Eingabehilfen öffnen

Skip to main content

easyARguide – AR unterstützt Recruiting auf Jobmessen

easyARguide – AR unterstützt Recruiting auf Jobmessen

Mit dem „easyARguide“ wurde Augmented Reality (AR) als innovatives und praxisnahes Lehrmittel in der beruflichen Bildung erprobt. Im Zuge einer Implementierung hat die SHK Innung Köln die Technologie genutzt, um die Funktionsweise einer Wärmepumpe visuell aufzubereiten und im Rahmen einer Jobmesse gezielt einzusetzen. Ziel war es, interessierten Besucher:innen anschaulich zu vermitteln, welche technischen Inhalte sie im Rahmen einer Ausbildung erwarten – eingebettet in ein modernes und digitales Lernformat.

Im Gegensatz zu anderen bei der SHK Innung Köln durchgeführten Implementierungen lag der Fokus in diesem Szenario nicht auf der Interaktion, sondern auf der klar strukturierten und selbsterklärenden Darstellung des technischen Ablaufs. Die Inhalte wurden dabei ohne Programmieraufwand direkt in der Anwendung erstellt: Über eine integrierte No-Code-Oberfläche konnten Fachkräfte intuitiv und direkt in der AR-Umgebung Schritt für Schritt visuelle Hinweise, 3D-Objekte, Texte, Fotos und Videos einfügen.

Der easyARguide kam auf mehreren Endgeräten, wie der HoloLens, Meta Quest und Android Tablets,  zum Einsatz und konnte so flexibel an die Messeumgebung angepasst werden.


Ausgangslage und Motivation

Die Funktionsweise einer Wärmepumpe ist technisch anspruchsvoll und ohne anschauliche Unterstützung oft schwer zu vermitteln, besonders in kurzer Zeit und gegenüber fachfremdem Publikum. Speziell die visuelle Abbildung dieser komplexen Prozesse ansprechend zu gestalten, ist eine Herausforderung. Ziel war es daher, die zentralen Abläufe und physikalischen Grundlagen auf einfache Weise so darzustellen, dass sie leicht verständlich und praxisnah erfahrbar sind.

Damit sollte ein realistischer Einblick in das Berufsfeld ermöglicht werden und Augmented Reality (AR) erwies sich dabei als wirkungsvolles Werkzeug: Durch virtuelle Markierungen, animierte Pfeile und erklärende Textfelder konnten die Besucher:innen direkt am realen Modell die einzelnen Arbeitsschritte mit ihrer Funktionsweise einfach, interaktiv und visuell ansprechend nachvollziehen.


Vorgehensweise

Das Szenario wurde gezielt auf die technischen Möglichkeiten der HoloLens ausgerichtet, da diese als stabilste und praxiserprobteste Plattform für die Nutzung des easyARguide gilt. Die Umsetzung basierte auf einem hybriden Konzept, das reale Hardware mit digitalen Erklärungselementen in Augmented Reality kombiniert.

Aufbau

Vor Ort war eine physische Wärmepumpe installiert, die durch virtuelle Komponenten wie animierte Pfeile, ergänzende Rohrleitungsmodelle und beschriftete Textfelder didaktisch angereichert wurde. Die AR-Inhalte wurden präzise auf das reale Objekt abgestimmt, sodass eine exakte räumliche Überlagerung entstand und die digitale Erweiterung nahtlos in die reale Demonstration eingebettet werden konnte. 

  • Rückseite der Demonstrator-Konstruktion

    Rückseite der Demonstrator-Konstruktion

  • Vorderseite des Demonstrator Aufbau

    Vorderseite des Demonstrator-Konstruktion

  • Platzierung von virtuellen Inhalten

    Platzierung von virtuellen Inhalten

Die Nutzung der HoloLens brachte im Praxiseinsatz jedoch auch technische Herausforderungen mit sich. Während der Tests zeigte sich, dass die Leistungsfähigkeit der Brille unter der Belastung eines kontinuierlichen Live-Streamings spürbar nachließ; gleichzeitig traten Akkuprobleme auf, die eine durchgängige Vorführung erschwerten.

Aus diesem Grund wurde frühzeitig entschieden, bei der Demonstration auf eine Live-Übertragung zu verzichten. Stattdessen kam ein Screencapture des Anwendungsszenarios vom Vortag, also eine Aufnahme des Blickfeldes und der virtuellen Inhalten auf dem Endgerät,  zum Einsatz. Diese Aufnahme wurde bei der Demonstration ergänzt durch ein zuvor produziertes Präsentationsvideo. So konnte eine stabile, visuell ansprechende und technisch zuverlässige Darstellung gewährleistet werden

Umsetzung des Szenarios

Innerhalb des Guides wurden in einzelnen Schritten folgende Prozesse erklärt:

  • Ansaugung der Luft: Virtuelle Pfeile verdeutlichten den Luftstrom, indem sie den Weg der warmen Außenluft durch den Propeller und das Ausstoßen der kälteren Luft nach vorne visualisierten.

  • Verdampfer: Eine AR-Darstellung des Verdampfers zeigte dessen schlangenförmige Kupferrohre und Lamellenstruktur, die zur effizienten Wärmeaufnahme beiträgt.

  • Kompressionsprozess: Animierte Leitungen illustrierten den Transport des Mediums vom Verdampfer zum Kompressor, wo es verdichtet wird, um Temperatur und Druck zu erhöhen.

  • Wärmeübertragung: Die AR-Visualisierung machte deutlich, wie das Medium durch das Rohrsystem ins Innengerät gelangt und dort im Wärmetauscher seine Wärme an das Heizungswasser abgibt.

  • Verteilung der Wärme: Der Prozess der Wärmeverteilung wurde durch animierte Heizungsrohre sichtbar gemacht, sodass Besucher den Weg des erwärmten Wassers bis zu den Heizkörpern nachvollziehen konnten.

  • Textbox mit Anweisung: Das Medium im Verdampfer nimmt angezogene Wärme auf und wird gasförmig

    Virtuelle Erklärung des Verdampfers

  • Textbox mit Erklärung: Die Pumpe drückt das Heizungswasser nun in das Heizungssystem

    Virtuelle Erklärung Wärmeübertragung ans Heizungssystem

Erkenntnisse

Die Anwendung der AR-Technologie mittels easyARguide im Kontext der Jobmesse konnte erfolgreich umgesetzt werden und stieß auf durchweg positive Resonanz. Die wichtigsten Erkenntnisse aus der Erprobung der Demonstrations-Installation sind:

  • Hohe Aufmerksamkeit: Die AR-Brille weckte Neugier und zog zahlreiche Besucher an den Stand.

  • Bessere Verständlichkeit: Durch die Kombination von realem Modell und virtuellen Zusatzinformationen wurde die komplexe Thematik anschaulich vermittelt.

  • Optimierungspotenzial erkannt: Das Feedback zeigte, dass die Darstellung an einigen Stellen zu theoretisch war. Mehr Interaktion könnte die Lernwirkung weiter verbessern. Zudem kam es vereinzelt zu technischen Problemen, etwa bei der korrekten Positionierung der AR-Elemente nach längerer Nutzung.


Ausblick

Zusätzlich konnten bei der Erprobung des easyARguide auf Basis des erhaltenen Feedbacks folgende mögliche Verbesserungen identifiziert werden:

  • Erweiterung um interaktive Elemente, beispielsweise durch verschiebbare Bedienfelder

  • Kombination mit praktischen Anwendungen, um Theorie und Praxis besser zu verknüpfen

    Mit diesen Anpassungen kann eine Präsentation von Prozessen künftig noch lebendiger und interaktiver gestaltet werden, um das Interesse und Verständnis der Besucher:innen weiter zu fördern.

    Entdecken Sie noch weitere Best Practices auf der Hauptseite des easyARguide Projektes.


    Flyer öffnen

    • Logo Mittelstand-Digital Zentrum Darmstadt
    • Logo Mittelstand-Digital Zentrum Hamburg
    • Logo Mittelstand-Digital Zentrum Rheinland

    Haben Sie Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema AR an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    easyARguide – Interaktiver Frontalunterricht am Wassersystem

    easyARguide – Interaktiver Frontalunterricht am Wassersystem

    Das Projekt „easyARguide“ etabliert Augmented Reality (AR) erfolgreich als modernes Lehrmittel in der beruflichen Aus- und Weiterbildung und zeigt, wie der Einsatz verläuft. In Zusammenarbeit mit der SHK Innung Köln, einer Ausbildungsstätte, die für ihre innovativen und praxisnahen Lehrmethoden bekannt ist, wurde die Anwendung in realen Unterrichtssituationen erprobt und weiterentwickelt. Ziel war es mithilfe von easyARguide, komplexe technische Zusammenhänge anschaulich zu vermitteln.

    Ursprünglich für die HoloLens entwickelt, steht der easyARguide inzwischen auch für Meta Quest und Android Tablets zur Verfügung. Dadurch lässt sich das System flexibel in unterschiedlichen Lernumgebungen nutzen – sei es im Klassenzimmer, in der Werkstatt oder direkt am Arbeitsplatz.

    Ein besonderer Mehrwert liegt in der einfachen Erstellung eigener Lerninhalte. Über eine benutzerfreundliche No-Code-Oberfläche können Lehrkräfte direkt in der AR-Umgebung Schulungsmaterial gestalten. Inhalte wie 3D-Modelle, Texte, Bilder, Videos oder Animationen lassen sich alle ohne Programmierkenntnisse, also auch ohne eine damit verbundene externe Entwicklung, integrieren. So können Lerninhalte schnell und unkompliziert an neue Anforderungen angepasst werden.

    Zugleich verknüpft der easyARguide Theorie und Praxis in einem didaktisch fundierten Aufbau. Ein integriertes adaptives Lernkonzept ermöglicht es, Inhalte auf unterschiedlichen Kompetenzstufen zu vermitteln und die Lernenden individuell zu begleiten.


    Ausgangslage und Motivation

    Im Mittelpunkt des umgesetzten Szenarios stand die Fehlersuche in einem komplexen Demonstratorwassersystem. Diese Aufgabe erfordert in der Praxis ein hohes Maß an technischem Verständnis und systematischer Problemlösung. Herkömmliche Lehrmethoden wie der Frontalunterricht stoßen hier oft an ihre Grenzen. Besonders bei der Vermittlung dynamischer Prozesse in komplexen Fehlerdiagnosen und technischer Zusammenhänge in Optimierungsmaßnahmen fällt es schwer, theoretisches Wissen greifbar und praxisnah zu vermitteln.

    Vor diesem Hintergrund wurde gemeinsam mit der SHK Innung Köln ein praxisnahes Anwendungsszenario entwickelt, das den Einsatz von Augmented Reality im Unterricht erprobt. Die Innung brachte dabei ihre didaktische Erfahrung und den direkten Zugang zu Auszubildenden ein, also ideale Voraussetzungen, um neue Formen der Wissensvermittlung unter realen Bedingungen zu testen.

    Durch interaktive Darstellungen in der AR-Umgebung sollen Lernende nicht nur passiv Wissen aufnehmen, sondern aktiv in Diagnose- und Entscheidungsprozesse eingebunden werden. Mit direkter Verknüpfung von visueller Information, technischen Details und Handlungsschritten eröffnet AR neue Wege, um Fehlerdiagnosen nachvollziehbar und anschaulich zu gestalten.

    Ein besonderes Augenmerk lag darauf, die Inhalte so zu strukturieren, dass sie ohne Umwege in der AR-Anwendung erfahrbar werden. Statt abstrakter Beschreibungen erhalten die Schüler:innen die Gelegenheit, sich Schritt für Schritt durch reale Fehlerszenarien zu navigieren, Ursachen zu erkennen und geeignete Maßnahmen zur Behebung zu erarbeiten. So wird technisches Verständnis nicht nur gefördert, sondern in einem realitätsnahen Kontext angewendet und vertieft.


    Vorgehensweise

    Für das Szenario „Fehlersuche im Wassersystem“ nutzt die SHK Innung Köln den easyARguide in einer kombinierten Unterrichtsform, die klassische und digitale Elemente miteinander verbindet. Zum Einsatz kommt dabei eine Tablet-basierte Lösung, bei der der Ausbilder die AR-Inhalte wie interaktive Animationen und Simulationen über ein mobiles Endgerät steuert. Die Inhalte werden gleichzeitig auf ein großformatiges Whiteboard projiziert, sodass sie für die gesamte Lerngruppe sichtbar und nachvollziehbar sind.

    Diese hybride Unterrichtsmethode ermöglicht es, traditionelle Erklärformate mit modernen AR-Visualisierungen zu verknüpfen. Komplexe Abläufe innerhalb des Wassersystems lassen sich so schrittweise analysieren und besprechen. Die animierten AR-Elemente helfen dabei durch ihre interaktive Darstellung, typische Fehlerquellen in einem Wassersystem sichtbar zu machen und Zusammenhänge zwischen Ursache und Wirkung verständlich zu vermitteln.

    Als Grundlage dient eine eigens aufgebaute Demonstratorrohrwand, an der die simulierten Fehler und Optimierungsmöglichkeiten praxisnah durchgespielt werden können. Die Verbindung von realem Aufbau und virtuellen Informationen schafft eine lebendige Lernumgebung, in der theoretisches Wissen unmittelbar mit praktischer Anwendung verknüpft wird.

