Warum Sägewerke auf Scanner und KI setzen
Ein Sägewerk entscheidet einen großen Teil des Stammwerts mit den ersten Schnitten. Dreht man den Stamm um ein paar Grad oder öffnet ihn ein paar Zentimeter höher, landet derselbe Ast mitten in einem wertvollen Brett oder im Schwartenbrett. Bis vor Kurzem fiel diese Entscheidung von außen: nach Rinde, Form, Stirnflächen und der Erfahrung des Sägers. An Blockbandsägen für starke Stämme muss der Säger binnen Sekunden entscheiden, wo der nächste Schnitt sitzt, vor allem anhand der Mantelfläche und der bereits gesägten Flächen.10
Scanner stützen diese Entscheidung an drei Stellen der Kette mit Daten: auf dem Rundholzplatz, wo sie die Form und mit Röntgenstrahlen das Innere messen; an der Hauptsäge, wo eine Optimierung den Stamm dreht und das Schnittbild wählt; und am getrockneten Schnittholz, wo Kamera- und Röntgenscanner Bretter sortieren und Optimierungskappsägen steuern. „KI“ bedeutet hier meist Deep-Learning-Modelle, in der Regel faltende neuronale Netze, die an Tausenden markierter Bilder gelernt haben, Äste, Risse oder Fäule zu erkennen.1
Dieser Beitrag zeigt, was die veröffentlichten Daten für Laubholz hergeben, mit einem durchgehenden Vorbehalt: Die meisten CT-Studien betreffen Nadelholz, die meisten Studien zur automatischen Laubholzsortierung stammen aus den USA. Wir sagen jeweils, welche Holzart und welcher Vergleich hinter einer Zahl steht. Wo auf dem Weg vom Stamm zum Teil Volumen verloren geht und wie Längsschnitt zuerst und Keilzinkung es zurückholen, beschreibt unser Beitrag zur Holzausbeute vom Stamm zum Möbelteil.
Drei Stufen der Rundholzvermessung: 3D, Röntgen und CT
Nicht jeder „Rundholzscanner“ sieht dasselbe. Optische und Laserscanner messen die äußere Form: Durchmesser, Abholzigkeit, Krümmung, Ovalität und bei hoher Auflösung Beulen an der Oberfläche. Diskrete Röntgenscanner, seit den 1990er-Jahren in führenden Sägewerken im Einsatz, durchleuchten den Stamm aus einer bis vier Richtungen und schätzen Kernholzanteil, Dichte, Astgröße, Astquirlabstand und Jahrringbreite. Die Computertomographie (CT) geht weiter: Sie setzt Röntgenprojektionen rund um den Stamm zu einer vollständigen dreidimensionalen Dichtekarte zusammen, Schicht für Schicht.6,2
Laser-, Kamera- und akustische Verfahren bleiben die Arbeitspferde. Eine slowakische Studie von 2022 fand sie in allen großen automatisierten Sägewerken Europas und zunehmend in mittleren, während industrielle CT-Scanner wegen ihres Preises selten blieben.6
Was ein Laserscan über einen Laubholzstamm verrät
Schon Oberflächendaten sagen viel über Laubholzstämme, deren Güte stark von äußeren Merkmalen abhängt. Ein System des US Forest Service, das hochauflösende 3D-Laserscans berindeter Stämme auswertet, findet Merkmale ab 13 mm Höhe und 76 mm Durchmesser. An 14 zufällig gewählten Stämmen fand es 53 von 64 schweren Fehlern, meldete fälschlich neun gesunde Bereiche und erfasste 90,2 % der Fehlerfläche.11 Das hilft bei der Rundholzsortierung, ist aber kein Blick ins Innere: Ein seit Jahrzehnten überwallter Ast hinterlässt auf der Rinde oft nur eine schwache Spur.
