Ist das MHD wirklich richtig? KI-gestützte OCR-Kontrolle in der Verpackungslinie

Ein Mindesthaltbarkeitsdatum zu drucken ist einfach. Zu beweisen, dass es vorhanden, lesbar und inhaltlich korrekt ist, stellt die eigentliche Herausforderung dar. Der teuerste Fehler in der Kennzeichnung ist nicht der fehlende Aufdruck, der fällt in der Regel auf, sondern der vorhandene, aber fehlerhafte Aufdruck: ein verschmiertes Datum, ein Zahlendreher oder ein vertauschtes Etikett. Solche Fehler passieren unbemerkt, betreffen ganze Chargen und werden häufig erst beim Kunden entdeckt.

Dieser Beitrag zeigt, warum das reine Drucken nicht ausreicht, warum klassische Bildverarbeitungssysteme an MHD-Aufdrucken scheitern und wie eine KI-gestützte OCR-Kontrolle Datum, Losnummer und Code in einem einzigen Schritt liest, einschließlich des Abgleichs mit den Solldaten aus dem Produktionsauftrag.

Wichtige Punkte im Überblick

  • Ein Mindesthaltbarkeitsdatum zu drucken genügt nicht, denn der teuerste Fehler ist der vorhandene, aber falsche Aufdruck: ein verschmiertes Datum, ein Zahlendreher oder ein vertauschtes Etikett.
  • Bei 60 bis 80 Packungen pro Minute reichen Stichprobe und Sichtkontrolle nicht aus, erst die automatische Prüfung jeder Einheit macht die Kennzeichnung sicher.
  • Klassische pixelzählende Bildverarbeitung scheitert an variablen Fonts, wechselnden Untergründen und transparenten Flaschen, während KI-OCR die Zeichen selbst erkennt und dadurch robust bleibt.
  • Vision-Sensoren der Modellreihe IV4 sind der pragmatische Einstieg für die OCR-Prüfung an einer Kameraposition, während Mehrkamerasysteme OCR, Codelesung und Zählung an mehreren Positionen gleichzeitig übernehmen.
  • Entscheidend ist Plausibilität statt Anwesenheit: Der gelesene Wert wird gegen den Sollwert aus dem Produktionsauftrag und die Datumslogik abgeglichen, bevor abweichende Einheiten ausgeschleust werden.

Fehldrucke und ihre Folgen: Rückrufe, Sperrbestände, manuelle Nachkontrolle

Die typischen Fehlerbilder sind bekannt und wiederholen sich über alle Branchen: ein fehlendes Datum, ein verschmierter oder unvollständiger Aufdruck, ein schlicht falscher Wert, oder ein vertauschtes Etikett, das die Daten eines anderen Produkts trägt.

Die Folgen skalieren schnell nach oben. Ein einziger unbemerkter Fehldruck kann bedeuten:

  • Sperrbestand: Eine Charge wird gesperrt, bis der Fehler eingegrenzt ist, Ware, die produziert, aber nicht verkauft werden darf.
  • Manuelle Nachkontrolle: Fällt der Fehler spät auf, muss von Hand nachgeprüft werden, im Extremfall über tausende Einheiten hinweg.
  • Rückruf: Im schlimmsten Fall verlässt die fehlerhafte Ware das Werk, erreicht den Handel und muss zurückgerufen werden, mit Kosten, die die Kennzeichnungstechnik um Größenordnungen übersteigen.

Der naheliegende Reflex, Stichproben und Sichtkontrolle durch Bediener, reicht bei modernen Taktzahlen nicht aus. Bei 60 bis 80 Packungen pro Minute kann kein Mensch jede Einheit zuverlässig prüfen; Stichproben lassen systematisch Lücken, und Ermüdung senkt die Trefferquote über die Schicht. Eine sichere Kennzeichnung entsteht erst, wenn jede Einheit automatisch kontrolliert wird.

Warum klassische Bildverarbeitung an MHD-Aufdrucken scheitert

Auf den ersten Blick klingt die Aufgabe simpel: eine Kamera liest ein gedrucktes Datum. In der Praxis ist der MHD-Aufdruck jedoch einer der anspruchsvollsten Fälle der industriellen Bildverarbeitung, weil fast alle Störgrößen gleichzeitig auftreten.

  • Variable Fonts und Formate: Datum und Losnummer wechseln mit jedem Auftrag; Schriftbild, Position und Länge variieren.
  • Wechselnde Untergründe: Der Aufdruck sitzt mal auf mattem Karton, mal auf glänzender Folie, mal auf farbigem Etikett, jeder Untergrund verändert Kontrast und Reflexionsverhalten.
  • Glänzende und transparente Oberflächen: Reflexionen und Durchsichtigkeit bringen klassische Verfahren an ihre Grenzen.