    • Anweisung Radkappe abziehen

    • Schrittanzeige der Anleitung

      Schrittanzeige der Anleitung

    • Hinweis aus Fehlerpotenzial

      Hinweis aus Fehlerpotenzial

    • Verteilte Informationen am Wassersystem

      Verteilte Informationen am Wassersystem

    Umsetzung des Szenarios

    Das umfassende AR-Szenario wurde mit dem Lernziel der Fehlersuche und Diagnose in einem Wassersystem entwickelt. Es bildet alle relevanten Abläufe entlang der Demonstratorrohrwand ab und führt in mehreren Schritten durch typische Fehlersituationen. Im Unterricht kam eine Kombination aus Tablet-Anwendung und großformatiger Projektion zum Einsatz:

    • Demonstration über Tablet-Bildschirmaufnahme: Der Ausbilder nutzte ein Tablet, um die AR-Anwendung zu steuern. Darin wurden Informationen wie Texte, Animationen, Videos und 3D-Objekte direkt in der virtuellen Umgebung eingeblendet. Diese veranschaulichten, wie sich bestimmte Fehler im Wassersystem erkennen und analysieren lassen.

    • Interaktive Projektion: Die Inhalte des Tablets wurden in Echtzeit auf ein Whiteboard projiziert. So konnte die gesamte Lerngruppe die dargestellten Abläufe mitverfolgen, auch ohne selbst ein AR-Gerät zu verwenden. Die Projektion ermöglichte einen gemeinsamen Blick auf die Diagnoseschritte und förderte den Austausch im Klassenverband.

    • Verknüpfung mit realer Technik: Die dargestellten Inhalte bezogen sich direkt auf eine reale Demonstratorrohrwand im Schulungsraum. Auf diese Weise entstand eine enge Verbindung zwischen der virtuellen Darstellung und dem physischen Aufbau, wodurch theoretisches Wissen unmittelbar in einen praktischen Zusammenhang gebracht wurde.

    Durch diese vielfältig mediengestützte Präsentationsform wurde ein anschaulicher und interaktiver Unterricht ermöglicht, in dem komplexe Zusammenhänge nachvollziehbar vermittelt und im gemeinsamen Dialog erarbeitet werden konnten.

    • AR Unterricht am Wassersystem mit MetaQuest und Tablet

      Demonstration über Tablet-Bildsschirmaufnahme

    • Aufbau des Whiteboards für Projektion

      Aufbau des Whiteboards für Projektion

    Erkenntnisse

    Der Einsatz von Augmented Reality im klassischen Frontalunterricht erwies sich als wertvolle Ergänzung zu etablierten Lehrmethoden. Durch die Verbindung von visueller Unterstützung, interaktiven Elementen und realitätsnaher Darstellung konnten sowohl das Verständnis als auch die aktive Beteiligung der Lernenden deutlich gesteigert werden, aber auch Erkenntnis zu möglichen Verbesserungen gewonnen werden:

    • Verbessertes Verständnis: Die anschauliche Visualisierung komplexer Fehlerbilder ermöglichte es den Auszubildenden, technische Zusammenhänge leichter zu erfassen. Diagnoseschritte wurden klarer nachvollziehbar und das Verständnis für Ursache-Wirkungs-Beziehungen im System konnte gezielt vertieft werden.

    • Mehr Engagement und Interaktivität: Die neue Form der Darstellung führte zu einer höheren Aufmerksamkeit und aktiveren Beteiligung im Unterricht. Lernende zeigten mehr Eigeninitiative, stellten gezielte Fragen und setzten sich intensiver mit den Inhalten auseinander. Die Einbindung visueller und digitaler Elemente förderte somit nicht nur das Interesse, sondern auch die Qualität der Auseinandersetzung mit dem Thema.

    • Verbesserungspotenzial: Durch Rückmeldung der Teilnehmer haben sich Ideen entwickeln, wie die Visualisierung im Szenario noch mehr verbessert werden kann. Künftig sollten mehr interaktive Animationen und Simulationen eingebaut werden, die den Diagnoseprozess noch lebendiger und praxisnaher darstellen. Zudem bieten sich für diese Art der reinen Informationsvermittlung auch farblich gekennzeichnete virtuelle Modelle, wie bunte Pfeile für Warm-/ Kaltluft-Kreisläufe an, die derzeit noch nicht im easyARguide vorhanden sind.


    Fazit und Ausblick

    Die Erprobung des easyARguide hat gezeigt, wie wirkungsvoll Augmented Reality zur Unterstützung technischer Ausbildungsinhalte eingesetzt werden kann. Die Kombination aus realer Demonstrationsumgebung, interaktiver Steuerung per Tablet und gemeinsamer Projektion hat den Unterricht nicht nur anschaulicher, sondern auch lebendiger und zugänglicher gemacht. Lernende profitierten von einer besseren Nachvollziehbarkeit komplexer Abläufe und einer deutlich gesteigerten Motivation zur aktiven Teilnahme.

    Die positiven Rückmeldungen aus dem Unterrichtsalltag bestärken die SHK Innung Köln darin, den eingeschlagenen Weg weiterzugehen. In Zukunft sollen weitere AR-gestützte Lehrkonzepte mit dem easyARguide erstellt und schrittweise in den Ausbildungsprozess integriert werden. Die Vision reicht dabei über das Klassenzimmer hinaus: Auch bei Betriebsbesichtigungen, internen Schulungen oder in der überbetrieblichen Ausbildung könnte AR einen festen Platz erhalten.

    Entdecken Sie noch weitere Best Practices auf der Hauptseite des easyARguide Projektes.


    Flyer öffnen

    • Logo Mittelstand-Digital Zentrum Darmstadt
    • Logo Mittelstand-Digital Zentrum Hamburg
    • Logo Mittelstand-Digital Zentrum Rheinland

    Haben Sie Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema AR an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    easyARguide – AR bei Wartung und Reparatur von Heizsystemen

    easyARguide – AR bei Wartung und Reparatur von Heizsystemen 

    Das Projekt „easyARguide“ hat sich zum Ziel gesetzt, Augmented Reality (AR) in den Ausbildungsalltag zu integrieren und komplexe Arbeitsprozesse anschaulich zu vermitteln. Im Rahmen der gemeinsamen Entwicklung der Mittelstand-Digital Zentren Hamburg, Darmstadt und Köln wurde ein AR-Tool konzipiert, das Lehrkräfte bei der Erstellung von Schritt-für-Schritt-Anleitungen für technische Prozesse unterstützt. Die SHK Innung Köln begleitete den Prozess als Praxispartner bei Testung und Evaluation.

    Ursprünglich für die Microsoft HoloLens konzipiert, wurde die Anwendung auch für die Meta Quest und Android Tablets adaptiert. Mit diesem wichtigen Schritt wird ihr Einsatz flexibler und leichter zugänglich.

    Handwerker und Entwickler bei der SHK Innung

    Ausgangslage und Motivation

    In der SHK-Ausbildung gibt es viele Arbeitsprozesse, die ohne praktische Erfahrung schwer zu erlernen sind. Traditionelle Lehrmethoden mit statischen Anleitungen oder Videotutorials konnten oft nicht das benötigte Maß an Interaktivität bieten.

    Das Ziel war daher, eine innovative und praxisnahe Lösung zu schaffen, die es Auszubildenden ermöglicht, Wartungs- und Reparaturprozesse intuitiv nachzuvollziehen. Besonders bei der Wartung von Wärmepumpen sowie dem Wechsel an einer Gasheizung konnte AR als effektive Unterstützung eingesetzt werden.


    Vorgehensweise

    Der easyARguide ist eine AR-Anwendung, die technische Prozesse durch visuelle Hinweise, Animationen und erklärende Texte in einzelnen, leicht verständlichen Schritten darstellt. Ein besonderer Vorteil der Anwendung liegt in der Freihändigkeit: Mit der HoloLens oder der Meta Quest bleiben beide Hände für die praktische Ausführung frei, während die Projektionen im Sichtfeld den Ablauf kontinuierlich veranschaulichen.

    Ein zentrales Alleinstellungsmerkmal des easyARguide ist die integrierte No-Code-Umgebung zur Inhaltserstellung direkt in der AR-Anwendung. Lehrkräfte oder Fachkräfte können Schulungseinheiten eigenständig ohne Programmierkenntnisse und ohne zusätzliche Entwicklungssoftware erstellen. In einem speziell entwickelten Baukasten-Modus lassen sich 3D-Objekte, Pfeile, Texteinblendungen, Fotos, Videos und Animationen intuitiv platzieren, bearbeiten und anpassen – alles direkt über die Brille.

    Die Inhalte entstehen also dort, wo sie auch angewendet werden: Im realen Raum, angereichert durch digitale Informationsebenen. Diese niedrigschwellige Gestaltung der Inhaltserstellung senkt technische Hürden, macht AR-gestützte Schulungen für neue Zielgruppen zugänglich und ermöglicht eine schnelle, flexible Reaktion auf veränderte Schulungsbedarfe ohne den Umweg über spezialisierte Entwickler machen zu müssen.

    Aus dieser Tatsache heraus konnten die Fachkräfte aus dem Handwerk eigenständig verschiedene Anleitungen zur Wartung beziehungsweise Reparatur erstellen. Die erstellten Anleitungen können in einem Lernmodus immer wieder neu geladen und anhand einer Fortschrittsanzeige abgearbeitet werden. Pro Schritt werden dabei im Raum platzierte Anweisungen angezeigt.

    • Interaktion mit der Fortschrittsanzeige der Anleitung

      Interaktion mit der Fortschrittsanzeige der Anleitung

    • Anweisungen einer Handlungsschrittes

      Anweisungen einer Handlungsschrittes

    Umsetzung des Szenarios

    Bei der Gestaltung der Szenarien wurden zwei zentrale Prozesse abgebildet:

    • Wartung einer Wärmepumpe: Hier wurde der gesamte Wartungsprozess von der Sichtkontrolle über die eigentliche Wartung bis zur abschließenden Parameterprüfung in der AR-Anwendung dokumentiert. Virtuelle Checklisten, animierte Pfeile und markierte Rohrleitungen veranschaulichten den Wärmeaustausch und unterstützten den Nutzer bei den einzelnen Schritten.

    • Wechsel eines Reglers an einer Gasheizung: Dieser Prozess gliederte sich in Vorbereitung, Montage und Nachbereitung. Während der Montage wurden Detailfotos, animierte Handbewegungen und Schritt-für-Schritt-Anleitungen verwendet, um den Wechsel nachvollziehbar zu gestalten und eine sichere Durchführung zu gewährleisten.

    In beiden Szenarien fanden sich klare visuelle Hinweise, die den Nutzer durch den gesamten Prozess leiteten. Die Beschreibung der Arbeitsabläufe wurde bewusst allgemein gehalten, sodass die erstellten Guides auch für ähnliche Wartungs- und Reparaturarbeiten genutzt werden können.

    • Anweisung Radkappe abziehen

    • Arbeitsschritt: Lösen von Schrauben

      Arbeitsschritt: Lösen von Schrauben

    • Arbeitsschritt: Kontrolle des Bauteils

      Arbeitsschritt: Kontrolle des Bauteils

    • Arbeitsschritt: Wiederanbringen der Stecker

      Arbeitsschritt: Wiederanbringen der Stecker

    Erkenntnisse

    Die Umsetzung des AR-Konzeptes für Wartung und Reparatur Szenarien mithilfe des easyARguide konnte erfolgreich durchgeführt werden. Die Einführung der Anwendung als Unterstützung im Unterricht zeigte schnell positive Effekte. Die wichtigsten Erkenntnisse dabei sind:

    • Interaktive Lernatmosphäre: Die visuelle Darstellung der Arbeitsprozesse erhöhte die Aufmerksamkeit und das Verständnis der Auszubildenden.

    • Sicherere und effizientere Durchführung: Durch die freihändige Bedienung während der Arbeit konnten Fehler reduziert und Arbeitsabläufe optimiert werden.

    • Einfache Einrichtung: Lehrkräfte benötigten am Anfang etwa 10–30 Minuten, um sich an die Steuerung zu gewöhnen, berichteten danach jedoch von einer intuitiven Nutzung.

    • Technische Herausforderungen: Während die HoloLens als stabilste und praxiserprobteste Plattform diente, zeigten sich Performance- und Akkuprobleme. Um diesen Einschränkungen zu begegnen, wurde die Erweiterung auf alternative Endgeräte wie die Meta Quest 3 und mobile Tablets vorangetrieben, um mehr Flexibilität bei der Auswahl der Hardware und einen niederschwelligeren Zugang zur Anwendung zu ermöglichen.

    Fazit und Ausblick

    Die Umsetzung des AR-Konzepts für Wartungs- und Reparaturszenarien mithilfe des easyARguide zeigt das Potenzial von Augmented Reality in der beruflichen Ausbildung. Mithilfe der visuellen und interaktiven Darstellung von Arbeitsprozessen wird die Aufmerksamkeit und das Verständnis der Auszubildenden gesteigert und dadurch besser gefestigt. Die begeisterte Resonanz motiviert die SHK Innung Köln, zukünftig weitere technische Prozesse mit easyARguide abzubilden. 

