Embedded Vision schafft Raum für Kernkompetenzen

Videostreaming ist oft der erste Schritt im industriellen Monitoring. Mit zunehmendem Bedarf an Auswertung und Automatisierung stellt sich jedoch die Frage nach Systemen, die funktional skalieren und leicht handhabbar bleiben. Die Antwort liegt in Embedded-Vision-Systemen, ggf. mit integrierter KI.

Für Industrieunternehmen ist es wichtig, Abläufe, Zustände und Störungen direkt im Prozess zu erkennen. Kamerabasiertes Streaming liefert dafür erstmals eine praktikable Grundlage, um Vorgänge live und durch Aufzeichnungen nachzuverfolgen und besser zu verstehen. Der Fokus liegt dabei auf schneller Inbetriebnahme, geringem Integrationsaufwand und klaren Ergebnissen im laufenden Betrieb. Ereignisse sollen erkannt, Abläufe bewertet und Prozesse unterstützt oder automatisiert werden.

Mit steigenden Anforderungen wachsen jedoch Funktionsumfang und Komplexität schnell an. Neue Aufgaben führen zu mehr Schnittstellen, höherem Integrationsaufwand und einer stärkeren Abhängigkeit zwischen einzelnen Komponenten. Klassische Embedded-Vision-Plattformen sind häufig auf klar definierte Funktionen ausgelegt und lassen sich nur begrenzt anpassen. Offene Systeme bieten mehr Spielraum, verlangen aber hohes Eigenengagement bei Integration und Betrieb. Daraus entsteht der Bedarf an Plattformen, die einen klaren Monitoring-Workflow ermöglichen, sich schrittweise erweitern lassen und trotzdem Raum für eigene oder externe Kernkompetenzen entlang der Wertschöpfungskette bieten.

Die Monitoring-Kameras der Serie »uEye Live« und die intelligenten IDS-NXT-Kameras adressieren diesen Bedarf. Sie verbinden industrietaugliches Videostreaming mit Funktionen für Prozessmonitoring und Recording - bis hin zu KI-Analysen. Die Entwicklung folgt dabei konsequent dem Ansatz einer skalierbaren Plattform und nicht einer fest definierten Einzellösung.

Prozessmonitoring als Vision-Workflow

Auf den ersten Blick wirkt Prozessmonitoring einfach. Eine Kamera liefert Bilder, ein System zeigt den aktuellen Zustand. In der Praxis zerfällt diese Aufgabe in viele Einzelkomponenten: Kamera und Optik, Beleuchtung, Mechanik, Netzwerk, Bildaufnahme, Auswertung, Speicherung, Visualisierung sowie die Anbindung an SPS oder IT-Systeme. Jede zusätzliche Teilaufgabe erzeugt weitere Schnittstellen. Datenformate, Protokolle, Updates und Zuständigkeiten müssen aufeinander abgestimmt werden. Mit jedem Übergang wächst der Aufwand, das Gesamtsystem stabil und beherrschbar zu halten.

Diese Komplexität liegt außerhalb des eigentlichen Fokus vieler Anwender. Sie wollen ihren Prozess überwachen, Abweichungen erkennen und zeitnah reagieren, sich aber nicht mit Kamerakonfiguration, Softwarepflege, Schnittstellenlogik oder Systemupdates beschäftigen. Daraus ergibt sich die Frage, ob ein solches Monitoringsystem heutzutage noch individuell aufgebaut werden muss oder ob integrierte, vorgefertigte Lösungen diese Aufgaben übernehmen können.

Häufig wird der Aufbau aus Einzelkomponenten damit begründet, dass Platz, Infrastruktur und Personal bereits vorhanden sind. Schaltschränke für Industrie-PCs, flächendeckende Netzwerkverkabelung, Monitore und eigene Techniker gelten als gesetzt. Was dabei oft übersehen wird, ist der kontinuierliche Aufwand. Integration, Wartung und Betrieb verursachen langfristig erhebliche Bindung von Zeit und Personal.

Ein Fall für Embedded?

Demgegenüber stehen kompakte Vision-Systeme, nahe am Prozess – »on the edge«. Sie ersetzen Schaltschrank, PC, Peripherie und Verkabelungsaufwand durch ein integriertes Gerät. Bedienung und Überwachung erfolgen zentral aus dem Leitstand. Installation, Wartung und Energiebedarf sinken deutlich. Techniker gewinnen Zeit für Aufgaben mit höherem Nutzen. Offen bleibt die Frage, ob solche spezialisierten Systeme die notwendige Flexibilität bieten. Genau hier entscheidet sich, ob Prozessmonitoring weiterhin als individuelles Projekt verstanden wird oder als standardisierte Funktion, die sich an wechselnde Anforderungen anpassen lässt, ohne neue Komplexität zu erzeugen.