Wie ein CT-Rundholzscanner im Sägewerkstakt arbeitet
Der industrielle Rundholz-Tomograph in den unten genannten Studien ist der CT Log, den der italienische Scannerhersteller Microtec ab 2008 entwickelt hat. Seine Entwickler beschreiben eine Gantry mit Röntgenquelle und Sensorring, die mit 240 Umdrehungen pro Minute um ein Förderband rotiert und den Stamm im Durchlauf fortlaufend rekonstruiert. Laut veröffentlichter Spezifikation scannt er mit 60–160 m/min, hat ein Sichtfeld von 90 cm, nimmt je nach Holzdichte Stämme bis 70 cm Durchmesser auf und löst quer zum Stamm 1 mm und längs 10 mm auf.1
Die eigentliche Herausforderung ist die Geschwindigkeit. Ein Sägewerk verarbeitet etwa zehn Stämme pro Minute, viel zu viele, um CT-Bilder von Hand auszuwerten. Im beschriebenen System analysiert ein Rechnerverbund einen 6-m-Stamm in etwa 2,3 Sekunden; die Optimierung prüft danach in einer Sekunde rund 10.000 virtuelle Bretter je Stamm und wählt das wertvollste Schnittbild. Die ganze Kette passt zwischen Scanner und eine Säge, die 16,1 m dahinter steht.1
Die Asterkennung in diesem System nutzt bereits KI: ein faltendes neuronales Netz, trainiert an mehr als 5.000 Ästen, die Fachleute in CT-Bildern von Hand markiert hatten. Die Entwickler nennen auch eine Grenze, die für jede Holzart gilt: Im äußeren Splintholz haben Äste und gesundes Holz eine sehr ähnliche Dichte, sodass Äste dort vor allem an der Textur erkannt und ungenauer vermessen werden.1,3
Die Entwickler zählten Anfang 2018 fünf Linien in Betrieb, eine sechste stand in Schweden kurz vor dem Start. Eine slowakische Studie zählte 2023 weltweit 14, die meisten in Nadelholzsägewerken.1,2,7 Eine davon, am Nationalen Forstzentrum in Zvolen, wurde für die Forschung statt für die Produktion aufgestellt; deshalb stammen viele neuere europäische Laubholzdaten aus der Slowakei.2
Wie viel Wert bringt die CT? Was die Studien tatsächlich verglichen
Jeder veröffentlichte Wertzuwachs beantwortet eine etwas andere Frage. Manche Studien vergleichen die beste Drehlage jedes Stammes mit einer Standardlage, andere mit dem Mittel aller Lagen, eine mit dem, was das Werk tatsächlich produziert hat. Manche setzen eine perfekte Drehvorrichtung voraus, andere rechnen realistische Fehler ein. Die Tabelle fasst die wichtigsten Studien zusammen.
| Studie | Holzart und Stichprobe | Verglichen mit | Wertzuwachs |
|---|---|---|---|
| Chang & Gazo 2009 (USA) | Roteiche, Weißeiche, Amerik. Kirsche, Zuckerahorn, Tulpenbaum; 29 Stämme, medizinisches CT | Tatsächlicher Einschnitt derselben Stämme im Werk | +46 % im Mittel (Roteiche +24 %, Weißeiche +60 %) |
| Stängle et al. 2015 (Deutschland, Finnland) | Rotbuche; 33 Stämme | Mittel aus 12 Drehlagen | Bis +24 % (beste Lage) |
| Berglund et al. 2013 (Schweden), nach Rais et al. | Waldkiefer, Fichte | Konventionelle Stammlage | Rund +13 % im Mittel |
| Rais et al. 2017 (Microtec) | Douglasie; 36 Stämme, Industrie-CT mit 120 m/min | Lage „Krümmung oben“, mit Dreh- und Astmessfehlern | +4 %, +8 % oder +20 %, je nach Preisabstand der Klassen |
| Belley et al. 2019 (Kanada) | Weißfichte, Banks-Kiefer; 53 Bäume | Konventioneller Einschnitt nach Krümmung | +15 % (Fichte), +23 % (Kiefer) |
| Gejdoš et al. 2025 (Slowakei) | Stiel- und Traubeneiche; 125 Stämme | Visuelle Rundholzsortierung (Sortierung, kein Einschnitt) | Gleiche Klasse bei 47 % der Stämme; 30 €/m³ niedrigerer Listenwert |
Die Vergleichsbasen unterscheiden sich, die Zuwächse sind daher nicht direkt vergleichbar. Nur die ersten beiden Zeilen sind Laubholz-Einschnittstudien. Quelle: Chang & Gazo (2009); Stängle et al. (2015); Rais et al. (2017), who also report Berglund et al. (2013); Belley et al. (2019); Gejdoš et al. (2025). Full references below.