    Für kleine und mittlere Unternehmen ergeben sich aus diesem Konzept klare Vorteile: Die Qualität der Ausbildung kann mit überschaubarem Aufwand in einer nachhaltige Lernatmosphäre gesteigert und Arbeitsprozesse können sicherer und effizienter gestaltet werden.

    Dabei besteht noch einiges Verbesserungs- und Erweiterungspotenzial bei folgenden Punkten:

    AR Interaktion mit Wärmepumpe
    • Mehr interaktive Elemente, z.B. die Anbindung von 3D-Modellen des Heizungsherstellers.

    • Optimierung der AR-Positionierung, um Verschiebungen der virtuellen Elemente nach längerer Nutzung zu vermeiden.

    • Transformation von Lehrtexten in interaktive Lernanleitungen, um schriftliche Anleitungen und Lehrbücher automatisiert in AR-gestützte Lernanleitungen zu überführen. Das könnte etwa durch den Einsatz generativer KI möglich werden. So könnten Inhalte noch schneller und medienbruchfrei in praxisnahe Trainingsszenarien übertragen werden.

    Durch diese Anpassungen könnte easyARguide künftig noch effektiver in der Ausbildung und später im Berufsalltag eingesetzt werden.

    Entdecken Sie noch weitere Best Practices auf der Hauptseite des easyARguide Projektes.


    Flyer öffnen

    • Logo Mittelstand-Digital Zentrum Darmstadt
    • Logo Mittelstand-Digital Zentrum Hamburg
    • Logo Mittelstand-Digital Zentrum Rheinland

    Haben Sie Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema AR an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    Praxistest: KI-gestützte Gesprächsprotokolle

    Praxistest: KI-gestützte Gesprächsprotokolle

    Einleitung

    Wendepunkt e. V. ist ein Verein mit Sitz in Elmshorn, Schleswig-Holstein, der sich seit über 20  Jahren auf die Unterstützung von Menschen konzentriert, die von häuslicher Gewalt, sexualisierter Gewalt und Kindesmissbrauch betroffen sind. Der gemeinnützige Verein bietet psychosoziale Beratung, therapeutische Hilfe und Präventionsprojekte an und führt jährlich mehr als 2.000 individuelle Beratungsgespräche durch. Zudem organisiert Wendepunkt e. V. Schulungen und Workshops, um das Bewusstsein für Gewalt- und Missbrauchsthemen zu schärfen und Präventionsarbeit zu leisten. In enger Kooperation mit anderen Institutionen und Netzwerken stellt der Verein einen sicheren Raum bereit, in dem Betroffene über ihre Erlebnisse sprechen und Unterstützung auf ihrem Weg zur Heilung und Stärkung erhalten.


    Problemstellung 

    Im Wendepunkt e. V. fällt ein erheblicher Aufwand für die administrative Aufgaben an, wodurch die Zeit für wertschöpfende Klientenarbeit erheblich verringert wird. Ziel des Projektes war es daher Anwendungsfälle zu identifizieren, die durch den Einsatz von KI effizienter gestaltet werden können, um den Mitarbeitenden mehr Zeit für direkte Beratungen zu verschaffen. Als vielversprechender Ansatzpunkt wurde die automatisierte Erstellung einer Gesprächszusammenfassung identifiziert. Aktuell ist nach jedem Beratungsgespräch die Erstellung eines umfassenden Gesprächsprotokolls erforderlich, wodurch die verfügbaren Kapazitäten für Klientengespräche deutlich reduziert werden.


    Vorgehen

    Im Rahmen des Projekts mit dem Mittelstand-Digital Zentrum Hamburg wurde zunächst ein Workshop durchgeführt, um den aktuellen Prozess zur Vorbereitung und Durchführung von Klientengesprächen systematisch abzubilden und potenzielle Einsatzszenarien für KI-Lösungen zu identifizieren. Dazu wurden mehrere Personen aus der Geschäftsführung sowie den Bereichen IT, Datenschutz und Geschäftsprozessen eingeladen, um gemeinsam den aktuellen Ablauf detailliert nachzuvollziehen.

    Aus der Prozessanalyse haben sich zwei Ansatzpunkte für den Einsatz von KI ergeben: (1) Unterstützung der Fallerfassung mit einem Chatbot und (2) Unterstützung der Dokumentation durch die automatisierte Erstellung einer Gesprächszusammenfassung. Aufgrund des höheren Umsetzungsbedarfs wurde sich für den zweiten Anwendungsfall entschieden.

    Im zweiten Workshop wurde basierend auf dem im ersten Workshop identifizierten Anwendungsfall ein Umsetzungskonzept getestet. Dazu wurde zunächst die Aufnahme einer realistische Gesprächssituation von rund 10 Minuten über Microsoft Teams angefertigt. Um die Vertraulichkeit der Klientengespräche zu wahren, wurde als Testfall die Erstellung von Notizen einer Mitarbeiterbesprechung gewählt. Die Erstellung der Notizen wurde anschließend in zwei Varianten getestet, in denen die Aufnahme zuerst transkribiert und anschließend mithilfe eines Large Language Modells (LLM) zusammengefasst wurde, um Teilnehmerlisten, Diskussionspunkte und To-dos zu extrahieren.

    In der ersten Variante kommen kommerzielle Lösung zum Einsatz: Zur Erstellung des Transkripts wird die Transkriptionsanwendung von Microsoft 365 genutzt, welches anschließend mithilfe von ChatGPT zusammengefasst wird. In der zweiten Variante nutzt das Team noScribe für die Transkription. Für die Zusammenfassung kommt Llama-3 7B zum Einsatz, das auf lokalen Rechnern betrieben werden kann und somit eine datenschutzfreundliche Alternative zu den Hyperscalern darstellt. Die Ausgabe erfolgte anhand desselben Protokollformats, um die Vergleichbarkeit hinsichtlich Qualität, Verarbeitungsgeschwindigkeit und Kosten sicherzustellen.

    Im zweiten Schritt wurden beide Transkripte mit identischen Prompt-Vorlagen automatisiert zusammengefasst. Dazu wurden die LLMs über ein strukturiertes Template angewiesen, Teilnehmerlisten, Tagesordnungspunkte, Diskussionszusammenfassungen und To-dos zu erstellen.

    Technischer Ablauf zur automatischen Erstellung einer Gesprächszusammenfassung

    Abbildung 1: Technischer Ablauf zur automatischen Erstellung einer Gesprächszusammenfassung mit KI

    Um die Qualität zu steigern, erfolgte ein iteratives Prompt-Tuning: Erste Auswertungen zeigten Lücken bei der Nennung von Verantwortlichkeiten und unklare To-dos. Daraufhin wurde der Prompt erweitert, um explizit Verantwortlichkeiten darzustellen und offene Punkte hervorzuheben. In zwei A/B-Testzyklen mit unterschiedlichen Prompt-Varianten erreichte das Team schließlich eine konsistent strukturierte Ausgabe in Form einer Tabelle, die Teilnehmer, Maßnahmen, Termine und Zuständigkeiten klar ausweist.

    IterationPrompt
    1

    „Fasse mir folgendes Transkript zusammen.“

    2

    „Kannst du das als Protokoll darstellen und eine Auflistung der Teilnehmer, Diskussionspunkte, Ergebnisse und To-dos erstellen?“

    3

    „Stelle die Zusammenfassung tabellarisch dar, mit Diskussionspunkten in den Zeilen und Spalten für Inhalte, Maßnahmen und Verantwortungen.“

    4

    „Fasse das Transkript zusammen und stelle die Tagesordnungspunkte als Tabelle dar, mit den Spalten: Tagesordnungspunkt, Inhalt, Maßnahmen, Verantwortlicher.“

    Darüber hinaus wurde eine angepasste Gesprächsvariante erprobt: Die zweite Gesprächsrunde wurde semi-strukturiert geführt, wobei Verantwortlichkeiten und Aufgaben namentlich eindeutig festgelegt wurden. Dieses Vorgehen ermöglichte es, auch ohne auf die sehr rechenintensive und teils fehleranfällige Sprecheridentifikation zurückzugreifen, klare und verlässliche To-dos abzuleiten. 


    Ergebnisse und Ausblick

    Die Analyse der beiden Varianten ergibt, dass die Transkription mit noScribe strukturiertere und besser lesbare Textabschnitte liefert, als die Anwendung von Microsoft 365. Durch die gezielte Optimierung des Prompts konnten präzise gegliederte Protokolle erstellt werden, in denen Teilnehmerlisten, Diskussionspunkte und To-dos klar ausgewiesen werden. Insgesamt lieferten sowohl die kommerzielle als auch die lokal betriebene Lösung eine grundsätzliche technische Machbarkeit der automatisierten Gesprächsdokumentation mit zufriedenstellenden Ergebnissen. Gleichzeitig wurden Aspekte wie Datenschutzanforderungen und Benutzerfreundlichkeit als wichtige Ansatzpunkte für weitergehende Optimierungen identifiziert.

    Variante AVariante B
    Transkription
    AnwendungMicrosoft 365noScribe
    DatenverarbeitungExternLokal
    KostenBis 300 Min. teil des Microsoft-Abonnement, danach fallen zusätzliche Kosten anInitial kostenlos. Kosten für den Aufbau Verarbeitungs-kapazitäten sind zu berücksichtigen.
    GeschwindigkeitHoch (ca. 2 Minuten)Gering (ca. 15 Minuten)
    QualitätGeringe Unterschiede, wobei noScribe tendenziell etwas besser abschneidet und mehr Einstellungsmöglichkeiten bietet
    Zusammenfassung
    AnwendungChatGPTLlama-3 7B
    DatenverarbeitungExternLokal
    KostenFreemiumInitial kostenlos. Kosten für den Aufbau Verarbeitungs-kapazitäten sind zu berücksichtigen.

    Auf dieser Basis wird als nächster Schritt ein Pilotbetrieb geplant, in dem Datenschutzaspekte und Nutzerakzeptanz in einer realen Umgebung überprüft werden. Langfristig ist zudem eine Skalierung in weiteren Bereichen wie den Bereichsleiterrunden vorgesehen.


    Sie haben Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema KI und Chatbots an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    KI-Kompass für Nachhilfeschulen

    KI-Kompass für Nachhilfeschulen – Ein Einblick in die Workshopreihe

    Einleitung

    Der VNN Bundesverband Nachhilfe- und Nachmittagsschulen e. V. setzt sich als gemeinnützige Organisation für Qualität, Transparenz, Zuverlässigkeit und Kompetenz in der Nachhilfebranche ein. Als Bundesverband vertritt der VNN die Interessen der institutionellen Nachhilfe und fungiert als Partner von Politik, Schulen und Lehrkräften. Angesichts steigender Erwartungen an digitale Bildungsangebote und begrenzter personeller Ressourcen in den Nachhilfe- und Nachmittagsschulen, hat der VNN im Frühjahr 2025 eine dreiteilige Workshop-Reihe initiiert, um einen praxisnahen Einblick in die Potenziale Künstlicher Intelligenz (KI) zu geben und erste konkrete Anwendungsfälle speziell für Nachhilfe- und Nachmittagsschulen zu erarbeiten. 


    Problemstellung 

    Derzeit werden in vielen Nachhilfeschulen Unterrichtsplanungen, Feedback-Protokolle und Social-Media-Inhalte manuell erstellt – häufig von inhabergeführten Betrieben, in denen die Schulinhaber:innen nahezu alle Aufgaben selbst übernehmen. Diese Mehrfachbelastung führt zu einem hohen zeitlichen Aufwand, der nicht nur Unterrichtsqualität und Schülerfeedback beeinträchtigt, sondern auch die Außendarstellung auf digitalen Kanälen erschwert. Sowohl im direkten Kontakt mit Lernenden als auch in der Öffentlichkeitsarbeit fehlen effiziente, automatisierte Hilfsmittel, um Routineaufgaben zu beschleunigen und Fehlerquellen zu minimieren. Vor diesem Hintergrund zielte die Workshop-Reihe darauf ab, Mitarbeiter:innen und Lehrkräfte für KI-Anwendungen zu sensibilisieren, konkrete Optimierungspotenziale in den individuellen Arbeitsabläufen zu identifizieren und erste prototypische Lösungsansätze zu entwickeln und zu skizzieren.


    Vorgehen

    Die dreiteilige Workshop-Reihe baut methodisch aufeinander auf und verfolgt das Ziel, in drei aufeinanderfolgenden Terminen systematisch von der KI-Einstiegsvermittlung über die Prozessanalyse bis hin zur praktischen Lösungserprobung vorzugehen. Zunächst wird in einem Impuls-Vortrag das Grundverständnis für Künstliche Intelligenz geschaffen und erste Ideen für den Schulalltag skizziert. Anschließend erfolgt in kollaborativen Breakout-Sessions eine detaillierte Analyse und Dokumentation der relevanten Prozesse, um konkrete Optimierungspotenziale zu identifizieren. Im abschließenden Termin werden diese Erkenntnisse aufgegriffen, praxisnahe KI-Lösungen demonstriert und gemeinsam weiterentwickelt, sodass Teilnehmende unmittelbar erprobungsfähige Ansätze zur Effizienzsteigerung in ihren Nachhilfeschulen mitnehmen.

