
Die Objektdokumentation revolutionieren: Wie wir Mobiltelefone und Apple Vision Pro für die Inspektion von Luftfahrtteilen einsetzen
Wie Laan Labs mit Spatial Computing und KI für Rapid Inspection & Documentation (RID) verändert, wie Branchen kritische Objekte dokumentieren, inspizieren und gemeinsam bearbeiten.
Die Herausforderung: Dokumentation im großen Maßstab mit RID
Jede Branche steht vor derselben grundlegenden Herausforderung: Wie dokumentiert und inspiziert man physische Objekte schnell und gibt Informationen darüber weiter? Ob ein Schadensregulierer einen Schaden beurteilt, ein Ingenieur Flugzeugteile inspiziert oder ein Filmteam einen Dreh plant, die Fragen bleiben stets dieselben: Wo ist es? Was ist es? In welchem Zustand ist es?
Herkömmliche Dokumentationsmethoden sind quälend langsam, fehleranfällig und erzeugen Informationssilos, die sich nur schwer teilen lassen. Prüfer machen in der Regel Hunderte von Fotos, schreiben Berichte von Hand und verlassen sich auf ihr Gedächtnis, um Beobachtungen über mehrere Besuche hinweg zu verknüpfen. Wichtige Details gehen verloren, handschriftliche Notizen werden unleserlich, und die Weitergabe von Ergebnissen an entfernte Teams erfordert stundenlange Berichterstellung.
Wir arbeiten seit Jahren mit AR/VR/XR und haben beobachtet, wie sich die Technologie vom Experiment zur Notwendigkeit entwickelt hat. Mit dem Zusammentreffen von mobiler Rechenleistung, Computer Vision, Spatial-Computing-Plattformen wie Apple Vision Pro und moderner multimodaler KI können wir das Versprechen von Rapid Inspection & Documentation (RID) endlich einlösen.
Laan Labs verändert die Objektdokumentation in allen Branchen mit Spatial Computing und KI, von der Inspektion von Luftfahrtteilen bis zu Versicherungsschäden, und macht umfassende Dokumentation für alle zugänglich.
Was ist RID?
RID (Rapid Inspection & Documentation) ist unser systematischer Ansatz, Informationen über physische Objekte zu erfassen, zu speichern und gemeinsam zu bearbeiten. Es entstand aus langjähriger Erfahrung in der Entwicklung von Computer-Vision- und AR-Anwendungen, die Millionen von Menschen nutzen, und bildet den Höhepunkt der Fortschritte bei mobilen Sensoren, Spatial Computing und künstlicher Intelligenz.
Die Entwicklung von RID
Herkömmliche Inspektionsabläufe waren zersplittert: Fotos aufnehmen, Seriennummern von Hand abschreiben, separate Berichte verfassen und hoffen, dass nichts übersehen wurde. RID vereint dies in einem einzigen, intelligenten Workflow, in dem die KI die schwere Arbeit übernimmt.
