Wann sich automatisierte Bildverarbeitung wirklich lohnt

Automatisierte Bildverarbeitung lohnt sich immer dann, wenn Teile ungeordnet an einer Station ankommen. Das gilt auch bei wechselnder Lage oder unpräziser Position. Dann muss ein Roboter erst herausfinden, wo das Werkstück liegt. Kommt jedes Teil dagegen sortiert und lagerichtig an, reicht oft eine mechanische Alternative wie Zuführtechnik oder ein einfacher Sensor. Dieser Guide zeigt dir vier Dinge: wann Machine Vision Pflicht ist, wann sie überflüssig bleibt, welche Komponenten du brauchst und was ein System kostet.

Wann sich automatisierte Bildverarbeitung in der Automatisierung lohnt

Automatisierte Bildverarbeitung lohnt sich bei drei Bedingungen: ungeordnete oder wechselnde Teilelage, variierende Merkmale (Form, Farbe, Position, Oberfläche) oder eine visuelle Prüfanforderung. Trifft eine davon zu, spielt Machine Vision ihren Vorteil aus. Sonst ist eine mechanische Lösung meist günstiger.

Bildverarbeitung ist die Antwort auf Unbestimmtheit. Sobald eine Maschine wissen muss, wo ein Teil liegt oder ob es in Ordnung ist, braucht sie visuelle Information. Ein Cobot greift Bauteile aus einer Kiste. Dafür braucht er eine Kamera, die Position und Orientierung bestimmt. Genau hier ersetzt Machine Vision das menschliche Auge. Erst so wird die Automatisierung überhaupt möglich.

Bei bereits geordneter Zuführung kehrt sich die Rechnung um. Wo Teile sortiert, ausgerichtet und in gleichbleibender Qualität ankommen, liefert Bildverarbeitung wenig Mehrwert. Ein Vibrationswendelförderer oder eine mechanische Ordnungsschiene bringt jedes Teil in dieselbe Lage, ganz ohne Kamera, Software und Kalibrierung. Die Faustregel lautet daher: Automatisiere die Ordnung mechanisch, solange das geht. Bildverarbeitung setzt du erst dort ein, wo sich diese Ordnung mechanisch nicht herstellen lässt.

Automatisierte Bildverarbeitung ist immer dann Pflicht, wenn ein Prozess mit unbestimmter Teilelage, variierenden Merkmalen oder visueller Qualitätsanforderung umgehen muss. Bei geordneter, gleichbleibender Zuführung ist eine mechanische Alternative in der Regel robuster und günstiger.

Was industrielle Bildverarbeitung ist und wie ein Vision-System aufgebaut ist

Industrielle Bildverarbeitung (Machine Vision) ist die Technik, mit der eine Maschine Bilder aufnimmt, auswertet und daraus eine Entscheidung ableitet. Ein Vision-System besteht aus vier Kernkomponenten: Kamera mit Bildsensor, Objektiv, Beleuchtung und Auswerte-Software.

Industrielle Bildverarbeitung folgt immer derselben Kette. Die Beleuchtung erzeugt einen definierten Kontrast. Das Objektiv bildet das Werkstück scharf auf den Bildsensor ab. Die Kamera digitalisiert das Bild. Die Software wertet es aus. Zur Auswertung dienen klassische Verfahren der Mustererkennung (Kantenerkennung, Blob-Analyse, Template-Matching). Für Fälle jenseits fester Regeln kommt zunehmend Machine Learning hinzu.

Jede Komponente bestimmt das Ergebnis mit. Ein hochauflösender Bildsensor nützt wenig, wenn das Objektiv unscharf abbildet oder die Beleuchtung Schatten wirft. Die Wahl der Kamera hängt vom Prozess ab:

Die Software ist der eigentliche Hebel. Sie entscheidet, ob ein System nur ein simples Merkmal prüft oder eine komplexe Szene interpretiert. Für Vision-Komponenten und komplette Kamera-Sets findest du eine Übersicht auf dem Marktplatz von Unchained Robotics.

Diese Anwendungsfälle deckt automatisierte Bildverarbeitung in der Produktion ab

Automatisierte Bildverarbeitung deckt in der Produktion fünf Kern-Anwendungen ab: Qualitätskontrolle, Roboterführung (Bin Picking und Pick-and-Place), Identifikation (Barcode und 2D-Code), Vollständigkeitsprüfung und Deep-Learning-basierte Fehlererkennung. Alle verbindet ein Ziel: eine visuelle Entscheidung in Echtzeit.

