Digitale Strategien
Lantal & Zühlke: Ein Beitrag zu nachhaltigerer Aviatik
Mehr erfahren
Homepage zuehlke.com
Industrie
Schnelle und einfache Identifikation von 13.000 Teilen via Mobiltelefon
Trainieren eines neuronalen Netzwerks für Bosch Cognitive Services zur Fehlerreduzierung und Steigerung der First-Hit-Rate.
-
Bosch Cognitive Services möchte seinen KI-basierten Service zur Ersatzteilerkennung via Handyfoto optimieren. Das Ziel: Aufwand verringern und Ersterfolgsquote steigern.
-
Zühlke stellt innerhalb von acht Wochen eine neue, erfolgreich trainierte und getestete KI-Lösung zur Verfügung.
-
Die neue Lösung übertrifft die ursprüngliche Zielvorgabe bei Weitem: Die Datenerfassung ist einfacher, benötigt weniger Zeit und Ressourcen und steigert die Ersterfolgsquote auf 84 %.
“Mit Zühlke als Second-Source-Partner konnten wir unsere bestehende Lösung in nur acht Wochen verbessern. Dabei haben wir die ursprünglichen Ziele weit übertroffen – sowohl in zeitlicher Hinsicht als auch in puncto Gesamtgenauigkeit der Lösung.”
Vereinfachung des KI-Trainings und höhere Ersterfolgsquote für Nutzende als Ziel
Bosch Cognitive Services (BCS) stellt einen Service bereit, der Ersatzteile innerhalb von Sekunden per Mobiltelefon erkennt. Zur Erkennung des richtigen Teils wird dabei ein Foto mit einem Katalog von über 13.000 Produkten abgeglichen. Die Bildauswertung basiert auf einem kundenspezifischen ML-Modell. Bisher benötigte BCS für das Training der KI-Lösung Fotos aus zwei Quellen: erstens Bilder von einem automatischen Scanner und zweitens eine große Zahl an Handyfotos. BCS zog Zühlke als Second-Source-Partner hinzu, um die bestehende Lösung zu verbessern, an der das Unternehmen seit drei Jahren arbeitet. Das Ziel: ein KI-Modell, das das richtige Produkt mit einer Ersterfolgsquote von über 70 % anzeigt.
Erfolgreich getestetes, vereinfachtes KI-Modell innerhalb von zwei Monaten
Das Team löste die Herausforderung innerhalb von acht Wochen: Die bestehende Verarbeitungspipeline wurde analysiert und überarbeitet. Mit einer geeigneten Normalisierung vereinfachten die Fachleute das KI-Training. Das Ergebnis: Für die Validierung werden keine Mobiltelefonbilder mehr benötigt. Anders als die bestehende Lösung basiert das neue Modell auf einem Ansatz mit mehreren Ebenen. Training und Modelloptimierung sind in der Azure-Cloud implementiert. Nach der erfolgreichen Testphase wurde BCS das trainierte Modell zur internen Validierung bereitgestellt.
Die neue KI-Lösung reduziert den Aufwand und übertrifft die gesteckten Ziele
Mit der entwickelten Pipeline lässt sich das KI-Training ausschließlich mit den Bildern aus einer Quelle durchführen: denen des automatischen Scanners von BCS. Das vereinfacht die Datenerfassung erheblich, spart Zeit und Ressourcen und steigert die Akzeptanz der Nutzenden. Die Angabe der Fehlerquote pro Prozessschritt in Verbindung mit einer Schätzung des Potenzials für weitere Optimierungsmöglichkeiten erleichtert es BCS, in Zusammenarbeit mit Zühlke die Produkte zu verbessern und Investitionen zu planen. Mit der optimierten KI-Lösung erreicht BCS nun eine Ersterfolgsquote von 84 % und hat das ursprüngliche Ziel damit weit übertroffen.
