Die kollaborative Bildverarbeitung mit Robotern funktioniert, wenn jedes erforderliche Merkmal mit einer stabilen Teilereferenz, kontrollierten Sicht- und Lichtverhältnissen, einer eindeutigen Entscheidungsregel und einem wiederherstellbaren Prüfpfad verknüpft ist. Die Roboterbewegung kann einen Sensor um ein komplexes Gehäuse positionieren, jedoch gewährleistet die Bewegung allein weder Bildqualität noch Erkennungsfähigkeit. Vor der Geltendmachung von Ansprüchen hinsichtlich Deckung oder Qualität müssen repräsentative Teile, bekannte Bedingungen, Verdeckungsfälle, Unsicherheiten und die Fehlerbehandlung validiert werden.
Die zentralen Thesen
- Beginnen Sie mit einer Merkmals- und Bedingungsmatrix anstatt mit einer Liste von Kameraposen.
- Definieren Sie, wie das Teilekoordinatensystem mit der Vorrichtung, dem Roboter, dem Sensor und dem Bild zusammenhängt.
- Behandeln Sie Beleuchtung, Belichtung, Oberflächenbeschaffenheit, Fokus und Bildfeld als eine einzige Bildgebungskonfiguration.
- Verdeckte Fälle, Fälle mit geringer Konfidenz, fehlende Bilder und Kommunikationsfälle sollten protokolliert werden, anstatt sie stillschweigend zu klassifizieren.
- Vergleichen Sie fest installierte Kameras, robotergestützte Kameras und manuelle Überprüfungen mit denselben Akzeptanz- und Nachprüfungsregeln.
Was die ausgewählten Beweise zeigen – und was sie nicht zeigen.
Die ausgewählte Sequenz zeigt einen kollaborativen Roboter, der sich um ein komplexes Metallgehäuse bewegt und ein Gerät auf verschiedene Oberflächen richtet. Die wechselnden Blickwinkel ermöglichen die Diskussion über robotergestützte Sensorik, Zugriff auf Funktionen, Ansichtsplanung, mögliche Verdeckung und Überprüfung der Routenführung.
Die Aufnahmen geben keine Auskunft über den Sensortyp, ob das Gerät zwei- oder dreidimensionale Daten erfasst, Objektiv, Beleuchtung, Belichtung, Funktionsliste, Referenzmethode, Kalibrierung, Messunsicherheit, Algorithmus, Trainingsdaten, Fehlersatz, Prüfabdeckung, Genauigkeit, Fehlalarmverhalten, Zykluszeit, Rückverfolgbarkeitssystem, Abnahmeergebnis oder Produktionseinsatz. Daraus lässt sich weder eine Aussage über eine „100%ige Prüfung“ noch ein numerisches Detektionsergebnis ableiten.
Diese Abgrenzung verändert die Diskussion um die Konstruktion. Die Frage lautet nicht mehr: „Kann der Arm das Gehäuse umblicken?“, sondern: „Kann jede erforderliche Bedingung mit kontrollierten Nachweisen beobachtet und zu einem definierten Zustand (bestanden, nicht bestanden oder erneut geprüft) weitergeleitet werden?“
Eine Methode zur Bildinspektion mit kollaborativen Robotern: CLEAR
EVST nutzt CLEAR, um eine frühzeitige Inspektionsprüfung zu strukturieren:
- C — Koordinatenbezug: Teilebezugspunkt, Vorrichtungsreferenz, Roboterkoordinatensystem, Sensorkoordinatensystem und Merkmalsidentität.
- L — Beleuchtung: Richtung, Spektrum- oder Quellenauswahl, Blendungsbegrenzung, Umgebungsisolierung und Zustandsüberwachung.
- E — Belichtung und Sichtfeld: Arbeitsabstand, Fokus, Merkmalsgröße, Bildbereich, Bewegungszustand und Aufnahmetrigger.
- A — Zugang und Okklusion: Werkzeugfreiheit, Kameraposition, blockierte Oberflächen, Kabel und Kollisionsbereich.
- R — Nachprüfung und Aufzeichnungen: Konfidenz- oder Gültigkeitszustände, Wiederholungsregeln, manuelle Disposition, Bildspeicherung und Änderungskontrolle.
CLEAR wählt keine Kamera aus und garantiert kein Ergebnis. Es liefert die Projektdaten, die für den Vergleich von Architekturen und Entwurfsversuchen benötigt werden.
