Verfahren und System zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug

Die Erfindung betrifft ein Verfahren und ein System zum Überprüfen einer optischen

Beanstandung an einem Kraftfahrzeug.

Eine Anzahl von optischen Beanstandungen an Kraftfahrzeugen hat in der Vergangenheit kontinuierlich zugenommen. Optische Beanstandungen sind hierbei insbesondere optische Mängel an dem Kraftfahrzeug, die überwiegend keine funktionellen Einschränkungen bedeuten, sondern vor allem ein Erscheinungsbild des Kraftfahrzeugs beeinträchtigen. Da kundenseitig ein Design und ein optisches Erscheinungsbild des Kraftfahrzeugs in den letzten Jahren im Vergleich zu rein funktionellen Eigenschaften zunehmend an Bedeutung gewinnen, hat sich eine Wahrnehmungsschwelle für optische Mängel zunehmend verringert.

Aus der US 2017/0221110 A1 sind ein Verfahren und eine Vorrichtung zum Schätzen von Kosten eines Unfallschadens an einem Kraftfahrzeug bekannt. Hierbei kommt ein tiefes

Neuronales Netz zum Einsatz, welches auf Grundlage von erfassten Abbildungen des

Unfallschadens eine Teileliste erzeugen kann und auf Grundlage der Teileliste die

Schadenskosten berechnet.

Eine Beurteilung von optischen Beanstandungen an Kraftfahrzeugen ist derzeit jedoch nur unbefriedigend gelöst.

Der Erfindung liegt die Aufgabe zu Grunde, ein Verfahren und ein System zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug zu schaffen, bei der eine Überprüfung der optischen Beanstandung an dem Kraftfahrzeug verbessert durchgeführt werden kann.

Die Aufgabe wird erfindungsgemäß durch ein Verfahren mit den Merkmalen des

Patentanspruchs 1 und eine Vorrichtung mit den Merkmalen des Patentanspruchs 9 gelöst. Vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen.

Insbesondere wird ein Verfahren zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug zur Verfügung gestellt, umfassend die Schritte: Erfassen mindestens einer fotografischen Abbildung der optischen Beanstandung an dem Kraftfahrzeug unter vorgegebenen Bedingungen mittels mindestens einer Kamera, Übermitteln der erfassten mindestens einen fotografischen Abbildung mittels einer Nutzereinrichtung an eine

Überprüfungseinrichtung, Klassifizieren der optischen Beanstandung mittels der

Überprüfungseinrichtung auf Grundlage der übermittelten mindestens einen fotografischen Abbildung, wobei die Überprüfungseinrichtung hierzu ein Verfahren der Künstlichen Intelligenz verwendet, Erzeugen eines Entscheidungssignals auf Grundlage eines

Klassifizierungsergebnisses mittels der Überprüfungseinrichtung, Übermitteln des erzeugten Entscheidungssignals an eine Ausgabeeinrichtung der Nutzereinrichtung, Ausgeben des übermittelten Entscheidungssignals mittels der Ausgabeeinrichtung.

Ferner wird ein System zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug geschaffen, umfassend mindestens eine Nutzereinrichtung mit einer Ausgabeeinrichtung, und eine Überprüfungseinrichtung, wobei die Nutzereinrichtung derart ausgebildet ist, mindestens eine unter vorgegebenen Bedingungen mittels einer Kamera von der optischen Beanstandung an dem Kraftfahrzeug erfasste fotografische Abbildung an die Überprüfungseinrichtung zu übermitteln, und wobei die Überprüfungseinrichtung derart ausgebildet ist, die optische

Beanstandung auf Grundlage der übermittelten mindestens einen fotografischen Abbildung zu klassifizieren und hierzu ein Verfahren der Künstlichen Intelligenz zu verwenden, ein

Entscheidungssignal auf Grundlage eines Klassifizierungsergebnisses zu erzeugen und das erzeugte Entscheidungssignal an die Ausgabeeinrichtung der mindestens einen

Nutzereinrichtung zu übermitteln, wobei die Ausgabeeinrichtung der Nutzereinrichtung derart ausgebildet ist, das übermittelte Entscheidungssignal auszugeben.

