White Paper
Realitätscheck in der Qualitätskontrolle
Peter Droege
In einer Umfrage unter mehr als 100 Qualitätsexperten konnten wir belegen, dass die Einschränkungen der manuellen Qualitätskontrolle zwar allgemein bekannt sind, ihr tatsächliches Ausmaß jedoch oft unterschätzt wird. Werden diese Risiken in der manuellen Kontrolle nicht adäquat berücksichtigt, führt dies zwangsläufig zu hohen Kosten durch Kundenreklamationen oder Pseudoausschuss.
KI-basierte Inspektionssysteme können Abhilfe verschaffen und erreichen Prüfgenauigkeiten wie ein stets aufmerksamer menschlicher Prüfer. Da manuelle Fehlerannotationen die Grundlage für KI-basierte Inspektionssysteme bilden, sind menschliche Inkonsistenzen auch von erheblicher Bedeutung für die Entwicklung robuster KI-Systeme. Der weltbeste KI-Algorithmus wird keine hohe Prüfgenauigkeit erzielen, wenn dieser auf inkonsistenten Daten trainiert wurde. Es gilt: Ohne konsistente Fehlerdefinition, kein prüfgenaues KI-Modell. Die gute Nachricht: Lösungen wie Maddox AI unterstützen Qualitätsexperten mit digitalen Tools dabei eine konsistente Fehlerdefinition und damit einen konsistenten Trainingsdatensatz zu erstellen. Mit Hilfe der optimierten Datenqualität klappt es auch mit den hochpräzisen KI-Modellen.