Streamingkamera als skalierbare Prozessmonitoring-Plattform

Eine skalierbare Gerätefamilie ermöglicht es, mit einer klar umrissenen Funktion zu starten und den Funktionsumfang bei Bedarf gezielt zu erweitern oder auf eine leistungsfähigere Ausbaustufe zu wechseln. Der Einstieg bleibt einfach, Erweiterungen erfolgen ohne grundlegende Neuplanung und ohne lange Stillstandszeiten. Integration, Bedienung und Systemlogik folgen dabei über alle Stufen hinweg denselben Prinzipien.

Mit uEye Live beginnt dieser Ansatz auf der Ebene der Streamingkamera. Der Einstieg ins Prozessmonitoring erfolgt über Beobachten, Verstehen und Reagieren als zusammenhängenden Ablauf. uEye Live liefert industrielle Videostreams direkt aus dem Prozess, ohne externen PC, ohne Schaltschrank und ohne zusätzliche Peripherie. Unterschiedliche Sensoroptionen decken Anforderungen an Auflösung, Low-Light- oder NIR-Szenarien oder schnelle Bewegungen mit Global Shutter ab. Die Optik lässt sich wie bei klassischen Industriekameras an Arbeitsabstand und Bildfeld anpassen.

Bis zu drei parallele Videostreams mit individuell konfigurierbarer Auflösung, Kompression und Übertragungsstandard wie MJPEG oder RTSP ermöglichen den gleichzeitigen Einsatz in festen 24/7-Prozessketten, einen hochauflösenden Live-Einblick für den Leitstand und ein ereignisbasiertes Recording mit definierter Vor- und Nachlaufzeit. So lassen sich Störungen analysieren, bevor sie kritisch eskalieren. Aktuelle SoCs übernehmen dabei die Datenaufbereitung direkt in der Kamera. Integrierte ISP-Funktionen unterstützen Maskierungen sensibler Bereiche, Overlays mit Prozessinformationen oder die visuelle Hervorhebung relevanter Zonen. Zugriffsschutz und Streamverschlüsselung sichern Konfiguration und Bilddaten zuverlässig ab.

Die Integration in die Anlage erfolgt als eigenständig arbeitendes industrielles System. Ein webbasiertes Frontend ermöglicht die Inbetriebnahme und Verwaltung in wenigen Schritten. Standardisierte Schnittstellen wie eine RESTful API oder OPC UA ermöglichen die Anbindung an neue und bestehende Anlagen. Klassische digitale Ein- und Ausgänge sorgen für schnelle Reaktionen auf Trigger und Events sowie für die gezielte Steuerung kamerainterner Funktionen wie Beleuchtung, Aufzeichnung, Overlays oder Streamingprofile.

Herausforderungen bei Embedded AI Vision

Benötigt eine Anwendung mehr Rechenleistung, höhere Auflösung oder weitergehende Analysefunktionen, lässt sich der Plattformgedanke konsequent fortführen. Bei IDS NXT handelt es sich um Kameras mit identischer Plattformstruktur, aber erweiterter Hardwarebasis. Leistungsfähigere SoCs ermöglichen Video-Streaming und Aufzeichnung in voller Sensorauflösung, bis hin zu 4K. Zusätzlich steht eine NPU zur lokalen Ausführung von Bildanalysefunktionen bereit. Ergebnisse lassen sich in Echtzeit im Livebild visualisieren und parallel an übergeordnete Systeme übergeben.

Doch der Einsatz KI-basierter Bildverarbeitung in Embedded-Vision-Systemen stellt besondere Anforderungen. Auf spezialisierter Hardware mit begrenzten Ressourcen, wie der Plattform »IDS NXT malibu« mit Ambarella-SoC und integrierter Beschleunigereinheit für neuronale Netze, muss die jeweilige Aufgabe konsequent auf die Zielarchitektur zugeschnitten sein. Modelle werden dafür reduziert, optimiert und auf eine klar definierte Funktion ausgelegt. Dieses Prinzip des Edge Computings bringt die Auswertung direkt an die Datenquelle, vermeidet Latenzen und reduziert Systemabhängigkeiten.

