Visuelles Messen, Zählen & Volumenschätzung

Das Zählen von Stücken und das Messen von Größe oder Volumen geschieht noch immer mit Maßband, Strichliste, Waage und manuellen Begehungen. Bildmodelle erkennen und segmentieren die Objekte, und kalibrierte Geometrie (Referenzmarker, Tiefensensoren, Stereo oder Photogrammetrie) rechnet Pixel in Millimeter, Kubikmeter oder Stückzahlen um. Typisches Ergebnis: schnellere, wiederholbare und dokumentierte Messungen, mit einer menschlichen Kontrolle überall dort, wo die Zahl vertragliches oder rechtliches Gewicht hat.

Problem & Nutzen

• Heute: Zählungen im Wareneingang, Rauminhalte von Holzstapeln, Vermessung von Schüttgut, Paketvermessung, Toleranzprüfungen an Teilen und Ertragszählungen bei Pflanzen beruhen auf Handarbeit, Handwerkzeug oder teuren Vermessungstrupps. Die Ergebnisse sind langsam, subjektiv und selten mit Beweisbildern belegt.
• KI-Nutzen: Ein Foto oder kurzes Video liefert eine Zahl oder ein Maß mit gespeichertem Prüfbild; Drohnen und Smartphones ersetzen gefährlichen oder zeitaufwendigen Zugang (z. B. das Besteigen von Schüttguthalden); das Zählen skaliert auf Tausende kleiner Stücke, bei denen Menschen sich verzählen.
• Nutzenzahlen: Herstellerangaben schwanken stark je nach Aufbau; prüfen Sie diese an Ihren eigenen Szenen [3][5].

Varianten

• Einzelzählung: Teile auf Trays, Rohre/Stangen/Stämme auf Lkw, Paletten, Säcke, Setzlinge, Früchte, Fische, Zellen im Labor (Zählen dicht gepackter Objekte, klassenunabhängige „Alles zählen“-Modelle).
• Zweidimensionale Maßprüfung: Länge, Durchmesser, Fläche, Winkel, Spalt/Bündigkeit mit einer kalibrierten Kamera (telezentrische Optik für Präzisionsteile, Referenzmarker für die Nutzung per Smartphone).
• 3D-Volumen: Schüttgut und Halden (Drohnen-Photogrammetrie oder LiDAR), Holzstapel (Festmaß aus dem Stapelfoto), Paket- und Palettenvermessung (ToF/Stereo), Aushub- und Auffüllvolumen auf Baustellen (siehe VIS-040, VIS-021).
• Landwirtschaft: Zählen von Pflanzen/Früchten, Schätzung von Blattwerk und Biomasse (siehe VIS-005).

So funktioniert es

1. capture (fixed camera / phone / drone / depth sensor)
2. calibration (intrinsics, reference marker or scale bar, ground control points)
3. detection / instance segmentation (YOLO-class, SAM-class, open-vocabulary)
4. geometry (pixel
5. metric via homography, depth map, point cloud or mesh)
6. counting / measuring / volume integration (+ density
7. weight)
8. plausibility & uncertainty checks (tolerance, occlusion, double-count)
9. human review of low-confidence cases
10. record in ERP / WMS / QMS

• Zählen: Ein Detektor oder Segmentierer schlägt Instanzen vor; Tracking vermeidet Doppelzählungen im Video; Dichtekarten- oder Punkt-Prompt-Modelle bewältigen dichte Szenen mit Überlappung.
• Messen: Instanzmasken liefern Umrisse; mit bekanntem Maßstab (Marker, fester Kameraabstand, Tiefe) wird die Maske zu Millimetern. Monokulare metrische Tiefenmodelle helfen, wo kein Sensor vorhanden ist, sind aber weniger genau als echte Tiefen-Hardware.
• Volumen: Ein Oberflächenmodell über einer Basisebene wird integriert (Photogrammetrie-DSM, LiDAR-Punktwolke oder Punktwolke einer Tiefenkamera); bei Holz werden Stapelfläche und -tiefe geschätzt oder einzelne Stammdurchmesser und -längen gemessen.
• Mensch-in-der-Schleife (Human-in-the-Loop): Prüfung von Bildern mit geringer Sicherheit, stichprobenartige Kontrollen gegen manuelle Zählungen und abgezeichnete Werte für alles, was in Abrechnung oder rechtlichem Handel verwendet wird.

