mit dem ganzen Betrieb. Ein einzelner Prozess, eine Schicht, ein Standort. So siehst du früh, ob es trägt, und kannst nachbessern, bevor du groß ausrollst.

Schritt 7: Zuständigkeiten und Pflege festlegen

Leg fest, wer Grenzfälle prüft, wer die Schwelle im Auge behält und wer eingreift, wenn sich Produkte oder Etiketten ändern. Ohne diese Zuständigkeiten läuft ein anfangs gutes System langsam ins Leere.

Wenn du diese sieben Schritte durchgehst, triffst du deine Entscheidung auf Basis deiner eigenen Zahlen und deiner eigenen Bilder, und genau das unterscheidet einen Kauf, der trägt, von einem, den du in einem Jahr bereust.