Drei Punkte fallen auf. Erstens geht es vor allem um Wert, nicht um Volumen. Wer den Stamm so dreht, dass Äste an den Brettkanten oder in den ohnehin geringwertigen Brettern landen, verändert die Klassenverteilung weit stärker als die Kubikmeter. Den Unterschied zwischen Volumen- und Wertausbeute erklärt unser Beitrag zu Einschnittarten, Riftholz und Halbrift.
Zweitens bestimmt der Preisabstand zwischen den Klassen das Ergebnis. In der industriellen Douglasienstudie ergaben dieselben Stämme und dieselben CT-Daten einen mittleren Zuwachs von 4 %, 8 % oder 20 %, allein abhängig davon, wie viel mehr die oberen Klassen wert waren.3 Bei Laubholz, wo die besten Erscheinungsklassen ein Vielfaches der gängigen Klassen kosten, wirkt das in beide Richtungen: größere mögliche Gewinne, aber auch größere Verluste bei einem falsch eingeschätzten Stamm.
Drittens ist die Datenlage für Laubholz dünn, für Nadelholz breiter: Eine kanadische Studie an 53 Weißfichten und Banks-Kiefern fand 15 % und 23 % mehr Schnittholzwert durch astoptimierten Einschnitt als durch konventionellen.12 Die Studie zur europäischen Buche nutzte 33 Stämme und fand, dass die beste von 12 Drehlagen bis zu 24 % mehr Volumen und Wert brachte als die mittlere Lage.4 Die amerikanische Studie zu fünf Laubholzarten nutzte 29 Stämme, gescannt in einem medizinischen CT. Ihr mittlerer Zuwachs von 46 % vergleicht eine optimierte Simulation mit dem tatsächlichen Einschnitt derselben Stämme im Werk; ein Teil des Gewinns stammt also aus der Optimierung selbst, nicht nur aus dem Röntgenbild. Der Zuwachs stieg von 27 % bei Stämmen der Klasse 1 auf 97 % bei Klasse 3.5
Ein Scanner ist nur so gut wie die Drehvorrichtung
Eine CT-Optimierung kann die beste Lage aufs Grad genau berechnen, aber die Stammdrehvorrichtung muss sie auch umsetzen. Die Douglasien-Simulation rechnete mit einem zufälligen Drehfehler mit 5° Standardabweichung und einem realistischen Fehler bei der Astvermessung und fand trotzdem die genannten Zuwächse. Dieselbe Arbeit zitiert eine finnische Schätzung, wonach Drehfehler unter etwa 2° Standardabweichung bleiben müssen, damit kein Wert verloren geht, setzt übliche Drehvorrichtungen bei etwa 4° an und nennt eine schwedische Fichtenstudie, in der ein Fehler von 6° den mittleren Zuwachs von 11 % auf 6 % senkte.3 Besseres Scannen zahlt sich nur aus, wenn die Mechanik dahinter mithält.