    Impuls-Vortrag & Ideenfindung

    Der Auftaktworkshop begann mit einem einstündigen Impuls-Vortrag, in dem grundlegende KI-Konzepte (Chatbots, Generative Modelle, Bild- und Text-Automatisierung) vorgestellt wurden. Mit gezielten, aktivierenden Fragen wie „Welche Routineaufgaben kosten Sie neben dem Unterricht am meisten Zeit?“ wurden die Teilnehmer:innen über ein interaktives Online-Tool aktiviert und zur Mitarbeit angeregt. Anschließend wurden in einer offenen Gesprächsrunde die gesammelten Ideen gebündelt.

    Wordcloud von Aufgaben neben dem Unterricht

    Workshop zur Prozessanalyse & Dokumentation

    Im zweiten Workshop stand die Entwicklung konkreter KI-Anwendungsfälle im Mittelpunkt und zugleich die Skizzierung eines grundlegenden Einführungsprozesses. Die Teilnehmenden arbeiteten in rotierenden Breakout-Sessions auf einem gemeinsamen Miro-Board, um potenzielle Use Cases zu sammeln, die jeweiligen Anforderungen und Herausforderungen zu dokumentieren und einen strukturierten Ablaufplan für die Einführung von KI-Lösungen zu entwerfen. Als zentrale Ergebnisse kristallisierten sich drei Szenarien heraus: Die automatisierte Erstellung rechtefreier Bilder für verschiedene Anwendungen, eine KI-gestützte Content-Assistenz für Social Media sowie SEO-optimierte Textvorschläge für die Webseiten der Nachhilfe- und Nachmittagsschulen.

    Board mit Post-its als Ergebnis des Workshops

    Lösungsansätze präsentieren & weiterentwickeln: Effizienter arbeiten mit KI

    Im dritten Workshop wurden die im Vorfeld erarbeiteten Ideen und Use Cases praxisnah umgesetzt und in anschaulichen Live-Demonstrationen präsentiert:

    Generative Bilderzeugung für Social Media: Anhand einer Live-Demo wurden Social-Media-Beiträge visualisiert. Die Teilnehmer:innen erstellten in Kleingruppen eigene Grafiken zu aktuellen Lernmotiven, die sofort optimiert und exportiert wurden.

    Content-Strategie & Textgenerierung via LLMs: Aufbauend auf einem allgemeinen Prompting-Workshop wurde beispielhaft eine Social-Media-Strategie entwickelt und ein konkretes Konzept für eine Posting-Reihe erstellt. Anschließend erhielten die Teilnehmenden eine praxisorientierte Einführung, wie sich mit den passenden Prompts, Stichwörtern und Kontextinformationen hilfreiche Beitragsentwürfe generieren lassen – stets unter Berücksichtigung eines SEO-Fokus und einer zielgruppengerechten Ansprache.


    Ergebnisse und Ausblick

    Alle drei Workshops bauten systematisch aufeinander auf und vermittelten den Teilnehmenden wesentliche Grundlagen für den erfolgreichen Einsatz von KI in Nachhilfeschulen. Anhand praxisnaher Beispiele erhielten sie Hilfestellungen, Prompt-Vorlagen und Vorgehensmodelle, mit denen sie eigenständig erste Anwendungsfälle ableiten können. Die vermittelten Konzepte wurden von den Teilnehmenden als nachvollziehbar und direkt umsetzbar eingeschätzt, sodass sie nun über das nötige Rüstzeug verfügen, um KI-gestützte Prozesse in ihren eigenen Arbeitsabläufen weiterzuentwickeln und zu implementieren.


    Sie haben Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema KI und Chatbots an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    Prozesse optimieren, Zukunft sichern – Impulse aus der Praxis

    Prozesse optimieren, Zukunft sichern – Impulse aus der Praxis

    Die Abfahrer OHG ist ein professionelles Umzugsunternehmen mit Sitz in Bremen, das sich auf Transportdienstleistungen spezialisiert hat. Mit langjähriger Erfahrung bietet das Unternehmen umfassende Lösungen für Privat- und Geschäftskunden an. Die Abfahrer OHG bietet umfassende Dienstleistungen in den Bereichen Umzüge, Entrümpelungen und Einlagerungen an, die speziell auf die individuellen Bedürfnisse ihrer Kunden zugeschnitten sind.

    Das Unternehmen übernimmt Umzüge jeglicher Art und Größe, sowohl lokal als auch überregional, und garantiert einen sicheren und reibungslosen Transport des Eigentums seiner Kunden. Das Unternehmen stützt sich auf jahrelange Erfahrung und hat sich einen Namen für qualitativ hochwertige Dienstleistungen gemacht.

    Das Unternehmen existiert seit mehreren Jahrzehnten und ist organisch gewachsen, was eine solide Grundlage für den Erfolg geschaffen hat. Dieses Wachstum hat jedoch auch spezifische Herausforderungen mit sich gebracht, insbesondere im Bereich der IT-Systeme.


    1.  Herausforderungen / Problemstellung

    Trotz des Fehlens einer dedizierten IT-Abteilung hat die Abfahrer OHG durchdachte Lösungen implementiert, um ihre Kundenakquise und -betreuung effektiv zu gestalten. Dazu gehören beispielsweise Formulare, die auf langjähriger Erfahrung basieren und den Kunden eine einfache und transparente Berechnung von Umzugs-, Entrümpelungs- und Lagerkosten ermöglichen. Die 24/7-Erreichbarkeit im Erstkontakt über die Webseite sorgt zudem für eine geringe Einstiegshürde und hohe Kundenzufriedenheit.


    2.  Vorgehen

    Gemeinsam mit dem Mittelstand-Digital Zentrum Hamburg wurde ein mehrstufiger Prozess genutzt, um die Herausforderungen der Abfahrer OHG systematisch zu identifizieren. Dabei wurde in einer ersten Phase mit geleiteten Interviews gearbeitet, um die Perspektiven des Inhabers und der Mitarbeitenden auf die zentralen Themen einzuholen. In Einzel- und Gruppengesprächen wurden wiederkehrende Probleme und Verbesserungspotenziale erfasst, die insbesondere die Bereiche Kundenkommunikation, Buchhaltung und interne Abläufe betrafen, aber auch über die Weiterentwicklung des bisherigen Geschäftsmodells gesprochen. Die Antworten halfen dabei, zentrale Themen zu priorisieren und erste Ansatzpunkte zu finden.

    In einer zweiten Phase wurden offene Brainstorming-Runden organisiert, um gemeinsam kreative Ideen und Lösungsvorschläge zu entwickeln. Moderiert und strukturiert dokumentiert, wurden die gesammelten Vorschläge analysiert und in Themengebiete geclustert. Diese Methode ermöglichte es, konkrete Einblicke in wiederkehrende Probleme und Optimierungsmöglichkeiten zu gewinnen. Ergänzend wurden relevante Dokumentationen wie Rechnungen, Buchhaltungsunterlagen und die im Unternehmen eingesetzte Software ausgewertet. In diesem Prozess wurden folgenden Herausforderungen und Potentiale identifiziert:

    Prozesse und Digitalisierung:

    • Abgleich der offenen Posten mit dem Steuerbüro oder Buchhaltungsdienstleister, insbesondere bei den Lagerkunden.
    • Wiederkehrende Fragen in der Kommunikation mit Kunden hinsichtlich Kosten, Terminen und Rechnungen.
    • Bedarf an effizienteren und automatisierten internen Prozessen.

    Geschäftsmodell und Nachhaltigkeit:

    • Vermeidung von Leerfahrten und effizientere Nutzung der Fahrzeuge bei Fernumzügen durch klassische Logistikdienstleistungen.
    • Adressierung neuer Marktsegment durch die Integration von nachhaltigen Materialien und klimaneutralen Transportoptionen.
    • Erweiterung der Absatzmöglichkeiten durch gezielte Marketingstrategien und Kooperationen.

    Neben den von den Mitarbeitenden identifizierten Potenzialen und Herausforderungen fiel im Zuge der Betrachtung der Software- und Hardware-Systeme des Unternehmens auch der Fokus auf das Thema Cybersicherheit und Datensicherheit. Hier setzt das Unternehmen derzeit auf eine verlässliche, lokale und periodische Backup-Lösung.


    3. Erkenntnisse und Projektergebnisse

    Die identifizierten Herausforderungen und Potenziale bilden die Grundlage für die weiteren Schritte zur Optimierung der Prozesse und zur strategischen Weiterentwicklung der Abfahrer OHG.

    Ein zentraler Fokus liegt auf der Weiterentwicklung der bisherigen Backup-Lösung. Die aktuell eingesetzte lokale und periodische Backup-Lösung soll durch eine automatische, inkrementelle Cloud-Lösung ergänzt und langfristig ersetzt werden. Diese Maßnahme wird die Datensicherheit und den Schutz vor Datenverlust signifikant erhöhen, während gleichzeitig die Flexibilität und Skalierbarkeit der Systeme gesteigert wird. Im Zuge der Backup-Modernisierung plant das Unternehmen ebenfalls die Aktualisierung seiner bisherigen Office-Software-Systeme. Diese sollen zukünftig als Grundlage für weitere Schritte zur Digitalisierung und Automatisierung dienen. Insbesondere werden hier Lösungen evaluiert, die eine effizientere Zusammenarbeit und Kommunikation innerhalb des Teams sowie mit den Kunden ermöglichen.

    Zusätzlich wird die Abfahrer OHG ihre Nachhaltigkeitsstrategien ausbauen. Zukünftig prüft das Unternehmen, die Option seinen Kunden nachhaltige Verpackungsmaterialien sowie CO2-Kompensation anzubieten. Diese Maßnahmen unterstreichen das Engagement der Abfahrer OHG, sowohl ökologische Verantwortung zu übernehmen als auch den wachsenden Anforderungen umweltbewusster Kunden gerecht zu werden.


    Sie haben Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema Prozessoptimierung an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    easyARguide – Digitale Büroführung mit AR

    easyARguide – Digitale Büroführung mit AR

    Mit dem „easyARguide“ wurde Augmented Reality (AR) als innovative Lösung für digitale Büroführungen am Beispiel des Standorts der Kölner Firma „World of VR“ erprobt und hier als Best Practice aufbereitet. Ziel war es, mit der Anwendung, eine flexible und zeitgemäße Lösung einzusetzen, um neue Mitarbeitende und Gäste effizient durch den Bürokomplex zu navigieren und dabei relevante Informationen zur Raumstruktur, Ausstattung und Organisation ortsgebunden und visuell aufzubereiten und zu präsentieren.

    Gerade für kleine und mittlere Unternehmen (KMU) bietet dieser digitale Ansatz erhebliche Vorteile: Er spart Zeit, reduziert den organisatorischen Aufwand und ermöglicht gleichzeitig eine individuelle, interaktive Erkundung der Räumlichkeiten.

    • Verteilte Informationen im Büro

      Verteilte Informationen im Büro

    • easyARguide Lernmodus als Büroführer auf dem Handy

      AR-Büroführer auf dem Smartphone

    • Verschiedene virtuelle Hologramme als Hinweise

      Verschiedene virtuelle Hologramme als Hinweise


    Ausgangslage und Motivation

    In vielen Unternehmen erfolgt die klassische Einführung in die Büroräumlichkeiten bislang durch eine persönliche Begleitung erfahrener Mitarbeiter:innen.

    Doch diese analoge Lösung ist in der Praxis oft zeitintensiv, personengebunden und schwer skalierbar. Dieser Ansatz stößt speziell an seine organisatorischen Grenzen, wenn mehrere neue Kolleg:innen oder Gäste gleichzeitig eingewiesen werden müssen.

    Hinzu kommt, dass weitläufige oder komplex strukturierte Gebäude eine zusätzliche Hürde für die Orientierung darstellen und es vielen Menschen schwerfällt, sich in unbekannten und weitläufigen Bürogebäuden ohne Hilfestellung direkt zurechtzufinden.

    Unser Lösungsansatz: Eine digitale, AR-gestützte Büroführung, die Orientierung erleichtert, Personalressourcen schont und zugleich eine individuelle, interaktive Erkundung der neuen Umgebung ermöglicht. Hierbei ist sie jederzeit verfügbar, unabhängig von Gruppengrößen, unterstützt visuell und kann einfach in bestehende Prozesse integriert werden.


    Vorgehensweise

    Die Büroführung erfolgt selbstgesteuert und interaktiv: Die Nutzenden bewegen sich im eigenen Tempo durch die Räumlichkeiten und erhalten durch virtuelle Hinweise, Texte, Bilder und ggf. Videos eine mediengestützte Einführung über die Raumstruktur, Ausstattung und Nutzung in die neue Umgebung direkt eingeblendet.

    Ein zentrales Merkmal des easyARguide ist die einfache Erstellung eigener Inhalte – ganz ohne Programmierkenntnisse. Über eine intuitive No-Code-Oberfläche können Verantwortliche die Büroführung direkt in der AR-Anwendung gestalten, indem sie digitale Marker, Texteinblendungen, Fotos, Videos oder 3D-Objekte hinzufügen. So lassen sich individuelle Rundgänge flexibel anpassen, erweitern oder aktualisieren und das direkt am Ort des Geschehens.