Datenaufbereitung

Die Daten sind Bilder, Videos oder Punktwolken von fest installierten Kameras, Smartphones, Drohnen oder Tiefensensoren sowie Referenzmessungen (Wiegescheine, Inventurzählungen, CAD- oder BIM-Daten), die typischerweise im ERP, WMS, Qualitätssystem oder in Excel-Tabellen liegen. Typische Lücken: uneinheitliche Beleuchtung und Kamerawinkel, kein Referenzmaßstab oder Kalibriermarker, keine Vergleichswahrheit (Ground Truth), auf Smartphones und Dateiservern verstreute Fotos und unklare Rechte, wenn Beschäftigte oder Kunden im Bild erscheinen.

Schritte der Aufbereitung: Zuerst den Aufnahmeaufbau festlegen (Kameraposition, Beleuchtung, Maßstabsmarker, Halterung); das ist wichtiger als das Modell. Pro Szenario 100 bis 300 repräsentative Bilder sammeln und mit manuell geprüften Zählungen oder Messungen als Testsatz verbinden (PREP-018). Vorhandene Labels aus Wiege-, Liefer- und Bestandsunterlagen gewinnen (PREP-020). ERP-Referenzdaten per API oder Datei exportieren (PREP-005) und Zählungen in Tabellen bereinigen (PREP-011). Nur wenn ein eigenes Modell nötig ist, mit offenen Werkzeugen wie CVAT oder Label Studio annotieren. Prüfen, ob Personen sichtbar sind, und diese maskieren oder vermeiden (PREP-022).

Grober Aufwandsanteil: 30 bis 40 Prozent, bestimmt von Aufnahmeaufbau und Beschaffung der Vergleichswahrheit. Der Kauf eines Produkts verringert diese Arbeit, beseitigt sie aber nicht, weil die Kalibrierung weiterhin Referenzmessungen braucht.

Umsetzungswege

Welcher Weg für wen

• smb (A): Ausgereifte Zähl- und Volumenprodukte (kamera- oder drohnenbasiert) gibt es zu KMU-tauglichen Preisen, und die Aufgabe, etwa Paletten zählen oder Halden vermessen, ist Standard.
• enterprise (B): Messwerte müssen in ERP, WMS oder Qualitätssysteme fließen, daher passen Cloud-Bild-APIs oder eigene, in die Systeme integrierte Modelle besser als ein Fertigprodukt.
• developer (C): Offene Erkennungs- und Tiefenmodelle (YOLO-Familie, SAM, Tiefenschätzer) laufen auf HW1 und geben volle Kontrolle über die Kalibrierung.
• public (C): Vermessungs-, Bau- oder Umweltbehörden halten Bilddaten auf eigener oder souveräner EU-Infrastruktur und vermeiden Herstellerbindung.

Weg A — Kaufen (Standardsoftware)

