Computer Vision

Sep. 19, 2025

—

von

Philipp: Schweizer KI Akademie

Einfach erklärt

Computer Vision bedeutet, dass Computer Bilder und Videos „verstehen“ lernen. Die Systeme erkennen, zuordnen und messen Dinge, so wie es Menschen mit ihren Augen und dem Gehirn tun – nur automatisch und oft sehr schnell.

Alltags‑Beispiele:

Smartphone‑Kamera erkennt Gesichter und stellt scharf; Apps können Texte abfotografieren und sofort übersetzen.
Autofahren/Assistenz: Kameras erkennen Fahrspuren, Ampeln, Schilder und Fußgänger (Baustein moderner Fahrerassistenz).
Industrie: Kameras prüfen Schrauben, Kanten, Lötstellen und sortieren fehlerhafte Teile automatisch aus (Qualitätskontrolle). Für die Umsetzung im Betrieb siehe KI‑Agentur Services.
Medizin: Algorithmen helfen, auf Röntgen‑ oder MRT‑Bildern Auffälligkeiten zu markieren.

Kurz gesagt: Computer Vision macht visuelle Aufgaben automatisierbar – vom Erkennen („Was ist das?“) bis zum Lokalisieren/Abmessen („Wo ist es, wie groß?“). Einen Überblick zu Lernangeboten findest du im Kurs‑ & Schulungs‑Hub; konkrete Branchen‑Ideen stehen bei den KI‑Use‑Cases.

Professionelle Definition

Computer Vision ist ein Forschungs‑ und Anwendungsgebiet der informatiknahen Bildverarbeitung, das Methoden entwickelt, um aus digitalen Bildern/Videoströmen bedeutungsvolle Informationen zu extrahieren, zu strukturieren und für Entscheidungen/Steuerung nutzbar zu machen. Typische Aufgabenklassen sind Klassifikation (Bild → Kategorie), Objekterkennung (Klassen + Positionen/Bounding Boxes), Semantische/Instanz‑Segmentierung (Pixel‑genaue Zuordnung), Schätzung kontinuierlicher Größen (z. B. Pose/Tiefe/Optischer Fluss), 3D‑Rekonstruktion und Tracking.

Seit den 2010er‑Jahren dominieren Deep‑Learning‑Verfahren (u. a. Convolutional Neural Networks, Transformers). Ein Pipeline‑Schema umfasst Datenerfassung, Annotation, Training (Optimierung einer Verlustfunktion), Validierung und Inferenz; in der Echtzeit‑Anwendung oft ergänzt um Sensorfusion (z. B. Kamera + Lidar/Radar) und MLOps (Überwachung, Updates).