Eine optische Beanstandung bezeichnet insbesondere eine Beeinträchtigung des optischen Erscheinungsbildes eines Bauteils des Kraftfahrzeugs, ohne dass ein funktioneller bzw.

technischer Mangel vorliegt.

Beispiele für Bauteile des Kraftfahrzeugs, welche optische Beanstandungen aufweisen können, sind Scheinwerfer (optischer Mangel z.B. in Form eines Kondensats an einer Innenseite des Scheinwerfers), Chrom- oder Schmuckleisten (optischer Mangel z.B. in Form eines Belags), ein Sitzbezug (optischer Mangel z.B. in Form von Falten, Abrieb, Farbschäden etc.) oder

Karosserieteile (optischer Mangel z.B. in Form einer Korrosion oder sonstiger optischer Mängel am Fahrzeuglack).

Ein Verfahren der Künstlichen Intelligenz kann beispielsweise ein trainiertes Künstliches Neuronales Netz, insbesondere ein trainiertes Tiefes Neuronales Netz, verwenden. Ferner kann ein Verfahren der Künstlichen Intelligenz auch ein Bayessches Netz oder sonstige Verfahren des Maschinellen Lernens verwenden. Insbesondere umfasst das Verfahren der Künstlichen Intelligenz ein Mustererkennungsverfahren, bei dem Muster im Hinblick auf einen optischen Mangel in der erfassten mindestens einen fotografischen Abbildung erkannt werden und das Klassifizieren auf Grundlage der erkannten Muster erfolgt.

Ein typisches Anwendungsszenario des Verfahrens und des Systems wird im Folgenden beispielhaft geschildert. Ein Kraftfahrzeugbesitzer stellt an seinem Kraftfahrzeug einen optischen Mangel fest und fährt zu einem Servicedienstleister für das Kraftfahrzeug, beispielsweise einem Händler oder einer Werkstatt. Der optische Mangel ist beispielsweise ein von einer Innenseite her mit einem Kondensat belegter (d.h. beschlagener)

Fahrzeugscheinwerfer. Beim Servicedienstleister beanstandet der Kraftfahrzeugbesitzer den optischen Mangel. Dort wird dann mindestens eine fotografische Abbildung der optischen Beanstandung an dem Kraftfahrzeug unter vorgegebenen Bedingungen (z.B. Beleuchtung, Abstand/Winkel zum Kraftfahrzeug, Auflösung etc.) mittels einer Kamera erfasst. Die erfasste fotografische Abbildung wird mittels einer Nutzereinrichtung, beispielsweise einem

Desktopcomputer, an eine Überprüfungseinrichtung, beispielsweise an einen zentralen Server, übermittelt. Das Übermitteln erfolgt beispielsweise mittels einer Email über das Internet. Die Überprüfungseinrichtung empfängt die übermittelte fotografische Abbildung und klassifiziert die darin abgebildete optische Beanstandung. Hierzu verwendet die Überprüfungseinrichtung ein Verfahren der Künstlichen Intelligenz, beispielsweise ein hierfür trainiertes Künstliches

Neuronales Netz. Auf Grundlage eines Klassifizierungsergebnisses erzeugt die

Überprüfungseinrichtung ein Entscheidungssignal. Da Künstliche Intelligenzen, beispielsweise Künstliche Neuronale Netze, in der Regel lediglich Wahrscheinlichkeiten für das Vorliegen von bestimmten Klassen liefern, wird das Entscheidungssignal beispielsweise auf Grundlage einer Entscheidungslogik bereitgestellt, in der ab Überschreiten eines vorgegebenen

Wahrscheinlichkeitsschwellenwertes (z.B. 85 %) die zum betrachteten Wahrscheinlichkeitswert zugehörige Klasse als Ergebnis bzw. Entscheidungssignal ausgegeben wird. Das

Entscheidungssignal kann das Klassifikationsergebnis umfassen, kann aber auch anders ausgebildet sein und beispielsweise eine Bewertung der optischen Beanstandung bzw. eines beanstandeten optischen Mangels umfassen. Das erzeugte Entscheidungssignal wird an die Nutzereinrichtung zurück übermittelt und dort von einer Ausgabeeinrichtung ausgeben. Beim Servicedienstleister erhält der Kraftfahrzeugbesitzer dann auf Grundlage des ausgegebenen Entscheidungssignals eine Rückmeldung zu seiner optischen Beanstandung. Auf Grundlage des ausgegebenen Entscheidungssignals wird die optische Beanstandung dann entweder behoben, z.B. durch Austausch oder Reparatur des betroffenen Bauteils, oder die optische Beanstandung wird zurückgewiesen.

