Künstliche Daten.
Echte Ergebnisse.
Qualitätskontrolle ohne
Kompromisse.

Aktuelles
Halle 2, Stand D24
31. März – 4. April 2025
SYWIT GmbH, Hannover
Kontakt: Axel Sparnicht
HANNOVER MESSE 2025, Startup Area Mitaussteller bei: Niedersachsen.next GmbH



Die Herausforderung
%
Verlust vom Jahresumsatz aufgrund Qualitätsproblemen
Ausschuss und Nachbearbeitung in der Produktion „Cost of Poor Quality“ (COPQ) können Studien zufolge in der Fertigung typischerweise 5 – 30 % (Ø 20%) des Jahresumsatzes ausmachen.
Die Lösung der Industrie
Herausforderungen der klassischen Bildverarbeitung:
✘ Variierende Lichtverhältnisse
✘ Abweichende Materialbeschaffenheiten
✘ Neue Produktvarianten
Diese Herausforderungen erfordern ständige manuelle Anpassungen der Algorithmen.
Algorithmen der KI-gestützten Objekterkennung sind in anderen Bereichen wie dem öffentlichen Sektor mittlerweile Stand der Technik. Doch in industriellen Anwendungen fehlt es häufig an domänenspezifischen Daten. Diese Daten sind essenziell für:
✘ Die Erkennung seltener Defekte
✘ Einen robusten und nachhaltigen Betrieb der Systeme
✘ Potentiell auftretende Fehlerbilder
Fehlende Daten bremsen den Fortschritt – doch wir haben die Lösung!
Die SYWIT-Lösung für die Industrie
Sywit nutzt synthetische Daten und speziell trainierte KI-Modelle, um industrielle Anwendungen optimal zu unterstützen. Unsere Technologie ermöglicht:
✔︎ Höhere Erkennungsgenauigkeit – auch für selten auftretende Defekte
✔︎ Skalierbare & anpassbare Modelle – optimal abgestimmt auf Ihre Produktionsprozesse
✔︎ Geringere Abhängigkeit von realen Daten – schneller, sicherer, effizienter
%
Reduzierung des Realbedarfs
Was sind synthetische Daten?
Unsere synthetischen Daten werden durch eine Kombination aus CAD-Modellen, Shader-Texturen und hochentwickelten Rendering-Techniken generiert. Dies ermöglicht die Erstellung realistischer Trainingsdaten für KI-Modelle. Dabei werden Defekte und Umgebungseinflüsse systematisch parametrisiert, um unterschiedliche Variationen von Produktionsfehlern abzubilden. Dies erhöht die Robustheit der Algorithmen und verbessert die Erkennungsgenauigkeit selbst bei selten auftretenden Anomalien.
Realdaten

CAD

Texturen

Rendering

Wo können wir synthetische Daten generieren?
Oberflächendefekte
Defekte mit < 0.5 mm Dimension & stark Licht und sichtwinkelabhängig
- Lack
- Beschichtungen
- Polierte/geschliffene Oberflächen
Beispiele:
- Orangenhaut
- Dellen
- Blasenbildung
- Kratzer
Fertigungsfehler Urformprozess
Gängige Fertigungsdefekte pro Fertigungsverfahren Generalisierte Schadensmodelle die auf diverse Geometrien übertragen werden können:
- Kunststoffspritzguss
- Guss
- Strangpressen
Beispiele:
- Deformationen/ Senken
- Verbrennungen
- Überspritzung
- Gratbildung
Instandhaltung
Stark nutzungs- und materialabhängig Nachbildung von Umgebungseinflüssen (Rost, Verschmutzung etc.)
- Bremsscheiben
- Bremsbeläge
- Lagerflächen
- Dichtungen
Beispiele:
- Haarrisse
- Riefenbildung
- Ausbrüche
- Materialermüdung