Visuelle Prozessüberwachung in der Produktion: Was ein Kamerabild noch nicht aussagt

Was eine Kamera in der Produktion leisten kann – und was nicht

Der Begriff Kamera fasst technisch sehr unterschiedliche Systeme zusammen. Eine klassische RGB-Kamera erfasst sichtbares Licht. 3D-Systeme bestimmen räumliche Abstände. Wärmebildkameras erfassen thermische Strahlung. Multispektrale und hyperspektrale Systeme erschließen zusätzliche Spektralbereiche.

Diese Unterschiede sind nicht nur Varianten derselben Technik. Sie bestimmen, welche Information überhaupt aus einer Aufnahme gewonnen werden kann.

Welche Aufgabe eine Kamera in der Produktion übernehmen kann, hängt deshalb zuerst von der benötigten Information ab – nicht vom Kameramodell.

In der Lebensmittelverarbeitung wird Machine Vision beispielsweise zur automatisierten, zerstörungsfreien Prüfung eingesetzt. Eine aktuelle Übersichtsarbeit beschreibt RGB- und multispektrale Kameras ebenso wie Tiefen- und weitere Sensorsysteme. Auch die Beleuchtung ist Teil des Aufnahmeaufbaus: Intensität und Gleichmäßigkeit beeinflussen, ob Schatten, Reflexionen oder Sättigung bereits die Bildgrundlage verändern. ^[1]

Hyperspektrale Bildgebung verbindet räumliche Bildinformation mit spektraler Information. Für einen Bildpunkt steht damit nicht nur ein Farbwert zur Verfügung, sondern eine spektrale Signatur über zahlreiche Wellenlängen. ^[2]

Bei hyperspektralen Aufnahmen liegen weitere Schritte zwischen Bild und Aussage. Der Detektor misst zunächst spektrale Intensitäten, nicht unmittelbar Reflexionswerte. Deshalb werden die Aufnahmen gegen eine Schwarz- und Weißreferenz kalibriert. Für die inhaltliche Bewertung benötigt das Verfahren anschließend ein kalibriertes und validiertes Auswertemodell. ^[2]

Der entscheidende Punkt: Mehr Bildqualität ersetzt nicht das falsche Messprinzip. Wenn eine relevante Eigenschaft im gewählten Messbereich nicht erfasst wird, entsteht sie auch durch eine aufwendigere nachgelagerte Auswertung nicht.

Was die Auflösung entscheidet

Selbst wenn das richtige Messprinzip gewählt ist, bleibt offen, wie genau daraus gemessen werden kann.

Ein Beispiel liefert eine pharmazeutische Versuchsanlage zur kontinuierlichen Herstellung von Mini-Tabletten. Dort beobachtet eine Online-Kamera den Tropfen während der Herstellung und bestimmt unter anderem Größe, Position, Erstarrungszeit und Sinkgeschwindigkeit. Für die Bestimmung der Wirkstoffbeladung reicht der Kamerawert allein nicht: Die kamerabasierte Tropfengröße wird mit der durch eine UV-Sonde bestimmten Formulierungskonzentration verbunden. Erst aus beiden Messgrößen entsteht die zusätzliche Qualitätsinformation. ^[3]

Die Autoren überprüften anschließend die Genauigkeit der Größenbestimmung. Der mit der Kamera gemessene Radius der Mini-Tabletten wich im Mittel um 2,3 Prozent und maximal um 4 Prozent von der Referenzmessung ab. Bei der daraus berechneten Volumenbestimmung stieg die mittlere Abweichung auf 6,9 Prozent und die maximale auf 12 Prozent. ^[3]

Der interessante Punkt liegt nicht allein in diesen Zahlen. Der Fehler verdreifacht sich bei der Volumenberechnung aufgrund der kubischen Beziehung zwischen Radius und Volumen. Zusätzlich beeinflusst die Annahme einer idealen Kugelform die abgeleitete Größe. ^[3]

Damit wird aus einem Kameraproblem ein allgemeineres Prozessproblem: Auch eine korrekte Messung kann durch nachgelagerte Berechnungen Unsicherheit verstärken.