• Paket-/Palettenvermessung (fest installierte Geräte): Cubiscan, Mettler-Toledo (inkl. zertifizierter Vermessungsgeräte), Zebra, Cognex, Keyence (3D-Profilsensoren und Vermessungsgeräte). Einige sind für den eichpflichtigen Verkehr zugelassen.
• Industrielle 2D/3D-Messung & Zählung: Cognex, Keyence, Zebra Aurora, MVTec HALCON (DE), Basler (DE) mit Messtechnik von Zeiss/Isra-Art.
• Halden- und Baustellenvolumen: DJI Terra/Enterprise-Drohnen, Pix4D (CH), Propeller Aero, DroneDeploy, Trimble, Leica/Hexagon; Laserscanner im Stil von Teledyne FLIR für Silos. EU-Datenstandort prüfen.
• Holz: fotobasierte Apps zur Stamm- und Stapelmessung (z. B. Trestima (FI), Haglöf (SE)); die nationale Anerkennung für die Handelsmessung vor dem Einsatz prüfen.
• A wählen, wenn: das Objekt Standard ist (Pakete, Paletten, Stämme, Halden) und die Messung zertifiziert oder schnell einsatzbereit sein muss.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Erkennung/Segmentierung: verwaltete Dienste wie Roboflow (gehostet), Azure AI Vision (Custom Vision wird zum 25. Sept. 2028 eingestellt; Migration einplanen), Google Vertex AI, AWS Rekognition Custom Labels (EU-Regionen verfügbar).
• Multimodale Modelle: Gemini und Claude Vision können in Einzelbildern zählen und die Größe grob schätzen; geeignet für die Vorsortierung, nicht für Messungen auf Toleranzniveau.
• Photogrammetrie als Dienst: Pix4D (CH) / Bentley iTwin Capture / DroneDeploy Cloud für Volumenberichte.
• Orchestrierung: Aufnahme am Rand (Edge) + Inferenz in der Cloud; Ergebnisse per REST, n8n oder Power Automate in ERP/WMS.
• B wählen, wenn: Sie eigene Klassen oder Abläufe brauchen, aber keine Vorgabe zum Betrieb im eigenen Haus besteht.

Weg C — Selbst betreiben (Open Source)

• Detektoren/Segmentierer: Ultralytics YOLO (AGPL, Lizenz prüfen), RT-DETR, RF-DETR, YOLOX (Apache); Segment Anything 2 (Meta, Apache) und Grounding DINO / Open-Vocabulary-Detektoren für Starts ohne Labels.
• Tiefe/3D: Depth Anything V2 (relativ; metrische Varianten existieren), Open3D, COLMAP, OpenDroneMap (Orthofoto-, DSM- und Volumenwerkzeuge), PDAL für Punktwolken.
• Laufzeit: OpenCV für die Kalibrierung (ArUco-/ChArUco-Marker), ONNX Runtime/TensorRT, NVIDIA DeepStream.
• Hardware: HW1 (Jetson Orin / NPU) für fest installierte Kameras; HW2 für Photogrammetrie und Stapelverarbeitung.

Weg D — Eigenes Training

Lohnt sich für ungewöhnliche Objekte (bestimmte Teile, Bündel, Setzlinge) oder enge Toleranzen. Einige hundert bis einige tausend annotierte Bilder mit variierender Beleuchtung und Verdeckung; für die Maßgenauigkeit sammeln Sie Referenzmessungen kalibrierter Werkzeuge als Vergleichswahrheit, nicht nur Labels.

Stand der Technik (2026)