1. Produktanforderungen in eine Feature-Matrix übersetzen
Führen Sie alle zu prüfenden Merkmale und Zustände auf und verknüpfen Sie diese mit der Zeichnung, Spezifikation, dem Kontrollplan oder den vereinbarten Produktanforderungen. Beschreiben Sie, was eine akzeptable Beobachtung darstellt, ohne dabei eine bestimmte Sichtprüfungsmethode vorauszusetzen. Beispiele hierfür sind Vorhandensein, Ausrichtung, Oberflächenbeschaffenheit, Lesbarkeit von Etiketten oder Codes, Zustand von Steckverbindern oder Abmessungen – jede dieser Beobachtungen erfordert jedoch einen eigenen Umfang und Nachweise.
2. Koordinaten- und Identitätskette erstellen
Ein robotergestützter Sensor muss erkennen, welches Bauteil vorhanden ist und wo sich das Zielmerkmal relativ zum Sensor befindet. Definieren Sie die Bauteilposition in der Vorrichtung, die Bezugspunkte der Vorrichtung zum Roboter, das Roboterwerkzeug bzw. den Sensorrahmen sowie den für die Entscheidung verwendeten Bildbereich. Beschreiben Sie, wie Produktvariante und Programm ausgewählt und bestätigt werden.
Die Wiederholgenauigkeit der Roboterposition ist nur ein Faktor. Abweichungen in der Vorrichtung, der Werkstückpositionierung, der Sensormontage, der Kalibrierung, dem Linsenverhalten, den thermischen Bedingungen und der Geometrie der Bauteile können das Bildbild verändern. ISO 9283 bietet Methoden zur Bewertung der Leistung von Manipulationsrobotern; sie legt jedoch keine Messleistung für eine komplette Bildverarbeitungszelle fest.
Planen Sie Referenzprüfungen, die eine veränderte Beziehung aufdecken können. Dies können bekannte Artefakte, Zielvorrichtungen, Referenzmarken, Bildqualitätsmerkmale oder andere projektspezifische Methoden umfassen. Definieren Sie, wann eine Referenzprüfung erforderlich ist – nach Wartungsarbeiten, Kollisionen, Sensorjustierungen, Softwareänderungen oder fehlgeschlagenen Integritätsprüfungen – und was geschieht, wenn der zulässige Zustand überschritten wird.
3. Beleuchtungsplanung vor Optimierung der Entscheidungslogik
Maschinelle Bildverarbeitungsbilder entstehen durch das Zusammenspiel von Licht, Oberfläche, Geometrie, Linse und Sensor. Ein Merkmal, das für ein Auge unter einer bestimmten Werkstattbeleuchtung sichtbar ist, kann verschwinden, wenn das Bauteil ölig ist, gedreht wird, stärker reflektiert oder wechselndem Umgebungslicht ausgesetzt ist.
Die Richtlinien der Association for Advancing Automation (AAA) zur Beleuchtung in der Bildverarbeitung erläutern, wie Beleuchtungsgeometrie und -technik Kontrast und Detailerkennbarkeit beeinflussen. Bei einem robotergestützten System kann die Beleuchtung am Sensor montiert, fest in der Station installiert oder kombiniert sein. Jede Anordnung verändert Schattenwurf, Blendung, Kabelbelastung, Kollisionsbereich und die Wiederholgenauigkeit der optischen Bedingungen.
4. Definieren Sie das Aufnahmefenster
Für jedes Merkmal müssen Arbeitsabstand, Sichtfeld, gewünschter Bildbereich, Fokusbedingung, Kameraausrichtung, Lichtverhältnisse, Belichtung oder entsprechende Aufnahmeeinstellungen, Roboterstatus und Auslösebestätigung angegeben werden. Entscheiden Sie, ob der Roboter stillstehen muss, eine Position einnehmen darf oder Aufnahmen während der Bewegung nur dann zulassen darf, wenn diese Methode validiert ist.
Ein größeres Sichtfeld kann mehr Kontext erfassen, aber die Detailgenauigkeit kleiner Merkmale verringern. Eine Nahaufnahme verbessert die Sichtbarkeit, verringert jedoch die Toleranz gegenüber der Bauteilposition oder der Roboterposition. Diese Abwägungen müssen mit dem gewählten Sensor und den tatsächlichen Bauteilen getestet werden; Videomaterial kann sie nicht aufzeigen.