Eiche und Buche: warum Laubholz für die CT schwieriger ist
Die CT sieht Dichte, nicht Farbe. Bei Fichte ist ein Ast deutlich dichter als das umgebende Kernholz und hebt sich im Bild klar ab. Bei Eiche und Buche ist der Kontrast schwächer. Ein slowakisches Team, das Eichen-, Buchen- und Fichtenstämme auf einem industriellen CT scannte, stellte fest, dass sich bei den beiden Laubhölzern die innere Struktur mit den Fehlern überlagerte; diese erschienen als zusammenhängende Bereiche ohne klare Form statt als einzelne Merkmale.6
Eine Folgestudie zerlegte einen 4 m langen Buchenstamm und einen Teil eines Eichenstammes in 20 mm dicke Scheiben und verglich jedes Merkmal mit dem CT-Bild. Die Lage stimmte bei beiden genau, mit Abweichungen von 0,90 % bei Buche und 1,21 % bei Eiche. Die Größe war weniger verlässlich: Bei Buche wichen die CT-Maße im Mittel um 3,5 % ab, bei Eiche wurden sie deutlich überschätzt, eine Rindentasche um mehr als das Dreifache. Der Scanner übersah außerdem einen Falschkern (Rotkern) im Buchenstamm und einen Ast in der Eiche. Die Autoren folgern, dass die Technik vor allem für Nadelholz entwickelt wurde und ihre Software auf manche Laubhölzer noch nicht abgestimmt ist.2
Für starke Laubholzstämme zählen zwei praktische Grenzen. Dasselbe Team sah ringförmige Bildartefakte bei Stämmen über etwa 650 mm Durchmesser, und seine Studie von 2025 vermerkt, dass das Bildrauschen über 750 mm zunimmt, auch wenn Merkmale erkennbar blieben.2,7 Starke Erdstämme von Eiche und Buche liegen genau in diesem Bereich.
CT-Sortierung von 125 Eichenstämmen
Die für Einkäufer nützlichste Laubholzstudie ist ein slowakischer Vergleich von 2025 an 125 Stämmen von Stiel- und Traubeneiche, gekauft für hochwertige Verwendungen wie Fassdauben. Jeder Stamm wurde zweimal nach der slowakischen Norm für Laubrundholz sortiert: nach Augenschein, wie im normalen Forstbetrieb, und anhand von CT-Bildern und 3D-Modellen.7
Beide Verfahren stimmten bei 47,2 % der Stämme überein. Die CT stufte 42,4 % niedriger und 10,4 % höher ein. Die Aufschlüsselung der Autoren nach dem entscheidenden Merkmal: Bei 60 % der Stämme waren die Merkmale mit bloßem Auge sichtbar, wurden auf den CT-Bildern aber anders vermessen; überwallte Äste entschieden die Klasse bei 16,8 % der Stämme, Kernrisse bei 10,4 % und mehrseitige Krümmung bei 9,6 %. Zu slowakischen Listenpreisen des zweiten Quartals 2024 sank der mittlere Wert von 157,32 auf 127,16 Euro je Kubikmeter.7
Dieser Rückgang ist kein Verlust durch die CT, sondern Wert, den die visuelle Sortierung überschätzt hatte. Für ein Sägewerk, das Stämme kauft, ist genau das vor dem Einschnitt zu erfahren der Sinn der Sache; für den Waldbesitzer, der verkauft, ist es weniger erfreulich. Die allgemeine Lehre: Güteklassen nach EN 1316-1 und ihren nationalen Fassungen sind nur so verlässlich wie die Messung dahinter. Das zeigt unser Leitfaden zur Laubschnittholz-Sortierung auch für Schnittholz.
KI-Fehlererkennung am Brett: was Genauigkeitsangaben bedeuten
Der größte Teil der KI in der Laubholzverarbeitung arbeitet heute nicht am Stamm, sondern am Brett: in Sortierlinien am Ende des Sägewerks und in den Scannern vor Optimierungskappsägen und Auftrennsägen. Diese Systeme kombinieren Farbkameras, Laser, die das Oberflächenprofil lesen, und teils Röntgen mit einer Software, die jeden Fehler klassifiziert und dann eine Sortierregel oder eine Zuschnittliste anwendet.8
„Genauigkeit“ kann dreierlei bedeuten: ob ein Fehler gefunden wurde, ob er richtig klassifiziert wurde oder ob die endgültige Klasse beziehungsweise der Schnitt stimmte. Die Studien berichten alle drei, daher sind Zahlen nur innerhalb einer Studie vergleichbar.