Die Zahlen sind keine allgemeine Genauigkeitsangabe für Prozesskameras. Sie gelten für diesen konkreten Versuchsaufbau. Sie zeigen aber, warum eine automatisierte Bildmessung ihre Unsicherheit nicht dadurch verliert, dass sie automatisiert erfolgt.

Was die Perspektive entscheidet

Ein Objekt besitzt mehr als die Seite, die zur Kamera zeigt.

Bei der automatisierten Prüfung von Lebensmitteln beschreibt eine Übersichtsarbeit beispielsweise für annähernd kugelförmige Produkte wie Äpfel, Orangen oder Tomaten Mehrfachansichten, damit die Oberfläche aus mehreren Richtungen erfasst werden kann. Für Steaks sowie Fleisch-, Hähnchen- oder Fischzuschnitte beschreibt sie dagegen die Analyse einer oder zweier Seiten. Unterschiedliche Objekte erfordern damit unterschiedliche Aufnahmeweisen. ^[1]

Wie groß der Einfluss sein kann, zeigt eine in derselben Übersichtsarbeit referierte Studie zur Ertragsschätzung an Apfelbäumen. Dort wurden Aufnahmen von zwei gegenüberliegenden Seiten mit einseitiger Aufnahme verglichen. Die berichteten Genauigkeiten lagen bei 82 gegenüber 58 Prozent. Das ist keine Aussage über industrielle Qualitätsprüfung – aber ein konkretes Beispiel dafür, dass die Zahl der Blickrichtungen das Ergebnis erheblich verändern kann. ^[1]

Ein anderer in der Übersicht beschriebener Aufbau löst das Perspektivproblem nicht durch zusätzliche Kameras, sondern durch Bewegung des Objekts. Orangen werden auf einem Rollenförderer zugleich transportiert und gedreht. Eine fest installierte Kamera erhält dadurch mehrere Ansichten desselben Produkts; diese werden anschließend zu einer gemeinsamen Bilddarstellung zusammengesetzt. ^[1]

Damit wird die Perspektive selbst zu einem Teil des Prozessdesigns.

Dasselbe gilt für die Beleuchtung. In einem referierten System werden ein Gehäuse und eine gleichmäßige LED-Beleuchtung eingesetzt, um die Aufnahme von wechselndem natürlichen Licht unabhängig zu machen – bis hin zum Betrieb bei Tag und Nacht. ^[1]

Eine Kamera ist deshalb nicht isoliert zu betrachten. Position, Optik, Beleuchtung, Arbeitsabstand, Bewegung des Objekts und sichtbarer Ausschnitt bilden gemeinsam den Aufnahmeaufbau.

Was das Bild über die Umgebung nicht weiß

Ein Bild kann Veränderungen einer Pflanze zeigen. Es kennt deswegen noch nicht automatisch Temperatur oder Luftfeuchtigkeit während der Aufnahme.

Das wird in einer Untersuchung zur automatisierten Überwachung von Nutzhanf im Gewächshaus deutlich. Der Aufbau kombiniert fest installierte Kameras mit Temperatur- und Feuchtigkeitssensoren und automatisiert die Bildaufnahme. Für die Bildanalyse wurden fünf Pflanzen beobachtet. ^[4]

Der interessante Punkt für industrielle Prozesse ist hier nicht eine einzelne Klassifikationsquote. Bei einer so kleinen Versuchsanordnung würde eine Prozentzahl ohne Stichprobenkontext mehr Allgemeingültigkeit suggerieren, als die Studie trägt.

Interessant ist die Informationsarchitektur: Die Kamera beschreibt einen visuellen Zustand. Andere Sensoren beschreiben Bedingungen, unter denen dieser Zustand entstanden ist. Erst ihre Verbindung erweitert die mögliche Aussage.

Eine Verfärbung, eine auffällige Oberfläche oder eine veränderte Pflanzenstruktur kann sichtbar sein. Ob die Ursache Temperatur, Feuchte, Material, Bearbeitung oder etwas anderes war, steht deswegen noch nicht im Bild.