Bildverarbeitung ersetzt oder ergänzt die menschliche Sichtprüfung. Sie springt dort ein, wo diese zu langsam, zu teuer oder zu fehleranfällig ist. Die wichtigsten Anwendungsfälle im Detail:

• Qualitätskontrolle: Das System prüft Bauteile auf Kratzer, Risse, Maßhaltigkeit oder Farbabweichung. Ausschuss sortiert es aus, bevor er den Kunden erreicht. Wie sich Sichtprüfung roboterbasiert lösen lässt, zeigt der Beitrag zu den Endeffektoren für Industrieroboter.
• Bin Picking: Eine 3D-Kamera erkennt einzelne Teile in einer chaotisch gefüllten Kiste. Sie berechnet Greifpunkt und Orientierung und leitet den Roboter dorthin. Die Details dazu findest du im Beitrag zu Bin Picking und möglichen Lösungen.
• Identifikation: Das System liest Barcodes, 2D-Codes (Data Matrix, QR) oder Klarschrift. So bleiben Teile über die gesamte Prozesskette rückverfolgbar.
• Vollständigkeitsprüfung: Vor dem Verpacken prüft die Kamera, ob alle Bauteile, Schrauben oder Beilagen vorhanden sind.
• Deep-Learning-Fehlererkennung: Manche Defekte lassen sich schwer mit festen Regeln beschreiben, etwa Oberflächenfehler auf Guss, Textil oder Leder. Hier lernt ein neuronales Netz anhand von Beispielbildern, was "gut" und "schlecht" ist.

Deep-Learning-basierte Bildverarbeitung ist der Anwendungsfall mit dem größten Wachstum. Sie löst Prüfaufgaben, an denen regelbasierte Mustererkennung scheitert, weil sich der Fehler visuell nicht eindeutig definieren lässt.

2D- oder 3D-Bildverarbeitung: welches System zu deinem Prozess passt

Automatisierte Bildverarbeitung gibt es in zwei Grundformen. 2D-Vision erfasst Fläche und Kontur (Position in X und Y, Kontrast, Code). 3D-Vision erfasst zusätzlich die Höhe (Z-Achse) und damit Form, Volumen und Lage im Raum. Die Faustregel: 2D für ebene Merkmale, 3D für die Greifpunktbestimmung.

Bildverarbeitung in 2D reicht für die große Mehrheit der Prüfaufgaben. Oft liegt das relevante Merkmal in einer Ebene, etwa ein Code, eine Kante, eine Farbfläche oder eine Anwesenheit. Dann liefert eine 2D-Flächenkamera schnelle und günstige Ergebnisse. 3D-Vision brauchst du dort, wo die Höhe über Erfolg oder Misserfolg entscheidet. Das gilt beim Griff in die Kiste, bei der Ebenheitsprüfung oder beim Vermessen von Volumina.

Die Praxis kombiniert oft beide Welten. Ein System liest per 2D den Code und bestimmt per 3D den Greifpunkt. Wichtig ist, die Systemwahl an die schwierigste Teilaufgabe zu koppeln, nicht an den Durchschnitt.

Diese Störfaktoren lassen Bildverarbeitungssysteme scheitern

Bildverarbeitungssysteme scheitern in der Praxis an fünf Störfaktoren: wechselndes Umgebungslicht, Staub und Verschmutzung, transparente oder glänzende Teile, Schatten und schwer erkennbare Werkstücke (dunkel, klein, formähnlich). Alle fünf lassen sich mit der richtigen Beleuchtung und Optik weitgehend entschärfen.

Bildverarbeitung steht und fällt mit dem Bild. Die häufigste Ursache für instabile Systeme ist nicht die Software, sondern eine schlechte oder inkonstante Beleuchtung. Wer das Umgebungslicht nicht kontrolliert, bekommt bei Sonnenschein andere Ergebnisse als nachts. Die gezielte Beleuchtung ist deshalb die wichtigste Stellschraube:

• Auflicht: Beleuchtet das Objekt von vorn, Standard für Oberflächen- und Codeprüfung.
• Durchlicht: Beleuchtet von hinten, erzeugt eine scharfe Silhouette für Maß- und Konturprüfung.
• Dome-Beleuchtung: Diffuses Licht aus einer Kuppel, entschärft Reflexe auf glänzenden und gewölbten Teilen.

Transparente Teile (Glas, Folie, klarer Kunststoff) und stark spiegelnde Oberflächen sind die härtesten Fälle. Sie lassen Licht durch oder reflektieren es unkontrolliert. Hier helfen Durchlicht, Polfilter oder Dome-Beleuchtung. Ein gekapseltes Gehäuse hält Staub und Schmutz von der Optik fern. Die Kernbotschaft: Ein Bildverarbeitungssystem ist nur so gut wie die Kontrolle über seine Bildbedingungen.

