Zukünftige Trends in der Objekterkennung: 7 wichtige Entwicklungen im Blick behalten

Robotaxis sind inzwischen auf den Straßen von San Francisco unterwegs, und die Menschen sind im Alltag vom Suchen nach Antworten im Internet zum Chatten mit KI übergegangen. Diese Veränderungen machen deutlich, dass künstliche Intelligenz (AI) sich schneller denn je entwickelt und zu einem Teil des täglichen Lebens wird.

Ein Bereich, der sich beispielsweise unglaublich schnell weiterentwickelt, ist die Technologie der Computer Vision. Sie wird auch als Vision AI bezeichnet und ist ein Teilgebiet der AI, das Maschinen dabei unterstützt, visuelle Daten zu interpretieren und zu verstehen.

Computer Vision ist bereits überall zu finden – von automatisierten Kassen bis hin zu Drohnen, die Stromleitungen inspizieren. Im Zentrum vieler dieser Systeme steht die Objekterkennung, eine zentrale Aufgabe der Computer Vision, die es Maschinen ermöglicht, bestimmte Objekte in Bildern und Videos zu erkennen und zu lokalisieren.

Mit der zunehmenden Verbreitung von AI steigt auch die Nachfrage nach schneller und präziser Objekterkennung. Vision-AI-Modelle wie Ultralytics YOLO11 und das kommende Ultralytics YOLO26 wurden genau dafür entwickelt und machen die Objekterkennung in Echtzeit zuverlässiger und zugänglicher denn je.

Abb. 1. Beispiel für den Einsatz von Ultralytics YOLO11 zur Objekterkennung.

Durch diese rasanten Fortschritte entwickelt sich das Fachgebiet schnell weiter, und mehrere neue Trends prägen das Erscheinungsbild der nächsten Generation der Objekterkennung. In diesem Artikel sehen wir uns sieben wichtige Trends an, die die Zukunft der Objekterkennung bestimmen.

So funktioniert die Objekterkennung#

Bevor wir uns mit zukünftigen Trends in der Objekterkennung befassen, werfen wir zunächst einen Blick darauf, was Objekterkennung ist, wie sie im Hintergrund funktioniert und wie sie sich im Laufe der Jahre entwickelt hat.

Die Objekterkennung ist ein wichtiger Bestandteil der Computer Vision. Sie ermöglicht es AI-Systemen, den Inhalt eines Bildes zu erkennen und genau zu bestimmen, wo sich die einzelnen Objekte befinden. Dafür werden Modelle mit großen, beschrifteten Datensätzen trainiert, die Objekte unter vielen verschiedenen Bedingungen zeigen, etwa aus unterschiedlichen Blickwinkeln, bei variierender Beleuchtung, in verschiedenen Größen und Anordnungen.

Mit der Zeit erfasst das Modell die Muster und visuellen Merkmale, die ein Objekt von einem anderen unterscheiden. Nach dem Training können Vision-AI-Modelle wie Ultralytics YOLO ein vollständiges Bild in einem einzigen Durchlauf analysieren, sofort Begrenzungsrahmen zeichnen und Beschriftungen zuweisen. Diese Geschwindigkeit und Genauigkeit machen die Objekterkennung für Anwendungen in der realen Welt so wirkungsvoll.

Abb. 2. Erkennung eines Röntgenbilds mit einem YOLO11-Modell. (Quelle)

Ein praktisches Anwendungsbeispiel für Objekterkennung#

Beispielsweise nutzen Unternehmen wie Prezent bei der Dokumentenanalyse die Objekterkennung, um die anspruchsvolle Neugestaltung von Präsentationsfolien zu automatisieren. Traditionell erforderte dieser Prozess stundenlange manuelle Anpassungen: Titel identifizieren, Textfelder neu positionieren, Bilder ausrichten und Diagramme neu erstellen – und das alles bei gleichzeitigem Erhalt eines übersichtlichen, einheitlichen Layouts.

Indem jede Folie in ein Bild umgewandelt wird, können Ultralytics-YOLO-Modelle Titel, Textfelder, Bilder und Diagramme erkennen und dabei die ursprüngliche Struktur bewahren. Dadurch erhält das System ein genaues Verständnis davon, wie die einzelnen Elemente angeordnet sind. Mit diesen Informationen kann der gesamte Prozess der Neugestaltung, der früher langsam und mühsam war, nun in wenigen Sekunden automatisiert werden.

