Computer Vision bestimmt, wie Vision-AI-Agenten Entscheidungen treffen

Jede Branche – von der Fertigung bis zum Einzelhandel – steht vor eigenen Prozessherausforderungen. Innovative Lösungen für diese Probleme zu finden, war schon immer entscheidend für den Erfolg von Unternehmen. In letzter Zeit sind KI-Agenten in vielen Bereichen zu einer beliebten Lösung geworden. Diese Systeme gehen über die Datenanalyse hinaus. Sie können auch Maßnahmen ergreifen.

Beispielsweise können KI-Agenten in der Fertigung Fehler in Echtzeit erkennen und automatisch Maßnahmen zur Qualitätskontrolle einleiten, damit die Produktion reibungslos weiterläuft. Ebenso können sie in der Logistik und im Einzelhandel mithilfe intelligenter Überwachung mehrere Standorte kontrollieren und Teams sofort über ungewöhnliche Aktivitäten informieren.

Mit zunehmender Verbreitung verändern KI-Agenten aktiv Branchen auf der ganzen Welt. Der globale Markt für KI-Agenten erreichte 2024 ein Volumen von 5,1 Milliarden US-Dollar und soll bis 2030 auf 47,1 Milliarden US-Dollar wachsen.

Abb. 1. Ein Blick auf die Größe des globalen Marktes für KI-Agenten.

Eine der Schlüsseltechnologien hinter diesen Fortschritten ist Computer Vision. Indem sie Maschinen in die Lage versetzt, visuelle Daten zu verarbeiten und zu interpretieren, ermöglicht Vision-KI KI-Agenten, Computer-Vision-Aufgaben wie Objekterkennung in Echtzeit, Instanzsegmentierung und Objektverfolgung mit beeindruckender Genauigkeit auszuführen. Sie schließt die Lücke zwischen dem, was Maschinen sehen, und der Art und Weise, wie sie Entscheidungen treffen, und ist damit ein wichtiger Bestandteil vieler KI-gestützter Lösungen.

In diesem Artikel betrachten wir KI-Agenten und ihre Beziehung zu Computer Vision. Außerdem besprechen wir die verschiedenen Arten von KI-Agenten und ihren Einsatz in visuellen Anwendungen. Legen wir los!

Was sind KI-Agenten?#

Bevor wir uns mit Vision-KI-Agenten befassen, wollen wir zunächst allgemein verstehen, was KI-Agenten sind, und sehen, wie vielseitig diese Systeme sein können.

Ein KI-Agent ist ein intelligentes System, das Aufgaben oder Fragen verstehen und darauf reagieren kann, ohne die Hilfe eines Menschen zu benötigen. Viele KI-Agenten nutzen maschinelles Lernen und natürliche Sprachverarbeitung (NLP), um eine Vielzahl von Aufgaben zu bewältigen – von der Beantwortung einfacher Fragen bis zur Verwaltung komplexer Prozesse.

Einige KI-Agenten können im Gegensatz zu herkömmlichen KI-Systemen, die für jede Aktualisierung auf menschliche Eingaben angewiesen sind, sogar im Laufe der Zeit lernen und sich verbessern. Deshalb werden KI-Agenten schnell zu einem unverzichtbaren Bestandteil der KI. Sie können Aufgaben automatisieren, Entscheidungen treffen und mit ihrer Umgebung interagieren, ohne ständig überwacht werden zu müssen. Besonders nützlich sind sie bei der Verwaltung wiederkehrender und zeitaufwendiger Aufgaben.

Beispielsweise kommen KI-Agenten in Bereichen wie Kundenservice und Gastgewerbe zum Einsatz. Im Kundenservice werden sie genutzt, um Rückerstattungen zu bearbeiten und personalisierte Produktempfehlungen zu geben. Im Gastgewerbe können sie Hotelmitarbeitende dabei unterstützen, Gästewünsche zu verwalten, den Zimmerservice zu optimieren und Gästen nahegelegene Sehenswürdigkeiten vorzuschlagen. Diese Beispiele zeigen, wie KI-Agenten alltägliche Abläufe schneller und effizienter machen.