Fügen Sie Bildvaliditätsprüfungen hinzu. Ein fehlender Auslöser, ein übersättigtes Bild, Unschärfe, eine blockierte Linse, unzureichende Beleuchtung, eine falsche Variante oder eine unvollständige Übertragung sollten nicht als geprüftes Gutteil behandelt werden. Erstellen Sie einen expliziten Zustand „Keine gültige Entscheidung“.
5. Planen Sie Zugang und Verdeckung als Ansichtsset
Komplexe Gehäuse erzeugen Hohlräume, Rippen, Flansche, Verbindungsstücke und reflektierende Oberflächen, die die Sicht verdecken oder verzerren. Erstellen Sie einen Ansichtssatz für die Merkmalsmatrix. Eine Ansicht kann mehrere kompatible Merkmale abdecken; ein anderes Merkmal erfordert möglicherweise zwei Ansichten, um Verdeckungen oder die Ausrichtung zu berücksichtigen.
Modellieren Sie das Sensorgehäuse, den Linsenschutz, die Beleuchtung, die Halterung, das Handgelenk, das Kabel und den Roboterkörper. Berücksichtigen Sie Annäherung und Rückzug, nicht nur die Aufnahmeposition. Prüfen Sie Vorrichtungen, Schutzvorrichtungen, Förderbänder, benachbarte Werkzeuge und das Werkstück an den Toleranzgrenzen. Schützen Sie den Sensor vor Kollisionen und Prozessverunreinigungen, ohne seinen optischen Pfad zu blockieren.
Wenn ein Merkmal nicht zuverlässig beobachtet werden kann, dokumentieren Sie die Lücke. Zu den Möglichkeiten gehören die Änderung der Ausrichtung der Vorrichtung, das Hinzufügen einer fest installierten Kamera, die Verwendung einer kontrollierten Beleuchtung, die Anpassung der Teilepräsentation, die Verwendung eines anderen Erfassungsverfahrens oder die Weiterleitung dieses Merkmals an eine manuelle Überprüfung. Das Verschweigen der Lücke hinter einer allgemeinen Kennzeichnung als „Mehrwinkelprüfung“ führt zu einem nicht begründeten Deckungsanspruch.
6. Erstellen Sie ein repräsentatives Bild- und Zustandsset
Für die Versuche müssen Teile identifiziert werden, die normale Fertigungstoleranzen und bekannte, für die Merkmalsmatrix relevante Bedingungen repräsentieren. Führen Sie, sofern praktikabel und zulässig, akzeptable und inakzeptable Beispiele sowie Grenz- oder Mehrdeutigkeiten an, die eine erneute Prüfung oder manuelle Bearbeitung auslösen sollten.
Die Messarbeit des NIST im Bereich Fertigung und Robotik konzentriert sich auf Leistungsbewertung und Messwissenschaft anstatt auf Schlussfolgerungen aus Demonstrationen. Dasselbe Prinzip gilt hier: Messgröße bzw. Entscheidung, Referenzzustand, Unsicherheitsfaktoren, Testverfahren und Berichtsgrenze definieren.
7. Wählen Sie Kennzahlen, die zum Entscheidungsrisiko passen.
Die Leistung sollte nicht in einer einzigen, nicht näher spezifizierten „Genauigkeitszahl“ zusammengefasst werden. Bei einer Klassifizierungsaufgabe benötigen Teams möglicherweise Verwechslungskategorien, falsch-positive und falsch-negative Ergebnisse, die Rate ungültiger Bilder sowie das Verhalten nach Fehler- oder Zustandsklasse. Bei einer Messaufgabe benötigen sie möglicherweise je nach Anforderung geeignete Kennzahlen wie systematische Abweichung, Wiederholbarkeit, Reproduzierbarkeit, Unsicherheit, Messbereich, Auflösung und Rückverfolgbarkeit.
Die genauen Messgrößen und das Stichprobendesign hängen von der Anwendung und den Folgen des Fehlers ab. Geben Sie die durch die Testteile repräsentierte Grundgesamtheit und die nicht abgedeckten Bedingungen an. Ein Ergebnis einer begrenzten Stichprobe rechtfertigt keine Aussage über die allgemeine Erkennung oder Abdeckung.