Pixelzählende Vision-Sensoren und ältere Smart-Kameras arbeiten nach starren Regeln: Sie vergleichen Helligkeitsmuster gegen ein festes Referenzbild. Sobald sich Font, Kontrast oder Untergrund ändern, kippt das Ergebnis in unzuverlässige No-Reads oder Fehlbewertungen. In dokumentierten Anwendungen liefen solche Systeme entweder nie stabil oder waren für den geforderten Takt schlicht zu langsam.

Der Härtefall aus der Praxis ist die gelaserte Kennzeichnung auf einer transparenten Flasche: ein kontrastarmer Aufdruck auf einer durchsichtigen, spiegelnden Oberfläche. Genau an dieser Kombination scheiterten ältere Systeme regelmäßig, und genau hier zeigt die KI-basierte OCR ihren Vorsprung.

KI-OCR in der Praxis: Datum, Losnummer und Code in einem Prüfschritt lesen

KI-basierte Zeichenerkennung löst das Problem grundlegend anders als klassische Bildverarbeitung. Anstatt ein starres Referenzmuster abzugleichen, erkennt ein trainiertes Modell die Zeichen eigenständig, auch dann, wenn Kontrast, Untergrund oder Schriftbild schwanken. Dies macht die Erkennung robust gegenüber genau den Störgrößen, an denen pixelzählende Verfahren scheitern.

Ein weiterer Vorteil liegt in der Integration. Moderne Prüfsysteme erfassen in einem einzigen Gerät und einem einzigen Prüfschritt mehrere Informationen gleichzeitig: den Klartext der OCR-Lesung des Datums, den Barcode oder Datamatrixcode sowie bei Bedarf die Zählung. In dokumentierten Anwendungen auf Getränkelinien wurden dabei Geschwindigkeiten von bis zu 12,5 Flaschen pro Sekunde erreicht.

Für die Geräteauswahl gilt eine einfache Faustregel:

  • Vision-Sensoren der Modellreihe IV4 sind der pragmatische Einstieg für Anwesenheits-, Positions- und OCR-Prüfungen an einer Kameraposition, schnell einzurichten und mit integrierter KI-OCR ausgestattet.
  • Mehrkamerasysteme der Modellreihe VS kommen dort zum Einsatz, wo OCR, Codelesung und Zählung gleichzeitig laufen müssen, wo mehrere Kamerapositionen an einer Linie zusammenspielen oder wo hohe Variantenzahlen und Bildspeicherung gefordert sind.

Plausibilität statt Anwesenheit: Abgleich mit SAP-/Produktionsdaten und Datumslogik

Der entscheidende konzeptionelle Unterschied liegt in zwei grundlegend verschiedenen Fragen: „Ist überhaupt ein Datum vorhanden?" und „Ist das richtige Datum vorhanden?" Ein System, das ausschließlich die Anwesenheit prüft, akzeptiert auch ein gut lesbares, aber inhaltlich falsches Datum.

Plausibilitätsprüfung bedeutet daher: Der gelesene Wert wird gegen einen definierten Sollwert abgeglichen. Dieser Sollwert stammt aus dem Produktionsauftrag beziehungsweise aus übergeordneten Systemen über Standardschnittstellen. Erst dieser Abgleich macht aus einer reinen Lesung eine echte inhaltliche Kontrolle.

Zur Plausibilitätsprüfung gehört auch die Datumslogik. Ein Mindesthaltbarkeitsdatum ist kein beliebiger Zahlenstring, sondern folgt definierten Regeln, etwa Monatsende-Konventionen, Haltbarkeitsfristen oder Formatvorgaben. Ein leistungsfähiges Prüfsystem bildet diese Logik ab und erkennt Werte, die zwar sauber gedruckt, aber sachlich fehlerhaft sind. Weicht der gelesene vom erwarteten Wert ab, wird die betreffende Einheit automatisch ausgeschleust, und ein definierter Quittierungsprozess dokumentiert die Abweichung nachvollziehbar.

Etikettenverwechslung verhindern: Variantenprüfung bei hunderten Produktvarianten

Neben dem Datum stellt die Etikettenverwechslung das zweite große Risiko dar, das mit steigender Variantenzahl überproportional wächst. In dokumentierten Anwendungen reicht die Bandbreite von rund 19 bis über 1.000 Etikettenvarianten auf einer einzigen Linie. Bei dieser Variantenvielfalt ist eine manuelle Kontrolle nicht mehr zuverlässig durchführbar.

Die kamerabasierte Variantenprüfung stellt sicher, dass zum richtigen Produkt auch das richtige Etikett gehört, und zwar an jeder geforderten Position, häufig oben und unten gleichzeitig. Besonders anspruchsvoll sind Sonderfälle, die in der Praxis regelmäßig auftreten: zweisprachige Etiketten, Aktionsware mit abweichender Gestaltung oder Lohnverpackungen mit häufigen und kurzfristigen Produktwechseln. Gerade dort, wo Varianten häufig wechseln, ist die systemische Prüfung der einzige verlässliche Schutz vor Verwechslungen, also vor Fällen, in denen Produkt- und Zutatendaten zweier verschiedener Produkte auf einem einzigen Etikett landen können.

