Eine Toolbox ist noch keine Lösung

Deevio: KI-basierte Software für Qualitätskontrolle in der Produktion

Stellen Sie sich und das Startup Deevio kurz unseren Lesern vor!

Wenn man sich sich in 2019 eine Fabrik vorstellt, dann hat man ein Bild im Kopf, in dem Roboter die Arbeit an Fließbändern erledigen, kaum noch Menschen zu sehen sind und fast alle Prozesse automatisch ablaufen. 

Wenn man allerdings eine Fabrik von innen sieht, merkt man schnell, dass die Realität eine ganz andere ist. Besonders die Qualitätskontrolle, das Herzstück von “Made in Germany”, wird oft noch manuell durchgeführt. Diese visuellen Inspektionen der Produkte durch Mitarbeiter haben einige Nachteile: die Aufmerksamkeitsspanne von Menschen ist begrenzt, Menschen werden müde und übersehen Fehler und die subjektiven Entscheidungen der Mitarbeiter werden nicht dokumentiert. In vielen Regionen haben Unternehmen dazu Probleme, überhaupt geeignete Mitarbeiter für diese Arbeiten zu finden.

Genau da setzen wir mit deevio an. Wir automatisieren diese visuellen Inspektionen in der Produktion mit unserer KI-basierten Software für die Bilderkennung. Dafür nehmen wir mit einer industriellen Kamera Bilder von fehlerfreien und fehlerhaften Produkten unserer Kunden auf und trainieren für dieses Datenset ein Deep Learning Modell, das dann lernt, fehlerfreie von fehlerhaften Bildern zu unterscheiden. Sobald unser Modell eine Genauigkeit im 99,x% Bereich hat, installieren wir es auf passender Hardware und geben unseren Kunde ein komplettes System zur Qualitätskontrolle, bestehend aus Kamera, Licht, Monitor und Befestigungsprofilen.

Unser Gründerteam besteht aus Tassilo (CTO), Donato (CEO) und mir, COO von deevio. Tassilo und ich haben vorher zusammen bei WATTx gearbeitet, dem Company Builder der Firma Viessmann, aus dem deevio heraus gegründet wurde. Donato komplettiert uns, er bringt eine Erfahrung von mehr als 20 Jahren in der Machine Vision Industrie und hat die ursprüngliche Idee für deevio gehabt. Dazu haben wir ein starkes Team aus Data Scientists und Software engineers an unserer Seite.

Warum haben Sie sich entschieden ein Unternehmen zu gründen?

Wir haben innerhalb von WATTx seit Anfang 2018 intensiv an dem Projekt gearbeitet, das heute deevio ist. In der Zeit hat sich schnell herausgestellt, dass deevio ein gutes Potenzial hat. Wir konnten mit mehreren Unternehmen aus verschiedenen Industrien das Problem der visuellen Inspektionen validieren, technisch war es für unser Team möglich, das Problem zu lösen und wir konnten schnell die ersten Pilotpartner für uns gewinnen. Tassilo und ich haben vom ersten Tag an an dem Projekt gearbeitet und mussten nicht lang überlegen, als sich dann die Gelegenheit ergab, deevio zusammen mit Donato zu gründen.

Für uns persönlich ist das Spannende an deevio der Mix aus Tech und Industrieanwendung. Auf der einen Seite arbeiten wir mit den neuesten Entwicklungen im Bereich der künstlichen Intelligenz, zum Beispiel arbeiten wir mit unsupervised learning Algorithmen, um Anomalien zu erkennen und noch besser auf die Anforderungen in den Fabriken einzugehen. Auf der anderen Seite arbeiten wir mit produzierenden Unternehmen zusammen und installieren unser Produkt wortwörtlich auf deren Hallenboden. Dabei lernen wir viel über die Prozesse in den Fabriken und wie die Leute arbeiten.

Welche Vision steckt hinter Deevio?

Unsere Vision ist es, dass unsere Software in so vielen Industriekameras wie möglich genutzt wird und deevio eine Strahlkraft und ein Qualitätssiegel wird, wie es damals Intel mit der “Intel inside”-Kampagne mit Laptops und Computern hatte. Diese Vision wollen wir nicht nur in Deutschland oder Europa realisieren, sondern auch besonders im asiatischen Markt, da es dort viele Arbeiter in der visuellen Kontrolle von Produkten gibt.

Von der Idee bis zum Start was waren bis jetzt die größten Herausforderungen und wie haben Sie sich finanziert?

Am Anfang haben wir gerade im Hardwarebereich etwas unterschätzt, wie wichtig die Bildqualität für die Genauigkeit der Deep Learning Modelle ist. Wir hatten Kameras mit zu niedriger Auflösung benutzt und nicht genug in eine professionelle Belichtung investiert. Das haben wir mittlerweile geändert und arbeiten hier mit Experten zusammen, die uns dabei unterstützen. 