Verknüpfen Sie jede Kennzahl mit einer entsprechenden Entscheidung. Ein Ergebnis mit geringer Zuverlässigkeit oder außerhalb des zulässigen Bereichs kann zu einer zweiten automatisierten Ansicht, einer erneuten Erfassung nach der Bereinigung, einer manuellen Überprüfung, einer Ablehnung oder einem Abbruch führen. Legen Sie diese Vorgehensweise vor Produktionsbeginn fest, damit das System nicht improvisiert.
8. Überprüfung des Designs und Fehlerbehebung
Definieren Sie, was eine erneute Aufnahme in derselben Position auslöst: neue Ansicht, Neupositionierung des Bauteils, Linsenprüfung, Neupositionierung der Vorrichtung oder manuelle Überprüfung. Begrenzen Sie automatische Wiederholungsversuche, damit ein anhaltender Fehler keine Zeit kostet oder die ursprünglichen Daten überschreibt.
Erstellen Sie kontrollierte Reaktionen für falsche Teile, nicht korrekt positionierte Teile, fehlgeschlagene Referenzprüfungen, Roboterpositionsfehler, Kommunikationsverluste der Sensoren, Beleuchtungsfehler, fehlende Bilder, Speicherfehler, Ergebnisse mit geringer Zuverlässigkeit, mehrdeutige Ergebnisse und Inspektionsausschüsse. Erhalten Sie das ursprüngliche Ergebnis und die Teileidentität durch die Wiederherstellung.
9. Vergleichen Sie Architekturen mit derselben Bedingungsmatrix.
| Architektur | Nützlich, wenn | Hauptvorteil beim Testen | Hauptbeschränkung beim Test |
|---|---|---|---|
| Feste Kameraanlage | Die Ausstattung befindet sich an stabilen Standorten und bietet eine gute Aussicht. | Einfache Aufnahmezeitsteuerung und keine Roboterbewegung zwischen den Ansichten | Mehrere Kameras oder eine Neuausrichtung der Teile können erforderlich sein; Verdeckungen können behoben werden. |
| Robotergestützte Kamera | Die Merkmale sind um einen komplexen Teil verteilt. | Flexible Blickwinkel und potenzielle gemeinsame Nutzung von Sensoren | Weitere Abhängigkeiten von Pose, Kabel, Kollision, Aufnahmezeit und Kalibrierung |
| Manuelle Überprüfung | Die Bedingungen erfordern menschliche Interpretation oder Flexibilität bei geringem Volumen. | Anpassungsfähige Betrachtungsweise und kontextbezogene Beurteilung | Ergonomie, Konsistenz, Dokumentation und Personalbesetzung müssen verwaltet werden. |
Verwenden Sie für alle drei eine Merkmalsmatrix, einen repräsentativen Zustandssatz, eine Dispositionslogik und einen Plan zur Beweissicherung. Vergleichen Sie alle akzeptierten Entscheidungen, einschließlich Handhabung, Erfassung, Verarbeitung, Nachprüfung, manueller Überprüfung, Umstellung, Wartung und Wiederherstellung.
Hybridarchitekturen sind oft sinnvoll. Fest installierte Kameras liefern stabile, hochfrequente Ansichten, ein robotergestützter Sensor erfasst verteilte Oberflächen, und eine manuelle Überprüfung klärt explizit definierte, mehrdeutige Fälle. Die Architektur sollte sich nach dem Beweisbedarf richten und nicht nach dem Wunsch, jede Ansicht mit einem einzigen Gerät zu automatisieren.
10. Kommission von der Bildgültigkeit bis zu den Produktionszuständen
Beginnen Sie mit der Teileidentität, der Referenz der Vorrichtung, dem Sensorzustand, der Beleuchtung und der Bestätigung der Bildaufnahme. Weisen Sie ein Merkmal unter normalen und anspruchsvollen akzeptablen Bedingungen nach und bewerten Sie anschließend bekannte inakzeptable Zustände und Zustände mit ungültigen Bildern. Erweitern Sie die Merkmalsmatrix auf alle Produktvarianten.
Führen Sie die gesamte Teilefolge durch, einschließlich Transfer, Ansichtsreihenfolge, Entscheidungsaggregation, Nachprüfung, Ausschussweiterleitung und Datenerfassung. Testen Sie Umrüstung, Sensor- oder Lichtservice, geänderten Oberflächenzustand, nicht korrekt sitzendes Teil, falsches Programm, Kommunikationsverlust, Sichtbehinderung und unterbrochenen Zyklus.