So funktionieren Vision-KI-Agenten#

Werfen wir als Nächstes einen kurzen Blick darauf, wie KI-Agenten funktionieren. Jeder KI-Agent ist einzigartig und für bestimmte Aufgaben entwickelt, doch alle durchlaufen dieselben drei grundlegenden Schritte: Wahrnehmung, Entscheidungsfindung und Handlung.

Im ersten Schritt, der Wahrnehmung, sammeln KI-Agenten Informationen aus verschiedenen Quellen, um zu verstehen, was geschieht. Danach folgt die Entscheidungsfindung. Auf Grundlage der gesammelten Informationen analysieren sie die Situation mithilfe ihrer Algorithmen und bestimmen die beste Vorgehensweise. Schließlich folgt die Handlung. Sobald sie eine Entscheidung getroffen haben, setzen sie diese um – sei es, indem sie eine Frage beantworten, eine Aufgabe erledigen oder ein Problem markieren, das von einem Menschen bearbeitet werden soll.

Das klingt vielleicht unkompliziert, doch je nach Art des KI-Agenten geschieht hinter den Kulissen oft sehr viel, damit diese Schritte funktionieren. Von der Analyse komplexer Daten bis zum Einsatz fortschrittlicher Modelle für maschinelles Lernen ist jeder KI-Agent darauf ausgelegt, bestimmte Aufgaben auf seine eigene Weise zu bewältigen.

Während sich viele KI-Agenten beispielsweise auf die Verarbeitung von Sprache mithilfe von NLP konzentrieren, integrieren andere – sogenannte Vision-KI-Agenten – Computer Vision zur Verarbeitung visueller Daten. Mit fortschrittlichen Computer-Vision-Modellen wie Ultralytics YOLO11 können Vision-KI-Agenten präzisere Bildanalysen durchführen.

Abb. 2. Ein Beispiel für das Zählen von Äpfeln in einem Bild mit YOLO11.

Vision-KI-Agenten in selbstfahrenden Autos#

Betrachten wir selbstfahrende Autos als Beispiel, um zu sehen, wie Vision-KI-Agenten die oben beschriebenen drei grundlegenden Schritte durchlaufen:

• Wahrnehmung: Vision-KI-Agenten in selbstfahrenden Autos sammeln visuelle Daten von Kameras und Sensoren, die im Fahrzeug installiert sind. Diese Daten umfassen Bilder und Videos der Umgebung, darunter andere Fahrzeuge, Fußgänger, Ampeln und Verkehrsschilder.
• Entscheidungsfindung: Der KI-Agent verarbeitet diese visuellen Daten mithilfe von Modellen wie Ultralytics YOLO11. Er erkennt Objekte wie Autos und Fußgänger, erfasst Hindernisse oder plötzliche Spurwechsel und erkennt Muster wie den Verkehrsfluss und den Status von Ampeln. Dadurch kann das Auto die Straßenbedingungen in Echtzeit verstehen.
• Handlung: Auf Grundlage seiner Analyse ergreift der KI-Agent Maßnahmen, etwa indem er zur Vermeidung eines Hindernisses lenkt, die Geschwindigkeit anpasst oder an einer roten Ampel anhält. Diese Entscheidungen werden schnell getroffen, um sicheres und effizientes Fahren zu gewährleisten.

Die selbstfahrenden Autos von Waymo sind ein hervorragendes Beispiel für diese Technologie. Sie nutzen Vision-KI-Agenten, um ihre Umgebung zu verstehen, in Echtzeit Entscheidungen zu treffen und sich ohne menschliches Zutun sicher und effizient auf Straßen zu bewegen.

Abb. 3. Selbstfahrendes Taxi von Waymo mit KI-Agent.

Arten von Vision-KI-Agenten#

Nachdem wir gesehen haben, wie KI-Agenten funktionieren und wie sie Computer Vision nutzen, betrachten wir nun die verschiedenen Arten von KI-Agenten. Jede Art ist für bestimmte Aufgaben ausgelegt – von einfachen Aktionen bis hin zu komplexeren Entscheidungs- und Lernprozessen.

Einfache reaktive Agenten#

Einfache reaktive Agenten sind die grundlegendste Art von KI-Agenten. Sie reagieren auf bestimmte Eingaben mit vorab definierten Aktionen, die ausschließlich auf der aktuellen Situation basieren, ohne vergangene Ereignisse oder zukünftige Folgen zu berücksichtigen. Typischerweise verwenden diese Agenten einfache „Wenn-dann“-Regeln, um ihr Verhalten zu steuern.