Finanziert sind wir über WATTx und einen weiteren Investor aus dem Machine Vision Bereich.

Wer ist die Zielgruppe von Deevio?

Unsere Zielgruppe ist die produzierende Industrie, vor allem der Mittelstand. Hier ist ein großes Verständnis für das Thema Qualitätskontrolle und auch die Bereitschaft, sich neue Lösungen dafür anzusehen. Viele Unternehmen suchen nach Lösungen, wie sie ihre noch manuell ausgeführten Prozesse zunehmend automatisieren können, einerseits um die Fehlerraten zu reduzieren und andererseits weil sie schlichtweg keine Mitarbeiter für diese Jobs finden. Bisher arbeiten wir mit Unternehmen aus dem Elektronik-, Automotive- und Metallbereich zusammen.

Wie funktioniert Deevio? Wo liegen die Vorteile?

Bei uns startet alles mit einem Set von fehlerfreien und fehlerhaften Bilder von den zu überprüfenden Produkten. Basierend darauf entwickeln unsere Data Scientists ein Deep Learning Modell für die Bilderkennung. Dieses Modell wird dann in der Produktion des Kunden getestet und mit neuen Bildern aus der Produktion fortlaufend verbessert.

Die Vorteile für unsere Kunden im Vergleich zur bisherigen Vorgehensweise der Qualitätskontrolle durch Mitarbeiter sind vielfältig. Gegenüber menschlicher Inspektion ist unser Produkt konsistenter in der Bewertung der Qualität und das 24/7 auf jeder Produktionslinie, in jeder Schicht und in jeder Fabrik. Außerdem ist es verlässlicher, da es jeden Fehler außerhalb der gelernten Toleranz erkennt und das ganze auch noch wesentlich schneller erledigt. On top speichern wir die Bilder inklusive des Klassifizierungsergebnisses in einer Datenbank und bieten Analytics für die Produktionsleiter an, zum Beispiel wann defekte Teile produziert werden oder wie das Verhältnis guter versus schlechter Teile ist.

Wie ist das Feedback?

Das Feedback ist bisher sehr positiv. In den vielen Gesprächen, die wir mit Leuten aus der Industrie geführt haben, wurde immer wieder deutlich, dass wir mit deevio ein echtes Problem lösen. Wir lernen nach wie vor viel von unseren Kunden über die Anforderungen an Bildverarbeitung für die Qualitätskontrolle in ihrer jeweiligen Industrien und können unser Produkt dadurch kontinuierlich verbessern.

Auch in Sachen Recruiting ist das Feedback von Kandidaten bisher positiv, da künstliche Intelligenz bei uns nicht nur zum forecast von Marketingzahlen genutzt wird, sondern der Kern unseres Produkts ist. 

Deevio, wo geht der Weg hin? Wo sehen Sie sich in fünf Jahren?

In fünf Jahren haben wir einen Teil unserer Vision von “deevio inside” bereits verwirklicht und erleben, dass Kunden bei Anwendungen in der Qualitätskontrolle aktiv nach deevio fragen, und das über die Grenzen von Europa hinaus.

Die nächsten Schritte auf dem Weg dahin werden für uns sein, dass wir unsere Pilotprojekte erfolgreich abschließen, unsere Kunden glücklich machen, das Team weiter ausbauen und weiterhin dazulernen. 

Zum Schluss: Welche 3 Tipps würden Sie angehenden Gründern mit auf den Weg geben?

Ein halbes Jahr nach der Gründung von deevio fühlen wir uns ehrlich gesagt eher noch in einer Position, in der man Tipps erhalten sollte, statt sie zu geben. Um aber auf die Frage zu beantworten, sind hier Learnings aus den letzten Monaten. Es hat sich als extrem wichtig erwiesen, dass man ein wirkliches Problem identifiziert und es dann mit der passenden Technologie löst und nicht andersherum einfach eine Technologie nimmt und probiert, sie auf ein Problem zu stülpen. Bei Projekten immer mit Kunden zusammensetzen und die Anforderungen klar in einem gemeinsamen Dokument aufschreiben, inkl. Ziele und KPIs.

Weitere Informationen finden Sie hier

Wir bedanken uns bei den Gründern für das Interview

Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder

Sabine Elsässer

Sabine Elsässer is founder and chief editor of the StartupValleyNews Magazine. She started her career at several international direct sale companys. Since 2007 she works main time as a journalist. While that time she learned more about the Startup Scene, what made her start her own Startup Magazine the StartupValleyNews.

Schreibe einen Kommentar

X