Hintergrund & Ausgangssituation

Die Siemens Mobility ist bekannt für innovative Technologien und hochqualitative Fahrwerke im Schienenverkehr. Um die Qualitätsansprüchen weiterhin auf dem höchsten Standard zu halten und auch den immer komplexer werdenden Produktvarianten gerecht zu werden, sind effektive und verlässliche Prüfprozesse unverzichtbar. Dabei spielt vor allem die Endabnahme eine entscheidende Rolle: Sie ist der letzte Qualitätssicherungsschritt, bevor die Drehgestelle zu den Kund:innen ausgeliefert werden.

Allerdings stößt der manuelle Endkontrollprozess bei steigender Variantenvielfalt an seine Grenzen. Das menschliche Auge kann nicht jede mögliche Abweichung in kurzer Zeit zuverlässig erfassen – ein Problem, das die Siemens Mobility mit dem Konzept der Autonomous Visual Inspection (AVI) lösen wollte.

Zur besseren Verständlichkeit können "AI-based visual quality inspection" und "Inspekto – ready-to-use AI-based visual inspection" auf der offiziellen Siemens Webseite nachgelesen werden.

Ziel

Der Erklärfilm sollte das gesamte AVI-System anschaulich darstellen, sodass sowohl interne Mitarbeitende als auch externe Stakeholder verstehen, wie der automatisierte Prüfvorgang abläuft und welchen Nutzen er bringt. Speziell ging es darum,

• die Vorteile des KI-gestützten Systems zu verdeutlichen,
• den technischen Ablauf von Bilderfassung, Datenanalyse und Feedback an die Endabnahme zu zeigen,
• die einzelnen Schritte vom Prototypenbau bis zur Implementierung im Fertigungsbetrieb zu erläutern.

Unsere Rolle & Umsetzung

Das StoryHof-Team übernahm die komplette Konzeption, Drehbuchentwicklung sowie Video- und Postproduktion für den Erklärfilm. Dabei war uns wichtig, sowohl die technische Komplexität als auch die praktische Umsetzung in der Produktionshalle verständlich aufzubereiten. Folgende Aspekte standen im Vordergrund:

1. Drehbuch & Storytelling
   • Wir entwickelten ein Drehbuch, das schrittweise durch den Prozess der automatischen Bilderfassung und KI-Analyse führt.
   • Siemens-Mitarbeitende berichten im Film aus erster Hand von den Herausforderungen und Lösungen, wodurch der Film einen authentischen und zugleich informativ-technischen Charakter erhält.
     ‍
2. Interview-Sequenzen & Expertenstimmen
   • Für Glaubwürdigkeit und Fachkompetenz sorgen direkte O-Töne von Mitarbeitenden aus den Bereichen Qualitätssicherung, Produktion und IT.
   • Die Interviews zeigen, wie das System kontinuierlich in Iterationsschleifen verbessert wurde – von den ersten Prototypen mit Open-Source-Hardware bis hin zum aktuellen Einsatz.
     ‍
3. Animations- und Schnitttechnik
   • Zur besseren Verdeutlichung abstrakter Prozesse (z. B. KI-Algorithmus, Datenfluss in die Cloud) integrierten wir 2D- und 3D-Animationen.
   • Detailaufnahmen von der Kameratechnik veranschaulichen Schritt für Schritt, wie die Fehlererkennung automatisiert abläuft.
     ‍
4. Visuelle Einbettung in die Produktionshalle
   • Drehort war eine Halle, in der das System bereits testweise im Produktivbetrieb eingesetzt wird. Die reale Umgebung verleiht dem Erklärfilm Authentizität und zeigt, dass es sich nicht nur um einen Laborversuch, sondern um eine praxiserprobte Lösung handelt.

Inhalt des Films – vom Prototyp bis zur Cloud

Im Film werden die folgenden Meilensteine der Autonomous Visual Inspection vorgestellt:

1. Erste Prototypen
   • Bereits 2021 wurde mit einfachen Mitteln und Open-Source-Hardware ein Testaufbau realisiert, um herauszufinden, welche Bilddaten ein Kamerasystem in einer realen Fertigungsumgebung erfassen kann.
     ‍
2. Iterative Verbesserung
   • In mehreren Iterationsschleifen wurden unterschiedliche Kameramodelle getestet, bis die Lösung für den aktuellen Einsatz gefunden war.
   • Die damit aufgenommenen Fotos bilden die Basis für das KI-Training, bei dem Schraubenköpfe und Markierungen annotiert werden, um Abweichungen verlässlich zu erkennen.
     ‍
3. Datentransfer in die Cloud
   • Nach der Aufnahme werden die Bilder in die Cloud übertragen, wo ein eigens trainierter Algorithmus Schrauben, Markierungen und andere relevante Elemente mit hoher Genauigkeit erkennt (aktuell 95 %).
   • Zusätzlich kommen Piktogramm- und Texterkennung zum Einsatz, um die korrekte Montage zu beurteilen.
     ‍
4. Feedback an die Endabnahme
   • Eine benutzerdefinierte Anwendung (entwickelt in Mendix) zeigt den Mitarbeitenden unmittelbar die Ergebnisse der Bildanalyse.
   • So können mögliche Abweichungen direkt vor Ort identifiziert und korrigiert werden, während gleichzeitig eine lückenlose Fotodokumentation entsteht.
     ‍
5. Vorteile im Produktionsablauf
   • Zeitersparnis: Routineaufgaben werden automatisiert, die Endabnehmenden können sich intensiver auf projektspezifische Aspekte und Dokumentationen konzentrieren.
   • Qualitätssprung: Durch die hohe Genauigkeit der KI werden Fehler minimiert und die Produktivität gesteigert.
   • Zukunftsorientierte Plattform: Das System ist skalierbar und kann perspektivisch weltweit in vielen Siemens Mobility-Standorten eingesetzt werden.