Es geht nicht nur darum, Fotos aufzunehmen. Es geht darum, einen umfassenden, KI-gestützten digitalen Zwilling zu erstellen, der Folgendes verbindet:
- Hochauflösende 2D-Bilder mit 3D-Positionsdaten: erfasst den räumlichen Kontext automatisch
- Automatisierte Textextraktion und OCR: liest Seriennummern, Beschriftungen und Beschilderung auch unter schwierigen Bedingungen
- Multimodale LLM-Analyse: moderne Vision-Language-Modelle, die Bilder verstehen, Defekte erkennen und detaillierte Berichte erstellen können
- Immersive XR-Prüfung: gemeinsame Prüfung und Zusammenarbeit in Spatial-Computing-Umgebungen
Der RID-Vorteil
Transformativ wird RID durch die Integration moderner multimodaler Large Language Models. Diese KI-Systeme können:
- Teile und Komponenten anhand von Bildern identifizieren, ohne auf bestimmte Objekte vortrainiert zu sein
- Defekte, Korrosion, Schäden und Verschleißmuster erkennen
- Text aus mehreren Blickwinkeln extrahieren und zusammenführen (und lösen so das Problem der unvollständigen OCR)
- Umfassende Inspektionsberichte in natürlicher Sprache erstellen
- Fragen zum Zustand von Objekten anhand visueller Belege beantworten
- Den aktuellen Zustand mit früherer Dokumentation vergleichen
Das Schöne an RID ist seine Vielseitigkeit. Wir sehen den Einsatz in vielen Branchen:
- Architektur und Planung: Erstellung digitaler Zwillinge und Renovierungspläne
- Fertigung: Dokumentation des Zustands von Anlagen
- Versicherung: Schadensdokumentation und Objektprüfungen
- Film und VFX: Produktionsplanung und Previsualisierung
- Immobilien: virtuelle Rundgänge und Objektverwaltung
- Schifffahrt und Logistik: Frachtverwaltung und Angebotserstellung
Fallstudie: Dokumentation von Luftfahrtteilen
Um die Möglichkeiten von RID zu zeigen, betrachten wir ein aktuelles Projekt zur Dokumentation ausgemusterter Luftfahrtteile zur Wiederverwendung, konkret von Fahrwerken des Airbus A318.
Die Herausforderung
Vom A318 wurden nur wenige Exemplare gebaut (zwischen 2001 und 2013 rund 80 Flugzeuge), doch viele sind weiterhin im Einsatz, sodass fortlaufend Bedarf an Ersatzteilen besteht. Die Herausforderung: Wie dokumentiert man den Zustand komplexer Teile fortlaufend, solange das Flugzeug noch im Einsatz ist, und stellt so für die spätere Wiederverwendung genaue Informationen sicher?
Unsere Lösung
Mit nur einem iPhone mit LiDAR können Servicetechniker vor Ort jetzt Folgendes tun:
- Ground-Truth-Daten erfassen: umfassende Datensätze erstellen, darunter RGB-Bilder mit Posendaten, Tiefeninformationen, GPS-Koordinaten und Anmerkungen vor Ort
- 3D-Rekonstruktion in Echtzeit: genaue 3D-Modelle aus 2D-Bildern direkt auf dem Gerät erzeugen
- KI-gestützte visuelle Inspektion: Moderne LLMs analysieren Bilder, um
- Teilenummern und Seriencodes aus Fotografien zu lesen, auch bei schrägen und teilweise verdeckten Kennzeichnungen, damit ein Techniker sie bestätigen kann
- Oberflächendefekte, Korrosion, Risse und Verschleißmuster zu erkennen
- den Zustand von Komponenten zu beurteilen und mögliche Sicherheitsbedenken zu markieren
- detaillierte Inspektionsberichte automatisch zu erstellen
- Intelligente OCR und Textzusammenführung: Unsere Integration multimodaler LLMs ist besonders gut darin, unvollständigen Text zu verarbeiten und Informationen aus mehreren Blickwinkeln zusammenzuführen. Damit lösen wir klassische Computer-Vision-Probleme, an denen frühere OCR-Systeme scheiterten.
- Oberflächenanmerkungen: bestimmte Bereiche direkt auf 3D-Modellen zur Prüfung oder Zusammenarbeit markieren
- Dialogbasierte Analyse: Fragen zum Objekt stellen („Zeige mir alle Hydraulikkomponenten“ oder „In welchem Zustand ist die Bremseinheit?“) und KI-gestützte Antworten erhalten, die auf den erfassten visuellen Daten beruhen
Das Ergebnis ist eine Dokumentation, die in einem einzigen Durchgang mit einem Telefon erfasst wird und konsistenter und vollständiger ist als Notizen und lose Fotografien, weil jedes Bild und jede Feststellung mit ihrer Stelle am Bauteil verknüpft ist.