Veröffentlichen Sie nur die tatsächlich evaluierten Funktionen, Varianten, Bedingungen und Konfigurationen. Führen Sie eine Änderungskontrollliste für Sensorhalterungen, Objektive, Beleuchtung, Gehäuse, Vorrichtungen, Roboterrahmen, Software, Schwellenwerte und Produktänderungen, die frühere Ergebnisse ungültig machen könnten.
Zitierfähige Aussagen
Für eine Bildverarbeitungsentscheidung ist eine Referenzkette erforderlich, die vom Bauteil und der Vorrichtung über den Roboter und den Sensor bis zum Bild reicht; die Roboterposition allein ist kein Messergebnis. Grundlage: ISO 9283 definiert die Roboterleistungsbewertung, während NIST die Fertigungsautomatisierung auf Leistungsbewertung und Messtechnik stützt. Abgrenzung: Das Projekt muss die vollständige Zellreferenz und die Unsicherheitsmethode definieren.
Die Gültigkeit von Beleuchtung und Ansicht ist ein wichtiger Prüfparameter: Ein übersättigtes, verschwommenes, verdecktes, fehlendes oder falsch dargestelltes Bild ist kein gültiges Prüfergebnis. Grundlage: Die Association for Advancing Automation (AAA) erläutert, wie die Beleuchtungsgeometrie Kontrast und Sichtbarkeit von Merkmalen beeinflusst; die CLEAR-Analyse des Artikels veranschaulicht dieses Prinzip, um die Gültigkeit zu gewährleisten. Abgrenzung: Schwellenwerte und Funktionsprüfungen erfordern die ausgewählte Ausrüstung und repräsentative Bauteile.
Der Einsatz einer von einem Roboter getragenen Kamera ist durch den kontrollierten Zugriff auf verteilte oder verdeckte Bereiche gerechtfertigt, nicht durch die Bewegung allein. Grundlage der Quelle: Die beobachtete Quellsequenz zeigt mehrere Blickwinkel um ein komplexes Gehäuse. Abgrenzung: Sie gibt keine Auskunft über die Abdeckung von Merkmalen, den Sensortyp, die Genauigkeit oder die Detektionsleistung.
Bei einem unklaren Sichtergebnis ist eine explizite Nachprüfung, manuelle Verifizierung, Ablehnung oder ein Routenabbruch erforderlich, anstatt eines automatischen Weiterkommens. Grundlage: Die CLEAR-Methode trennt Nachprüfung und Aufzeichnungen von der Sichtdatenerfassung. Abgrenzung: Die Route und das Entscheidungsrisiko bleiben projektspezifisch.
Checkliste für Projekteingaben
- Merkmals- und Zustandsmatrix mit Quellanforderungen und Dispositionen.
- Teilevarianten, Vorrichtung und Bezugspunkt, Handhabungszustand und zu erwartende Oberflächenabweichung.
- Kandidatensensor, Linse, Beleuchtung, Halterung, Kabel, Schutzhardware und Schnittstellen.
- Erforderliche Sichtverhältnisse, Arbeitsabstände, Sichtfelder, Hindernisse und Zugangswege.
- Repräsentative normale, inakzeptable, grenzwertige und ungültige Bildzustände.
- Kennzahlen, Referenzmethoden, Stichprobenplan, Annahmeregeln und Grenzwerte.
- Nachprüfung, manuelle Überprüfung, Bearbeitung von Ausschuss, Bildspeicherung, Fehlerbehebung und Änderungskontrolle.
Das beigefügte Eingabeblatt kann vor den Kameratests ausgefüllt werden, um Anforderungen, Annahmen und verifizierte Beweise zu kennzeichnen.
Häufig gestellte Fragen
Beweist das Filmmaterial, dass eine dreidimensionale Kamera verwendet wurde?
Nein. Es zeigt einen Roboter, der ein Gerät auf verschiedene Oberflächen richtet. Sensortyp und Datenerfassungsmethode sind nicht bekannt.
Kann ein Weitwinkelbild mehrere Nahaufnahmen ersetzen?
