KI-gestützte (Bild-)Datenanalysen ermöglichen die automatische Fehlererkennung in der Industrie, ohne vorherige Trainingsdaten mit Defekten bzw. Anomalien. Self-Organizing Maps (SOM) identifizieren Abweichungen anhand struktureller Ähnlichkeiten und bieten eine ressourcenschonende Alternative zu herkömmlichen Methoden. Der Artikel zeigt praxisnahe Anwendungen wie die End-of-Line-Prüfung von Elektronikbauteilen, die Partikelgrößenbestimmung per Smartphone und die Analyse elektronenmikroskopischer Bilder. Durch den Einsatz von Relationaler Geometrischer Ontologie (RGO) lassen sich Bilddaten strukturiert erfassen und effizient auswerten. Diese Ansätze ermöglichen präzisere Qualitätskontrollen, reduzieren manuelle Prüfaufwände und steigern die Automatisierung industrieller Prozesse.