• Per Prompt steuerbare Segmentierung und Open-Vocabulary-Erkennung (SAM 2, Modelle im Stil von Grounding DINO) machen erste Zählungen ohne Trainingsdaten möglich; feintrainierte kleine Detektoren sind bei Geschwindigkeit und Genauigkeit für feste Produktionsszenen weiterhin überlegen.
• Monokulare metrische Tiefe hat sich deutlich verbessert (Depth Anything V2 und Nachfolger, Metric3D, UniDepth), doch die Genauigkeit hängt von der Szene ab. Für Volumen und Toleranzen bleiben echte Tiefensensoren, Stereo oder Photogrammetrie mit Referenzpunkten zuverlässiger.
• LiDAR/ToF im Smartphone und Rekonstruktionen mit Gaussian Splatting/NeRF machen die Aufnahme günstig, doch Maßstabsfehler, spiegelnde oder texturlose Oberflächen und bewegte Objekte verschlechtern die Ergebnisse.
• Grenzen und Fehlerbilder: Verdeckung und gestapelte/überlappende Stücke (Untererfassung), Doppelzählung im Video, Perspektive und Linsenverzerrung, Schatten, nasse oder glänzende Materialien, verborgene Hohlräume in Stapeln oder Halden, falsche Dichteannahmen bei der Umrechnung von Volumen in Gewicht und Drift bei unkalibrierten Aufbauten. Geben Sie stets eine Unsicherheit an und prüfen Sie stichprobenartig gegen eine manuelle Referenz.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (object-detection + segmentation + tracking + edge-runtime): VIS-001 Fehlererkennung, VIS-008 Personenzählung, VIS-019 Lagerbestandszählung, VIS-020 Abfallsortierung.
• 3D-/Photogrammetrie-Pipeline: VIS-003 Drohneninspektion von Infrastruktur, VIS-021 Veränderungserkennung aus der Luft, VIS-040 Scan-to-BIM, VIS-023 Schadensbewertung anhand von Fotos.
• Fachliche Überschneidungen: VIS-005 Pflanzenzählung, VIS-033 Wiegen/Volumenschätzung von Lebensmittelabfällen.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen; Vermessungsgeräte kosten von einigen tausend bis zu zehntausenden Euro; Software für Volumen wird meist pro Arbeitsplatz oder pro Flug abgerechnet.
• Weg B: 1–3 Monate inkl. Kalibrierung, Integration und Validierung.
• Weg C: 2–4 Monate; Edge-Geräte oder eine GPU plus Aufnahmetechnik und Annotationsaufwand.
• Kostentreiber: Kalibrierung und Disziplin bei der Aufnahme, Annotation, Messung der Vergleichswahrheit, Hardware.
• Kennzahlen: Zählfehler (MAPE gegenüber manuell), mittlerer absoluter Fehler in mm / % Volumenfehler, Verzerrung (Bias), Wiederholbarkeit (gleiches Objekt, wiederholte Aufnahme), Anteil der Stücke mit manueller Prüfung, Zeit pro Messung, Reklamations-/Streitquote.

Menschen & Veränderung

Beziehen Sie zuerst die Abteilungsleitung (Lager, Produktion, Bauleitung) ein, denn sie verantwortet den Prozess und die Fehlertoleranz. Anwender wie Lagerpersonal oder Poliere helfen, Aufnahmeabläufe festzulegen, und testen die ersten Ergebnisse; IT und Datenverantwortliche binden ERP oder WMS an und genehmigen Kameras oder Drohnen im Netz, die IT-Sicherheit prüft den Fernzugriff. Die Geschäftsleitung legt die Genauigkeitsschwelle fest, die den Ersatz manueller Zählungen rechtfertigt.

Betriebsrat: kommt darauf an. Wenn Kameras nur Waren und Halden beobachten, ist der Fall unkritisch, doch fest installierte Kameras an Arbeitsplätzen oder Abläufe, die protokollieren, wer was gezählt hat, können unter §87 Abs. 1 Nr. 6 BetrVG fallen, da die objektive Eignung zur Überwachung genügt. §90 Abs. 1 Nr. 3 verlangt die rechtzeitige Unterrichtung über KI-gestützt geplante Arbeitsverfahren. Vereinbaren Sie, dass Bilder nicht zur Leistungsbeurteilung verwendet werden, und halten Sie das in einer kurzen Betriebsvereinbarung fest. Drohnenflüge können gesonderte Genehmigungen und Datenschutzprüfungen erfordern, wenn Personen gefilmt werden; beziehen Sie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten ein und führen Sie eine Datenschutz-Folgenabschätzung (DSFA) durch, wenn Arbeitsplätze dauerhaft erfasst werden.