Der Vorteil der Erfindung ist, dass eine Entscheidung zu einer optischen Beanstandung unabhängig von einer menschlichen Beurteilung ist. Die Klassifikation der optischen

Beanstandung erfolgt mittels einer Künstlichen Intelligenz. Diese klassifiziert eine optische Beanstandung immer auf Grundlage des gleichen Maßstabs, das heißt die Klassifikation und das Entscheidungssignal beruhen nur auf der jeweils übermittelten mindestens einen erfassten fotografischen Abbildung der optischen Beanstandung und sind unabhängig von eventuell vorhandenen menschlichen Stimmungen und/oder Sympathien oder Abneigungen zwischen einem Kraftfahrzeugbesitzer und einem Mitarbeiter des Servicedienstleisters etc. Ferner erhält der Kraftfahrzeugbesitzer sofort eine Rückmeldung zu seiner optischen Beanstandung.

Hierdurch können gerechtfertigte optische Beanstandungen von nicht gerechtfertigten optischen Beanstandungen automatisiert, und daher auf effiziente und zeitsparende Weise, unterschieden werden. Ein Aufwand und Kosten bei der Wartung und der Reparatur von Kraftfahrzeugen können daher durch das beschriebene Verfahren reduziert werden.

In einer Ausführungsform ist vorgesehen, dass das Klassifikationsergebnis und/oder das Entscheidungssignal zumindest eine Handlungsempfehlungsinformation umfasst, mindestens ein mit der optischen Beanstandung korrespondierendes Bauteil des Kraftfahrzeugs

auszutauschen oder nicht auszutauschen. Hierdurch kann ein Servicedienstleister direkt eine Rückmeldung darüber gegeben werden, ob ein defektes Bauteil zu tauschen ist oder nicht, und ob eine optische Beanstandung gerechtfertigt ist oder nicht.

In einer weiteren Ausführungsform ist vorgesehen, dass das Erfassen der mindestens einen fotografischen Abbildung und das Ausgeben des Entscheidungssignals bei einem

Servicedienstleister für das mindestens eine Kraftfahrzeug erfolgt, wobei das Klassifizieren mittels der Überprüfungseinrichtung örtlich getrennt von dem Servicedienstleister erfolgt.

Hierdurch kann eine verteilte Infrastruktur aufgebaut werden. Der Vorteil ist, dass mehrere Nutzereinrichtungen die gleiche Überprüfungseinrichtung und daher alle den gleichen

Überprüfungsmaßstab verwenden können. Insbesondere kann eine Vielzahl von

Servicedienstleistern, beispielsweise Händlern und/oder Werkstätten, mit derselben, beispielsweise als zentraler Server bereitgestellten, Überprüfungseinrichtung verbunden sein. Die Überprüfungseinrichtung überprüft dann die jeweils von den Servicedienstleistern übermittelten fotografischen Abbildungen, indem die darin abgebildeten optischen Beanstandungen klassifiziert werden und ein jeweiliges Entscheidungssignal an den

zugehörigen Servicedienstleister zurück übermittelt wird.

In einer Ausführungsform ist vorgesehen, dass mittels der Überprüfungseinrichtung überprüft wird, ob die mindestens eine fotografische Abbildung den vorgegebenen Bedingungen beim Erfassen entspricht, und sofern dies nicht der Fall ist, ein Aufforderungssignal zum Erfassen einer korrekten Abbildung erzeugt und an die Ausgabeeinrichtung übermittelt und von dieser ausgegeben wird. Sind beispielsweise auf der erfassten fotographischen Abbildung abgebildete Bauteile verschmutzt, so kann dies von der Übermittlungseinrichtung erkannt werden. Das Erkennen kann mit der gleichen oder einer separaten Künstlichen Intelligenz erfolgen. Wird eine Verschmutzung erkannt, so wird ein Aufforderungssignal erzeugt und an die Nutzereinrichtung übermittelt und von der Ausgabeeinrichtung ausgegeben. Andere hinderliche Bedingungen sind beispielsweise eine mangelnde Ausleuchtung oder eine mangelnde Auflösung.

