Digitalisierung von Raster-Zeichnungen mit Deep Learning

Wie ein Framework OCR-Software bei der Extraktion von Daten übertrifft

Xiao Zhao, Marko Weber, Jan Schöffmann, Daniela Oelke ORCID Icon
ZeitschriftIndustry 4.0 Science
Ausgabe40. Jahrgang, 2024, Ausgabe 6, Seite 10-17
Literatur Teilen Zitieren Download

Abstract

Die automatische Extraktion von Produkt- und Fertigungsinformationen (Product Manufacturing Information - PMI) aus technischen CAD-Zeichnungen ist eine Voraussetzung für die Fertigung und Qualitätskontrolle in der Produktion. Aufgrund des speziellen Stils von CAD-Zeichnungen und der begrenzten Verfügbarkeit von Trainings- und Testdaten bleibt die Digitalisierung von CAD-Zeichnungen in Rasterbildern eine Herausforderung für Texterkennungssoftware (Optical Character Recognition - OCR). Dieser Beitrag stellt ein neuartiges, auf Deep Learning basierendes Framework vor, das dieses Problem adressiert, indem es Form- und Lagetoleranzen (Geometrical Dimensioning and Tolerancing - GD&T) sowie Bemaßungen in CAD-Zeichnungen lokalisiert und erkennt. Das Framework besteht aus einem zentralen Lokalisierungsmodul und mehreren nachgelagerten Pipelines für einzelne Klassen von PMI. Die Leistungsfähigkeit des Lokalisierungsmoduls, des Netzwerks zur Zeilenerkennung und der einzelnen Pipelines wird anhand realer Datensätze evaluiert. Ihre Leistung wird mit der des OCR-Programms Tesseract verglichen.

Keywords

, , , , , , ,

Artikel

Ein neuer Blick in die Tiefe technischer Zeichnungen: Ein Deep-Learning-Framework liest CAD-Grafiken so genau wie nie zuvor – erkennt Formtoleranzen, Maße und jedes Detail. Was früher mühsam von Hand geschah, übernimmt nun eine KI, die sich in die Besonderheiten jeder Linie und Beschriftung einfühlt. Diese vielversprechende Technologie steigert nicht nur die Genauigkeit, sondern beschleunigt auch die Verarbeitung von Zeichnungen erheblich. So eröffnet das System neue Wege für Präzision in der Produktion.

Zugang beschränkt

Sie sind zur Zeit nicht angemeldet / noch nicht registriert.

Um diesen Inhalt vollständig lesen zu können, müssen Sie über ein entsprechendes inklusiv-Abonnement verfügen. Alternativ können Sie den Zugang auch durch Zahlung eines Einmalpreises erhalten.

Abo inklusive Einzelkauf
ohne − 29,00 €
Digital − 27,55 €
Expert − 26,10 €
Professional ✓ 0,00 €

Lesen für einmalig 29,00 €

Alle Preise enthalten 7% Mehrwertsteuer

Nach Erwerb der Zugangsrechte werden Sie automatisch wieder zu dieser Seite zurückgeleitet.