Damit Embedded AI Vision im industriellen Alltag nutzbar bleibt, muss sie kompakt, schnell und wirtschaftlich ausführbar sein. Rechenintensive Ansätze wie große Transformer-Netzwerke oder LLMs sind für diesen Zweck ungeeignet. In Automatisierungsanwendungen zählt deterministische Reaktionszeit im niedrigen Millisekundenbereich. Entsprechend müssen neuronale Netze leichtgewichtig bleiben, ohne Genauigkeit und Robustheit zu verlieren. Lösungen, die nur mit hoher Rechenleistung skalieren, sind wirtschaftlich kaum sinnvoll.

Raum für Experten schaffen

Die Effizienz aktueller Embedded-KI-Beschleuniger beruht auf ihrer Spezialisierung. Sie sind auf bestimmte Netzwerkarchitekturen und Datenformate optimiert. Daraus ergibt sich die Notwendigkeit, bereits bei der Entwicklung die Kompatibilität zwischen Trainingsumgebung, Framework, Modellformat und Zielhardware zu berücksichtigen. TinyML-Ansätze erfordern eine enge Abstimmung von Software-Tools, Entwicklungs-SDKs und Beschleunigerarchitektur. Ohne passende Partner und klare Zuständigkeiten lässt sich diese Prozesskette kaum stabil umsetzen.

Genau an dieser Stelle zeigt sich die Bedeutung klar verteilter Kernkompetenzen. IDS konzentriert sich auf die Kamera- und Plattformentwicklung einschließlich Hardwaredesign, Board-Support-Package und Runtime-Umgebung. Die Entwicklung und Optimierung der KI-Algorithmen erfolgt durch spezialisierte Partner mit Vision-Expertise. IDS arbeitet im Bereich Embedded-optimierter KI-Analysen mit DENKweit zusammen, deren Algorithmen (wie etwa für »Deep-OCR«) gezielt für die Plattform »IDS NXT malibu« angepasst werden. Ziel ist eine kompakte Kamera-App, die über das Webfrontend geladen und ausgeführt wird und eine integrierte Lösung für industrielle Anwendungen ermöglicht.

App-Konzept bringt KI-Kompetenz in den Embedded-Vision-Workflow

Embedded Vision senkt die Einstiegshürde für industrielles Prozessmonitoring deutlich. Plattformen wie uEye Live und IDS NXT machen Videostreaming, Zustandsbeobachtung, Analyse und KI beherrschbar - nicht als isolierte Insellösung, sondern als durchgängigen Workflow, der sich in bestehende Prozesse einfügt und Raum für die eigentlichen Kernkompetenzen des Anwenders lässt.

Das App-Konzept ist dabei der Schlüssel zur notwendigen Flexibilität. Es definiert klar abgegrenzte Funktionspakete, an denen sich unterschiedliche Kompetenzen gezielt verbinden lassen. Der Kamerahersteller stellt die stabile industrielle Embedded-Plattform bereit, Partner ergänzen spezialisierte Vision- oder KI-Funktionen. Aus dieser Zusammenarbeit entstehen getestete, funktional abgeschlossene Lösungen mit klar umrissener Aufgabe. Anwender profitieren, ohne selbst Integrator oder KI‑Experte sein zu müssen.

Embedded Vision kombiniert Expertenwissen

Für den Einsatz in der Praxis wird Embedded Vision damit kalkulierbar. Anwender kaufen und integrieren kein offenes System, das zunächst zusammengesetzt, programmiert und abgesichert werden muss, sondern eine Plug-and-Play-Lösung mit definiertem Funktionsumfang, die Streaming, Auswertung und KI bereits sinnvoll kombiniert. Die Kamera übernimmt definierte Aufgaben im Prozess. Die App kapselt Analyse, Logik und Workflow. Die Kundenanwendung greift auf Ergebnisse zu. Erweiterungen oder Funktionswechsel erfolgen über Apps, nicht durch tiefgreifende Änderungen an der Anlage.

Durch diesen Plattformansatz wandert KI-basierte Bildverarbeitung zunehmend in die Feldebene. Sie wird Teil kompakter Embedded-Systeme und lässt sich schneller und einfacher in industrielle Anwendungen integrieren. Prozessmonitoring wird damit nicht komplexer, sondern zugänglicher. Genau dort, wo es gebraucht wird.

Der Autor

Dipl.-Ing. (FH) Heiko Seitz ist Product Marketing Manager bei der IDS Imaging Development Systems GmbH.

Matchmaker+ Anbieter zum Thema

zu Matchmaker+

Lesen Sie mehr zum Thema