    Die Anwendung ist auf mehreren Geräten verfügbar, darunter HoloLens, Meta Quest 3 und Android-Tablets. Dadurch kann sie je nach Zielgruppe und Anwendungskontext variabel eingesetzt werden, etwa im Onboarding, bei Events oder zur Orientierung im Arbeitsalltag.

    • Anweisung Radkappe abziehen

    • Start der Büroführung

      Start der Büroführung

    • Anweisungen zum Jalousien schließen

      Anweisungen zum Jalousien schließen

    • Büroführung: Ein- und Ausgänge

      Büroführung: Ein- und Ausgänge

    Erstellte Szenarien der digitalen Büroführung

    Der erstellte Guide bietet zwei Hauptmodi für die Büroführung:

    1. Modus: Generelle Büroführung
      In diesem Modus werden allgemeine Informationen zur Bürostruktur vermittelt. Nutzer:innen erhalten Hinweise zu wichtigen Bereichen wie Arbeitsplätzen, Konferenzräumen, Aufenthaltsbereichen und zentralen Anlaufstellen. Dabei wird erläutert, wie die Büronutzung organisiert ist und welche Abläufe für den Alltag wichtig sind. Dieser Modus ist ideal für das Onboarding neuer Mitarbeiter.

    2. Modus: Sicherheit im Feierabendprozess
      Was ist, wenn man als letzte Person im Büro ist? Dieser Modus richtet sich an Mitarbeitende, die am Ende des Arbeitstages das Bürogebäude verlassen. Hier werden ihnen Schritt für Schritt alle relevanten Maßnahmen erklärt: das Schließen der Jalousien und Fenster, das Ausschalten des Lichts, das Reduzieren der Heizung auf ein energiesparendes Niveau und das korrekte Abschließen der Türen. Durch visuelle Hinweise und AR-Anweisungen wird sichergestellt, dass keine wichtigen Aufgaben übersehen werden – ein echter Mehrwert für die betriebliche Sicherheit.
    • Beispiel des 1. Modus: virtuelle Informationen zum Pausentisch

      Beispiel des 1. Modus: virtuelle Informationen zum Pausentisch

    • Beispiel des 2. Modus: AR-Anweisung zum Abschließen

      Beispiel des 2. Modus: AR-Anweisung zum Abschließen

    Erkenntnisse

    Die technische Umsetzung des AR-Konzeptes bei Büroführungen mithilfe des easyARguide konnte erfolgreich durchgeführt werden. Dabei basiert eine solche AR-Führung auf virtuellen Markierungen und interaktiven Elementen, welche den oder die Nutzer:in durch das Büro leiten. Die wichtigsten Erkenntnisse zu den Funktionen sind:

    • Navigation: Virtuelle Wegpunkte helfen dabei, sich in weitläufigen Gebäuden zurechtzufinden. Da das kleine Sichtfeld der AR-Brille dazu führen kann, dass Objekte nicht sofort sichtbar sind, wurde darauf geachtet, eindeutige Hinweise zur Orientierung bereitzustellen.

    • Menü-Interaktion: Die intuitive Benutzeroberfläche ermöglicht eine einfache Steuerung, jedoch kann es in bestimmten Situationen zu Überlagerungen digitaler Elemente kommen. Das kann passieren, wenn das Hauptmenü, welches die nutzende Person automatisch verfolgt um in dessen Sichtfeld zu bleiben, plötzlich auf im Raum platzierte Holograme trifft.

    • Einfache Einrichtung: Die Handhabung des Handtrackings erfordert eine kurze Eingewöhnungszeit von etwa 10 bis 30 Minuten. Danach können Administrator:innen den Guide eigenständig für ihre Bedürfnisse anpassen.

    • Effektive Alternative zur analogen Büroführung: Nutzer:innen können selbstständig das Gebäude erkunden, ohne auf eine geführte Tour angewiesen zu sein. Dies fördert eine individuellere und flexiblere Orientierung.

    • Persistenz: Einmal eingerichtet, kann der Guide jederzeit wiederverwendet werden, beispielsweise für neue Mitarbeitende. Jedoch ist es empfehlenswert, die Inhalte regelmäßig zu überprüfen und bei strukturellen oder organisatorischen Änderungen zu aktualisieren.

    Fazit und Ausblick

    Die Erprobung des easyARguide hat in der Praxis eindrucksvoll gezeigt, wie Augmented Reality zur Effizienzsteigerung und Prozessoptimierung im Büroalltag beitragen kann. Besonders für KMU, die mit begrenzten Ressourcen arbeiten, bietet die Technologie Mehrwert und großes Potenzial:

    • Bessere Orientierung: Neue Mitarbeiter:innen und Kunden gewöhnen sich schneller an ihre Umgebung und finden sich leichter zurecht.

    • Zeitersparnis: Statt wiederkehrender Führungen durch das Personal kann die AR-Anwendung effizient und flexibel eingesetzt werden.

    • Erhöhte Interaktivität: Durch die Kombination von visuellen Wegpunkten, interaktiven Erklärungen und Multimedia-Inhalten wird die Büroführung ansprechender gestaltet.

    • Langfristige Nutzung: Das System bleibt für neue Mitarbeitende oder Besuchende erhalten und kann bei Bedarf aktualisiert werden.

    Der easyARguide kann nicht nur für Büroführungen, sondern auch in anderen Schulungskontexten wie Sicherheitseinweisungen oder bei Events vielfältig eingesetzt werden. Zukünftige Erweiterungen der erstellten Guides wie personalisierte Touren, mehrsprachige Inhalte oder andere standortgebundene Schulungen sind denkbar und bieten Raum für eine kontinuierliche Weiterentwicklung und eine verbesserte Erfahrung für Nutzende.

    Somit gelingt es, analoge Prozesse in KMU sinnvoll zu digitalisieren, Mitarbeitende aktiv einzubinden und gleichzeitig Ressourcen zu schonen. Die digitale Büroführung mit easyARguide ist ein Beispiel dafür, wie digitale Innovationen im Mittelstand erfolgreich zur Anwendung kommen können.

    Entdecken Sie noch weitere Best Practices auf der Hauptseite des easyARguide Projektes.


    Flyer öffnen

    • Logo Mittelstand-Digital Zentrum Darmstadt
    • Logo Mittelstand-Digital Zentrum Hamburg
    • Logo Mittelstand-Digital Zentrum Rheinland

    Haben Sie Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema AR an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    easyARguide – Augmented Reality in der Kfz-Werkstatt

    easyARguide – Augmented Reality in der Kfz-Werkstatt

    Das Mittelstand-Digital Zentrum Rheinland hat in Kooperation mit der mittelständischen Autowerkstatt KFZ-Technik Kaspers die Augmented Reality (AR) Anwendung „easyARguide“ in einem Praxistest erprobt. Ziel des Tests war es, die Einsatzmöglichkeiten der Anwendung im Alltag einer Kfz-Werkstatt zu bewerten und Potenziale sowie Herausforderungen zu identifizieren, um in diesem Best Practice die gewonnenen Erkenntnisse zu teilen. 


    Digitale Schritt-für-Schritt-Anleitung für den Radwechsel

    Im Mittelpunkt des Praxistests stand die Entwicklung eines digitalen Leitfadens für den Radwechsel, einem alltäglichen, aber sicherheitsrelevanten Vorgang in Werkstätten. Gemeinsam mit dem Werkstattinhaber, Herrn Kaspers, wurde eine strukturierte und visuell unterstützte Anleitung in easyARguide erstellt, die alle wesentlichen Schritte des Prozesses abdeckt, angefangen beim Abziehen der Radkappe über das Lösen der Radschrauben und die Demontage des Rads bis zur fachgerechten Montage des neuen Rads. Die abschließenden Schritte, wie das Anbringen der Radschrauben und das Festziehen mit einem Drehmomentschlüssel, wurden ebenfalls in die Anleitung integriert. 

    Für die visuelle Darstellung des gesamten Prozesses wurden Pfeilsymbole aus der Symbolgalerie, einer Sammlung vorgefertigter 3D-Objekte, verwendet, um die relevanten Arbeitsbereiche eindeutig zu markieren. Ergänzend dazu wurden die einzelnen Schritte durch beschreibende Textfelder erläutert.

    Eine Besonderheit war der Einsatz der Bildfunktion, mit der beispielsweise Werkzeuge, wie der Drehmomentschlüssel in dieser Anleitung, als reale Objekte visuell hervorgehoben werden. Durch das Einblenden direkt im Sichtfeld der Augmented-Reality-Brille, wird das Werkzeug eindeutig identifizierbar.

    • Anweisung Radkappe abziehen

      Anweisung Radkappe abziehen

    • Anweisung Radschrauben lösen

      Anweisung Radschrauben lösen

    • Anweisung Radschrauben festziehen

      Anweisung Schrauben anziehen


    Erkenntnisse aus dem Praxiseinsatz: Herausforderungen und Lösungen

    Wie bei vielen digitalen Neuerungen zeigte sich auch bei der Einführung von Augmented Reality Technologie: Der erste Schritt ist oft der schwerste. Die Werkstattmitarbeitenden mussten sich zunächst mit der Bedienung der AR-Brille vertraut machen. Diese Aufgabe gehörte anfangs zu den größten Hürden, da die erstmalige Handhabung von AR-Hardware/Software ungewohnt ist. Durch wiederholte Nutzung fand eine schrittweise Gewöhnung an die Anwendung statt und den Personen fiel die Interaktion zunehmend leichter.

    Zudem stellten die anfänglichen Lichtverhältnisse in der Werkstatt durch entstehende Sichtprobleme eine Herausforderung dar. Hierbei war die Anzeige der AR-Brille durch die begrenzte Displayleuchtkraft bei starker Umgebungshelligkeit nur schwer zu erkennen. Durch den gezielten Einsatz zusätzlicher Beleuchtung des Arbeitsplatzes konnte dieses Problem aber weitgehend behoben werden.

    Wichtig ist: Für die Einführung neuer Technologien sollte ausreichend Eingewöhnungszeit in praxisnahen Arbeitsumgebungen eingeplant werden. Dabei können Hindernisse identifiziert und behoben, sowie ein Raum zum Anlernen geschaffen werden. Zudem kann ein strukturiertes Schulungskonzept helfen, Mitarbeitende effektiv an digitale Werkzeuge heranzuführen.


    Erstellung eines AR-Leitfadens – Aufwand mit Mehrwert

    Ein weiterer unvorteilhafter Aspekt, der im Test von easyARguide identifiziert werden konnte: Der Zeitaufwand für die Erstellung von Guides. Denn aktuell benötigt die Erstellung eines AR-Leitfadens vergleichsweise mehr Zeit als eine klassische mündliche Einweisung durch erfahrene Mitarbeitende. Dieser zeitliche Mehraufwand ist jedoch stark vom jeweiligen Prozess und dem Umgang mit der AR-Brille abhängig.

    Zudem relativiert sich der initiale Mehraufwand recht schnell. Denn ist ein Guide erst einmal erstellt, kann er beliebig oft verwendet werden, z. B. zur Einarbeitung neuer Mitarbeitender oder Auszubildender. Dadurch kann die Kapazität der Fachkraft anderweitig genutzt werden oder auch ein fundamentales Anlernen stattfinden, wenn die Fachkraft aus dem Betrieb ausgeschieden ist.

    Somit wird Know-how nachhaltig digital gesichert und jederzeit abrufbar gemacht. Das ist ein großer Vorteil insbesondere für kleinere und mittlere Unternehmen (KMU), die oft unter Fachkräftemangel leiden.

    Die visuelle und interaktive Unterstützung durch AR-Technologie kann hierbei nicht nur die Qualität der Anleitungen verbessern, sondern auch die Fehlerquote verringern und die Schulung neuer Auszubildender und Mitarbeitender erleichtern.


    Fazit: Augmented Reality als zukunftsweisende Unterstützung für KMU im Handwerk

    Der Praxistest hat gezeigt: Im Handwerk und speziell in der Kfz Branche ist easyARguide als Erfolg zu werten. Augmented Reality ist kein Zukunftsszenario mehr, sondern bereits heute sinnvoll einsetzbar. Besonders im handwerklichen Umfeld wie der Kfz-Branche können digitale Assistenten wie easyARguide die Arbeit effizienter, sicherer und transparenter machen.

    Trotz der anfangs bestehenden Herausforderungen durch den erstmaligen Kontakt zu AR-Technologien, konnte ein funktionierender Guide zur Demonstration der Anwendung erstellt und praxisnah getestet werden. Mit diesen Erfahrungen werden wertvolle Erkenntnisse für andere KMU geliefert, die ihre Prozesse digital unterstützen und zukunftssicher gestalten möchten.


    Interesse am easyARguide: Entdecken Sie noch weitere Best Practices auf der Hauptseite des easyARguide Projektes.

    Flyer öffnen

    • Logo Mittelstand-Digital Zentrum Darmstadt
    • Logo Mittelstand-Digital Zentrum Hamburg
    • Logo Mittelstand-Digital Zentrum Rheinland

    Haben Sie Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema AR an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    easyARguide – Augmented Reality für den Mittelstand

    easyARguide – Augmented Reality für den Mittelstand 

    Das Ziel des Augmented Reality (AR) Projekt „easyARguide“ ist die Digitalisierung und Konservierung von Lernprozessen mittels AR-Technologie. Entwickelt wird easyARguide von den Mittelstand-Digital Zentren Darmstadt, Hamburg und Rheinland.