Mehr Messungen derselben Größe machen keine neue Größe sichtbar

Mehrere Sensoren in einem Prozess erfüllen unterschiedliche Aufgaben.

In einer kontinuierlichen pharmazeutischen Tablettenfertigung wurden beispielsweise Lastmessungen, NIR-Sensoren, Mikrowellensensorik, eine Kamera, Röntgensensorik und weitere Prüfverfahren in einem Sensornetz kombiniert. ^[5]

Die Autoren treffen dabei eine wichtige Unterscheidung: Mehrere Messungen derselben Prozessgröße können die Zuverlässigkeit dieser Messgröße erhöhen. Sie verbessern aber nicht automatisch die Beobachtbarkeit einer anderen, bislang nicht gemessenen Größe. Sensoren mit demselben Messprinzip können Prozessmerkmale übersehen, die erst mit einer anderen Technologie sichtbar werden. ^[5]

Redundanz und Vielfalt beantworten damit zwei verschiedene Fragen: Wie zuverlässig kenne ich einen Messwert? Und: Welche Eigenschaften des Prozesses kann ich überhaupt beobachten?

Die Kamera ist deshalb nicht automatisch das Überwachungssystem. Sie ist eine mögliche Informationsquelle innerhalb eines größeren Prozessbildes. Wie solche Informationen einem fachlichen Zusammenhang zugeordnet werden, vertieft der Beitrag zum Kontextmodell.

Wie unterschiedliche Geräteklassen technisch umgesetzt werden

Die Unterschiede zwischen den Messprinzipien finden sich auch in real verfügbaren Geräten. Die folgende Auswahl dient nur dazu, verschiedene technische Klassen greifbar zu machen. Sie ist keine Rangliste und keine Kaufempfehlung.

Technische Werte und Schnittstellen nach Herstellerangaben, Stand: Oktober 2026. Die Zuordnung zur Geräteklasse und der Ort der Auswertung sind unsere Einordnung. Auswahl zur Illustration unterschiedlicher Geräteklassen; keine Kauf- oder Leistungsempfehlung.

Die richtige Kamera ergibt sich deshalb nicht aus einer Modellrangliste. Sie ergibt sich daraus, welche Prozesseigenschaft überhaupt beobachtet oder gemessen werden soll.

Was aus einem Bild erst durch Zuordnung wird

Selbst die technisch richtige Aufnahme beantwortet noch eine weitere Frage nicht: Wozu gehört sie?

Ein Kamerabild kann einen Zustand exakt zeigen und trotzdem später kaum einordenbar sein, wenn sein Prozesskontext fehlt.

Vollmer und Palm, beide bei der Schuler Pressen GmbH, beschreiben für eine Hot-Stamping-Linie ein Monitoring-System, in dem Daten aus Presse, Ofen, Robotik, Thermografiekameras, Videokameras und weiteren Sensoren gemeinsam erfasst werden. Sämtliche Datenquellen werden mit einem synchronisierten Zeitstempel gespeichert. ^[7]

Für qualitätsrelevante physikalische Prozessgrößen gehen die Autoren einen Schritt weiter: Sie werden nicht nur Zeiträumen, sondern einzelnen produzierten Teilen über eine eindeutige Part-ID zugeordnet. ^[7]

Für Video beschreibt dieselbe Arbeit separat eine Synchronisierung von Video- und Sensordaten über gemeinsame Zeitstempel. Daneben stehen manuelle Bildanalyse und Machine Vision als zwei verschiedene Auswertungswege. ^[7]

Diese Befunde dürfen nicht zu einer Aussage verschmolzen werden, die die Quelle nicht macht: Die Arbeit sagt nicht, dass die Videodatei selbst mit der Part-ID verknüpft wird.

Daraus lässt sich vielmehr eine Anforderung ableiten: Damit visuelle Information später einem konkreten Vorgang zugeordnet werden kann, müssen Bild- beziehungsweise Videodaten mit Zeit- und Objektbezug in denselben Prozesskontext eingebettet werden.