Lösungen: Produktionsplanung

Das könnte Sie auch interessieren

Datenqualität und Expertise für robusten KI-Einsatz

Datenqualität und Expertise für robusten KI-Einsatz

Integration von Anomalie- und Label-Fehlererkennung in industrielle Defektdetektion
Pavlos Rath-Manakidis, Henry Huick, Erdi Ünal, Björn Krämer ORCID Icon, Laurenz Wiskott ORCID Icon
Der Einsatz künstlicher Intelligenz (KI) transformiert Arbeitspraktiken in der industriellen Qualitätskontrolle grundlegend. Dieser Beitrag untersucht, wie technische Ansätze zur Datenqualität und Modelltransparenz einen ethischen KI-Einsatz unterstützen – insbesondere die Handlungsfähigkeit, das Vertrauen und eine nachhaltige Arbeitsgestaltung in automatisierten Oberflächeninspektionssystemen (ASIS). Wir identifizieren Herausforderungen wie Datenineffizienz, variable Modellzuverlässigkeit und begrenzte KI-Expertise, die ein menschenzentriertes Design sowie verantwortungsvolles Datenmanagement erfordern. Gemeinsam mit ASIS-Anbietern entwickelte und mit ASIS-Anwendern getestete Pilotlösungen zeigen, dass KI-Systeme Fachpersonal effektiv unterstützen und deren Fähigkeiten erweitern müssen. Wir schlagen technische Lösungen zur Erkennung von Anomalien, Label-Fehlern und Domain Drift vor, um die Modellzuverlässigkeit zu erhöhen. Transparenz in der Datenqualität stärkt ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 128-135 | DOI 10.30844/I4SD.26.1.128
Digital Competence Lab (DCL) für die Logopädie

Digital Competence Lab (DCL) für die Logopädie

Konzeption einer Lernplattform zur Förderung digitaler Handlungskompetenzen
Anika Thurmann ORCID Icon, Antonia Weirich ORCID Icon, Kerstin Bilda, Fiona Dörr ORCID Icon, Lars Tönges ORCID Icon
Die digitale Transformation des Gesundheitswesens verändert die logopädische Versorgung nachhaltig. Smarte Technologien und Künstliche Intelligenz (KI) eröffnen neue Möglichkeiten, um die Qualität der Therapie zu sichern, Versorgungsengpässe zu adressieren und Patienten stärker in Übungsprozesse einzubinden. Gleichzeitig erweitern diese Entwicklungen das Rollenverständnis von Logopäden, die neben ihrer therapeutischen Kernaufgabe zunehmend digitale Systeme als unterstützende Werkzeuge einsetzen. Aufbauend auf einer Machbarkeitsstudie zur KI-gestützten Anwendung ISi-Speech-Sprechen im Realsetting der Parkinson-Komplextherapie (PKT) werden in diesem Beitrag zentrale Herausforderungen der Implementierung smarter Technologien skizziert.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 110-118 | DOI 10.30844/I4SD.26.1.110
Angewandte KI für die menschenzentrierte Montage

Angewandte KI für die menschenzentrierte Montage

Ein ethisch fundierter Ansatz zur Gestaltung von Arbeitsplätzen
Tadele Belay Tuli ORCID Icon, Michael Jonek ORCID Icon, Sascha Niethammer, Henning Vogler, Martin Manns ORCID Icon
Künstliche Intelligenz (KI) kann die Montage verbessern, indem sie menschliche Bewegungen vorhersagt und den Arbeitsplatz entsprechend gestaltet. Mithilfe probabilistischer Modelle wie der Gaußschen Mischmodelle (GMMs) antizipieren KI-Systeme die Bewegungen des Bedieners, um die Koordination mit Robotern zu verbessern. Diese Vorhersagesysteme werfen jedoch ethische Bedenken hinsichtlich Sicherheit, Fairness und Datenschutz gemäß EU AI Act auf. Dieser Artikel stellt eine Methode vor, die probabilistische Bewegungsmodellierung mit ethischer Bewertung mittels Z-Inspection® integriert. Eine Fallstudie unter Verwendung des Werkerassistenzsystem zeigt, wie multimodale Sensorik (Bewegung, Blick) und interpretierbare Modelle eine vorausschauende Unterstützung ermöglichen. Der Ansatz geht von der ethischen Bewertung zu einer ethisch informierten Arbeitsgestaltung über und liefert übertragbare Prinzipien sowie eine konfigurierbare Bewertungsmatrix.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 60-68 | DOI 10.30844/I4SD.26.1.60
Mitbestimmungsdialoge zur humanzentrierten KI-Einführung