Chargenbezogene Auswertung und Dashboards für die Qualitätssicherung

Eine Inline-Kontrolle liefert nicht nur Gut/Schlecht-Entscheidungen, sondern auch Daten, und diese Daten sind für die Qualitätssicherung oft ebenso wertvoll wie die Ausschleusung selbst.

  • NG-Statistiken je Charge machen Fehlerhäufungen sichtbar, bevor sie zum Reklamationsfall werden. Steigt die Fehlerrate an einer bestimmten Position oder bei einem bestimmten Produkt, lässt sich früh gegensteuern.
  • Bildspeicher als Nachweis: Gespeicherte Prüfbilder dokumentieren jede Kontrolle und dienen bei Audits oder Kundenanfragen als Beleg, ein handfester Vorteil in regulierten Branchen.
  • Anbindung an Produktionsdatensysteme: Die Ergebnisse fließen über Standardschnittstellen in das Reporting der QS ein, statt in einer isolierten Insellösung zu verbleiben.

So wird aus der reinen Fehlererkennung ein kontinuierliches Qualitätsbild der Linie, prüfbar, dokumentiert und anschlussfähig.

Häufige Fragen

F Reicht es nicht, das MHD einfach zu drucken?

A

Nein. Der Druck sagt nichts darüber aus, ob das Datum tatsächlich vorhanden, lesbar und inhaltlich korrekt ist. Ein verschmierter Aufdruck, ein Zahlendreher oder ein vertauschtes Etikett läuft ohne Kontrolle unbemerkt durch. Erst eine automatische OCR-Kontrolle jeder Einheit macht die Kennzeichnung wirklich sicher.

F Warum liest eine KI-OCR Aufdrucke, an denen ältere Kameras scheitern?

A

Klassische Bildverarbeitung gleicht ein festes Referenzmuster ab und versagt, sobald Schriftart, Kontrast oder Untergrund wechseln. KI-basierte Zeichenerkennung hingegen erkennt die Zeichen eigenständig und bleibt dadurch robust gegenüber variablen Schriftarten, glänzenden und transparenten Oberflächen. Dies gilt insbesondere für gelaserte Daten auf durchsichtigen Flaschen, an denen frühere Systeme regelmäßig gescheitert sind.

F Wie stellt das System sicher, dass das Datum nicht nur da, sondern richtig ist?

A

Über einen Sollwert-Abgleich: Der gelesene Wert wird gegen die Vorgabe aus dem Produktionsauftrag abgeglichen, der über Standardschnittstellen aus übergeordneten Systemen kommt. Zusätzlich bildet das System die Datumslogik ab (etwa Monatsende- und Haltbarkeitsregeln). Weicht der Wert ab, wird die Einheit automatisch ausgeschleust und die Abweichung dokumentiert.

F Welches Gerät passt für welche Anwendung?

A

Für Anwesenheits-, Positions- und OCR-Prüfungen an einer Kameraposition sind Vision-Sensoren der Modellreihe IV4 der pragmatische Einstieg. Müssen OCR, Codelesung und Zählung gleichzeitig laufen oder mehrere Kamerapositionen zusammenspielen, ist ein Mehrkamerasystem der Modellreihe VS die passende Wahl.

F Wie hilft die Kontrolle gegen Etikettenverwechslungen bei vielen Varianten?

A

Die kamerabasierte Variantenprüfung ordnet jedem Produkt das richtige Etikett zu, auch bei 19 bis über 1.000 Varianten auf einer Linie und an mehreren Positionen zugleich. Gerade bei zweisprachigen Etiketten, Aktionsware und häufigen Wechseln in der Lohnverpackung ist die systemische Prüfung der zuverlässigste Schutz vor Verwechslungen.

Weiterführende Artikel

Übergeordnete Themenseite: Kennzeichnung, Kontrolle und Identifikation in Verpackung und Druck: Der Überblick für Linienbetreiber und Qualitätsverantwortliche

Hauptartikel zum Thema: Inkjet, Laser oder Etikett? MHD-Kennzeichnung auf Verpackungen im Kostenvergleich

Weiterer Artikel im Thema: Vom Etikett zum Direktdruck: Kartonkennzeichnung ohne Etikettierer

Weiterer Artikel im Thema: Rückverfolgbarkeit von der Folie bis zur Palette: Codes drucken, lesen und verheiraten

Weiterer Artikel im Thema: Scannen durch Folie, lesen auf Distanz: Codeerfassung im Verpackungslager