Die Entwicklung der Objekterkennung in der Computer Vision#

Hier siehst du einen kurzen Überblick darüber, wie sich die Objekterkennung im Laufe der Jahre entwickelt hat:

• Die Anfänge (1960er–1970er): Die frühen Methoden der Objekterkennung stammten aus der klassischen Bildverarbeitung und beruhten häufig auf dem Mustervergleich. Dabei verglichen Computer Bildausschnitte (Pixel) mit vordefinierten Referenzmustern oder Vorlagen, um nach Ähnlichkeiten zu suchen. Da diese Vorlagen festgelegt waren und sich nicht an Veränderungen anpassen konnten, funktionierte die Methode nur unter idealen Bedingungen. Bereits geringe Abweichungen bei Beleuchtung, Maßstab, Drehung oder Erscheinungsbild des Objekts reichten aus, um sie scheitern zu lassen.

• Merkmalsbasierte Erkennung (1990er–2000er): Anschließend wandten sich Forschende der Idee manuell entwickelter Merkmale und der Merkmalsextraktion zu. Dabei legten Menschen von Hand fest, nach welchen visuellen Hinweisen ein Computer suchen sollte, etwa Kanten, Ecken, Formen oder Helligkeitsänderungen. Techniken wie Haar-Kaskaden (ein Verfahren zur Suche nach einfachen visuellen Mustern, das häufig zur Gesichtserkennung eingesetzt wird) und HOG (eine Technik, die die Richtung von Kanten und Umrissen in einem Bild erfasst), die häufig mit SVM-Klassifikatoren (einem Modell des maschinellen Lernens zur Einteilung von Objekten in Kategorien) kombiniert wurden, machten die Objekterkennung genauer und schneller. Trotz dieser Verbesserungen hatten die Systeme weiterhin Schwierigkeiten, schnell genug für den Echtzeitbetrieb zu arbeiten.

• Die Revolution der Deep-Learning-Modelle (2010er): Deep Learning und faltende neuronale Netze (CNNs), also Modelle, die visuelle Muster erlernen, indem sie Bilder jeweils in kleinen Bereichen analysieren, definierten die Objekterkennung neu. Modelle wie R-CNN, Fast R-CNN und Faster R-CNN erlernten visuelle Muster direkt aus großen Datenmengen. Dies führte zu sehr genauen Ergebnissen, doch diese Modelle hatten weiterhin mit Latenzproblemen zu kämpfen.

• Echtzeiterkennung mit YOLO (Mitte der 2010er): YOLO (You Only Look Once) stellte einen bedeutenden Durchbruch in der Objekterkennung dar, da das Modell alle Begrenzungsrahmen und Klassenbezeichnungen in einem einzigen Durchlauf durch das Netzwerk vorhersagt. Dieser einheitliche Ansatz erhöhte die Erkennungsgeschwindigkeit drastisch und ebnete den Weg für Echtzeitanwendungen. Etwa zur gleichen Zeit verbesserten auch andere Modelle mit einstufiger Erkennung wie SSD (Single Shot Detector) die Leistung, indem sie Schritte zur Generierung von Regionen entfernten und die Objekterkennung dadurch schneller und effizienter machten.

• Neuere Fortschritte (2020er): Dank erheblicher Verbesserungen beim Modelldesign und bei der Optimierung brachten die 2020er-Jahre schnellere und genauere Objekterkennungssysteme und -Frameworks auf dem neuesten Stand der Technik hervor. Ultralytics YOLO11 führte architektonische Verbesserungen ein, die Verarbeitungsgeschwindigkeit, Genauigkeit und die allgemeine Echtzeitleistung steigerten. Aufbauend auf dieser Entwicklung bietet das kommende YOLO26 ein noch effizienteres und leichteres Design und eignet sich dadurch für eine große Bandbreite praktischer Anwendungen.

7 Trends in der Objekterkennung, die die Zukunft prägen#

Sehen wir uns nun sieben neue Trends in der Objekterkennung an, die zunehmend Aufmerksamkeit erhalten und in der Computer-Vision-Welt für Gesprächsstoff sorgen.

1. Intelligentere Aufgaben der Objekterkennung mit Edge Computing#

Herkömmliche manuelle Prüfungen können Produktionslinien verlangsamen und übersehene Fehler begünstigen. Deshalb setzen viele Unternehmen auf AI-gestützte Systeme zur Qualitätskontrolle, die Objekterkennung verwenden.