Bei der Bildanalyse könnte ein einfacher reaktiver Agent so programmiert sein, dass er eine bestimmte Farbe, etwa Rot, erkennt und sofort eine Aktion auslöst, beispielsweise rote Objekte hervorhebt oder zählt. Für einfache Aufgaben kann das funktionieren, in komplexeren Umgebungen stoßen solche Agenten jedoch an ihre Grenzen, da sie aus früheren Erfahrungen weder lernen noch sich an sie anpassen.

Modellbasierte reaktive Agenten#

Modellbasierte reaktive Agenten sind fortschrittlicher als einfache reaktive Agenten, da sie ein internes Modell ihrer Umgebung verwenden, um die Situation besser zu verstehen. Dieses Modell ermöglicht es ihnen, mit fehlenden oder unvollständigen Informationen umzugehen und fundiertere Entscheidungen zu treffen.

Nehmen wir als Beispiel KI-gestützte Sicherheitskamerasysteme. Darin integrierte Vision-KI-Agenten können Computer Vision nutzen, um in Echtzeit zu analysieren, was geschieht. Sie können Bewegungen und Aktionen mit einem Modell normalen Verhaltens vergleichen. Dadurch erkennen sie ungewöhnliche Aktivitäten wie Ladendiebstahl und markieren potenzielle Sicherheitsbedrohungen genauer.

Abb. 4. Ein Beispiel für die Erkennung von Diebstahl mithilfe von Computer Vision.

Nutzenbasierte Agenten#

Betrachte eine nutzenbasierte Drohne, die zur Überwachung von Anbauflächen eingesetzt wird. Sie passt ihre Flugroute an, um mehr Fläche abzudecken und gleichzeitig Hindernissen auszuweichen, und wählt die beste Route für die Aufgabe. Das bedeutet, dass die Drohne mehrere mögliche Aktionen bewertet, etwa welcher Bereich priorisiert oder wie effizient navigiert werden soll, und diejenige auswählt, die ihre Wirksamkeit maximiert.

Ebenso sind nutzenbasierte Agenten darauf ausgelegt, aus mehreren Optionen die beste Aktion auszuwählen, um den größtmöglichen Nutzen oder das beste Ergebnis zu erzielen. Dafür entwickelte Vision-KI-Agenten können verschiedene visuelle Eingaben wie Bilder oder Sensordaten verarbeiten und analysieren und auf Grundlage vordefinierter Kriterien das nützlichste Ergebnis auswählen.

Abb. 5. Nutzenbasierte Drohnen können zur Überwachung von Anbauflächen eingesetzt werden.

Zielbasierte Agenten#

Zielbasierte Agenten ähneln nutzenbasierten Agenten, da beide bestimmte Ziele erreichen sollen. Zielbasierte Agenten konzentrieren sich jedoch ausschließlich auf Aktionen, die sie ihrem festgelegten Ziel näherbringen. Sie bewerten jede Aktion danach, wie sie zur Erreichung ihres Ziels beiträgt, ohne andere Faktoren wie den Gesamtnutzen oder Zielkonflikte abzuwägen.

Beispielsweise arbeitet ein selbstfahrendes Auto als zielbasierter Agent, wenn es das Ziel hat, einen bestimmten Ort zu erreichen. Es verarbeitet Daten von KI-Kameras und Sensoren, um Entscheidungen zu treffen, etwa Hindernissen auszuweichen, Verkehrssignale zu beachten und die richtigen Abbiegungen zu wählen, um auf Kurs zu bleiben. Diese Entscheidungen richten sich vollständig danach, wie gut sie mit dem Ziel übereinstimmen, den Zielort sicher und effizient zu erreichen. Anders als nutzenbasierte Agenten konzentrieren sich zielbasierte Agenten ausschließlich auf die Zielerreichung und berücksichtigen keine zusätzlichen Kriterien wie Effizienz oder Optimierung.

Abb. 6. Ein selbstfahrendes Auto, das mithilfe von Computer Vision Objekte in seiner Umgebung erkennt.

