KI-gestützte Anlagenerfassung: Ein Foto statt eines Formulars

Wer schon einmal eine Anlagendatenbank von Grund auf aufgebaut hat, kennt den eigentlichen Flaschenhals: der Rundgang vor der Datenbank. Jemand läuft mit Klemmbrett oder Tablet durchs Objekt, tippt Hersteller, Modell und Seriennummer von jedem Typenschild ab, fotografiert zur Sicherheit noch einmal und wiederholt das für jede einzelne Anlage im Bestand. Hier setzt KI-gestützte Anlagenerfassung an: Ein Foto genügt, und der Großteil der Dateneingabe passiert automatisch.

Was heute schon funktioniert

Das ist kein Zukunftsszenario mehr. Ein auf HVAC-, Kälte- und Rechenzentrumstechnik spezialisierter Anbieter beschreibt den Ablauf so: Nach dem Foto extrahiert eine Computer-Vision-Komponente alles sichtbar Erfassbare, also Typenschild, Barcode, QR-Code und Beschriftungen. Ein Sprachmodell füllt anschließend fehlende Felder aus Kontext und bekannten Datenbanken auf, eine Normalisierungsschicht vereinheitlicht Hersteller- und Modellbezeichnungen, und am Ende steht ein strukturierter Datensatz, der direkt ins CMMS exportiert werden kann, ohne manuelle Nacharbeit. Bei einem Referenzprojekt war eine Ersterfassung, die früher 32 Wochen brauchte, mit diesem Ansatz in 7 Tagen erledigt, bei deutlich konsistenterer Benennung der Anlagen.

Warum das technisch schwerer ist, als es aussieht

Ein Typenschild fotografieren und den Text auslesen klingt nach einfacher Texterkennung, ist es aber nicht. Industrietypenschilder sind verkratzt, schräg angebracht, durch Fett und Staub verschmutzt, die Schrift ist oft verblasst. Dazu kommen Reflexionen auf Metalloberflächen, Schattenwurf und die fehlende einheitliche Anordnung: Bei einem Motor steht die Leistungsangabe woanders als bei einem Getriebe. Reine Texterkennung liefert hier Buchstabensalat.

Anbieter, die das Problem ernsthaft lösen, setzen deshalb auf Vision-Language-Modelle. Sie lesen ein Typenschild eher wie ein erfahrener Techniker: Sie lokalisieren Textregionen, gleichen Verzerrung und Beleuchtung aus und erschließen aus dem Kontext, ob eine Zahl neben „kW” eine Leistungsangabe ist oder eine Zahl nach „Nr.” eine Seriennummer. Bei gut lesbaren Schildern stimmen Hersteller und Modellnummer damit meist schon im ersten Durchgang. Bei beschädigten Schildern wird so viel wie möglich rekonstruiert, und der Rest bleibt vor dem Export editierbar. Zum Vergleich: Rein manuelle Abschrift kommt typischerweise auf eine Fehlerquote von 4 bis 5 Prozent, weil Menschen sich beim Abtippen ebenso vertun.

Zwei verschiedene Probleme, zwei verschiedene Werkzeuge

Für einen eigenen Prototyp lohnt es sich, zwei Aufgaben auseinanderzuhalten, die oft in einen Topf geworfen werden. Die erste ist Objekterkennung: Welche Art Anlage ist auf dem Foto zu sehen, eine Pumpe, ein Lüftungsgerät, ein Feuerlöscher? Dafür ist ein klassisches Objekterkennungsmodell wie YOLO genau richtig, weil es lernt, Geräteklassen anhand ihrer äußeren Form und typischer Merkmale zu unterscheiden. Die zweite Aufgabe ist das Auslesen des Typenschilds selbst, also Hersteller, Modell und Seriennummer. Dafür ist YOLO das falsche Werkzeug, denn es lokalisiert und klassifiziert Objekte, liest aber keinen Text. Ein realistischer Prototyp kombiniert beides: YOLO erkennt und lokalisiert das Typenschild oder die Anlage im Bild, ein nachgeschalteter OCR- oder Vision-Language-Schritt liest die Details aus.