Studien zeigen tatsächlich, dass eine visuelle Prüfung mit AI die Produktivität deutlich steigern kann – teilweise um bis zu 50 % – und die Erkennungsrate von Fehlern im Vergleich zu manuellen Prüfungen um bis zu 90 % erhöhen kann. Interessanterweise besteht der neue Trend, der in diesem Bereich und bei anderen Vision-AI-Anwendungen für Aufsehen sorgt, darin, dass diese Analyse durch Edge Computing nun direkt auf den Geräten selbst stattfindet.

Beim Edge Computing wird die Intelligenz näher an den Ort verlagert, an dem die Daten erfasst werden. Kameras und Sensoren können Modelle zur Objekterkennung direkt vor Ort ausführen, Objekte sofort erkennen und ihre Position bestimmen, ohne auf eine Verarbeitung in der Cloud angewiesen zu sein. Dadurch können sie Bilder in Echtzeit analysieren.

Außerdem verringert dies Netzwerkverzögerungen, reduziert den Bandbreitenverbrauch und stellt sicher, dass die Systeme auch bei einer instabilen oder nicht verfügbaren Internetverbindung weiterarbeiten. In schnelllebigen Umgebungen wie der Fertigung ermöglicht die Verarbeitung direkt auf dem Gerät schnellere Reaktionen, reibungslosere Abläufe und deutlich zuverlässigere Ergebnisse.

2. Diagnostik im Gesundheitswesen mit Vision AI#

Ärztinnen und Ärzte verbringen häufig viel Zeit damit, medizinische Bilder zu prüfen, um sicherzustellen, dass nichts übersehen wird. Heutzutage beginnen viele Krankenhäuser, modernste Technologien zur Objekterkennung zu untersuchen, um diesen Prozess zu beschleunigen. Dies spiegelt einen umfassenderen Trend im Gesundheitswesen wider: Vision AI wird zunehmend eingesetzt, um eine frühere Erkennung, schnellere Diagnosen und eine konsistentere Bildanalyse zu unterstützen.

Mit der Objekterkennung lassen sich möglicherweise relevante Bereiche schnell hervorheben, was die Entscheidungsfindung verbessert und zu besseren Behandlungsergebnissen beitragen kann. Modelle wie Ultralytics YOLO11 können Ärztinnen und Ärzten beispielsweise dabei helfen, Hirntumoren in MRT-Aufnahmen zu erkennen.

Abb. 3. Erkennung und Lokalisierung von Hirntumoren mithilfe von Ultralytics YOLO11. (Quelle)

Da Ultralytics YOLO11 subtile Muster in MRT-Aufnahmen erkennen kann, hilft es dabei, kleine oder frühzeitige Tumoren genauer zu identifizieren. Die endgültige Diagnose stellen zwar weiterhin Ärztinnen und Ärzte, doch Werkzeuge wie YOLO11 können die Untersuchung unterstützen, indem sie potenzielle Auffälligkeiten früher hervorheben und dazu beitragen, dass nichts Wichtiges übersehen wird.

3. Autonome Fahrzeuge und Vision in Echtzeit für sicherere Mobilität#

Auf belebten Straßen überwachen selbstfahrende Autos mithilfe von Kameras und Sensoren kontinuierlich ihre Umgebung. Diese Systeme erkennen Fußgänger, Fahrzeuge, Fahrspuren und Verkehrsschilder in Echtzeit. Mithilfe von Computer Vision und Algorithmen zur Objekterkennung kann ein autonomes Fahrzeug die Vorgänge in seiner Umgebung interpretieren und sicherere Entscheidungen beim autonomen Fahren treffen.

In Regionen mit vielfältigen Verkehrsmustern und einer Mischung verschiedener Fahrzeuge stehen diese Systeme vor zusätzlichen Herausforderungen. In einer aktuellen Studie wurden beispielsweise Ultralytics YOLOv8-Modelle mit Verkehrsdaten aus Hyderabad und Bangalore evaluiert. Dort teilen sich verschiedenartige Fahrzeuge wie Autos, Busse, Motorräder, Fahrräder und Rikschas die Straße auf dynamische und oft unvorhersehbare Weise.

Die Ergebnisse zeigten, dass Ultralytics YOLOv8 auch in diesen anspruchsvollen Szenarien eine starke Leistung erbrachte und eine große Bandbreite an Objekten selbst unter dichten und unstrukturierten Verkehrsbedingungen präzise erkannte. Dies verdeutlicht einen wachsenden Trend in der autonomen Mobilität: Vision-AI-Modelle werden zunehmend leistungsfähig darin, komplexe Umgebungen der realen Welt zu bewältigen, die automatisierte Systeme einst vor große Herausforderungen stellten.

