Machine Learning &
Mikroskopie-Lösungen
Probenhalter für effiziente Bildaufnahme
Probenhalter im Rasterelektronenmikroskop und für hocheffiziente Bildaufnahme im Lichtmikroskop
Unsere Probenhalter ermöglichen eine schnelle sowie zuverlässige Probenbeladung für effiziente und reproduzierbare Bildaufnahmen. Sie sind mit allen ZEISS Licht- und Elektronenmikroskopen kompatibel.
Unsere Probenhalter sind flexibel und modular aufgebaut und lassen sich einfach an unterschiedliche Probengeometrien anpassen. Mikroskope anderer Hersteller können auf Anfrage ebenfalls integriert werden.
GxP konforme Softwarelösungen als Business-Partner von ZEISS Microscopy
Begleitung von GxP-konformen Validierungslösungen für die Mikroskopie.
Wir realisieren automatisierte Analyseprozesse u.a. gemäß den Richtlinien der amerikanischen Food and Drug Administration (FDA, 21 CFR Part 11), bei denen alle elektronischen Daten den GxP-Anforderungen entsprechen. Eine strukturierte Benutzerverwaltung mit klar definierten Zugriffsrechten sowie eine lückenlose Dokumentation des Analyseworkflows in einem Audit-Trail stellen die vollständige Nachvollziehbarkeit aller durchgeführten Aktionen sicher. Eine Manipulation der Ergebnisdaten ist ausgeschlossen, sämtliche Prozesse werden revisionssicher dokumentiert und unterliegen konsequenten Versions- und Änderungskontrollverfahren.
Die Entwicklung der Analyseworkflows erfolgt nach dem V-Modell, das die Anforderungen des regulierten Umfelds optimal unterstützt und höchste Sicherheit und Transparenz gewährleistet.
Werkstofftechnische Fragestellungen
Machine Learning basierte Korngrößenanalyse für verschiedene Materialien.
Wir bieten vollautomatisierte, KI-gestützte Qualitätssicherung und Materialcharakterisierung, von der Residualanalyse mit VDA 19 konformer Protokollierung bis hin zu fortschrittlichen quantitativen mikrostrukturellen Analysen. Die integrierte Kalibrierung gewährleistet die Messgenauigkeit, während großflächige Analysen mit hohem Durchsatz Prozesseffekte, Mikrostrukturhomogenität und Porenverteilungen über mehrere Proben hinweg effizient erfassen. Mit Hilfe eines „Tiling“-Ansatzes bieten wir feld- und regionsspezifische Analysen, einschließlich der Visualisierung größerer Defekte, feiner geometrischer Bewertungen und der Bestimmung der Korngröße.
KI-gestützte Workflows erstrecken sich auf semi-automatisierte Messungen geometrischer Parameter und die automatisierte Quantifizierung von Mikrostrukturmerkmalen wie Körnern, Phasen oder Defekten, die in SQL-Datenbanken integriert werden können, um eine reproduzierbare Datenverwaltung zu ermöglichen, die durch die automatisierte Erstellung benutzerdefinierter Berichte zur Unterstützung von Audits unterstützt wird. Durch die Kombination von KI, Automatisierung, Hochdurchsatzanalyse und datengesteuerter Analytik liefern unsere Lösungen hochpräzise, reproduzierbare Erkenntnisse, die die Qualitätssicherung, Prozessoptimierung und Materialforschung für verschiedene Materialien beschleunigen.
Machine Learning und Data-driven Solutions in der Anwendung
Automatisierungslösungen in der Mikroskopie mit KI-Unterstützung.
Fotograf/Bildquelle Sven Doering
Unser Labor kombiniert automatisierte Mikroskopie mit KI-gestützter Materialanalyse und liefert schnelle, genaue und quantitative Erkenntnisse aus Mikrostrukturen. Wir trainieren leistungsstarke Maschinen- und Deep-Learning-Modelle für die Fehlererkennung, Strukturklassifizierung, Eigenschaftskorrelationen und Mikrostrukturquantifizierung unter Verwendung von Frameworks wie TensorFlow, Keras, PyTorch, OpenCV und scikit-learn. Machbarkeitsstudien werden sowohl an bestehenden Datensätzen als auch an neu erworbenen Proben durchgeführt.
Unsere KI-Pipelines legen Wert auf Reproduzierbarkeit und Compliance durch benutzerdefinierte Modellexporte und standardisierte KI-Systemklassifizierung und -validierung. Wir sorgen für Transparenz durch detaillierte Modell- und Datenkarten, die Architektur und Limitationen dokumentieren, während die integrierte Datenabweichungsüberwachung die Genauigkeit über einen längeren Zeitraum hinweg gewährleistet, um Zuverlässigkeit, Robustheit und Audit-Bereitschaft sicherzustellen.