Automatisierte Erkennung von Fahrzeugschäden mit Hilfe von Künstlicher Intelligenz

Der Kunde

TÜV Rheinland ist führend in der technischen Prüfungsindustrie, beschäftigt über 20.000 Fachkräfte und erzielt jährliche Umsätze von 2,3 Milliarden Euro. Spezialisiert auf die Prüfung, Inspektion und Zertifizierung technischer Systeme und Fahrzeuge, widmet sich TÜV Rheinland der Sicherstellung von Betriebssicherheit und Qualitätssicherung in verschiedenen Branchen.

Herausforderung

TÜV Rheinland und Adomea haben zusammengearbeitet, um ein automatisiertes System zur Fahrzeugschadensbewertung zu entwickeln, das in der Lage ist, innerhalb einer Minute ein umfassendes Bild der Fahrzeugoberfläche zu erstellen. Adomeas Messaufbau hat eine wertvolle Datenbank mit ungenutztem Potenzial geschaffen, was TÜV Rheinland motivierte, eine Partnerschaft mit Merantix Momentum einzugehen, um die Computer Vision-Technologie zur weiteren Verbesserung des Schadensbewertungsprozesses zu nutzen.

„Mit Hilfe von Merantix Momentum konnten wir die Markteinführungszeit um drei Monate beschleunigen. Dies resultierte in dem einzigartigen Fahrzeug-Scan-Produkt, das wir heute anbieten können.“
Robert Kröwing
Head of Digital Transformation Mobility Services at TÜV Rheinland

Lösung

Merantix Momentum entwickelte ein vollautomatisches System zur Erkennung von Schadensklassen wie Kratzern, Abschürfungen, Dellen usw. auf der Karosserieoberfläche und setzte damit neue Maßstäbe in der Fahrzeugschadenserkennung.

Durch die Nutzung eines Computer-Vision-Modells nutzte Merantix Momentum eine vielschichtige Datenbank, die RGB-Werte, Krümmung und Reflexionsvermögen umfasst. Die größte Herausforderung des Projekts ergab sich aus der Komplexität der Daten und insbesondere ihrer ungleichmäßigen Verteilung — weniger als 1% der Fahrzeugbilddaten enthielten Schäden. Darüber hinaus war der vorhandene Schaden minimal, was es selbst für Experten schwierig machte zu bestimmen, ob die Bilder tatsächlich Schäden zeigten. Um dies zu lösen, führte Merantix Momentum einen neuen Ansatz zur Annotation der Daten ein, um deren Qualität schnell zu verbessern. Die Arbeit mit einer agilen und datenzentrierten Methodik ermöglichte die schnelle Erzeugung annotierter Daten und behob das Ungleichgewicht im ursprünglichen Datensatz.

Ergebnisse & Auswirkungen

Basierend auf multimodalen Sensordaten hat Merantix Momentum eine innovative KI-Lösung entwickelt, um Fahrzeugschäden automatisch zu erfassen. Diese Lösung ist anpassbar für eine breite Palette von Anwendungen, einschließlich Endkontrolle, Fahrzeuglogistik, Leasingrückgabe und anderen Szenarien, die eine genaue Schadensbewertung erfordern.

94%

Zeitersparnis, von 6 Minuten auf 20 Sekunden

17-40%

Verbesserung bei der Suche nach Fahrzeugschäden (je nach Klasse)

Überblick

Über das Unternehmen
  • TÜV Rheinland Group
  • Prüfung, Inspektion, Zertifizierung, Schulung
  • Fokus auf Qualität, Sicherheit, Nachhaltigkeit
Umgesetzte Leistungen
  • Computer Vision
  • Multi-Modal Data Input
  • Data Annotation & Data-Centric Approach
  • Automated Visual Quality Assurance
  • Vehicle Damage Assessment

Projektzeitraum
01/2021 - 10/2021
SHARE

Kontaktieren Sie uns

  • Kritische und ganzheitliche Bewertung des Ansatzes
  • Entwicklung von Leitfaden zur zuverlässigen Umsetzung
  • Kostenfrei und unverbindlich
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Wir möchten Sie kennenlernen!

Jetzt Ihre KI-Reise mit uns starten

Jetzt im Merantix Momentum Newsletter anmelden.

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.

Kontaktieren Sie uns

  • Kritische und ganzheitliche Bewertung des Ansatzes
  • Entwicklung von Leitfaden zur zuverlässigen Umsetzung
  • Kostenfrei und unverbindlich
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Wir möchten Sie kennenlernen!

Jetzt Ihre KI-Reise mit uns starten

Jetzt im Merantix Momentum Newsletter anmelden.

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.