Computer Vision (auch maschinelles Sehen) bezeichnet Verfahren, mit denen ein Computer aus Bildern oder Videos automatisch Informationen abliest, zum Beispiel welche Objekte zu sehen sind, wo sie liegen und zu welcher Kategorie sie gehören. Das Ergebnis sind maschinenlesbare Angaben (also Werte wie „Position: links oben, Klasse: Preisschild"), die andere Programme direkt weiterverarbeiten können.
Was ist Computer Vision?
Computer Vision ist ein Teilgebiet der künstlichen Intelligenz (KI) und beschäftigt sich damit, wie Maschinen Bilder und Videos verarbeiten und deuten. Der Begriff geht auf Arbeiten aus den 1960er-Jahren zurück, breitere praktische Anwendung fand das Feld ab etwa 2012, als besonders leistungsfähige Lernverfahren (sogenannte tiefe neuronale Netze, ein Modelltyp mit vielen aufeinanderfolgenden Rechenschichten) bei einem großen Bilderkennungs-Wettbewerb (ImageNet, gewonnen vom Modell „AlexNet") die klassischen Verfahren deutlich schlugen. Seither ist Computer Vision fester Bestandteil produktiver Systeme in Handel, Fertigung, Medizin, Logistik und autonomer Mobilität.
Typische Aufgaben lassen sich in vier Gruppen ordnen:
- Klassifikation (Image Classification) ordnet ein Bild einer Kategorie zu, zum Beispiel „Katze" oder „defektes Bauteil".
- Objekterkennung (Object Detection) findet ein oder mehrere Objekte im Bild und liefert deren Position als Bounding Box zurück.
- Segmentierung (Semantic oder Instance Segmentation) beschreibt für jedes Pixel, zu welchem Objekt es gehört.
- Texterkennung (OCR) extrahiert Zeichen und Wörter aus Bildern, etwa Preisschildern, Etiketten oder Dokumenten.
Eine produktive Computer-Vision-Pipeline besteht meist aus vier Schritten: Bildaufnahme (Kamera oder Scanner), Vorverarbeitung (Zuschnitt, Normalisierung, Rauschunterdrückung), Modellinferenz (klassisches ML oder tiefes neuronales Netz) und Nachverarbeitung, in der die Modellausgabe an das Zielsystem übergeben wird. Modelle laufen entweder zentral auf einer Cloud- oder Lakehouse-Plattform oder direkt auf einer Edge-Kamera, wenn Latenz und Bandbreite es erfordern.
Abgrenzung: Computer Vision, Image Recognition und Machine Vision
Die drei Begriffe werden oft synonym verwendet, meinen aber unterschiedliche Ausschnitte.
| Begriff | Fokus | Typischer Kontext |
|---|---|---|
| Computer Vision | Oberbegriff für alle Verfahren zur maschinellen Bildinterpretation | Forschung und produktive KI-Anwendungen |
| Image Recognition | Teilbereich, meist Klassifikation und Objekterkennung | Anwendungsnahe Beschreibung, oft Marketing-Sprache |
| Machine Vision | Bildverarbeitung mit fest definierten Regeln, meist regelbasiert und deterministisch | Industrielle Qualitätsprüfung, Inline-Inspektion in der Fertigung |
Machine Vision arbeitet in kontrollierten Umgebungen mit definierter Beleuchtung und liefert reproduzierbare Ergebnisse. Computer Vision kommt zum Einsatz, wenn Umgebungen variabler sind, etwa auf einer Verkaufsfläche, im Straßenverkehr oder im Freiluftgelände.
Beispiel: Regalanalyse im Einzelhandel
Ein Handelsunternehmen möchte prüfen, ob die Regale zu jeder Tageszeit ausreichend gefüllt sind. Kameras nehmen die Regalfront in festen Intervallen auf. Ein Object-Detection-Modell erkennt leere Regalbereiche und Preisschilder, ein Klassifikator ordnet umgebende Verpackungen einer Artikel-ID zu. Die Ausgabe des Modells (Position, Klasse, Konfidenz) läuft in ein Feature-Layer und dient dort als Signal für die [On-Shelf Availability](/insights/customer-intelligence/on-shelf-availability/). Ergänzend prüft ein Segmentierungsnetz, ob die Ist-Belegung mit dem Planogramm übereinstimmt. Die Analyse ersetzt keine Bestandsführung, sondern liefert einen zusätzlichen Datenpunkt darüber, was Kundinnen tatsächlich im Regal sehen.
Computer Vision im eigenen Unternehmen umsetzen?
Wir zeigen, wie sich das in deiner Systemlandschaft konkret abbilden lässt.