KI-Training durch Simulation statt Annotation

Abstract Künstliche Intelligenz (KI) steigert Effizienz und Flexibilität industrieller Prozesse, erfordert jedoch umfangreiche annotierte Trainingsdaten. Dieser Beitrag untersucht anhand eines Objektdetektors, inwieweit sich rein simulationsbasierte, synthetische Datensätze für das Training eignen. Zudem wird der Einsatz generativer KI evaluiert. Die Ergebnisse zeigen, dass durch gezielte Parametrierung eine ausreichende Leistung auf Realdaten ohne manuelle Annotation möglich ist.