Bildverarbeitung oder mechanische Alternative: so triffst du die Entscheidung

Bildverarbeitung lohnt sich vor allem bei unbestimmter Teilelage. Kommen Teile geordnet an, sind eine feste Zuführtechnik, ein Ordnungssystem, ein Näherungssensor oder reines Codelesen oft günstiger und robuster. Die Entscheidung stützt sich auf vier Kriterien: Teilelage, Varianz der Merkmale, Bedarf an visueller Prüfung und Stückzahl.

Bildverarbeitung kostet mehr als eine mechanische Lösung, sowohl in der Anschaffung als auch in der Pflege. Sie rechtfertigt sich nur, wenn ihre Flexibilität gebraucht wird. Die folgende Matrix ordnet die Alternativen ein:

Die Entscheidung ist selten "entweder oder". Oft ist die günstigste Automatisierung eine Kombination: mechanische Vereinzelung plus ein einfacher Vision-Sensor für die Restunsicherheit. Erst wenn sich die Ordnung nicht mechanisch herstellen lässt, wird ein vollwertiges Bildverarbeitungssystem zur einzigen Option. In diesen Fällen gilt: entweder mit Bildverarbeitung automatisieren oder gar nicht.

Was ein Bildverarbeitungssystem kostet und wann sich die Investition rechnet

Ein Bildverarbeitungssystem kostet je nach Komplexität sehr unterschiedlich. Die Spanne reicht von wenigen hundert Euro für einen Vision-Sensor bis zu mehreren zehntausend Euro für ein 3D-Bin-Picking-System. Wie schnell es sich amortisiert, hängt an der eingesparten Handarbeit und am vermiedenen Ausschuss, nicht am Kamerapreis allein.

Viele bewerten Bildverarbeitung am Kamerapreis. Das führt in die Irre. Den größten Kostenblock machen selten Kamera und Software aus, sondern Beleuchtung, mechanische Integration, Kalibrierung und Applikationsengineering. Die folgenden Spannen sind branchenübliche Richtwerte für die Hardware:

Die Investition rechnet sich meist über die Personalkosten. Ersetzt ein Vision-System eine manuelle Sichtprüfung im Mehrschichtbetrieb, amortisiert es sich oft binnen ein bis zwei Jahren. Hinzu kommen vermiedener Ausschuss und Reklamationsaufwand. Fehlerhafte Teile im Feld übersteigen schnell den Systempreis. [AUTOREN-INPUT NÖTIG: Nennt Unchained Robotics eine konkrete Preisspanne oder Amortisationszeit für eine schlüsselfertige Vision-Zelle (z. B. MalocherBot mit Kamera), die hier als belastbare Kennzahl stehen kann?]

Der Kamerapreis ist der kleinste Teil der Rechnung. Über die Wirtschaftlichkeit eines Bildverarbeitungssystems entscheiden die eingesparte Handarbeit, der vermiedene Ausschuss und der Integrationsaufwand, nicht die Hardware allein.

So kombinierst du Bildverarbeitung mit Roboter oder Cobot

Bildverarbeitung macht einen Roboter oder Cobot erst flexibel. Statt fest programmierter Positionen greift das System dorthin, wo das Teil tatsächlich liegt. Diese Technik heißt Vision-guided Robotics und braucht drei Bausteine: eine Kamera, eine Hand-Auge-Kalibrierung und eine Greifplanung.

Roboter ohne Vision arbeiten blind. Sie fahren feste Koordinaten an und setzen voraus, dass jedes Teil exakt dort liegt. Erst die Kamera löst diese starre Bindung. Die Hand-Auge-Kalibrierung übersetzt dabei die Bildkoordinaten der Kamera in das Koordinatensystem des Roboters. So fährt der Tool Center Point (TCP), also der Werkzeugmittelpunkt am Greifer, den erkannten Greifpunkt exakt an.

Die zwei häufigsten Muster:

• Pick-and-Place mit 2D-Vision: Teile liegen flach und vereinzelt (etwa auf einem Band). Die Kamera bestimmt Position und Winkel, der Cobot greift und legt lagerichtig ab.
• Bin Picking mit 3D-Vision: Teile liegen chaotisch in einer Kiste. Eine 3D-Kamera erzeugt eine Punktwolke. Die Software berechnet einen kollisionsfreien Greifpunkt. Der Roboter entnimmt Teil für Teil.

