Synthetic Data für die Industrie

Was ist Synthetic Data?

Synthetic Data sind künstlich erzeugte Daten – im Kontext der industriellen Bildverarbeitung meist Bilder. Sie werden nicht mit einer Kamera aufgenommen, sondern modelliert oder generiert, um reale Daten zu ergänzen oder zu ersetzen.

Warum braucht man synthetische Daten?

Industrielle KI-Projekte scheitern häufig nicht an den Modellen, sondern an der Datenlage. Gute Teile gibt es im Überfluss, Fehler sind selten – und genau die müssen erkannt werden. Seltene Fehler lassen sich zudem oft nicht gezielt erzeugen.

• zu wenige oder keine realen Trainingsbilder
• seltene, schwer reproduzierbare Fehler
• Fehler, die aus Sicherheits- oder Kostengründen nicht real erzeugt werden können
• neue Bauteilvarianten, zu denen noch keine Daten vorliegen

Wie entsteht Synthetic Data?

• 2D-basiert: Komposition und Variation vorhandener Bilder
• 3D-basiert: Modellierung von Bauteilen und Szenen, Variation von Perspektive, Beleuchtung und Position (z. B. mit Blender)

Entscheidend ist die kontrollierte Modellierung von Fehlern und Varianten – nicht die schiere Menge.

Ersetzt Synthetic Data reale Daten?

Nein, in der Regel nicht vollständig. Der größte Nutzen entsteht aus der Kombination von realen und synthetischen Daten mit einer geeigneten Validierung anhand realer Prüfdaten. Reale Daten bleiben der Maßstab für die Bewertung.

Praxisbeispiel

In der angewandten Forschung wurde die Erzeugung synthetischer Daten für die KI-basierte Qualitätsprüfung von Laserschweißnähten in Lithium-Ionen-Batterien untersucht (Publikation in Sensors, 2025).

Fazit

Synthetic Data ist kein Selbstzweck, sondern ein Werkzeug für Datenarmut. Sie hilft besonders dort, wo reale Fehlerdaten fehlen oder nicht erzeugt werden können.

Passende Leistung

→ Synthetic Data für industrielle KI