Unser Kunde führt eine visuelle Endkontrolle an sicherheitskritischen Achsbolzen mit komplexen Oberflächengeometrien durch. Die Bauteile weisen anspruchsvolle Strukturen wie Rändelungen und mehrere Funktionsflächen auf, die alle eine hochpräzise Bilderfassung erfordern. Die bisherige Lösung basierte auf einem regelbasierten Machine-Vision-System. In der Praxis führte dies zu einer hohen Ausschussrate (False-Reject-Rate), da Schwankungen der Bildqualität, der Beleuchtung und der Bauteilpositionierung einen großen Einfluss auf die Prüfergebnisse hatten. Gleichzeitig waren die Fehlerklassen zu komplex für eine starre, regelbasierte Logik – insbesondere in Fällen, in denen identische Fehler je nach ihrer Position auf dem Bauteil unterschiedlich bewertet werden mussten. Auch die Integrationsanforderungen waren anspruchsvoll. Mehrere Roboter, große Kameraabstände und Kamerapositionen, die sowohl geschützt als auch präzise ausgerichtet sein mussten, machten die Umsetzung besonders herausfordernd. Mit Maddox AI wurde das bestehende Regelwerk durch maßgeschneiderte, KI-basierte Prüfmodelle ersetzt. Diese Modelle lernen komplexe, kontextabhängige Fehlermuster direkt aus den Bilddaten. Zudem lassen sich für jedes Bild spezifische Prüfbereiche (Regions of Interest) definieren, wodurch relevante von nicht relevanten Bereichen klar unterschieden und zonenspezifische Fehlerkataloge zuverlässig abgebildet werden können.