In einer Weiterbildung ist vorgesehen, dass mittels der Überprüfungseinrichtung eine

Handlungsaufforderungsinformation zum Herstellen der vorgegebenen Bedingungen abgeleitet wird, wobei das erzeugt Aufforderungssignal die abgeleitete

Handlungsaufforderungsinformation umfasst. Ist das in der erfassten fotografischen Abbildung abgebildete Bauteil des Kraftfahrzeugs beispielsweise verschmutzt, so kann die

Handlungsaufforderungsinformation einen Hinweis umfassen, das Bauteil vor Erfassen der fotografischen Abbildung zu reinigen. Weitere Handlungsaufforderungsinformationen können beispielsweise eine Ausleuchtung des Bauteils, einen Abstand des Bauteils zur mindestens einen Kamera und/oder eine Auflösung der fotografischen Abbildung umfassen.

In einer Ausführungsform ist vorgesehen, dass die Künstliche Intelligenz auf Grundlage eines Trainingsdatensatzes trainiert ist oder trainiert wird, der eine Vielzahl von markierten

fotografischen Abbildungen zumindest von ausgezeichneten Bereichen und/oder Bauteilen des Kraftfahrzeugs umfasst. Hierbei werden die fotografischen Abbildungen der ausgezeichneten Bauteile beispielsweise manuell durch einen Experten mit Markierungen (auch Labels genannt) versehen. Hierbei werden sowohl fotografische Abbildungen berücksichtigt, die Bauteile zeigen, welche frei von optischen Mängeln sind, als auch Bauteile, die optische Mängel aufweisen. Im einfachsten Fall wird die Künstliche Intelligenz, die beispielsweise als Künstliches Neuronales Netz ausgebildet sein kann, derart trainiert, dass am Ausgang eine Klassifikation vorliegt, die lediglich entscheidet, ob ein optischer Mangel vorliegt (d.h. der Ausgang liefert die Information: optischer Mangel ist vorhanden„ja“ oder„nein“). ln einer weiteren Ausführungsform ist vorgesehen, dass zum Bereitstellen von fotografischen Abbildungen, welche als Referenzabbildungen ohne optische Mängel markiert sind oder werden, fotografische Abbildungen am Ende einer Produktionslinie des Kraftfahrzeugs in einem Herstellerwerk mittels einer Kamera automatisiert erfasst und bereitgestellt werden. Hierdurch kann auf einfache Weise eine Vielzahl von Referenzabbildungen bereitgestellt werden. Da davon ausgegangen wird, dass die am Ende der Produktionslinie erfassten fotografischen Abbildungen nahezu ausschließlich optisch mangelfreie Bauteile des Kraftfahrzeugs zeigen, kann auf eine manuelle Markierung der Abbildungen verzichtet werden. Da Kraftfahrzeuge in solchen Produktionslinien üblicherweise in einer Vielzahl von Varianten (z.B. in Bezug auf eine konkrete Farbe und Ausgestaltung der Bauteile) hergestellt werden, steht zugleich eine große Bandbreite an Referenzabbildungen zur Verfügung. Es kann vorgesehen sein, dass die erfassten Referenzabbildungen einem zentralen Server zugeführt werden, wo diese zum Trainieren der Künstlichen Intelligenz gesammelt werden.

In einer Ausführungsform ist vorgesehen, dass nach einer vorgegebenen Anzahl von

Durchläufen des Verfahrens, eine Referenzmarkierung der bei den Durchläufen jeweils erfassten fotografischen Abbildungen erfolgt, wobei unter Berücksichtigung der

referenzmarkierten fotografischen Abbildungen ein weiterer Trainingsdatensatz erstellt wird, und wobei die Künstliche Intelligenz auf Grundlage des weiteren Trainingsdatensatzes erneut trainiert wird. Der Vorteil ist, dass eine regelmäßige Überprüfung der Künstlichen Intelligenz stattfinden kann. Hierzu können die erfassten fotografischen Abbildungen auf einem zentralen Server gesammelt werden, bis die vorgegebene Anzahl (z.B. 500, 1000,...) erreicht ist.