4. Intelligente Automatisierung und Robotik mit Computer Vision#

Der Umgang mit kleinen Objekten, das Sortieren erkannter Objekte und Materialien oder die Navigation durch unübersichtliche Räume war für Roboter schon immer eine Herausforderung. Diese Aufgaben erfordern schnelle Anpassung und präzise Bewegungen – etwas, womit herkömmliche Automatisierungssysteme in unvorhersehbaren Umgebungen oft Schwierigkeiten haben.

Ein wachsender Trend in der Robotik ist der Einsatz von Vision AI, um Robotern die Fähigkeit zu geben, ihre Umgebung in Echtzeit wahrzunehmen und darauf zu reagieren. Um diese Entwicklung zu untersuchen, entwickelte eine Gruppe von Forschenden kürzlich einen Haushaltsroboter, der Objekte erkennen und sortieren konnte, während er sich durch Innenräume bewegte.

Mithilfe von Modellen wie Ultralytics YOLO11 zur Objekterkennung sowie einer Tiefenkamera und einem flexiblen Greifer konnte der Roboter Gegenstände unterschiedlicher Formen und Größen erkennen und selbstständig an den richtigen Stellen ablegen. Dieses Experiment zeigt, wie die Kombination von Computer Vision und Robotersystemen die räumliche Wahrnehmung und Reaktionsfähigkeit verbessern kann.

Abb. 4. Ein Roboter, der Ultralytics YOLO11 und Tiefenwahrnehmung für intelligente Entscheidungen verwendet. (Quelle)

Außerdem zeigt dies, wie moderne AI-Techniken Robotern helfen, sich an unbekannte Umgebungen anzupassen, indem sie im Laufe der Zeit aus visuellen Mustern lernen. Dank dieser Fortschritte werden Roboter leistungsfähiger und stärker in alltägliche Aufgaben integriert – von der Unterstützung im Haushalt über die Lagerlogistik bis hin zur Unterstützung im Gesundheitswesen.

5. Proaktive Überwachungs- und Sicherheitssysteme#

Intelligente Überwachungssysteme setzen zunehmend künstliche Intelligenz ein, um ungewöhnliche oder unsichere Aktivitäten zu erkennen. Mit Modellen zur Objekterkennung können Kameras potenzielle Probleme in Echtzeit erkennen und Sicherheitsteams sofort alarmieren, was sowohl die Prävention als auch die Reaktion verbessert.

In Produktionsstätten, in denen beispielsweise die Nutzung von Smartphones aus Sicherheitsgründen eingeschränkt ist, können AI-Systeme Telefone automatisch erkennen, sobald sie auftauchen, und ihre Bewegung mithilfe von YOLO und anderen Vision-Modellen verfolgen. Dies spiegelt einen umfassenderen Trend im Sicherheitsbereich wider: Vision AI wird eingesetzt, um Umgebungen proaktiver zu überwachen und schneller auf potenzielle Risiken zu reagieren.

Über die Erkennung hinaus werden diese Systeme zunehmend mit anderen Technologien kombiniert, um eine umfassendere Sicherheitslösung zu schaffen. Edge-Geräte ermöglichen die lokale Verarbeitung von Bildmaterial, wodurch Verzögerungen reduziert und eine zuverlässige Leistung gewährleistet werden. Werkzeuge wie Zutrittskontrollsysteme oder Gesichtserkennung können zusätzlich eine weitere Verifizierungsebene bieten. Zusammen schaffen diese Technologien intelligentere und stärker vernetzte Überwachungsnetzwerke, die schnell und effektiv auf Situationen in der realen Welt reagieren können.

6. Erweiterte Realität und Objekterkennung im Alltag#

In stark frequentierten Lagern und großen Einzelhandelsflächen müssen Beschäftigte häufig viele Aufgaben gleichzeitig erledigen. Erweiterte Realität hilft, indem sie digitale Anweisungen direkt in die reale Welt einblendet. In Kombination mit Objekterkennung können AR-Systeme Gegenstände identifizieren, ihren Standort verfolgen und nützliche Informationen in Echtzeit anzeigen. Dadurch werden alltägliche Aufgaben für die Nutzenden einfacher, schneller und intuitiver.

Ein wachsender Trend in diesem Bereich ist der Einsatz von Vision AI, um alltägliche Geräte in intelligente Assistenten zu verwandeln, die ihre Umgebung verstehen können. Während AR und Objekterkennung weiter zusammenwachsen, beginnen Arbeitsplätze, immersive Werkzeuge einzusetzen, die freihändige Anleitungen und effizientere Arbeitsabläufe unterstützen.