Moderne LLMs: Die Intelligenz hinter RID
Der Durchbruch bei den Fähigkeiten von RID kommt von der Integration modernster multimodaler Large Language Models, die Bilder detailliert beschreiben und darüber schlussfolgern können. In RID ist ihr Ergebnis ein Vorschlag: Jede Feststellung wird von einem qualifizierten Ingenieur geprüft und bestätigt, bevor sie festgehalten wird. Unsere Plattform nutzt mehrere LLM-Anbieter, um sie für unterschiedliche Inspektionsszenarien zu optimieren:
Vision-Language-Modelle im Produktiveinsatz
Unsere RID-Plattform integriert modernste multimodale Modelle führender KI-Anbieter, darunter OpenAI, Anthropic Claude und Google Gemini, und ermöglicht damit Funktionen wie:
- Komplexes Schlussfolgern über visuelle Defekte und Auffälligkeiten
- Vergleich mehrerer Bilder, um Veränderungen im Zeitverlauf zu erkennen
- Erstellung detaillierter, kontextbezogener Inspektionsberichte
- Verständnis räumlicher Beziehungen zwischen Komponenten
- Analyse technischer Dokumentation
- Überlegene Leistung bei der Extraktion unvollständigen Texts aus schwierigen Blickwinkeln
- Umfassende Berichterstellung mit strukturierten Ausgaben
Individuell feinabgestimmte Modelle
Über diese Basismodelle hinaus haben wir spezialisierte Varianten entwickelt:
Modelle zur Defekterkennung: auf branchenspezifischen Datensätzen feinabgestimmt, um Folgendes zu erkennen:
- Korrosionsmuster an Luftfahrtkomponenten
- Strukturschäden an Gebäuden und Infrastruktur
- Verschleißindikatoren an mechanischen Systemen
- Oberflächengüte in der Fertigung
Modelle zur Teileidentifikation: individuell trainiert, um Folgendes zu erkennen:
- Bestimmte Flugzeugkomponenten und Baugruppen
- Fertigungsanlagen und Werkzeuge
- Gebäudesysteme und HVAC-Komponenten
- Fahrzeugteile und Baugruppen
Modelle zur OCR-Verbesserung: spezialisiert auf:
- Das Lesen beschädigter oder abgenutzter Seriennummern
- Die Textextraktion von gekrümmten oder reflektierenden Oberflächen
- Das Zusammenführen unvollständiger Textfragmente aus mehreren Bildern
- Den Umgang mit schlechter Beleuchtung und schwierigen Erfassungsbedingungen
Der Multimodell-Ansatz
Unsere RID-Plattform leitet Inspektionsaufgaben intelligent an das jeweils am besten geeignete KI-Modell weiter, je nach Anwendungsfall: sicherheitskritische Inspektionen, die höchste Genauigkeit erfordern, umfangreiche Dokumentation, die schnelle Verarbeitung braucht, spezialisierte Erkennung mit individuell feinabgestimmten Modellen oder Analyse in Echtzeit vor Ort für unmittelbares Feedback an Techniker.
Diese Flexibilität sichert für jedes Szenario optimale Leistung, Kosten und Genauigkeit. Nutzer können das bevorzugte Modell auch manuell wählen, je nach konkreten Anforderungen oder Compliance-Vorgaben.