Anschließend werden die gesammelten fotografischen Abbildungen manuell markiert und zu einem weiteren Trainingsdatensatz zusammengefasst. Insbesondere bei einer großen

Abweichung (z.B. großer Anteil an Abweichungen in Bezug auf alle Klassifizierungen) der jeweils von der Überprüfungseinrichtung bereitgestellten Klassifikationsergebnisse bzw. der jeweils von der Überprüfungseinrichtung hieraus abgeleiteten Entscheidungssignale von der nachfolgenden manuellen Markierung wird die Künstliche Intelligenz erneut auf Grundlage des weiteren Trainingsdatensatzes trainiert.

Es kann vorgesehen sein, dass die vorgegebenen Bedingungen beim Erfassen der

fotografischen Abbildung in Abhängigkeit der optischen Beanstandung gewählt werden.

Insbesondere kann vorgesehen sein, dass die jeweils vorgegebenen Bedingungen

beispielsweise auf Grundlage einer Bauteilnummer und/oder einer Bauteilbezeichnung und/oder eines Fahrzeugtyps mittels der Nutzereinrichtung bei der Überprüfungseinrichtung abgefragt und/oder von dieser an die Nutzereinrichtung übermittelt werden. Die Nutzereinrichtung gibt dann die vorgegebenen Bedingungen über die Ausgabeeinrichtung aus oder steuert das Erfassen mittels der Kamera entsprechend an. Alternativ können die vorgegebenen Bedingungen auch bei der Nutzereinrichtung hinterlegt sein und/oder von dieser erzeugt werden. Der Vorteil ist, dass für jede optische Beanstandung oder Gruppen von optischen Beanstandungen jeweils optimale Erfassungsbedingungen gewählt werden können.

Merkmale zur Ausgestaltung des Systems ergeben sich aus der Beschreibung von

Ausgestaltungen des Verfahrens. Die Vorteile des Systems sind hierbei jeweils die gleichen wie bei den Ausgestaltungen des Verfahrens.

Nachfolgend wird die Erfindung anhand bevorzugter Ausführungsbeispiele unter Bezugnahme auf die Figuren näher erläutert. Hierbei zeigen:

Fig. 1 eine schematische Darstellung einer Ausführungsform des Systems zum

Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug.

In Fig. 1 ist eine schematische Darstellung einer Ausführungsform des Systems 1 zum

Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug 50 gezeigt.

Das System 1 umfasst eine Nutzereinrichtung 2 mit einer Ausgabeeinrichtung 3 und eine Überprüfungseinrichtung 4. Die Nutzereinrichtung 2 befindet sich beispielsweise am Ort eines Servicedienstleisters für das Kraftfahrzeug 50, z.B. in einer Werkstatt, in der das

Kraftfahrzeug 50 gewartet und repariert werden kann. Die Überprüfungseinrichtung 4 ist beispielsweise auf einem zentralen Server eines Fahrzeugherstellers ausgebildet.

Es kann vorgesehen sein, dass das System 1 weitere Nutzereinrichtungen 12 umfasst, beispielsweise bei weiteren Händlern und/oder Werkstätten für das Kraftfahrzeug 50.

Insbesondere kann vorgesehen sein, dass das System 1 als Bestandteil eines

Reparaturmanagementsystems 100 ausgebildet ist. Für optische Beanstandungen kann dann im Rahmen des Reparaturmanagementsystems 100 beispielsweise eine Meldepflicht vorgesehen sein, sodass jede auftretende optische Beanstandung in dem

Reparaturmanagementsystem 100 als Datensatz bzw. Beanstandungsfall aufgenommen wird und das Verfahren zum Überprüfen der optischen Beanstandung für jeden Fall ausgeführt wird.

Die Ausgangssituation beim Starten des Verfahrens ist die folgende: Ein Fahrzeugbesitzer kommt mit seinem Kraftfahrzeug zum Servicedienstleister und beanstandet dort einen optischen Mangel. Der Servicedienstleister muss dann entscheiden, insbesondere im Rahmen einer Garantievereinbarung, ob eine Reparatur oder ein Austausch des betroffenen Bauteils des Kraftfahrzeugs 50 erfolgen muss oder ob die optische Beanstandung ungerechtfertigt ist.