Wie wichtig Einzelzuordnung sein kann, zeigt auch die pharmazeutische Mini-Tabletten-Studie. Im kontinuierlichen Betrieb konnten einzelne Mini-Tabletten identifiziert, ihre kritischen Qualitätsmerkmale bestimmt und sie durch nachgelagerte Prozessschritte verfolgt werden. ^[3]

Die Studie sagt jedoch nicht, dass das zugrunde liegende Bild dauerhaft zusammen mit dieser Einzelidentität gespeichert wird.

Genau hier liegt der Unterschied zwischen visueller Erfassung und prozessbezogener Information. Für die technische Ebene solcher Zuordnungen sind auch Prozessereignisse relevant: Erst wenn Ereignis, Objekt und Zeitpunkt zusammengehören, lässt sich eine Beobachtung in einen Ablauf einordnen.

Speichern ist noch keine Aufbewahrungsstrategie

Auch bei der Speicherung müssen zwei Ebenen auseinandergehalten werden.

Dieselbe Arbeit beschreibt zunächst einen schnellen Ringpuffer, in dem die vollständigen historischen Produktionsdaten ohne Auflösungsverlust für kurz- und mittelfristige Analyse verfügbar bleiben. Für das untersuchte System nennen sie einen Zeitraum von etwa zwei Monaten. ^[7]

Daneben beschreiben sie einen Verarbeitungsschritt und anschließend eine Langzeitspeicherung vorverarbeiteter Daten für Zwecke der Qualitätssicherung. ^[7]

Damit ergeben sich nicht drei Speicherorte, sondern zwei Speicherstufen: volle Auflösung für kurz- und mittelfristige Analyse → Verarbeitung → vorverarbeitete Daten für Langzeitspeicherung.

Welche Information tatsächlich wie lange erhalten bleiben muss, beantwortet die Studie nicht. Sie enthält keine konkrete regulatorische Aufbewahrungsfrist und keine Aussagen zu Audit Trail, elektronischer Signatur oder Unveränderbarkeit.

Für ein Prozessdesign bleibt trotzdem eine wichtige Frage: Muss später die vollständige Bildfolge verfügbar sein – oder die daraus gewonnene und nachvollziehbar zugeordnete Information?

Die Antwort hängt vom Prozess und den Anforderungen an seine spätere Nachvollziehbarkeit ab. Die regulatorische und technische Nachvollziehbarkeit von Änderungen ist ein eigener Gegenstand; dazu siehe Audit Trail und Datenintegrität.

Wer bewertet das Bild?

Aufnahme und Entscheidung sind nicht dasselbe.

Bildinformation kann von einem Menschen betrachtet werden. Sie kann algorithmisch ausgewertet werden. Oder eine automatische Auswertung markiert einen Fall, über den anschließend ein Mensch entscheidet.

Eine pharmazeutische Übersichtsarbeit unterscheidet zwischen statischer und dynamischer Bildanalyse. Bildanalyse wird dort außerdem als mögliches Werkzeug PAT-basierter In-Process-Control beschrieben; Prozesse wie Kristallisation, Mahlen, Emulgieren, Fluidisierung, Granulation, Tablettierung oder Beschichtung können bildgestützt verfolgt und Störungen in Echtzeit erkannt werden. ^[6]

Die Arbeit stellt ebenfalls manuelle Analyse und Machine-Vision-Auswertung ausdrücklich nebeneinander. ^[7]

Das ist für die Systemarchitektur entscheidend: Eine Kamera bestimmt noch nicht, wer urteilt. Sie liefert zunächst Information.

Wie menschliche Prüfung gezielt Teil eines digitalen Ablaufs bleibt, behandelt Human in the Loop.

Wenn jemand von außen mitsieht

Dieselbe Trennung gilt für Remote Support.

Ein Kamerabild kann dazu dienen, dass eine entfernte Person denselben Prozess betrachtet wie ein Mitarbeiter vor Ort. Damit entsteht ein weiterer Nutzungsfall visueller Prozessinformation – aber noch keine automatische Prüfung und auch nicht automatisch ein Nachweis.