KI-Kompetenz nach Art. 4: Erklären Sie, welche Genauigkeit zu erwarten ist, typische Fehlerbilder (Verdeckung, Schatten, ungewöhnliche Verpackung) und wann manuell nachgezählt wird. Starten Sie mit einem Pilotbetrieb an einem Standort oder einer Produktgruppe, lassen Sie vier Wochen lang manuelle und KI-Zählungen parallel laufen und berichten Sie Abweichungen offen. Sorgen vor Kontrolle und Arbeitsplatzverlust begegnen Sie, indem Sie zeigen, dass das Werkzeug das lästige Zählen übernimmt, während Beschäftigte Ausnahmen bestätigen und das letzte Wort behalten. Siehe GUIDE-009, GUIDE-004 und GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): in der Regel minimales Risiko. Es wird zum Hochrisiko, wenn das System eine Sicherheitskomponente regulierter Produkte ist (Anhang I, z. B. nach der Maschinenverordnung) oder für die Sicherheit kritischer Infrastruktur eingesetzt wird; KI-Kompetenz (Art. 4) gilt. Körpermessung zur Profilbildung von Personen oder zur Emotions-/biometrischen Kategorisierung würde eine gesonderte Bewertung erfordern (Verbote nach Art. 5) und liegt hier außerhalb des Umfangs.
• Messwesen: Werte, die für Handel oder Abrechnung verwendet werden, können unter die Messgeräterichtlinie 2014/32/EU und das nationale gesetzliche Messwesen fallen (in Deutschland MessEG/MessEV mit PTB und Eichbehörden); nicht zertifizierte KI-Messung ist eine Entscheidungshilfe, sofern nicht zugelassen [2].
• DSGVO: Das Zählen oder Messen von Objekten betrifft in der Regel keine personenbezogenen Daten; Bilder von Beschäftigten, Höfen mit Personen, Kennzeichen an Lkw oder Drohnenaufnahmen angrenzender Grundstücke können es sein. Nutzen Sie Maskierung, Beschilderung, Datensparsamkeit und kurze Aufbewahrung; der Drohnenbetrieb unterliegt den EASA-Regeln (Verordnung (EU) 2019/947) [4].
• Gegenmaßnahmen: Unsicherheit und Beweisbilder anzeigen, Kalibrierung mit Referenzkörpern prüfen, Stichproben prüfen, Originalbilder aufbewahren.

Erste Schritte

1. Legen Sie fest, welche Entscheidung die Zahl steuert und welche Genauigkeit nötig ist (Zähltoleranz, mm, % Volumen).
2. Aufnahme festlegen: Beleuchtung, Kameraposition, Referenzmarker oder Passpunkte; 100–300 repräsentative Bilder mit manuellen Referenzwerten sammeln.
3. Ein vortrainiertes oder Open-Vocabulary-Modell (SAM 2 + Detektor) ausprobieren und den Fehler gegen die Referenz messen.
4. Kalibrierung und Ausweis der Unsicherheit ergänzen; entscheiden, welche Fälle zur menschlichen Prüfung gehen.
5. Vor der Umstellung einige Wochen im Pilotbetrieb parallel zum manuellen Prozess laufen lassen, danach die Drift überwachen.

Quellen

1. Meta AI — Segment Anything 2 — https://github.com/facebookresearch/sam2
2. Directive 2014/32/EU (Measuring Instruments Directive) — https://eur-lex.europa.eu/eli/dir/2014/32/oj
3. OpenDroneMap documentation (orthophoto, DSM, volume) — https://docs.opendronemap.org/
4. Commission Implementing Regulation (EU) 2019/947 (drones) — https://eur-lex.europa.eu/eli/reg_impl/2019/947/oj
5. Depth Anything V2 — https://github.com/DepthAnything/Depth-Anything-V2
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. Open3D — https://www.open3d.org/
8. Ultralytics YOLO documentation — https://docs.ultralytics.com/