Vorliegend wird beispielsweise ein Scheinwerfer 51 des Kraftfahrzeugs 50 beanstandet, beispielweise kann der Scheinwerfer 51 aufgrund einer Hinterlüftung auf einer Innenseite des Scheinwerfers 51 mit einem Kondensat belegt sein.

Um diese Entscheidung zu treffen, wird unter vorgegebenen Bedingungen, wie z.B. eine vorgegebene Beleuchtung, ein vorgegebener Abstand, eine vorgegebene Auslösung etc., mindestens eine fotografische Abbildung 5 von der optischen Beanstandung mittels einer Kamera 20 erfasst. Die Nutzereinrichtung 2 ist derart ausgebildet, die mindestens eine unter vorgegebenen Bedingungen mittels einer Kamera 20 von der optischen Beanstandung an dem Kraftfahrzeug 50 erfasste fotografische Abbildung 5 zu empfangen, beispielsweise über eine hierfür ausgebildete Schnittstelle 6, und an die Überprüfungseinrichtung 4 zu übermitteln.

Gegebenenfalls werden hierbei weitere Informationen an die Überprüfungseinrichtung 3 übermittelt, wie zum Beispiel ein Fahrzeugtyp, ein Fahrzeugalter, eine Teilenummer etc.

Die Überprüfungseinrichtung 3 empfängt die übermittelte mindestens eine fotografische

Abbildung 5 und klassifiziert die optische Beanstandung auf Grundlage der übermittelten mindestens einen fotografischen Abbildung 5. Hierbei verwendet die Überprüfungseinrichtung 3 ein Verfahren der Künstlichen Intelligenz 7, beispielsweise ein vorher zu diesem Zweck trainiertes Tiefes Neuronales Netz. Auf Grundlage eines von der Künstlichen Intelligenz 7 bereitgestellten Klassifizierungsergebnisses erzeugt die Überprüfungseinrichtung 4 ein

Entscheidungssignal 8. Liefert das Tiefe Neuronale Netz beispielsweise als

Klassifizierungsergebnis Wahrscheinlichkeiten für ein Vorliegen bestimmter Klassen, so kann das Entscheidungssignal 8 auf Grundlage von Wahrscheinlichkeitsschwellenwerten abgeleitet werden. Als Klassen können beispielsweise zwei Klassen verwendet werden, wobei eine erste Klasse einen optischen Mangel an dem betroffenen Bauteil des Kraftfahrzeugs 50 bejaht, eine zweite Klasse diesen hingegen verneint.

Das erzeugte Entscheidungssignal 8 wird von der Überprüfungseinrichtung 4 an die

Nutzereinrichtung 2 bzw. deren Ausgabeeinrichtung 3 übermittelt. Die Ausgabeeinrichtung 3 der Nutzereinrichtung 2 gibt das übermittelte Entscheidungssignal 8 anschließend aus. Beim Servicedienstleister kann einem Fahrzeuginhaber hierdurch eine kurzfristige und insbesondere objektive Rückmeldung darüber gegeben werden, ob ein optischer Mangel an seinem

Kraftfahrzeug 50 vorliegt oder nicht. Das Übermitteln der mindestens einen fotografischen Abbildung 5 und des

Entscheidungssignals 8 erfolgt insbesondere über ein Kommunikationsnetzwerk, beispielsweise das Internet. Die Kommunikation kann hierbei in Form von Emails oder eines sonstigen standardisierten Formats erfolgen.

Es kann vorgesehen sein, dass beim Klassifizieren der erfassten fotografischen Abbildung mehr als zwei Klassen unterschieden werden. Beispielsweise können vier Klassen mit dem folgenden Inhalt unterschieden werden:

1) Keine fotografische Abbildung 5 vorhanden oder die erfasste mindestens eine

fotografische Abbildung 5 entspricht nicht den vorgegebenen Bedingungen;

2) eine Bildqualität der erfassten mindestens einen fotografischen Abbildung 5 ist zu gering;

3) es liegt ein optischer Mangel vor;

4) es liegt kein optischer Mangel vor.

Es kann vorgesehen sein, dass das Klassifikationsergebnis und/oder das

Entscheidungssignal 8 zumindest eine Handlungsempfehlungsinformation 9 in Form eines Handlungsempfehlungssignals umfasst, mindestens ein mit der optischen Beanstandung korrespondierendes Bauteil des Kraftfahrzeugs 50 auszutauschen oder nicht auszutauschen.

