Wir entwickeln maßgeschneiderte Wahrnehmungs-Pipelines für industrielle Kunden — Punktwolken-Klassifikation, Objekterkennung, Kollisionsvermeidung und Personenschutz. Fünf Jahre LiDAR-Engineering in aktiven Produktionsanlagen, verpackt als Software, die auf Ihrem Werk läuft.
Industrielle Objekterkennung ist Software, die rohe 3D-Punktwolken und 2D-Kamerabilder in maschinenlesbare Entscheidungen auf der Werksebene umwandelt. Wir entwerfen, bauen und liefern diese Pipelines für industrielle Kunden — Schrott-/Schlacke-Klassifikation, Kran- und Fahrzeugerkennung, Personenschutz in ATEX-Zonen, Materialfluss-Optimierung.
Angefangen haben wir mit einer einzigen Aufgabe: Halden mit LiDAR im aktiven Bergbaubetrieb zu vermessen. Fünf Jahre und vierzig produktive Installationen später haben wir einen tiefen Werkzeugkasten für industrielle Punktwolken- und Bildverarbeitungs-Arbeit — Riegl, Livox und Faro auf der Hardware-Seite; PCL, Open3D, OpenCV und PyTorch auf der Software-Seite; OPC UA, REST und MQTT in Ihre Leittechnik. Diesen Werkzeugkasten bringen wir an Ihre Daten.
Wir verkaufen keine generische KI-Plattform. Jedes Projekt startet mit einem kurzen Daten-Audit: Welche Sensoren haben Sie, wie sieht Ihre Datenlage aus, welche Entscheidung wollen Sie automatisieren? Daraus entsteht ein fester Projektrahmen — typisch 4–12 Wochen vom Vertrag bis zum produktiven Tool. Für größere Programme wechseln wir in ein monatliches Retainer-Modell mit gemeinsamer Roadmap. In jedem Fall gehört der Code Ihnen: Details zur IP und zur Wiederverwendung Ihrer Hardware stehen in unseren FAQs.
Produktive Referenzen in Salz, Zucker, Kupfer, Holzkohle und Mineralien.
Schrott-/Schlacke-Klassifikation auf Stahlwerks-Höfen, Erz-Qualitäts-Erkennung auf Förderbändern, Mischmaterial-Suche und -Segmentierung auf Halden. Punktwolken-Klassifikatoren und 2D-Bildmodelle, trainiert auf Ihrem Material — nicht auf einem öffentlichen Benchmark.
Kran-Position und Anti-Kollision in Müllbunkern und Hallen, Fahrzeugerkennung an Werkstoren und Waagen, Waggon- und Wagen-Identifikation für die Verladeautomatisierung. LiDAR-basiert, lichtunabhängig, staubtauglich.
Personenerkennung in ATEX-Zonen und im Schwenkbereich beweglicher Anlagenteile, Sicherheitsabstand-Überwachung auf automatisierten Kranen und FTS, Räumungskontrolle vor dem Wieder-Anfahren. Auditfähiger Ereignis-Log inklusive.
Keine langen Vertriebszyklen. Wir schneiden jedes Projekt um Ihre Daten — Start mit einem Workshop, dann ein Fest-Scope-Projekt, optional ein langfristiger Retainer.
Ein 1–3-tägiger Workshop, vor Ort oder remote. Wir auditieren Ihre Sensoren, Ihre Datenpipeline und die zu automatisierende Entscheidung, und liefern eine schriftliche Machbarkeits-Note mit empfohlenem nächsten Schritt. Ab wenigen Tagen. Festpreis.
Ein 4–12-Wochen-Projekt, das eine fertige Wahrnehmungs-Pipeline liefert — Daten-Parser, Erkennungs-/Klassifikations-Algorithmus, Dashboard oder OPC-UA-Anbindung an Ihre Leittechnik. Fester Scope, Festpreis, Code-Übergabe am Ende.
Monatlicher Retainer für laufendes Re-Training, Sensor-Migrationen, neue Anwendungsfälle und On-Call-Support. Passt, wenn Sie ein Perception-Engineering-Team haben wollen, ohne eines einzustellen. Quartalsweise Roadmap.
Alle drei Tiers enthalten Quellcode, Dokumentation und schriftliche Übergabe — keine Black Box, keine Lizenz-Abhängigkeit von uns.
Eisenschrott in Echtzeit von erkalteter Schlacke trennen — auf dem Stahlwerks-Hof, über ein Portal mit LiDAR und Kamera. Speist die EAF-Chargenplanung und reduziert Sortier-Aufwand auf dem Hof. Zum Use-Case-Deep-Dive →
Kontinuierliche Klassifikation von Schüttgut auf Förderbändern und Übergaben — speist Mischmodelle, vermeidet Off-Spec-Chargen und gibt der Leitwarte eine echte Materialbilanz statt einer abgeleiteten. Zum Use-Case-Deep-Dive →
LiDAR verfolgt Brücke, Katze und Greifer im Müllbunker oder in der Halle. Treibt Anti-Kollisions-Verriegelungen, optimiert Greif-Routen, koppelt über OPC UA an die Kran-SPS. Produkt-Version siehe OWL EYE® Müllbunker-Monitoring. Zum Use-Case-Deep-Dive →
LKW-, Lader- und Stapler-Erkennung an Werkstoren, innerbetrieblichen Kreuzungen und Waagen. Treibt Tor-Steuerung, Ampel-Verriegelungen und innerbetriebliche Wegeführung — funktioniert nachts, im Nebel und im Staub. Zum Use-Case-Deep-Dive →
Waggons an einer Verlade-Station erkennen, zählen, identifizieren. Treibt automatisierte Verlade-Sequenzen, verhindert Fehl-Verladungen und speist ein Material-Log pro Waggon ins ERP. Zum Use-Case-Deep-Dive →
Personenerkennung in Gefahrenbereichen — ATEX-Zonen, Schwenkbereich von Kranen, Reißleinen an Bändern. Löst Drosselungen, Hart-Stopps oder Warnungen aus. Auditfähiger Ereignis-Log für die Sicherheits-Beauftragten. Zum Use-Case-Deep-Dive →
Wir halten den Stack absichtlich langweilig. Jede Bibliothek auf dieser Liste hat einen mehrjährigen Track-Record in industriellen Produktionsumgebungen.
Ein einziger 3D-Rohscan rein — sechs Deckel-Mittelpunkte plus die Wagennummer raus. Realisiert als zustandslose sechsstufige geometrische Pipeline (NumPy + scipy), damit der Kern sauber nach C++/C# für die finale Steuerung portiert. Verpackt in einer Electron + Vue 3 + Three.js Desktop-Oberfläche für die Anlagenbediener. Scan-Verarbeitung unter zwei Sekunden, mittlerer Mittelpunkt-Fehler unter fünf Zentimeter gegen handgelabelte Ground-Truth.
Die Electron-Oberfläche aus Sicht des Anlagenbedieners: einen frisch aufgenommenen Scan laden, der Algorithmus klassifiziert die Punktwolke in Boden, Wagenkasten und Deckel-Cluster, projiziert die Mittelpunkte und aktualisiert das Zug-Log. Algorithmus-seitig vollständig zustandslos — der Tracker ist eine separate State-Machine.
Wie wir ein Projekt zuschneiden →Sensor-Setup, Beispiel-Daten, die zu automatisierende Entscheidung — alles was Sie haben. Wir kommen innerhalb von zwei Werktagen mit einer ehrlichen ersten Einschätzung und einem Festpreis-Angebot für den Discovery-Workshop zurück.