Für das Systemdesign stellen sich vielmehr andere Fragen: Welche Ansicht erhält die entfernte Person? Zu welchem Vorgang gehört sie? Welche Rolle hat sie? Wird lediglich kommuniziert oder eine Entscheidung getroffen? Und welche Information soll anschließend erhalten bleiben?

Remote Support ist damit eine mögliche Rolle visueller Information im Prozess, nicht der Oberbegriff für den gesamten Kameraeinsatz.

Die Abgrenzung zu Datenbrillen in der Industrie bleibt zugleich klar: Bei einer Datenbrille folgt die Perspektive dem Menschen. Bei einer stationären Prozesskamera bleibt die Perspektive beim Prozess.

Womit ein erster Versuch anfängt

Ein sinnvoller Pilot beginnt nicht mit möglichst vielen Kameras. Er beginnt mit einer konkreten Frage.

Soll geprüft werden, ob ein Objekt vorhanden ist? Soll eine sichtbare Oberfläche beurteilt werden? Geht es um eine Maßabweichung, eine Temperaturverteilung oder eine Veränderung über Zeit? Muss ein Mensch entscheiden oder soll ein Verfahren zunächst automatisch klassifizieren?

Erst danach lässt sich bestimmen, welches Aufnahmeprinzip passt, welche Perspektive benötigt wird, welche Auflösung sinnvoll ist und welche zusätzlichen Prozessdaten gebraucht werden.

Für einen ersten Anwendungsfall sollten deshalb mindestens vier Dinge eindeutig benannt sein: das beobachtete Objekt, das relevante Merkmal, der Zeitpunkt der Bewertung und die Reaktion auf eine Abweichung.

Dann lässt sich testen, ob das Kamerasystem tatsächlich die Information liefert, die der Prozess benötigt.

Denn eine Kamera kann sehr viel sichtbar machen.

Ob daraus Prozessinformation wird, entscheidet sich erst außerhalb des Bildes.

Häufige Fragen

Was ist visuelle Prozessüberwachung?

Visuelle Prozessüberwachung nutzt Bild- oder Videodaten, um Zustände und Veränderungen während eines Prozesses sichtbar oder messbar zu machen. Welche Aussage daraus entsteht, hängt vom Aufnahmeprinzip, vom Aufbau und von der Zuordnung zu weiteren Prozessinformationen ab.

Was ist eine Prozesskamera?

Als Prozesskamera kann eine Kamera bezeichnet werden, die einen technischen oder betrieblichen Ablauf beobachtet. Der Begriff beschreibt noch kein bestimmtes Messprinzip: Je nach Aufgabe kann eine klassische 2D-Kamera, ein 3D-System, eine Wärmebildkamera oder ein spektrales Verfahren eingesetzt werden.

Welche Kamera eignet sich für die Prozessüberwachung?

Das lässt sich nicht allein anhand von Auflösung oder Bildrate entscheiden. Zuerst muss feststehen, welche Eigenschaft beobachtet oder gemessen werden soll. Erst daraus ergeben sich Aufnahmeprinzip, Perspektive, Beleuchtung, erforderliche Genauigkeit und mögliche zusätzliche Sensorik.

Ist Machine Vision dasselbe wie visuelle Prozessüberwachung?

Nein. Machine Vision bezeichnet die maschinelle Erfassung und Auswertung von Bilddaten. Visuelle Prozessüberwachung ist weiter gefasst: Ein Bild kann auch von einem Menschen beurteilt oder gemeinsam mit anderen Prozessdaten genutzt werden. Entscheidend ist, wie die visuelle Information in den Ablauf eingebunden wird.

Reicht ein Kamerabild als Prozessnachweis aus?

Ein Bild allein zeigt zunächst nur die erfasste Szene. Ob es später als relevante Prozessinformation genutzt werden kann, hängt unter anderem von seiner Zuordnung zu Zeitpunkt, Objekt und Vorgang sowie von den Anforderungen des jeweiligen Prozesses ab. Dieser Beitrag leitet daraus keine allgemeine regulatorische Nachweiswirkung ab.