Zero-Shot-Transfer KI-gestützter Variantenwechsel: Flexibel ohne Neutraining

Zero-Shot-Transfer reduziert den Umrüstaufwand drastisch. Statt aufwändige Trainingsdaten genügen Referenzbilder und ein Prompt. In der Qualitätskontrolle ist es schon heute produktiv einsetzbar, in der Robotersteuerung noch in Entwicklung. Cloud-Dienste senken die Einstiegshürden.

Die Schweizer Fertigungsindustrie steht für hochpräzise Produkte, variantenreiche Produktion und kleine Chargen und das bei vergleichsweise hohen Lohnkosten. Wer unter diesen Bedingungen wettbewerbsfähig bleiben will, braucht Lösungen zur Automatisierung, die mit dem Tempo des Marktes mithalten können. Industrieroboter müssen bei jeder neuen Produktvariante neu eingerichtet werden – ob durch manuelle Programmierung, Teach-In oder aufwendiges Modelltraining. Dasselbe gilt für die visuelle Qualitätskontrolle: Jede neue Variante oder Fehlerklasse erfordert eigene Trainingsdaten. In einer Produktion mit häufigen Variantenwechseln und kleinen Losgrössen multipliziert sich dieser Aufwand. Genau hier setzt Zero-Shot-Transfer an – in der Qualitätskontrolle bereits heute produktiv einsetzbar, in der Robotersteuerung als nächste Entwicklungsstufe.

Vortrainierte Modelle statt Neustart

Vortrainierte Foundation Models mit visuellem und sprachlichem Verständnis – sogenannte Vision Language Models – bringen bereits ein breites Wissen über Objekte, Formen und räumliche Zusammenhänge mit. Statt sie für jede neue Aufgabe manuell einzurichten oder aufwendig Trainingsdaten zu sammeln, können diese Modelle aus Sprachbeschreibungen und wenigen Referenzbildern ableiten, was zu tun ist. Das eröffnet zwei Anwendungsfelder mit unterschiedlichem Reifegrad: visuelle Qualitätskontrolle und Robotersteuerung.

Für die Qualitätskontrolle ist der Ansatz heute produktionsreif: Ein Vision Language Model vergleicht ein Referenzbild des korrekt montierten Produkts mit dem aktuellen Kamerabild. Was als Defekt gilt, wird in natürlicher Sprache beschrieben – ohne Trainingsdaten, ohne Labeling. Ändert sich die Produktvariante, genügt ein neues Referenzbild und ein angepasster Prompt. Bei häufigen Produktwechseln reduziert das den Aufwand um Grössenordnungen gegenüber konventionellem Re-Training.

In der Robotersteuerung ist der Ansatz noch in der Reifephase: Die Vision, dass ein Roboter neue Aufgaben allein auf Basis einer natürlichen Sprachbeschreibung übernimmt – Position, Greifpunkt oder Montageschritt formuliert, statt jeden Bewegungsablauf manuell zu kodieren –, wird in Forschungsmodellen und industriellen Pilotierungen aktiv erprobt. Bis zur breiten produktiven Anwendung in der Fertigung wird es jedoch noch Iterationen brauchen. Heute liegt der Fokus auf eng umgrenzten Aufgaben in kontrollierten Umgebungen.

In der Praxis: Qualitätskontrolle ohne Defekt-Datenbank

Besonders deutlich wird das Potenzial in der Qualitätskontrolle am Ende der Fertigungslinie. Ein typisches Problem: Ein Hersteller produziert mechanische Baugruppen in vielen Varianten. Die Prüfung soll sicherstellen, dass Teile korrekt montiert sind – Schrauben gesetzt, Dichtungen vorhanden, Verbindungen geschlossen.

Ein Vision Language Model löst das direkt: Es vergleicht ein Referenzbild der korrekt montierten Baugruppe mit dem aktuellen Kamerabild und identifiziert Abweichungen – fehlende Komponenten, Oberflächenschäden, Fehlausrichtungen. Was als Defekt gilt, wird in natürlicher Sprache definiert: «fehlende Schraube an Position X», «Dichtung nicht korrekt eingelegt», «Verbindungsclip offen». Ändert sich die Produktvariante, ändert sich der Prompt – nicht das Modell.

Voraussetzungen und Grenzen

Zero-Shot-Transfer setzt leistungsfähige vortrainierte Modelle voraus, die auf grossen, diversen Datensätzen trainiert wurden. Die Ergebnisse sind beeindruckend, aber nicht grenzenlos: Wenn semantische Beschreibungen unpräzise sind oder das Produktionssetup stark von den im Vortraining gesehenen Szenarien abweicht, sinkt die Zuverlässigkeit.

In sicherheitskritischen Anwendungen wird Zero-Shot-Transfer nicht als alleinige Entscheidungsinstanz eingesetzt. In der Robotersteuerung liefern Vision Language Models das semantische Verständnis – welches Objekt, wo, in welchem Zustand –, aber Greifplanung, Kollisionsvermeidung und Bewegungsausführung übernehmen nachgelagerte Steuerungsmodule. Harte Prozessgrenzen bleiben in der klassischen SPS-Logik und Safety-Layern. In der Qualitätskontrolle markiert das Modell Verdachtsfälle – die finale Freigabe- oder Ausschleusentscheidung trifft weiterhin ein regelbasiertes System oder ein Mensch. Der Ansatz ersetzt nicht die gesamte Steuerung – er beschleunigt die Anpassung an neue Aufgaben.

Infrastruktur und Einstiegshürden

Voraussetzung auf der Infrastrukturseite ist eine saubere Anbindung: Kamerasysteme, die Bilder in ausreichender Qualität liefern, Rechenkapazität für die Modellinferenz und eine Integration in bestehende Steuerungs- und Prüfprozesse.

Foundation Models mit mehreren Milliarden Parametern selbst zu betreiben, übersteigt die Möglichkeiten der meisten Fertigungsunternehmen. Cloud-Dienste machen diese Modelle als API zugänglich – ohne eigene GPU-Infrastruktur und ohne langfristige Fixkosten. Das senkt die Einstiegshürde erheblich: Ein erster Proof of Concept lässt sich in wenigen Tagen und mit minimalem Budget umsetzen. Unternehmen zahlen pro Anfrage und können schrittweise skalieren, sobald ein Anwendungsfall validiert ist. Wer jetzt die Grundlagen legt, schafft sich den Spielraum, den eine flexible Fertigung künftig verlangt.

(ID:50869187)