Der eigene Prototyp: realistischer, als man denkt

Der Einstieg ist heute deutlich niedrigschwelliger als noch vor wenigen Jahren. Für ein eigenes YOLO-Modell reichen zum Start 50 bis 100 unterschiedliche Fotos pro Anlagenklasse, aus verschiedenen Winkeln, bei verschiedenen Lichtverhältnissen und vor verschiedenen Hintergründen, am besten direkt bei echten Objektbegehungen gesammelt. Wichtiger als die Bildanzahl ist ohnehin, wie viele Objekte pro Bild markiert werden: Ein Foto mit zwanzig beschrifteten Anlagen liefert mehr Trainingsmaterial als zwanzig Fotos mit je einer.

Bei der Markierung der Trainingsbilder muss man nicht bei null anfangen. Werkzeuge wie Roboflow bieten manuelle Annotation und KI-gestützte Vorschläge auf Basis bestehender Foundation-Modelle, die man nur noch prüft, statt alles von Hand zu zeichnen. Das Training läuft heute meist über gehostete Infrastruktur, ohne dass man selbst eine GPU besitzen, CUDA einrichten oder PyTorch konfigurieren muss. Ein Trainingslauf ist in aller Regel innerhalb von 24 Stunden abgeschlossen, für einen ersten Test reicht sogar eine kostenlose Google-Colab-Umgebung.

Ein realistisches Wochenendprojekt sieht so aus: Man wählt eine einzelne, klar abgegrenzte Anlagenklasse, zum Beispiel Feuerlöscher oder eine bestimmte Pumpenbaureihe, macht bei der nächsten Objektbegehung 50 bis 100 Fotos davon, annotiert sie in Roboflow und trainiert ein erstes Modell. Innerhalb weniger Tage zeigt sich, ob die Erkennung für den eigenen Anwendungsfall trägt, bevor man Zeit in die aufwendigere Typenschild-Lesekomponente investiert.

Wo die Grenzen liegen

Objekterkennung funktioniert am zuverlässigsten bei großen, optisch unterscheidbaren Anlagen wie Pumpen, Lüftungsgeräten, Schaltschränken und Feuerlöschern. Bei Schüttgut oder optisch identischen Kleinteilen wie Schrauben oder gleichförmigen elektronischen Bauteilen stößt der Ansatz an Grenzen. Dort sind RFID-Tags oder Gewichtssensoren praktikabler als die Kamera.

Und selbst bei gut geeigneten Anlagenklassen gilt derselbe Grundsatz wie bei jedem KI-Projekt: Ein automatisch erfasster Datensatz ist nur so gut wie die Sorgfalt, mit der er in die Anlagendatenbank einläuft. Ein Modell, das ein Gerät falsch klassifiziert oder ein Typenschild falsch liest, erzeugt genau die Geister- und Zombie-Assets, die man mit der Automatisierung vermeiden wollte.

Fazit

KI-gestützte Anlagenerfassung ist kein fernes Forschungsthema mehr. Mit überschaubarem Aufwand lässt sich ein eigener Prototyp bauen, ohne eigene GPU, mit einer Handvoll Fotos pro Anlagenklasse und gehosteten Trainingswerkzeugen, die in einem Nachmittag ein erstes brauchbares Ergebnis liefern. Der Sprung von der Idee zum funktionierenden Prototyp ist kleiner, als die meisten FM-Teams annehmen. Der größere Aufwand kommt danach, bei der sauberen Anbindung an die eigene Anlagendatenbank.

Quellen:

• AI-Powered Asset Tagging App – Tag Wizard
• AI OCR for Industrial Nameplates — AutomaSnap Blog
• How to Train a YOLO Model on a Custom Dataset – Roboflow
• KI-gestützte Inventur: Von drei Tagen auf drei Stunden