Von der stillgelegten Anlage zu 700 IBC pro Tag.

Wie Bayern-Fass mit einem KI-Piloten eine ausgefallene Erkennungsanlage zurück in den Vollbetrieb gebracht hat. In sechs Monaten.

Kunde
Bayern-Fass Rekonditionierungs GmbH
Branche
Rekonditionierung von Industrieverpackungen, wie IBC und Stahlfässer
Unternehmensgröße
~440 Mitarbeitende · ~70 Mio € Umsatz
Projektdauer
6 Monate · 11/2024 bis 04/2025
01Ausgangssituation

Die Anlage lief nicht. Punkt.

Bei Bayern-Fass stand eine Anlage zur selektiven IBC-Abreinigung. Die Anlage war technisch instabil und produzierte unzuverlässige Ergebnisse.

Die bisherige Erkennungslösung arbeitete funktional, ließ jedoch aufgrund mangelnder Präzision einen zu großen Sicherheitsabstand zum UN-Label. Da die Beschriftungstafel dadurch unvollständig gereinigt wurde, war weiterhin manuelle Nacharbeit erforderlich. Das auf Lichtblitz und Schattenerkennung basierende Kamerasystem war technisch nicht in der Lage, die für eine Personaleinsparung notwendige Exaktheit zu liefern.

Ergebnis: Da die Anlage nicht die erwartete Arbeitserleichterung brachte, wurde sie vom Personal temporär außer Betrieb genommen. Dieser Akzeptanzverlust führte zu einem Stillstand ohne Durchsatz und Datenbasis, da das Vertrauen in die Funktionsfähigkeit des Ansatzes auf Anwenderebene nicht mehr gegeben war.

Was Bayern-Fass brauchte, war kein weiteres KI-Versprechen. Sondern einen Piloten, der im Betrieb funktioniert und den Mehrwert direkt sichtbar macht.

Anlage temporär außer Betrieb
Stillstand ohne Durchsatz und Datenbasis
Keine echte Objekterkennung
Mangelnde Präzision statt belastbarer Ergebnisse.
Keine Datenbasis
Keine Grundlage für weitere Optimierungen.
02Lösung & Implementierung

Ein Modell allein hätte nicht getragen. Der ganze Prozess schon.

Wir haben nicht einfach ein KI-Modell draufgesetzt. Wir haben den Prozess von der Kamera bis zur SPS neu aufgebaut, damit das Modell unter realen Produktionsbedingungen zuverlässig arbeitet.

01
Kamera-Setup optimiert
Verdunkelte Kammer für kontrollierte Lichtverhältnisse. Kamerapositionierung via Spiegel zur Verzerrungsreduktion. Industrie-PC mit lokaler Bildaufnahme-Software.
02
Datenbasis aufgebaut
Systematische Generierung von Bilddaten. Sammlung und Labeling von Trainingsdaten. Klare Definition der zu entfernenden und auszuschließenden Bereiche.
03
KI-Modell trainiert
Training eines Objekterkennungsmodells. Iterative Validierung und Optimierung. Cloud-basierte Analyse von Vorder- und Rückseite jedes IBC.
04
In die Anlage integriert
Rückgabe der Analyseergebnisse via RabbitMQ an die SPS. Übergabe an das Abreinigungsprogramm. Web-Interface zur Bild- und Ergebnisansicht.
Hybrid-Architektur
On-Prem ReinigungEdge-PC für BildaufnahmeCloud-AnalyseMessage QueueSPS
Begleitet haben wir das Projekt mit einem agilen Setup: Jira, Ticketboard, enger Austausch mit dem Anlagenbauer und dem Bayern-Fass-Team. Kein Wasserfall. Kein Blackbox-Projekt.
03Ergebnisse

Die Anlage läuft. Automatisch. Täglich.

~98 %
Erkennungsquote
vom Kunden bestätigt
700
IBC pro Tag (bis zu)
Spitzenwert, nicht systemlimitiert
Stabil
Anlagenverfügbarkeit
keine größeren Ausfälle

Die selektive Abreinigung läuft vollautomatisch. Nur noch vereinzelte Restbereiche erfordern manuelle Nachbearbeitung. Die Anlage ist stabil im Produktivbetrieb.

Und es ist mehr entstanden als ein funktionierender Prozess: Jeder einzelne IBC wird dokumentiert. Fehlerbilder sind nachvollziehbar. Schulungen werden datenbasiert. Die Transparenz über eingehende Kundenprodukte ist gestiegen.

Der Pilot hat damit drei Dinge gleichzeitig geliefert: Prozess, Datenbasis, Vertrauen in KI als pragmatisches Werkzeug im Betrieb.

Operativ
Vollautomatische selektive Abreinigung etabliert. Stabile Anlagenverfügbarkeit.
Qualität
Systematische Bilddokumentation aller IBC. Bessere Schulung und Prozesskontrolle.
Strategisch
Skalierbare Datenbasis für weitere Use Cases: Klassifizierung, Restmengen, Ausweitung.
"
Ein seit längerem laufendes Projekt konnten wir durch die Erweiterung der KI-basierten Bilderfassung beschleunigen und in kürzester Zeit zum Abschluss bringen. Im Rahmen der Projektzusammenarbeit haben wir zusätzlich weitere Prozessverbesserungen, Potentiale und Einspareffekte im Produktionsprozess identifiziert.
Michael Eigner · Geschäftsführer Bayern-Fass Rekonditionierungs GmbH
04Ausblick

Der Pilot ist nur der Anfang.

Auf der aufgebauten Datenbasis entstehen die nächsten Schritte: erweiterte IBC-Klassifizierung, automatisierte Erfassung von Restmengen, Skalierung auf weitere Anlagen.

So sieht pragmatischer KI-Einsatz in der Produktion aus. Nicht als großes Versprechen. Sondern als Serie aufeinander aufbauender Schritte. Jeder davon im Betrieb messbar.

Du hast einen ähnlichen Prozess, der sich automatisieren ließe?

Projekt besprechen
30 Minuten. Unverbindlich. Mit den Menschen, die die Projekte tatsächlich umsetzen.

© Datenhandwerk GmbH. 2026. All rights reserved