    • Logo Mittelstand-Digital Zentrum Darmstadt
    • Logo Mittelstand-Digital Zentrum Hamburg
    • Logo Mittelstand-Digital Zentrum Rheinland

    Der Fokus des Projektes ist primär die Erschließung von AR für kleine und mittelständische Unternehmen (KMU), insbesondere Handwerksbetrieben. Die Software ermöglicht es dem Fachpersonal virtuelle Lerninhalte selbstständig und ohne Programmierkenntnisse zu Erstellen. Lernende (wie beispielsweise Auszubildende) können die virtuellen Anleitungen danach selbstgesteuert nutzen und durchführen. Dabei ist easyARguide wiederholbar und besitzt ein lernpsychologisch fundiertes Konzept, das für ein effizientes Lernen sorgt.

    Ausgangslage 

    Der demografische Wandel führt in Handwerksbetrieben und produzierenden Unternehmen zunehmend zum Verlust ausgebildeter Fachkräfte und deren implizitem Fachwissen. Es stehen einerseits zu wenige interessierte Auszubildende zur Verfügung, um die vorhandenen Stellen zu besetzen, andererseits verlassen zunehmend langjährige Mitarbeiter:innen im Rentenalter und damit auch deren implizites Wissen die Unternehmen. Besonders problematisch ist das vor dem Hintergrund, dass in vielen Fällen in handwerklichen Betrieben keine effektive Speicherung von Wissen vorgenommen wird, sondern nur eine direkte Weitergabe von Ausbilder:in zu Auszubildender Person besteht. Mit dem Ausscheiden erfahrener Mitarbeiter:innen aus dem Berufsfeld, geht deshalb oftmals ein großer Teil des Wissens dieser Person, welches sich über Jahre in der beruflichen Praxis angeeignet wurde, verloren.

    Deshalb zielt „easyARguide“ unter anderem darauf ab, diesem Verlust von Fachwissen durch Bewahrung und Sicherung des Wissens entgegenzuwirken. Lehrende können mit der, im Rahmen des Projektes entwickelten Anwendung komplett ohne Programmierkenntnisse domänenunabhängig Lerninhalte mit einem AR Head-Mounted-Display (HMD) umsetzen und ihren Lernenden über die Plattformen HMD oder Tablet verfügbar machen.

    Vorherige Untersuchungen zur Anwendung von AR in der Ausbildung zeigen, dass der Einsatz von AR in weiten Teilen der Aus- und Weiterbildungsprozesse eine Reduzierung von Anlernzeiten und Prozessfehlern bewirken kann. Zudem wurde ein Anstieg der Lerneffizienz sowohl während als auch nach dem Training beobachtet. Dennoch ist der Kostenaufwand für die spezialisierte Entwicklung, Einrichtung und Implementierung von konventionellen AR-Technologien in den Aus- und Weiterbildungsprozess eine der größten Herausforderungen. Deshalb wurde bei der Entwicklung der Anwendung das Ziel verfolgt einen unmittelbaren Einbezug des Fachpersonals in die Erstellung von vielfältigen AR-Trainingsszenarien zu ermöglichen. Dadurch kann für KMU finanzieller Aufwand reduziert und ein niederschwelliger Zugang für die Integration von AR in Lehr-Lernprozesse gefördert werden.

    Wichtig ist: easyARguide kann Ausbilder:innen nicht ersetzen, sondern soll sie in ihrer täglichen Arbeit unterstützen und entlasten. Da Lernende Teile der Inhalte zeitlich flexibel bearbeiten können, bleibt in den direkten Lernphasen mit den Lehrenden mehr Raum für individuelle Betreuung und gezielte Rückfragen. Somit wird eine intensivere Lernbegegnungen geschaffen.

    Was macht AR als Medium sinnvoll für den Einsatz beim Lernen?
    • Virtuelle Inhalte im Sichtfeld

      Digitale Anleitungen oder Markierungen können direkt über dem realen Arbeitsumfeld eingeblendet werden und ersparen den Blickwechsel.

    • Kontextabhängige Informationen

      Inhalte erscheinen automatisch passend zur Blickrichtung und Position.

    • Realer Einsatzszenarien virtuell erweitern

      3D-Objekte, Animationen oder Hinweise ergänzen reale Arbeitsschritte direkt im Raum

    • Lernen am echten Arbeitsplatz

      Keine separate Schulungsumgebung nötig. Damit bringt AR die Anleitung dorthin, wo sie gebraucht wird.

    • Freihändiges Arbeiten durch Gesten

      Navigation durch Lerninhalte ohne Berührung ist ideal für Arbeiten mit Werkzeugen.

    • Nahtlose Verbindung von Theorie und Praxis durch Lerning-by-Doing

      Wissen wird dort vermittelt, wo es angewendet wird ohne Medienwechsel.

    • Virtuelle Demonstration von Handgriffen

      Virtuelle Hände oder animierte Schritte zeigen Bewegungsabläufe direkt am Einsatzort.


    Herausforderungen

    Design-Herausforderungen

    Eine entscheidende Problemstellung war die Gestaltung eines benutzerfreundlichen Interfaces, das sich flexibel an unterschiedliche Anwendungsszenarien anpassen lässt und gleichzeitig ein schnelles Erlernen der Software ermöglicht. Hierfür wurde ein modularer Baukasten entwickelt, der es ermöglicht, Arbeitsschritte visuell und interaktiv zu erstellen. Dabei wurde darauf geachtet, dass die Anzahl an Informationen Anwender:innen möglichst nicht überlastet und ebenso die Funktion der Software nicht einschränkt wird. Gleichzeitig sollte die Software optisch ansprechend wirken, damit die Akzeptanz für Anwendende erhöht wird.

    Die Anwendung wurde in mehreren Testläufen direkt in Handwerksbetrieben erprobt. Das Feedback aus diesen realen Arbeitsumgebungen war entscheidend, um eine möglichst hohe Akzeptanz zu erzielen – insbesondere bei Nutzenden, die bislang wenig Berührungspunkte mit digitalen Technologien haben. Dabei zeigte sich unter anderem, dass die Bedienung per Handgesten an unterschiedliche Altersgruppen angepasst werden musste. Einfache, eindeutig erkennbare Bewegungen wurden gegenüber komplexeren Gesten bevorzugt und so im Projekt umgesetzt.

    Technische Herausforderungen

    Die technische Umsetzung brachte eine Vielzahl an Anforderungen mit sich. Zu Beginn musste eine geeignete Entwicklungsumgebung für AR-Anwendungen geschaffen werden, die den unterschiedlichen Zielplattformen gerecht wird – darunter Microsoft HoloLens, Meta Quest 3, Magic Leap sowie mobile Android-Geräte. Jede dieser Plattformen bringt individuelle Einschränkungen mit sich, insbesondere hinsichtlich Sensorik und Rechenleistung. Die Entwicklung erfolgte primär auf der HoloLens 2, bevor eine Portierung auf die weiteren Plattformen, mit jeweils spezifischen Funktionseinschränkungen, erfolgte.

    Ein zentraler technischer Aspekt war die Kalibrierung eines festen Orientierungspunktes im Raum. Ziel war es, virtuelle Inhalte, etwa Werkzeuge oder Anleitungen, stabil und präzise im physischen Raum zu verankern. Hierfür wurde ein lizenzfreies Marker-Tracking-System eingebunden, das auf frei gestaltbaren QR-Codes basiert. Die Suche nach einer geeigneten Lösung gestaltete sich zeitaufwändig, da viele verfügbare Systeme entweder inkompatibel mit dem bestehenden Technologiestack waren – insbesondere im Hinblick auf Softwareversionen – oder eine restriktive Lizenzierung hatten. Zunächst wurde entgegen der Vision eines optisch scanbaren Markers eine manuell ausrichtbare Markierung umgesetzt. Diese Lösung benötigte nur einen Bruchteil der benötigten Entwicklungskapazität eines Marker-Trackings und funktioniert plattformunabhängig sehr gut. Im Verlauf des Projekts konnten neue Möglichkeiten identifiziert werden, die eine zuverlässige und plattformunabhängige Platzierung von 3D-Elementen im Raum ermöglichten.

    Ein weiterer Schwerpunkt lag in der Integration verschiedener Medienformate als visuelle Elemente innerhalb des Baukastensystems. Die Anwendung unterstützt neben Text und Bildern auch Audio- und Videoinhalte sowie Animationen – sowohl von virtuellen Objekten als auch von aufnehmbaren Handbewegungen (diese werden als holografische Repräsentation aufgenommen).
    Um die Nutzung effizient zu gestalten und auf das Feedback der Testnutzenden einzugehen, wurden zudem Funktionen wie das Duplizieren von Medienelementen von Arbeitsschritten in einen anderen hinein und eine „Rückgängig“-Funktion implementiert.

    Im Rahmen der Entwicklung wurden verschiedene Modelle von Tracking- und Haptik-Handschuhen getestet, um deren Eignung für den Einsatz in AR-gestützten Wartungs- und Montageprozessen zu evaluieren. Die Auswahl umfasste mehrere kabellose Varianten unterschiedlicher Hersteller. Ergänzend dazu fand ein Workshop mit anderen AR-Forschungsprojekten statt, bei dem ein direkter Vergleich der Handschuhe im Hinblick auf Praxistauglichkeit, Präzision und Integration mit bestehenden AR-Systemen durchgeführt wurde.

    Im Testverlauf zeigte sich, dass die Handschuhe in puncto Trackingqualität durchaus überzeugen konnten: Die Hand- und Fingerbewegungen wurden präzise und stabil erfasst, was in virtuellen Interaktionen ein sehr natürliches Bediengefühl ermöglichte. Auch das Potenzial für komplexe Anwendungsfälle wurde positiv bewertet.

    Den Vorteilen standen jedoch mehrere gewichtige Nachteile gegenüber. In der Praxis erwiesen sich viele Modelle als unhandlich im Umgang mit realen Werkzeugen – die verbauten Sensoren und Module störten bei der Nutzung oder führten zu ungenauer Erfassung. Auch zeigte sich eine hohe Empfindlichkeit gegenüber industriellen Bedingungen wie Staub, Schmutz oder öligen Oberflächen, was ihre Alltagstauglichkeit in typischen Montageumgebungen stark einschränkt. Zusätzlich verursachten die Systeme einen erheblichen Aufwand bei Kalibrierung und Wartung, was insbesondere im laufenden Betrieb als störend empfunden wurde. Weitere Kritikpunkte betrafen die fehlende Kompatibilität mit Standalone-AR-Brillen, also eigenständigen Datenbrillen mit integrierter Technik, die ohne zusätzliches Gerät funktionieren. Da viele Handschuhsysteme einen PC als Überbrückung für die Übertragung der sensorischen Daten benötigen, sowie den hohen Zeitaufwand für das An- und Ausziehen, der teils bis zu fünf Minuten pro Hand betragen konnte, überwiegten die Nachte der Nutzung. Auch Sicherheitsaspekte wie potenzielles Hängenbleiben an Geräten spielten eine Rolle.

    Vor dem Hintergrund dieser Erfahrungen wurde deutlich, dass sich der ursprünglich angestrebte Mehrwert der Handschuhe zunehmend relativiert hat. Die aktuellen AR-Brillen verfügen mittlerweile über sehr zuverlässiges integriertes Handtracking, das in vielen Fällen eine ausreichend präzise und gleichzeitig deutlich unkompliziertere Lösung bietet. Dadurch entfällt die Notwendigkeit externer Tracking-Handschuhe, insbesondere für Anwendungsfälle wie das easyARguide-Projekt, bei dem Effizienz, Sicherheit und Alltagstauglichkeit im Vordergrund stehen.

    Insgesamt kam das Projektteam daher zu dem Schluss, dass sich der Einsatz von Tracking- oder Haptik-Handschuhen im Kontext von easyARguide nicht als sinnvoll erwiesen hat. Die Nachteile überwiegen gegenüber dem begrenzten Nutzen, sodass künftig auf die native Handerkennung der AR-Geräte gesetzt wird.


    Vorgehen 

    Zu Beginn der Entwicklung von easyARguide wurde ein Lehr-Lern-Konzept entwickelt, das gezielt auf die Potenziale von Augmented Reality zugeschnitten ist. Ziel war es, nicht nur Inhalte digital darzustellen, sondern die didaktischen Möglichkeiten der Technologie voll auszuschöpfen.

    Das Lehr-Lern-Konzept von easyARguide basiert in seiner ersten Iterationsstufe auf der Vier-Stufen-Lernmethode. Diese ist in Abbildung 1 im mittleren Bereich als „Lernenden-Ebene“ dargestellt. Ergänzt wird das Modell durch zwei zusätzliche Ebenen: die Projektebene (unten) und die Lehrenden-Ebene (oben).

    Die Projektebene bildet den Ausgangspunkt von easyARguide. Sie stellt sicher, dass alle Phasen des Lernprozesses durch die technische Umsetzung sinnvoll unterstützt und abgedeckt werden. Die Lehrenden-Ebene wurde eingeführt, um ein kontinuierliches Feedback der Lernenden zu ermöglichen. Dadurch kann der Lehrende die Inhalte flexibel anpassen und bei Bedarf verbessern – visualisiert durch den Pfeil in Abbildung 1.