Mitbestimmungsdialoge zur humanzentrierten KI-Einführung

Dialogisches Verfahren der Entwicklung einer betriebsspezifischen Mitbestimmungspraxis
Manfred Wannöffel ORCID Icon, Fabian Hoose ORCID Icon, Alexander Ranft, Claudia Niewerth ORCID Icon, Dirk Stüter
Im Rahmen des vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) geförderten regionalen Kompetenzzentrums „humAIne“ wurde mit dem Instrument der Mitbestimmungsdialoge ein Verfahren entwickelt, mit dem ein gemeinsames Verständnis über die komplexen Herausforderungen bei der Einführung von Künstlicher Intelligenz (KI) zwischen Management, Beschäftigten und Interessenvertretungen schrittweise im Dialog erarbeitet wird. Erfahrungen aus Projektpartnerbetrieben – wie Doncasters Precision Castings-Bochum GmbH (DPC) – zeigen exemplarisch auf, wie mit den Mitbestimmungsdialogen nicht nur rechtlich verbindliche Regelungen zu einer handhabbaren, betrieblich verankerten, nachhaltigen Praxis der Mitbestimmung bei KI entwickelt, sondern zugleich auch kontinuierliche Qualifizierungsprozesse für alle beteiligten Akteursgruppen im Sinne des Art. 4 und 5 des EU AI Act angestoßen werden.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 92-98 | DOI 10.30844/I4SD.26.1.92
Regulierung von humanzentrierter KI in Betrieben

Regulierung von humanzentrierter KI in Betrieben

Die HUMAINE Muster-Betriebsvereinbarung
Alexander Ranft, Fabian Hoose ORCID Icon, Claudia Niewerth ORCID Icon, Mathias Preuß, Manfred Wannöffel ORCID Icon
Die Einführung von Systemen der Künstlichen Intelligenz (KI) in Betrieben stellt neue Anforderungen an Regulierung und Mitbestimmung. Mit dem EU AI Act gelten seit 2025 verbindliche Vorgaben, die national mit dem Betriebsverfassungsgesetz (BetrVG) verknüpft werden müssen. Das regionale Kompetenzzentrum HUMAINE hat hierzu eine Muster-Betriebsvereinbarung KI (MBV KI) nach § 77 BetrVG entwickelt, die betriebliche Mitbestimmungsrechte stärkt und die europäische Regulierungspraxis praxisnah umsetzt. Flankiert durch Mitbestimmungsdialoge ermöglicht die MBV KI eine betriebsspezifische Anpassung für einen verantwortungsvollen und humanzentrierten KI-Einsatz. Der Beitrag zeigt am Beispiel ausgewählter Teile der MBV KI, wie eine Rahmen-Betriebsvereinbarung KI konkret gestaltet werden kann und diskutiert die Übertragbarkeit auch auf Betriebe ohne Betriebsrat. Die so vorgestellte MBV KI leistet einen Beitrag zur nachhaltigen, sozialpartnerschaftlich abgesicherten Gestaltung der ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 14-21 | DOI 10.30844/I4SD.26.1.14
Vorstufen der GenAI-Governance durch Managementkommunikation

Vorstufen der GenAI-Governance durch Managementkommunikation

Explorative Ergebnisse aus kleinen und mittleren Unternehmen (KMU) im Ruhrgebiet
Niklas Obermann ORCID Icon, Uta Wilkens ORCID Icon, Antonia Weirich ORCID Icon, Matthias E. Cichon ORCID Icon, Jürgen Mazarov ORCID Icon, Bernd Kuhlenkötter ORCID Icon
Die Implementierung generativer künstlicher Intelligenz (GenAI) stellt neue Anforderungen an die GenAI-Governance. Dieser Beitrag präsentiert explorative Ergebnisse dazu, wie KMU aus dem Ruhrgebiet GenAI einsetzen, Risiken wahrnehmen und mit ethischen Herausforderungen umgehen. Die Daten stammen aus einer Befragung von 56 KMU und einer regionalen Fallstudie. Während institutionalisierte Governance-Mechanismen fehlen, können kommunikative Praktiken des Managements in der frühen Phase der GenAI-Implementierung als Ersatz dienen und sollten als wichtiger Vorläufer für die Entwicklung einer Governance-Struktur angesehen werden, insbesondere in KMU.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 6-13 | DOI 10.30844/I4SD.26.1.6
Florian Goldmann