Es kann vorgesehen sein, dass die vorgegebenen Bedingungen beim Erfassen der

fotografischen Abbildung 5 in Abhängigkeit der optischen Beanstandung gewählt werden.

Insbesondere kann vorgesehen sein, dass die jeweils vorgegebenen Bedingungen

beispielsweise auf Grundlage einer Bauteilnummer und/oder einer Bauteilbezeichnung und/oder eines Fahrzeugtyps mittels der Nutzereinrichtung 2 bei der Überprüfungseinrichtung 4 abgefragt und/oder von dieser an die Nutzereinrichtung 2 übermittelt werden. Die

Nutzereinrichtung 2 gibt dann die vorgegebenen Bedingungen über die Ausgabeeinrichtung 3 aus oder steuert die Kamera 20 oder eine Beleuchtung etc. entsprechend an. Alternativ können die vorgegebenen Bedingungen auch in der Nutzereinrichtung 2 hinterlegt sein und/oder von dieser erzeugt werden.

Es kann ferner vorgesehen sein, dass mittels der Überprüfungseinrichtung 4 überprüft wird, ob die mindestens eine fotografische Abbildung 5 den vorgegebenen Bedingungen beim Erfassen entspricht, und sofern dies nicht der Fall ist, ein Aufforderungssignal 10 zum Erfassen einer korrekten Abbildung erzeugt und an die Ausgabeeinrichtung 3 übermittelt und von dieser ausgegeben wird.

Weiterbildend kann vorgesehen sein, dass mittels der Überprüfungseinrichtung eine

Handlungsaufforderungsinformation 11 zum Herstellen der vorgegebenen Bedingungen abgeleitet wird, wobei das erzeugte Aufforderungssignal 10 die abgeleitete

Handlungsaufforderungsinformation 11 umfasst. Die Handlungsaufforderungsinformation 11 kann beispielsweise eine Aufforderung umfassen, eine Beleuchtungsstärke zu erhöhen, einen Abstand der Kamera 20 zum Kraftfahrzeug zu verringern/zu vergrößern und/oder eine

Auflösung der fotografischen Abbildung zu erhöhen.

Es kann weiter vorgesehen sein, dass die Künstliche Intelligenz 7 auf Grundlage eines

Trainingsdatensatzes trainiert ist oder trainiert wird, der eine Vielzahl von markierten fotografischen Abbildungen zumindest von ausgezeichneten Bereichen und/oder Bauteilen des Kraftfahrzeugs 50 umfasst. Das Trainieren der Künstlichen Intelligenz 7 kann ebenfalls in der Überprüfungseinrichtung 4 erfolgen. Das Trainieren kann jedoch auch unabhängig von der Überprüfungseinrichtung 4 stattfinden, beispielsweise auf einem hierfür vorgesehenen

Rechencluster.

Weiterbildend kann vorgesehen sein, dass zum Bereitstellen von fotografischen Abbildungen, welche als Referenzabbildungen ohne optische Mängel markiert sind oder werden,

fotografische Abbildungen am Ende einer Produktionslinie des Kraftfahrzeugs 50 in einem Herstellerwerk mittels einer Kamera automatisiert erfasst und bereitgestellt werden.

Es kann vorgesehen sein, dass nach einer vorgegebenen Anzahl von Durchläufen des

Verfahrens, eine Referenzmarkierung der bei den Durchläufen jeweils erfassten fotografischen Abbildungen 5 erfolgt, wobei unter Berücksichtigung der referenzmarkierten fotografischen Abbildungen ein weiterer Trainingsdatensatz erstellt wird, und wobei die Künstliche Intelligenz 7 auf Grundlage des weiteren T rainingsdatensatzes erneut trainiert wird. Bezugszeichenliste

System

Nutzereinrichtung

Ausgabeeinrichtung

Überprüfungseinrichtung

fotografische Abbildung

Schnittstelle

Künstliche Intelligenz

Entscheidungssignal

Handlungsempfehlungsinformation

Aufforderungssignal

Handlungsaufforderungsinformation

Kamera

Kraftfahrzeug

Scheinwerfer

Reparaturmanagementsystem