    4 Stufen Lernkonzept angepasst an easyARguide
    Abbildung 1: Vier stufen Lernprozess


    Das Konzept ist als erster Entwurf zu verstehen und wurde praxisnah parallel zu Entwicklungsprozess des Prototyps erprobt. Ziel war eine benutzerorientierte Weiterentwicklung durch kontinuierliche Evaluation und Integration von Feedback. Der entwickelte Prototyp vermittelt die wesentlichen Ausbildungsinhalte mit AR-Elementen und greift dabei auf das zuvor definierte Konzept zurück.

    Für die Erprobung konnte mit der ElbHandWerk GmbH, einem Unternehmen aus dem Bereich Sanitär- und Heizungsbau im Hamburger Umland, ein praxisnaher Partner gewonnen werden. Der Prototyp wurde dort in wiederholten Testungen eingesetzt. Durch den Austausch mit den Mitarbeitenden vor Ort wurde regelmäßig Feedback eingeholt, das direkt in die Weiterentwicklung eingeflossen ist. Durch diesen iterativen Prozess – bestehend aus Entwicklung, Testung und Optimierung – konnte sowohl die technische Umsetzung als auch das Lehr-Lern-Konzept gezielt auf die Anforderungen kleiner und mittelständischer Betriebe abgestimmt werden. Ziel war, einen praxistauglichen Prototyp zu entwickeln, der für viele Zielgruppen geeignet ist. Der Prototyp ist im Anschluss an das Projekt im Rahmen der Initiative Mittelstand-Digital kostenneutral zur Verfügung gestellt worden.

    Um das System möglichst effizient und praxisorientiert nutzbar zu machen, wurde zudem eine optionale adaptive Logik entwickelt. Sie ermöglicht es, Guides so zu erstellen, dass deren Komplexität und Informationsdichte an den Kenntnisstand der Lernenden angepasst werden kann. Die Guides gliedern sich mithilfe eines Regelsystems in drei Kompetenzstufen auf – mit detaillierteren Anleitungen für Einsteiger und reduzierter Informationsdichte für Fortgeschrittene. Lernende und Lernelemente werden dabei Kompetenzgruppen zugewiesen, wodurch eine gezielte didaktische Ansprache ermöglicht wird.

    Das adaptive Lernmodell soll einerseits den individuellen Lernfortschritt bestmöglich unterstützen, aber gleichzeitig auch flexibel genug sein, um Lehrenden Freiraum bei der Gestaltung ihrer Anleitungen zu lassen. Die aktuell umgesetzte Einteilung in drei Kompetenzstufen stellt einen ersten praxistauglichen Kompromiss zwischen diesen Anforderungen dar. In der Trainingserstellung verändern sich durch die Anwendung von adaptivem Lernen nur minimal die Vorgaben an die Arbeitsschritte, sodass sich ein Mehrwert im Lerneffekt ergibt, ohne dass ein relevanter Mehraufwand in der Erstellung entsteht. Eine detaillierte Beschreibung des Modells ist in einem begleitenden Fachartikel dokumentiert. Eine tiefergehende Untersuchung des Systems ist im Anschluss an das Projekt geplant, da im Bereich adaptiver Lernsysteme innerhalb der AR-Anwendungspraxis bisher nur wenige fundierte Erkenntnisse vorliegen.

    Entwicklungsschritte im Überblick

    Die Basis bildete eine Anforderungsanalyse, in der zentrale Funktionen für den Prototyp definiert wurden. Es folgte eine agile Entwicklung in wöchentlichen Sprints, wobei zunächst ein Minimalprototyp entstand. Dieser beinhaltete unter anderem:

    • Die Erstellung und Bearbeitung von Arbeitsschritten eines Guides.
    • Eine kleine Auswahl an 3D-Objekten, die im Raum platziert und animiert werden konnten.
    • Die Nutzung von Textfeldern zur Informationsvermittlung.
    • Die Möglichkeit, AR-Guides zu speichern und zu laden.
    • Die Integration eines lizenzfreien Marker-Trackings für stabile 3D-Platzierung im Raum.
    • Sowie die Trennung der Anwendung in zwei Modi:
      • Einen Baukastenmodus für Ausbilder:innen zur Erstellung von Lerninhalten.
      • Und einen Lernmodus, in dem die Bearbeitung deaktiviert ist.
    • Virtueller Pfeil im Raum zur Darstellung einer Drehrichtung

      Erste Tests mit richtungsweisenden Objekten des Prototyp

    • Ein Schritt eines Guides in der Installation eines Dampfkessels

      Individuell gebauter virtueller Guide als Ausgangslage

    • virtuelle 3D Wasserpumpenzange zum Anzeigen des Bewegungsablaufes

      Erste Tests zur Aufnahme von Animationen eines Objektes

    Parallel zu den Tests im Handwerksbetrieb wurde der Funktionsumfang kontinuierlich erweitert. Basierend auf dem konkreten Bedarf der Nutzer:innen wurden unter anderem folgende Funktionen ergänzt:

    • Einfügen, Löschen und Duplizieren von Arbeitsschritten an beliebigen Stellen.
    • Intuitivere Anpassung der Gestensteuerung für unterschiedliche Alters- bzw. Nutzergruppen.
    • Integration von Funktionen zum Rückgängigmachen und Wiederherstellen von Aktionen.
    • Einbindung von Foto-, Video- und Audioinhalten im virtuellen Raum.
    • Sowie die Erstellung eines interaktiven Tutorial-Guides für neue Nutzer:innen.
    • Die Umsetzung von Handtracking zur Aufnahme und Darstellung animierter Handbewegungen.

    Im Rahmen dieses Arbeitspakets wurde auch das Potenzial haptischer Handschuhe getestet.

    Abschließend wurde das adaptive Lernsystem entwickelt. Gleichzeitig wurden letzte Optimierungen an der Benutzeroberfläche vorgenommen, um die Anwendung für Ausbilder:innen und Lernende gleichermaßen verständlich und effizient nutzbar zu machen. Die Auswertung des adaptiven Lernsystems sowie weitere wissenschaftliche Untersuchungen zur Wirksamkeit sind in Planung und werden zukünftig in einem Papier dargelegt.

    Portierung und Weitertragen des Know-hows

    Besonderes Augenmerk wurde hier auf die Reichweite gelegt, um die Einstiegshürde zu minimieren: Auch wenn nicht alle Funktionen plattformübergreifend verfügbar sind, wurde z. B. auf mobilen Geräten der Lernmodus bereitgestellt, um den Einstieg möglichst niedrigschwellig zu gestalten. Die vollständige Portierung der Benutzeroberfläche hätte andernfalls einen unverhältnismäßig hohen Aufwand bedeutet. Die angestrebten weiteren Plattformen, neben der HoloLens 2 waren die Meta Quest 2/3, Magic Leap und Android-basierte mobile Geräte.

    Nach Abschluss des Projekts wurde der Quellcode auf GitHub veröffentlicht, um eine weitere Nutzung und Weiterentwicklung als Open-Source-Lösung zu ermöglichen.


    DIVR XR Award

    Mit Stolz darf auch gesagt werden, dass easyARguide für den renommierten DIVR XR Science Award 2024 nominiert war. Eine Auszeichnung, die herausragende Innovationen im Bereich Extended Reality (XR) würdigt. Unser Projekt zeigt eindrucksvoll, welches Potenzial hinter smarten und intuitiven AR-Lösungen digitaler Assistenzsysteme steckt. Mit unserer Anwendung hoffen wir auch kleine und mittlere Unternehmen ins Boot der Digitalisierung zu holen. 

    easyARguide Team stellt ihr Projekt beim DIVR XR Award vor Mitarbeiterin erklärt das Projekt Ganzer easyARguide Stand beim DIVR XR

    Erkenntnisse

    Die Entwicklung und Erprobung von easyARguide hat zahlreiche Erkenntnisse hervorgebracht – sowohl auf technischer als auch auf organisatorischer und didaktischer Ebene. Einige der zentralen Learnings und überraschenden Ergebnisse sind im Folgenden zusammengefasst:

    • Der Entwicklungsaufwand war deutlich höher als ursprünglich angenommen.

      Insbesondere die Komplexität bei der plattformübergreifenden Umsetzung und das Ermitteln von kompatiblen, lizenzfreien Tools, wie etwa im Bereich Marker-Tracking, erwiesen sich als zeitintensiv. Auch die kontinuierliche Integration von Nutzer:innenfeedback erforderte regelmäßige Umstellungen im Entwicklungsprozess, was zusätzliche Ressourcen band.

    • Das Feedback der Testnutzer:innen war durchweg positiv – begleitet von großer Neugier und Offenheit.

      Mitarbeitende im Handwerk zeigten sich begeistert von der intuitiven Nutzung der AR-Inhalte. Besonders positiv bewertet wurde, dass sie aktiv in die Weiterentwicklung eingebunden wurden.

    • Die Anforderungen an eine AR-Lösung im KMU-Umfeld unterscheiden sich deutlich von denen größerer Unternehmen.

      Lösungen müssen niedrigschwellig einsetzbar sein, mit möglichst wenig zusätzlicher Hardware auskommen und sich in bestehende Prozesse einfügen lassen. Die Möglichkeit zur Nutzung auf mobilen Geräten (z. B. Android-Tablets) wurde deshalb als besonders wichtig bewertet.

    • Modelle für Lerninhalte müssen flexibel erweiterbar sein.

      Die im Projekt eingeführten virtuellen 3D Objekte sind ein guter Ansatz zur Darstellung unspezifischer Situationen, müssen aber weiter verfeinert werden – z. B. im Hinblick auf individuelle Lernbereiche oder branchenspezifische Inhalte. Hierfür steht eine Importfunktionalität aus.

    • Eine enge Verzahnung von Entwicklung und Anwendung erhöht die Qualität.

      Durch die direkte Zusammenarbeit mit einem mittelständischen Partner konnten Anforderungen frühzeitig erkannt und realitätsnah umgesetzt werden. Das hat nicht nur die Funktionalität verbessert, sondern auch das Vertrauen in die Technologie gestärkt.

    • Open-Source-Ansatz schafft neue Potenziale.

      Durch die Veröffentlichung der Anwendung als Open-Source-Projekt ergibt sich die Möglichkeit, dass andere Unternehmen, Bildungseinrichtungen oder Entwickler:innen das easyARguide-Projekt an eigene Anforderungen anpassen und weiterentwickeln können – auch jenseits der ursprünglich geplanten Nutzungsszenarien.

    • Während der Testphase wurden zahlreiche neue Anwendungsbereiche identifiziert, die über das ursprüngliche Konzept hinausgehen.

      Darunter z. B. Einsatzmöglichkeiten beim Onboarding als Standortführung oder im Tourismusbereich als Erlebnisraum. Diese Ideen stammten überwiegend direkt von den Anwender:innen vor Ort oder auf Fachmessen – ein klares Indiz für den praktischen Mehrwert und die Offenheit zur Mitgestaltung.


    Best Practices

    Im Rahmen der weiteren Projektergebnisse wurden einige dieser neu identifizierten Anwendungsmöglichkeiten bereits konkret erprobt. In anschließenden Best-Practice-Berichten wird exemplarisch gezeigt, wie die easyARguide-Anwendung in unterschiedlichen betrieblichen Kontexten eingesetzt werden kann und welche Chancen sich daraus für kleine und mittelständische Unternehmen ergeben.


    Flyer öffnen


    Haben Sie Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de


    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema AR an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen

    Demonstrator zur präziseren visuellen Qualitätskontrolle mit KI

    Demonstrator zur visuellen Qualitätskontrolle mit KI

    Ausgangslage 

    Die Produktionsprozesse in modernen Fertigungsunternehmen werden durch innovative Technologien stetig weiterentwickelt, sodass Effizienz, Präzision und Qualität kontinuierlich gesteigert werden. HellermannTyton, ein weltweit führender Hersteller von hochwertigen Lösungen im Bereich Kabelmanagement, Verbindungstechnik und industrieller Kennzeichnung, hat dabei ein hochmodernes, pixelbasiertes Qualitätssystem eingeführt, das sämtliche potenzielle Defekte zuverlässig erfasst. Das Unternehmen, das 1935 in Hamburg gegründet wurde und seit 2000 seinen Sitz in Tornesch hat, bietet Lösungen für Branchen wie die Automobilindustrie, den Maschinenbau, die Luft- und Raumfahrt, die Elektroinstallation und die Telekommunikation.

