Hinweis: Microsoft hat die Abkündigung von Azure AI Custom Vision angekündigt. Der Dienst wird für Bestandskunden bis zum 25. September 2028 vollständig unterstützt; danach schlagen Aufrufe fehl. Für neue Projekte empfiehlt Microsoft je nach Anwendungsfall Azure Machine Learning AutoML, generative Ansätze über Foundry-Modelle oder Azure Content Understanding in Foundry Tools (Preview).
Was ist Azure AI Custom Vision?
Azure AI Custom Vision ist ein Bilderkennungsdienst zum Trainieren eigener Bildklassifizierungs- und Objekterkennungsmodelle ohne tiefgehende ML-Kenntnisse. Sie laden Bilder hoch, versehen sie mit eigenen Labels und trainieren ein Modell, das Ihre spezifischen Objekte erkennt. Der Dienst ist Teil der Foundry Tools und optimiert darauf, mit vergleichsweise wenigen Trainingsbildern schnell zu ersten Ergebnissen zu kommen.
Custom Vision bietet zwei Funktionen: Bildklassifizierung ordnet einem Bild ein oder mehrere Labels zu. Objekterkennung lokalisiert zusätzlich die Position der erkannten Objekte im Bild über Koordinaten. Der Dienst ist für deutliche visuelle Unterschiede optimiert; für sehr feine Unterscheidungen (z.B. minimale Risse oder Dellen) ist er laut Microsoft nicht optimal geeignet.
Da Microsoft die Abkündigung des Dienstes angekündigt hat, sollten neue Projekte die von Microsoft empfohlenen Alternativen prüfen, bestehende Implementierungen können aber bis 2028 weiterbetrieben werden.
Kernfunktionen
- Bildklassifizierung für Single-Label und Multi-Label
- Objekterkennung mit Lokalisierung der erkannten Objekte
- Trainingsalgorithmen mit Domain-Varianten für bestimmte Motivarten (z.B. Sehenswürdigkeiten, Einzelhandelsartikel)
- Nutzung über Web-Portal (customvision.ai), REST API oder SDKs
- Export trainierter Modelle für die Offline-Nutzung
Typische Anwendungsfälle
Fertigungsunternehmen nutzen Custom Vision für Prototypen zur automatisierten Qualitätskontrolle, etwa zur Erkennung offensichtlicher Defekte oder fehlender Komponenten.
Einzelhändler setzen Objekterkennung für erste Regalanalyse-Prototypen ein, um Produkte oder grobe Out-of-Stock-Situationen aus Kamerabildern zu erkennen.
Medizintechnik-Unternehmen nutzen den Dienst gelegentlich für frühe Prototypen von Screening-Tools, bevor produktionsreife Lösungen mit spezialisierten oder generativen Modellen entwickelt werden.
Vorteile
- Schneller Einstieg ohne tiefgehende ML-Expertise
- Training in kurzer Zeit mit vergleichsweise wenigen Bildern
- Web-Portal für einfaches Labeling und Testen ohne Code
- Export-Optionen für Offline- und Edge-Szenarien
Integration mit innFactory
Als Microsoft Solutions Partner unterstützt innFactory Sie bei Azure AI Custom Vision sowie bei der Migrationsplanung zu Azure Machine Learning AutoML, Foundry-Modellen oder Azure Content Understanding: Use-Case-Analyse, Datenstrategie, Modelltraining und Migrationsstrategie.
Kontaktieren Sie uns für eine unverbindliche Beratung zu Azure AI Custom Vision und dessen Nachfolgelösungen.
Typische Anwendungsfälle
Häufig gestellte Fragen
Ist Azure AI Custom Vision noch verfügbar?
Ja, der Dienst läuft weiter und wird von Microsoft bis zum 25. September 2028 vollständig unterstützt. Microsoft hat die Abkündigung angekündigt und empfiehlt, in diesem Zeitraum auf Alternativen umzusteigen.
Wie viele Bilder brauche ich zum Training?
Als Richtwert empfiehlt Microsoft rund 50 Bilder pro Label für gute Prototyping-Ergebnisse. Für produktionsreife Modelle mit hoher Varianz (Beleuchtung, Winkel, Hintergrund) sind in der Regel deutlich mehr Bilder pro Klasse sinnvoll.
Was ist der Unterschied zwischen Classification und Object Detection?
Classification ordnet einem ganzen Bild ein oder mehrere Labels zu. Object Detection lokalisiert zusätzlich, an welcher Stelle im Bild die erkannten Labels auftreten, inklusive Koordinaten. Die Wahl richtet sich nach dem Anwendungsfall.
Welche Alternativen empfiehlt Microsoft für neue Projekte?
Für klassische ML-Ansätze empfiehlt Microsoft Azure Machine Learning mit AutoML für Bildklassifizierung und Objekterkennung. Für generative Ansätze stehen Foundry-Modelle sowie Azure Content Understanding in Foundry Tools (Preview) zur Verfügung, das u.a. für Bildklassifizierungs-Workflows geeignet ist.
Kann ich trainierte Modelle exportieren?
Ja, Modelle lassen sich für die Offline-Nutzung exportieren, etwa für den Einsatz auf Edge-Geräten. Details zu unterstützten Exportformaten finden Sie in der offiziellen Dokumentation.
Hinweis: Alle Produktinformationen auf dieser Seite wurden sorgfältig zusammengestellt, sind jedoch ohne Gewähr und können veraltet oder unvollständig sein. Cloud-Services entwickeln sich schnell weiter — Funktionen, Preise, SLAs und Verfügbarkeit ändern sich laufend. Verbindliche und aktuelle Informationen finden Sie ausschließlich auf der offiziellen Produktseite von Azure (offizielle Dokumentation). Diese Seite stellt kein Angebot von Azure dar.