Damit das Zusammenspiel funktioniert, müssen Kamera, Greifer und Roboter aufeinander abgestimmt sein. Welcher Endeffektor zum Prozess passt, klärt der Beitrag zur Auswahl von Endeffektoren. Und wenn du erst am Anfang stehst, liefert der Überblick zu Cobots und ihren Einsatzfeldern die Grundlage. Passende kollaborative Roboter und Kameras findest du gebündelt auf dem Marktplatz von Unchained Robotics.

Häufige Fragen

Was ist automatisierte Bildverarbeitung?

Automatisierte Bildverarbeitung (Machine Vision) ist die Technik, mit der eine Maschine Bilder aufnimmt, per Software auswertet und daraus eine Entscheidung ableitet. Ein System aus Kamera, Objektiv, Beleuchtung und Auswerte-Software erkennt Merkmale wie Position, Form, Farbe oder Codes. Damit steuert es Prozesse wie Qualitätskontrolle, Sortierung oder die Führung eines Roboters.

Wann ist Bildverarbeitung in der Automatisierung sinnvoll?

Bildverarbeitung ist sinnvoll, wenn Teile ungeordnet ankommen, ihre Merkmale variieren oder ein Prozess eine visuelle Prüfung braucht. Sobald eine Maschine wissen muss, wo ein Teil liegt oder ob es fehlerfrei ist, liefert nur eine Kamera diese Information. Kommen Teile dagegen sortiert und lagerichtig an, reicht meist eine mechanische Alternative.

Welche Alternativen gibt es zur Bildverarbeitung?

Als Alternativen zur Bildverarbeitung eignen sich Zuführtechnik (Wendelförderer), mechanische Ordnungssysteme (Nester, Schienen), Näherungssensoren für reine Anwesenheitsprüfung und Barcode-Scanner für die Identifikation. Diese Lösungen sind günstiger und robuster. Sie funktionieren aber nur, wenn sich die Ordnung der Teile mechanisch herstellen lässt und keine visuelle Fehlererkennung nötig ist.

Was kostet ein industrielles Bildverarbeitungssystem?

Ein industrielles Bildverarbeitungssystem kostet je nach Klasse unterschiedlich viel. Ein Vision-Sensor liegt zwischen 300 und 2.000 Euro. Eine Smart Camera kostet 1.500 bis 8.000 Euro. Ein 2D-Vollsystem inklusive Integration liegt bei 10.000 bis 30.000 Euro. Ein 3D-Bin-Picking-System mit Roboterführung erreicht 30.000 bis 80.000 Euro. Den größten Kostenanteil machen oft Beleuchtung und Integration aus, nicht die Kamera.

Was ist der Unterschied zwischen 2D- und 3D-Bildverarbeitung?

2D-Bildverarbeitung erfasst Fläche und Kontur eines Objekts in einer Ebene, also Position, Kontrast und Codes. 3D-Bildverarbeitung erfasst zusätzlich die Höhe und damit Form, Volumen und Lage im Raum. 2D reicht für Codelesen und ebene Prüfungen. 3D brauchst du, wenn ein Roboter einen Greifpunkt in einer chaotisch gefüllten Kiste bestimmen muss.

Welche Komponenten braucht ein Bildverarbeitungssystem?

Ein Bildverarbeitungssystem braucht vier Kernkomponenten: eine Kamera mit Bildsensor, ein Objektiv, eine Beleuchtung und eine Auswerte-Software. Die Beleuchtung erzeugt den Kontrast. Das Objektiv bildet scharf ab. Der Bildsensor digitalisiert. Die Software wertet per Mustererkennung oder Machine Learning aus. Je nach Aufgabe kommen Filter, Gehäuse oder eine 3D-Kamera hinzu.

Kann Bildverarbeitung in Echtzeit arbeiten?

Bildverarbeitung arbeitet je nach System in Echtzeit. Vision-Sensoren und 2D-Systeme werten Bilder innerhalb weniger Millisekunden aus. So halten sie mit hohen Taktraten in der Produktion Schritt. 3D-Systeme brauchen mehr Rechenzeit, weil sie eine Punktwolke verarbeiten. Für Bin Picking arbeiten sie aber weiterhin prozesssynchron.

Welche Anwendungsfälle hat industrielle Bildverarbeitung?

Industrielle Bildverarbeitung deckt vor allem Qualitätskontrolle, Roboterführung (Bin Picking und Pick-and-Place), Identifikation per Barcode und 2D-Code, Vollständigkeitsprüfung und Deep-Learning-basierte Fehlererkennung ab. Alle Anwendungen verbindet ein Ziel: eine visuelle Entscheidung schnell und wiederholgenau zu treffen. Das gilt an Stellen, an denen die menschliche Sichtprüfung zu langsam oder zu fehleranfällig ist.