    EdgeClip mit Kabelbinder

    Abbildung 1:

    EdgeClip (links) mit Kabelbinder

    Durch das hohe Qualitätsversprechen von HellermannTyton wird jedes Produkt mit höchster Präzision geprüft. Besonders die visuelle Kontrolle des EdgeClip, einer Kabelhalterungslösung für die Kantenmontage, stellt dabei eine Herausforderung dar. Diese Halterung, die aus einem widerstandsfähigen Kunststoffgehäuse mit integrierter Federstahlklammer besteht, ermöglicht eine zuverlässige und flexible Befestigung und wird vor allem in der Automobil- und Maschinenbauindustrie geschätzt. Das bestehende System sorgt bereits für eine sehr hohe Qualitätsprüfung, dennoch stößt es bei der präzisen Unterscheidung zwischen tatsächlichen Defekten und Pseudoausschuss an seine Grenzen. Pseudoausschuss bezeichnet in diesem Kontext fehlerfrei produzierte Bauteile, die fälschlicherweise als Ausschuss klassifiziert werden. Dies kann durch optische Effekte wie Reflexionen, Glanzstellen oder Verunreinigungen verursacht werden, die das Prüfsystem als Defekt interpretiert, obwohl das Bauteil in einwandfreiem Zustand ist. Zudem führen Schmutz- und Staubpartikel, Zinksplitter oder verschmutzte Beschichtungen zu fehlerhaften Klassifizierungen. Auch minimale Abweichungen in Geometrie, Abmessungen oder Chargenunterschiede stellen für das System eine Herausforderung dar. Da Mikrofehlerabweichungen nahezu unendlich viele Variationen aufweisen und oft eine glatte Struktur haben, wird eine eindeutige Klassifizierung erschwert. Im Rahmen des Projekts wird daher daran gearbeitet, die Pseudoausschussrate weiter zu senken und damit die Effizienz und Nachhaltigkeit der Produktion zu steigern.

    Verschmutzungsgrade des EdgeClips

    Abbildung 2:

    Verschmutzungsgrade des EdgeClips

    In diesem Kontext wurde ein Pilotprojekt ins Leben gerufen, um den Einsatz künstlicher Intelligenz, speziell Convolutional Neural Networks (CNN), in der visuellen Qualitätskontrolle zu erproben. Ziel war es, ein System zu entwickeln, das in Echtzeit Bilder von Produktionsprozessen auswerten kann, um fehlerhafte Teile zuverlässig zu identifizieren. Zur Umsetzung wurde ein prototypischer Anlagen-Nachbau realisiert, der typische Produktionsbedingungen simuliert. Dabei wurden hochauflösende Industriekameras, ein Drehteller mit pneumatischer Steuerung und eine modulare IT-Architektur eingesetzt, um eine realitätsnahe Testumgebung zu schaffen.


    Herausforderungen

    Die Integration einer visuellen Qualitätskontrolle mit KI in eine bestehende Produktionsumgebung stellte sowohl technische als auch organisatorische Herausforderungen dar. Eine der zentralen Anforderungen bestand darin, dass das KI-Modell Bilder in Echtzeit analysieren sollte, um den Produktionsfluss nicht zu behindern. Dies bedeutete, dass die Verarbeitung innerhalb von max. 200 Millisekunden erfolgen musste. Um diese Vorgabe zu erfüllen, war die Auswahl geeigneter Edge-Computing-Geräte und entsprechender KI-Modelle entscheidend. Hier mussten Systeme gefunden werden, die sowohl leistungsstark als auch kosteneffizient waren, wie etwa die NVIDIA Jetson Plattform oder vergleichbare Lösungen. Gleichzeitig musste das KI-Modul nahtlos in die bestehende Maschinensteuerung integriert werden. Dies erforderte standardisierte Schnittstellen, um eine reibungslose Kommunikation zwischen der KI und den Steuerungssystemen zu gewährleisten.

    Ein weiteres wesentliches Problem war die Datenqualität und -vorbereitung. Die Erfassung von 20.000 Bildern in einer Produktionsumgebung stellte Herausforderungen hinsichtlich Konsistenz und Qualität dar. Faktoren wie unterschiedliche Lichtverhältnisse, variierende Auflösungen und Bewegungsunschärfen mussten systematisch adressiert werden. Zudem war die manuelle Klassifikation und Annotation der Bilder essenziell, um eine einheitliche und qualitativ hochwertige Datenbasis für das Training des KI-Modells zu schaffen. Dies erforderte präzise Tools und klar definierte Kriterien, um Fehlklassifikationen zu minimieren.

    Die Modellrobustheit und die Anpassung mittels Transferlernen bildeten eine weitere Herausforderung. Das vorab trainierte KI-Modell musste für die spezifischen Produktionsbedingungen optimiert werden. Dabei war es besonders wichtig, dass das Modell auch bei veränderten optischen Rahmenbedingungen, wie unterschiedlichen Kamerawinkeln oder variierender Lichtintensität, stabile Ergebnisse liefern konnte. Eine iterative Optimierung war notwendig, um Fehlklassifikationen, insbesondere unter extremen Lichtverhältnissen, systematisch zu analysieren und die gewonnenen Erkenntnisse in den Trainingsprozess zurückzuführen.

    Neben den technischen Herausforderungen spielten die betriebliche Einbindung und Akzeptanz der neuen Technologie eine entscheidende Rolle. Dies umfasste nicht nur die Handhabung des Systems, sondern auch das Verständnis für dessen Funktionsweise und die Interpretation der Ergebnisse.


    Vorgehen

    Agiles Vorgehensmodell nach CRISP-DM

    Abbildung 3:

    Agiles Vorgehensmodell nach CRISP-DM

    Um die Herausforderungen der Integration einer visuellen Qualitätskontrolle mit KI zu bewältigen, wurde ein strukturiertes und iteratives Vorgehen entwickelt, das sowohl technische als auch organisatorische Aspekte berücksichtigte. Dabei wurde berücksichtigt, dass der Prozess nicht strikt linear verläuft, sondern fortlaufend angepasst wird, insbesondere durch häufige Rücksprache zwischen ML- und Fach-Experten. Dort wurden detaillierte Anforderungen definiert und ein umfassendes Konzept erstellt. Dieses umfasste die Entwicklung einer modularen Systemarchitektur mit einem Datenerfassungsmodul, einem zentralen KI-Analysemodul und einer Schnittstelle zur Maschinensteuerung. Zudem wurde eine Datenpipeline zur automatisierten Bilddatenerfassung und Vorverarbeitung definiert, um Bildrauschen zu reduzieren und Kontraste anzupassen

    Prototyp mit pneumatischem Drehteller

    Abbildung 4:

    Prototyp mit pneumatischem Drehteller

    Ein zentrales Ergebnis des Projekts war der prototypische Nachbau der Produktionslinie, der als Testumgebung zur Validierung der Qualitätskontrolle mit KI diente. Zusätzlich wurde ein Echtzeit-Monitoring-Dashboard in das System integriert, das eine kontinuierliche Evaluierung und Validierung der KI-gestützten Analyse ermöglicht. Dieses Dashboard erlaubt nicht nur die Visualisierung wichtiger Produktionskennzahlen, sondern bietet auch eine semiautomatisierte Generierung neuer Trainingsdaten. Dabei werden Bilder automatisch erfasst und mithilfe vordefinierter Labels versehen, sodass daraus ein datenbankbasierter Datensatz für das Training neuer KI-Modelle entsteht. Darüber hinaus können bestehende Klassifikationsentscheidungen überprüft und mit realen Teilebewertungen verglichen werden, wodurch eine iterative Verbesserung der bestehenden KI-Systeme möglich wird. Dieser Prototyp bestand aus einem Drehteller mit pneumatischer Steuerung, der eine flexible Simulation variabler Geschwindigkeiten und Positionen ermöglichte. Dadurch konnten realistische Produktionsbedingungen nachgestellt werden, um die Leistungsfähigkeit der KI-gestützten Analyse unter unterschiedlichen Szenarien zu testen. Zur Sicherstellung einer detaillierten Bildaufnahme wurden mehrere hochauflösende Industriekameras strategisch positioniert, sodass verschiedene Blickwinkel und Lichtverhältnisse optimal erfasst wurden. Diese vielseitige Kamerainfrastruktur ermöglichte eine umfassende Erfassung der Bauteile in unterschiedlichen Produktionssituationen. In einem definierten Zeitraum wurden rund 20.000 Bilder aus dem Produktionsprozess gesammelt und mithilfe spezialisierter Annotationstools in „Gut-Teile“ und „Schlecht-Teile“ kategorisiert. Die Bilder wurden anschließend vorverarbeitet, wobei Filter zur Rauschreduzierung, Kontrastanpassungen und Skalierungsanpassungen angewandt wurden, um eine konsistente Datenbasis für das Modelltraining zu schaffen.

    CAD-Zeichnung des Prototyps mit mehreren Kameras

    Abbildung 5:

    CAD-Zeichnung des Prototyps mit mehreren Kameras

    Die technische Umsetzung umfasste die Entwicklung der Systemarchitektur in einer modularen Container-Umgebung, beispielsweise mit Docker, um eine flexible Skalierung und einfache Integration in bestehende IT-Landschaften zu gewährleisten. Das Datenerfassungsmodul wurde so konzipiert, dass es einen Live-Zugriff auf die Kameras ermöglichte und Bilder in Echtzeit vorverarbeitete. Das zentrale KI-Analysemodul basierte auf einem Convolutional Neural Network (CNN), das durch Transferlernen an die spezifischen Produktionsbedingungen angepasst wurde. Umfangreiche Hyperparameter-Tuning-Prozesse, wie die Anpassung von Lernraten, Batch-Größen und Netzwerkarchitekturen, verbesserten die Modellgenauigkeit stetig. Die Anbindung an die Produktionssteuerung erfolgte über eine REST-API, wodurch die Analyseergebnisse direkt in den Produktionsprozess integriert wurden. Zur Sicherstellung der Echtzeitfähigkeit kamen leistungsstarke Edge-Computing-Geräte zum Einsatz, die über GPIO-Schnittstellen direkt mit der Maschinensteuerung verbunden wurden. Benchmark-Tests zeigten, dass die Inferenzzeiten konstant unter 200 Millisekunden lagen und somit der Produktionsfluss nicht beeinträchtigt wurde.

    Grafische Benutzeroberfläche des Dashboards

    Abbildung 6:

    Grafische Benutzeroberfläche des Dashboards

    In der anschließenden Test-, Validierungs- und Optimierungsphase wurden unterschiedliche Produktionsbedingungen simuliert, um die Robustheit des KI-Modells zu überprüfen. Dazu gehörten Tests unter verschiedenen Lichtverhältnissen, etwa bei natürlichem Licht, künstlicher Beleuchtung und Helligkeitsunterschieden. Zudem wurde der Einfluss von Bewegungsunschärfe und wechselnden Blickwinkeln analysiert. Fehlklassifikationen, die unter ungünstigen Bedingungen auftraten, wurden detailliert analysiert und in weitere Trainingszyklen integriert, um das Modell kontinuierlich zu verbessern.


    Erkenntnisse

    Das Projekt lieferte wertvolle und praxisrelevante Erkenntnisse, die sowohl technische als auch organisatorische Aspekte betreffen. Besonders die technische Leistungsfähigkeit und der Echtzeitbetrieb des Systems stellten wesentliche Erfolgsfaktoren dar. Durch den iterativen Trainingsprozess und den Einsatz von Transferlernen konnte eine Klassifikationsgenauigkeit von über 95 % erreicht werden, was verdeutlicht, dass das KI-Modell fehlerhafte Teile mit hoher Zuverlässigkeit identifiziert. Zudem wurde durch die Auswahl geeigneter Edge-Computing-Hardware und die optimierte Systemarchitektur eine Inferenzzeit von unter 200 Millisekunden realisiert, sodass der Produktionsfluss in keiner Weise beeinträchtigt wurde.

    Das Projekt zeigte zudem, dass das entwickelte KI-System eine hohe Anpassungsfähigkeit und Flexibilität aufweist. Durch Transferlernen ließ sich das Modell effizient an spezifische Produktionsbedingungen anpassen. Dennoch wurde deutlich, dass regelmäßige Nachtrainingszyklen erforderlich sind, da sich optische Rahmenbedingungen, wie wechselnde Lichtverhältnisse, speziell Schattenwürfe, oder unterschiedliche Kameraperspektiven, im Produktionsalltag stetig verändern. Diese kontinuierliche Anpassung ist essenziell, um die langfristige Leistungsfähigkeit des Modells zu gewährleisten.

    Zusammenfassend konnte durch das Projekt gezeigt werden, dass eine visuelle Qualitätskontrolle mit KI nicht nur technisch realisierbar ist, sondern durch gezielte Optimierungsmaßnahmen eine effiziente und verlässliche Integration in bestehende Produktionsprozesse ermöglicht werden kann. Außerdem zeigte das Projekt, dass der Aufwand zum Training, sowie zur Implementierung von Systemen für die Inferenz durch ein breites und kostengünstiges Angebot von Software-Bibliotheken und Hardware für die Inferenz auch für KMU tragbar geworden ist. Aufgrund der positiven Ergebnisse und der gewonnenen Erkenntnisse wurde entschieden, ein KI-gestütztes Kamerasystem für eine neue Maschinenkonzeption zu planen und einzuführen. Dieses System wird speziell darauf ausgelegt, die Qualitätssicherung weiter zu optimieren und eine noch präzisere Fehlererkennung in Echtzeit zu gewährleisten.


    Sie haben Fragen zu diesem Projekt?

    Dann freuen wir uns über eine Nachricht an:

    Mittelstand-Digital Zentrum Hamburg
    mittelstand-digital@haw-hamburg.de

    Haben wir Ihr Interesse geweckt?

    Wir bieten weitere Angebote zum Thema Qualitätskontrolle mit KI an.
    Schauen Sie gerne in unsere Veranstaltungen rein.

    Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk. Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

    Weiterlesen