Lernende Agenten#

Wenn du mit Computer Vision vertraut bist, hast du vielleicht schon von Feinabstimmung gehört – einem Verfahren, bei dem sich Modelle durch das Lernen aus neuen Daten verbessern. Lernende Agenten funktionieren auf ähnliche Weise: Sie passen sich im Laufe der Zeit an und verbessern sich, während sie Erfahrungen sammeln. In Anwendungen wie der visuellen Qualitätskontrolle werden diese Agenten mit jeder Prüfung besser darin, Fehler zu erkennen. Diese Fähigkeit, ihre Leistung weiter zu verfeinern, ist besonders in Bereichen wie der Luftfahrt von entscheidender Bedeutung, in denen Sicherheit und Präzision unerlässlich sind.

Hierarchische Agenten#

Hierarchische Agenten vereinfachen komplexe Aufgaben, indem sie sie in kleinere, leichter zu bewältigende Schritte unterteilen. Ein Agent auf höherer Ebene überwacht den Gesamtprozess und trifft strategische Entscheidungen, während Agenten auf niedrigerer Ebene bestimmte Aufgaben übernehmen. Bei Abläufen mit mehreren Schritten und detaillierter Ausführung ist dieses Vorgehen effizienter.

In einem automatisierten Lager könnte beispielsweise ein Roboter auf höherer Ebene den Sortierprozess planen und entscheiden, welche Artikel in welche Bereiche gebracht werden sollen. Gleichzeitig konzentrieren sich Roboter auf niedrigerer Ebene mithilfe von Computer Vision auf die Identifizierung der Artikel, analysieren Merkmale wie Größe, Form oder Etiketten und sortieren sie in die richtigen Behälter. Eine klare Aufteilung der Zuständigkeiten trägt zu einem reibungslosen Betrieb des Systems bei.

Abb. 7. Ein Beispiel für einen robotischen KI-Agenten beim Sortieren von Paketen.

So beginnst du mit der Entwicklung eines Vision-KI-Agenten#

Das Kernstück eines KI-Agenten mit visuellen Fähigkeiten ist ein Computer-Vision-Modell. Eines der neuesten und zuverlässigsten heute verfügbaren Computer-Vision-Modelle ist Ultralytics YOLO11. YOLO11 ist für seine Effizienz und Genauigkeit in Echtzeit bekannt und daher ideal für Computer-Vision-Aufgaben geeignet.

Die Entwicklung deines eigenen KI-Agenten mit den Funktionen von Ultralytics YOLO11 umfasst folgende Prozesse:

• Bereite einen Datensatz vor: Sammle und verarbeite beschriftete Bilder vor, die für die Aufgabe relevant sind, die dein KI-Agent ausführen soll.

• Trainiere das Modell individuell: Trainiere Ultralytics YOLO11 speziell mit deinem Datensatz, um Genauigkeit und Leistung für deine individuelle Anwendung zu verbessern.

• Integriere es in ein Entscheidungsframework: Verbinde das trainierte Modell mit einem System, das dem KI-Agenten ermöglicht, auf Grundlage visueller Eingaben Entscheidungen zu treffen.

• Teste und verfeinere: Stelle den KI-Agenten bereit, teste seine Leistung, sammle Feedback und passe das Modell an, um Genauigkeit und Zuverlässigkeit zu verbessern.

Wichtige Erkenntnisse#

KI-Agenten, die in Computer Vision integriert sind – Vision-KI-Agenten – verändern Branchen, indem sie Aufgaben automatisieren, Prozesse beschleunigen und die Entscheidungsfindung verbessern. Von intelligenten Städten, die den Verkehr steuern, bis hin zu Sicherheitssystemen mit Gesichtserkennung bringen diese Agenten neue Lösungen für alltägliche Probleme.

Sie können außerdem im Laufe der Zeit weiterlernen und sich verbessern, wodurch sie in sich verändernden Umgebungen nützlich sind. Mit Tools wie Ultralytics YOLO11 lassen sich diese KI-Agenten einfacher erstellen und einsetzen, was zu intelligenteren und effizienteren Lösungen führt.

Tritt unserer Community bei und sieh dir unser GitHub-Repository an, um mehr über KI zu erfahren. Entdecke auf unseren Lösungsseiten verschiedene Anwendungen von Computer Vision im Gesundheitswesen und KI in der Landwirtschaft. Sieh dir die verfügbaren Lizenzoptionen an, um loszulegen!