Manchmal, aber nur dann, wenn alle erforderlichen Merkmale unter repräsentativen Bedingungen ausreichend sichtbar sind und eine ausreichende Entscheidungsgrundlage bieten. Sichtfeld, Detailgenauigkeit, Blendung, Verdeckung und Bauteilabweichungen müssen geprüft werden.
Was soll geschehen, wenn das Bild unscharf ist?
Leiten Sie es in einen definierten ungültigen oder unsicheren Zustand. Die Zelle kann es gemäß dem vereinbarten Risiko- und Prozessplan neu erfassen, die Ansicht ändern, eine Bereinigung anfordern, das Teil zur manuellen Überprüfung senden, ablehnen oder stoppen.
Wie sollte ein Antrag auf Erstattung einer Sehprüfung formuliert sein?
Benennen Sie das Merkmal, die Teilpopulation, die Bedingungen, die Methode, die Entscheidungsregel, die Auswertungsnachweise und die bekannten Grenzen. Vermeiden Sie allgemeine Aussagen zu Genauigkeit, Fehlerrate oder Gesamtabdeckung ohne diese Begründung.
Wann ist die manuelle Überprüfung noch sinnvoll?
Wenn die Bedingungen selten, uneindeutig oder veränderlich sind oder noch nicht ausreichend durch automatisierte Nachweise belegt sind, sollte die manuelle Überprüfung weiterhin Anweisungen, ergonomische Aspekte, Aufzeichnungen und Dispositionsregeln umfassen.
Ähnliche Resourcen
- Integration von industriellen Automatisierungslinien
- Leitfaden für Roboterzellenkomponenten und deren Integration
- Überblick über Automatisierungslösungen
- Anwendungsübersicht für 3D-Vision-Inspektionszellen
Quellen
- Verband zur Förderung der Automatisierung: Maschinelles Sehen und Beleuchtung
- NIST Robotik und Fertigungsautomatisierung
- ISO 9283:1998 – Industrieroboter zum Manipulieren, Leistungskriterien und zugehörige Prüfverfahren
- ISO 10218-2:2025 — Industrieroboteranwendungen und Roboterzellen
Wer hat diesen Leitfaden erstellt, wie und warum?
- Autor: EVST-RedaktionsteamDer Autor ist auf derselben Organisationsebene wie der Autor des Artikels und die strukturierten Daten. Es werden keine individuellen Mitarbeiterqualifikationen angegeben.
- Beobachtung aus erster Hand: Das Team überprüfte die ausgewählte Mehrwinkel-Quellensequenz und zeichnete nur den sichtbaren Roboter, das Gehäuse, die Gerätepräsentation und die sich ändernden Blickwinkel auf; Sensortyp, Algorithmus, Abdeckung, Genauigkeit, Erkennung und Produktionsergebnisse blieben unberücksichtigt.
- Wie: Das Team wandte das CLEAR-Referenz-, Beleuchtungs-, Erfassungs-, Zugriffs- und Überprüfungsmodell an; verglich feste, robotergestützte und manuelle Architekturen; und überprüfte jede technische Aussage anhand des Beweisregisters und der aufgelisteten Quellen für maschinelles Sehen, Roboterleistung und Messungen.
- Warum: Der Leitfaden hilft den Inspektionsteams, jede Ansicht mit einer kontrollierten Referenz, den Lichtverhältnissen, der Entscheidungsregel, dem Kontrollablauf, dem Nachweisprotokoll und dem Auslöser für die Änderungskontrolle zu verknüpfen, bevor die Geräteauswahl erfolgt.
- Transparenz: Redaktionelle Methode · Korrekturen und Aktualisierungen · Datenschutz · Kontakt · Nutzungsbedingungen
Erstellen Sie die Merkmalsmatrix vor dem Kameratest
Bitte senden Sie EVST die Produktvarianten, die Merkmals- und Zustandsmatrix, die Vorrichtung und Bezugspunkte, die Oberflächenabweichungen, die erforderlichen Ansichten, das infrage kommende Sensorpaket, die Konsequenzen der Entscheidung, repräsentative Teile, die Regeln für die Nachprüfung und die Anforderungen an die Datenaufbewahrung. Wir können diese Informationen in einen Prüfplan für Ansicht und Nachweis einarbeiten; die endgültige Sensortechnologie, ihre Leistungsfähigkeit und die Abnahme unterliegen weiterhin der projektspezifischen Bewertung.