Drohnen, Computer Vision und individuell trainierte KI-Modelle verändern die Inspektion kritischer Infrastruktur grundlegend. Statt tausende Bilder manuell auszuwerten, erkennen Vision-AI-Systeme Schäden, Anomalien und Wartungsbedarfe automatisiert und übertragen die Ergebnisse direkt in bestehende Unternehmensprozesse. Das spart Zeit, reduziert Kosten und schafft belastbare Entscheidungsgrundlagen für Ingenieure und Betreiber.
Die industrielle Infrastruktur Deutschlands altert. Vor etwa einem Jahr hat der Deutsche Bundestag mit 500 Milliarden Euro ein Sondervermögen für Infrastruktur und Klimaneutralität eingerichtet, um mehr in die Modernisierung zu investieren. Aber: Fachkräfte, die händisch Wartungen durchführen können, werden immer weniger. Und spätestens seit Anfang des Jahres ist mit Beschluss des KRITIS-Dachgesetzes klar, dass die Anforderungen an Dokumentation, Sicherheit und Effizienz der Infrastruktur weiter steigen. Wer künftig Strommasten, Gebäudefassaden, Dachanlagen, Solarparks etc. inspiziert, muss regelmäßig nachweisen, dass die Anlagen resilient und sicher sind. Händisch ist das kaum mehr umsetzbar. Mit Computer Vision bzw. Vision AI – Künstlicher Intelligenz spezielle für visuelle Daten – ergibt sich ein neues Bild: Vision AI kann tausende Bilder pro Befliegung in Minuten auswerten, und in belastbare Entscheidungsgrundlagen übersetzen. Wie funktioniert das?
Vision AI verändert industrielle Inspektionsprozesse grundlegend. Statt manueller Sichtung einzelner Aufnahmen erkennt die KI Schäden, Anomalien und Strukturen automatisiert, klassifiziert Zustände und priorisiert Handlungsbedarf.
Der Ablauf der Analyse folgt dabei einem durchgängigen Workflow. Drohnen erfassen RGB- und Thermalbilder oder erstellen per Laserscan 3D-Modelle entlang definierter Flugrouten. Die Aufnahmen werden zum Beispiel zu hochauflösenden Orthofotos zusammengesetzt, also georeferenzierte Gesamtansichten, die ganze Anlagen, Trassen oder Gebäudekomplexe abbilden. Hier kommt Vision AI ins Spiel.
Die Modelle erkennen dabei exakt die Objekte und Zustände, die für den jeweiligen Anwendungsfall relevant sind: Risse in Fassaden, thermische Hotspots an Solarmodulen, Korrosion an Mastkomponenten, Vegetationsrückstände in Sicherheitsabständen oder Typenschilder per OCR. Jede Erkennung wird mit GPS-Koordinaten, Zustandsklasse und Schweregrad versehen.
Schadensklassen, Vision AI
Ein Mensch benötigt ein bis zwei Minuten pro Bild für eine fundierte Bewertung des Zustands eines Objekts. Bei 3.650 Aufnahmen einer typischen Befliegung summiert sich das auf mehrere Arbeitstage. Vision AI verarbeitet denselben Datensatz in rund zehn Minuten.
Vorteile einer Custom KI für industrielle Inspektionen
Kundenspezifische KI-Systeme wurden für bestimmte Aufgaben entwickelt. Generische KI-Modelle sind da breiter aufgestellt. Sie kommen in Standardanwendungen zum Einsatz, und greifen auf allgemeines Internetwissen zurück. Bei Analysen, die tiefes Fachwissen benötigen, wie bei industriellen Inspektionen, stößt Generische KI schnell an Grenzen. Industrielle Vision AI erfordert demnach spezifisches Training mit realen Inspektionsdaten des jeweiligen Kunden.
Bei FlyNex werden die neuronalen Netze daher individuell auf Kundendaten trainiert. Die Modelle lernen anhand annotierter Bilder aus dem tatsächlichen Betrieb. Das Ergebnis sind anwendungsspezifisch trainierte Modelle, die definierte Objekte, Schäden oder Zustände erkennen und die Ergebnisse strukturiert für bestehende Arbeits- und Instandhaltungsprozesse bereitstellen.
Automatisiertes Vogelnestmonitoring als Fallbeispiel
Wie das in der Praxis aussieht, zeigt das vollautomatisierte Vogelnestmonitoring im Weserbergland, das in dieser Form erstmals in Deutschland umgesetzt wurde. Gemeinsam mit Omexom hat FlyNex das Projekt entlang einer 60 Kilometer langen 380-kV-Hochspannungstrasse realisiert und wurde dabei durch den Partner U-ROB unterstützt.140 Strommasten werden alle zwei Tage vollautomatisch per Drohne inspiziert, fünf strategisch positionierte Drohnenhangars decken die gesamte Trasse lückenlos ab. Die Drohnen fliegen außerhalb der Sichtweite und werden zentral aus einem Leitstand gesteuert. FlyNex bildet den digitalen Prozess von der Flugplanung über die Datenerfassung bis zum fertigen Report ab. So werden Auffälligkeiten erkannt, bevor sie zum Problem werden.
Vogelnest Monitoring
Die Vision AI wurde mit projektspezifischen Bilddaten trainiert und erkennt potenzielle Neststandorte auf den Strommasten. Beginnende Brutaktivitäten lassen sich so frühzeitig feststellen, bevor während der Schutzzeit von März bis September Baustillstände entstehen. Gleichzeitig werden die rechtlichen Anforderungen des Bundesnaturschutzgesetzes (§ 39 BNatSchG) und der EU-Vogelschutzrichtlinie gewahrt. Die KI reduziert den manuellen Auswertungsaufwand des Bildmaterials um über 80 Prozent und beschleunigt die Entscheidungsfindung um 90 Prozent.
Voraussetzungen für den skalierbaren Einsatz von Vision AI in der Industrie
Damit Vision AI im industriellen Kontext zuverlässig funktioniert, müssen mehrere Voraussetzungen erfüllt sein: konsistente Datenqualität bei der Erfassung, saubere Annotation der Trainingsdaten, klare Defektkataloge und ein durchdachtes Deployment-Konzept. Hinzu kommen Anforderungen an Datenschutz und Compliance – insbesondere bei Befliegungen im urbanen Raum, wo DSGVO-konforme Anonymisierung von Gesichtern, Kennzeichen und Fenstern automatisiert erfolgen muss. Zusammenfassend kann man sagen, dass es der Infrastrukturwirtschaft selten an Daten mangelt. Sondern an der Fähigkeit, daraus schnell belastbare Entscheidungen abzuleiten. Genau hier entfalten Drohnen und Vision AI ihre Stärke, wenn sie regelkonform und prozessual sauber eingesetzt werden. Was als Technologie auf einer 60-Kilometer-Trasse funktioniert, wird ebenso skalierbar auf Solarparks, Gebäudeportfolios, Windenergieanlagen und Telekommunikationsinfrastruktur eingesetzt. Entscheidend ist der durchgängige Prozess von der Planung über die Erfassung bis zur operativen Entscheidung.
Über FlyNex
Autor: Andreas Dunsch, CEO und Mitgründer, FlyNex GmbH
Text-/Bildquelle: FlyNex GmbH