Ein gutes Beispiel sind Amazons AI-gestützte AR-Brillen, die derzeit entwickelt und getestet werden. Diese Brillen nutzen Objekterkennung und Bildklassifizierung, um Pakete zu erkennen, Beschäftigte auf dem richtigen Weg zu führen und Zustellnachweise aufzuzeichnen. Dadurch entsteht eine sicherere, freihändige Arbeitsweise, die Beschäftigten hilft, den ganzen Tag über konzentriert und effizient zu bleiben.

7. IoT-gestützte intelligente Geräte für Vision-Systeme in Echtzeit#

Intelligente Geräte haben sich zu Systemen entwickelt, die ihre Umgebung sehen, verstehen und auf sie reagieren können. Das Internet der Dinge (IoT) treibt diese Entwicklung voran, indem es Kameras, Sensoren, Maschinen und intelligente Apps zu Netzwerken verbindet, die Daten erfassen und in Echtzeit verarbeiten.

Wenn IoT mit Objekterkennung und Edge Computing zusammenarbeitet, können Geräte visuelle Informationen interpretieren, Anomalien erkennen und ohne menschliches Eingreifen sofort reagieren. So entstehen adaptive und effiziente Systeme, die intelligente Wohnungen, Branchen und ganze Städte antreiben.

Eine aktuelle Studie zeigte beispielsweise, wie ein IoT-basiertes System zum Schutz von Wildtieren mithilfe von Ultralytics YOLOv8 Tiere erkennt, die sich landwirtschaftlichen Flächen nähern. Nach der Erkennung nutzt das System AI-gestützte Entscheidungsfindung, um sanfte Abschreckungsmaßnahmen wie Licht oder Geräusche auszulösen und die Tiere sicher wegzuleiten. Dies hilft, Ernteschäden zu verhindern und gleichzeitig ein friedliches Zusammenleben mit der lokalen Tierwelt zu unterstützen. Damit zeigt sich, wie IoT und Computer Vision die Landwirtschaft nachhaltiger machen können.

Weitere interessante Trends im Bereich Vision AI#

Neben diesen sieben Trends in der Objekterkennung gibt es einige weitere bemerkenswerte Entwicklungen, die die Zukunft von Vision AI prägen:

• Forschung zum selbstüberwachten Lernen: Neue Deep-Learning-basierte Methoden ermöglichen es Modellen, nützliche visuelle Merkmale aus großen Mengen unbeschrifteter Bilder zu erlernen. Dadurch können sich Systeme zur Objekterkennung verbessern, ohne stark auf manuelle Annotationen angewiesen zu sein.
• Der Aufstieg der Transformer-basierten Objekterkennung: Transformer werden immer häufiger eingesetzt, weil sie weitreichende Beziehungen innerhalb von Bildern erfassen. Dadurch erhalten Modelle ein besseres Kontextverständnis und können die Erkennungsgenauigkeit verbessern.
• Integration von Light Detection and Ranging (LiDAR) für eine umfassendere 3D-Wahrnehmung: Die Kombination von LiDAR mit kamerabasierter Objekterkennung liefert präzise Tiefeninformationen und verbessert die 3D-Wahrnehmung für Anwendungen wie Navigation, Robotik und autonomes Fahren.

Wichtige Erkenntnisse#

Die Objekterkennung hat sich weit über die grundlegende Bilderkennung hinausentwickelt und wird heute eingesetzt, um intelligente Systeme zu betreiben, die in Echtzeit Entscheidungen treffen können. Mit Blick auf die Zukunft werden künftige Modelle wahrscheinlich eine noch höhere Genauigkeit und ein tieferes Kontextverständnis erreichen. Dadurch kann Vision AI in verschiedensten Branchen noch zuverlässiger und vielseitiger werden. Mit dem weiteren Fortschritt dieser Technologien wird eine neue Generation intelligenterer und anpassungsfähigerer Computer-Vision-Systeme entstehen.

Möchtest du mehr erfahren? Tritt unserer Community bei und sieh dir das GitHub-Repository an, um dich mit anderen aus dem AI-Bereich zu vernetzen. Besuche unsere Lösungsseiten zu AI in der Robotik und Computer Vision für die Landwirtschaft und informiere dich über unsere Lizenzierungsoptionen, um noch heute mit Vision AI zu beginnen.