Praktische Auswirkungen
Die Integration dieser LLMs verändert Inspektionsabläufe:
- Automatisierte Berichterstellung: Was früher Stunden manuellen Schreibens kostete, geschieht jetzt in Sekunden, mit umfassender Analyse, gestützt auf visuelle Belege
- Konsistenz: Jede Inspektion durchläuft dieselbe Checkliste und dieselben Prompts, was die Abweichungen zwischen Prüfern verringert; das Urteil des Ingenieurs bleibt der letzte Schritt
- Zugänglichkeit: Auch Nicht-Experten können mit KI-Unterstützung detaillierte technische Inspektionen durchführen
- Verbesserung im Zeitverlauf: Geprüfte Inspektionen liefern Beispiele, um Prompts zu verfeinern und neue Modelle zu bewerten; die Modelle lernen nicht automatisch aus der Nutzung
Der Technologie-Stack
Unsere RID-Pipeline nutzt modernste Technologien im gesamten Workflow:
- Mobile Erfassung: iOS-Geräte mit LiDAR zur Tiefenerfassung und Posenverfolgung
- Computer Vision: individuelle ML-Modelle für Objekterkennung, Szenenanalyse und räumliche Rekonstruktion
- Integration multimodaler LLMs:
- OpenAI-Modelle für Vision-Language-Verständnis
- Anthropic Claude für technische Analysen
- Google Gemini für die Verarbeitung großer Mengen
- Individuell feinabgestimmte Modelle für domänenspezifische Inspektionsaufgaben
- Spatial Computing: Apple Vision Pro für immersive Prüfung und Zusammenarbeit
- Cloud-Verarbeitung: skalierbares Backend für die Erzeugung von Gaussian Splats, 3D-Rekonstruktion und verteilte KI-Inferenz
- Datenbank und Speicher: optimiert für räumliche Daten, Versionierung und kollaborative Workflows
Apple Vision Pro: Ein Wendepunkt für die Zusammenarbeit über Distanz
Die Apple Vision Pro hat verändert, wie entfernte Teams an physischen Objekten zusammenarbeiten. Ingenieure können Teile jetzt von jedem Ort der Welt in hoher Wiedergabetreue prüfen, wobei die hochauflösenden Displays des Geräts feine Details für Inspektionsaufgaben zeigen.
In Kombination mit unserer LLM-gestützten Analyse können Teams:
- 3D-Rekonstruktionen mit KI-generierten Anmerkungen ansehen, die kritische Bereiche hervorheben
- Fragen in natürlicher Sprache zum Zustand von Objekten stellen, während sie im räumlichen Modell eintauchen
- KI-generierte Inspektionsberichte neben der tatsächlichen 3D-Geometrie prüfen
- mit entfernten Teammitgliedern zusammenarbeiten, die in Echtzeit dieselben KI-Erkenntnisse sehen
Wir haben sogar AirDraw entwickelt, eine räumliche Zeichen-App, die diese Fähigkeiten vorführt und Nutzern hilft, das Potenzial von Spatial Computing für kreative und technische Anwendungen zu verstehen.
Ausblick
RID ist mehr als eine technische Leistung: Es ist ein grundlegender Wandel in der Art, wie Organisationen über die Dokumentation physischer Objekte denken. Indem wir die Allgegenwart mobiler Geräte mit der Leistungsfähigkeit von Spatial Computing und KI verbinden, machen wir umfassende Dokumentation für alle zugänglich.
Das Zusammentreffen der Technologien, das wir heute erleben, also verbesserte mobile Sensoren, leistungsstarke Verarbeitung auf dem Gerät, cloudbasierte KI und immersive Displays, eröffnet Möglichkeiten, von denen wir vor wenigen Jahren nur träumen konnten. Während sich diese Technologien weiterentwickeln, setzen wir uns dafür ein, die Grenzen des Möglichen in Spatial Computing und Computer Vision zu erweitern.
Über dieses Projekt
Diese Arbeit ist der Höhepunkt von fast 20 Jahren Entwicklung mobiler, AR- und Spatial-Computing-Software. Mit mehr als 70 Millionen App-Downloads und mehreren Platz-1-Rankings im App Store (darunter Apps wie 3D Scanner App, Face Swap Live und iVideoCamera) wissen wir, was nötig ist, um komplexe Technologie zugänglich und nützlich zu machen.
Möchten Sie mehr darüber erfahren, wie RID Ihre Dokumentationsabläufe verändern könnte? Kontaktieren Sie uns unter labs@laan.com oder besuchen Sie laan.com.
Eingesetzte Technologien
Computer Vision, Neuronale Netze, LLM-Integration, Spatial Computing, Apple Vision Pro, Mobiles LiDAR, Gaussian Splatting, OCR, Cloud-Dienste
Zusammenarbeit mit Laan Labs
Spatial Computing: AR-, VR- & Headset-Entwicklung
Apps, die die physische Welt verstehen und darstellen, auf Apple Vision Pro, Meta Quest, Android XR, Smartglasses, Smartphones und im Web.
Diesen Artikel herunterladen
Markdown-Quelltext zum Offline-Lesen herunterladen