Sortierlinien: Maschine gegen menschliche Sortierer
Maßstab ist nicht Perfektion, sondern der menschliche Sortierer. 2003 sortierte ein Multisensor-Prototyp der Virginia Tech 89 Roteichenbretter in 63 % der Fälle richtig, die Sortierer an der Produktionslinie in 48 %. Er schätzte den Holzwert mit weniger als 6 % Abweichung von einem zertifizierten NHLA-Inspektor, während die Liniensortierer ihn um fast 20 % überbewerteten.13 Fünfzehn Jahre später sortierte ein kommerzieller Scanner mit Farbkameras, Lasern und Röntgensensor mehr als 9.000 sägeraue, technisch getrocknete Bretter aus neun amerikanischen Laubholzarten in einem Sägewerk im Mittleren Westen. Er erreichte 92,22 % Klassengenauigkeit und 99,50 % Wertgenauigkeit, bei Mindestwerten von 80 % und 96 % nach dem NHLA-Verkaufskodex. Die Autoren zitieren Studien, die menschliche Inspektoren bei 48–75 % sehen.8
Ein Detail ist für Eichenkäufer wichtig: Weißeiche brauchte eine angepasste Sortierlösung wegen Eisenverfärbungen, die der Scanner sonst als Fehler gelesen hätte.8
Optimierungskappsägen und Lamellensortierung
Europäische Daten sind dünner, liegen aber näher an der Teilefertigung. Eine kroatische Studie verglich die Deep-Learning-Software eines industriellen Farbscanners mit einer in einem Forschungsprojekt entwickelten Software, an 40 Eichenlamellen aus der Türenfertigung. Keine war durchweg besser. Der Industriescanner fand Splintholz in jedem Fall, die breiten Markstrahlen der Rifteiche, ihre Spiegel, aber nur in 27 %; die Projektsoftware fand die Spiegel in 82 % der Fälle, erkannte Fraßgänge von Ambrosiakäfern aber nur in einem von fünf Fällen. Über alle sechs Merkmalsarten gemittelt erkannten beide etwa 60 % und 62 %.14
Eine Studie von 2025 trainierte ein Mask-R-CNN-Netz an 2.972 Bildern von Buchenlamellen für Leimholzplatten und sortierte sie mit 90,90 % Gesamtgenauigkeit in drei Optikklassen plus gerissene Stücke.15 Ein Team der Purdue University zeigte, dass ein neuronales Netz elf handelsübliche Laubholzarten anhand von Brettbildern mit 98,2 % Genauigkeit unterscheiden kann; ein Scanner könnte so seine Einstellungen beim Holzartenwechsel selbst umstellen, statt auf den Bediener zu warten.16
Keine dieser Zahlen ist eine Garantie für eine bestimmte Linie. Die Genauigkeit hängt von Holzart, Beleuchtung, Oberfläche, Fehlerdefinitionen und der Zahl markierter Beispiele ab, die das Modell gesehen hat. Für Einkäufer zählt die Ausschussquote bei den eigenen Teilen.
Was Scanner kosten und welche Werke sie rechtfertigen können
Veröffentlichte Preise für Rundholz-CT sind selten. Eine slowakische Arbeit von 2023 beziffert die Investition auf eine Größenordnung von Millionen Euro und sagt, sie habe sich deshalb nur für große Betriebe gerechnet.2 Die Rechnung sieht seit Jahrzehnten ähnlich aus. Eine US-Studie von 1990 zur CT in Laubholzsägewerken setzte eine Investition von 1,5 Millionen US-Dollar an, das obere Ende der damaligen Preise schneller medizinischer Scanner, dazu rund 175.000 Dollar Servicekosten pro Jahr. Bei 15 % geforderter Rendite rechnete sich der Scanner in einem großen Werk schon bei 8,5 % Wertzuwachs; ein kleines Werk brauchte mehr als 30 %.17
Die Werksgrößen entsprechen 25, 10 und 5 Millionen Board Feet pro Jahr, umgerechnet mit 2,36 m³ je tausend Board Feet (unsere Umrechnung). Eine österreichische Simulation von 2019 für ein mittelgroßes europäisches Nadelholzsägewerk, das rund 100.000 m³ Fichte und Lärche im Jahr einschneidet, mit Blick auf seine Blockbandsäge für Starkholz, errechnete einen internen Zinsfuß von 5 % bis 42 % über zehn Jahre, je nachdem, wie stark die CT die Produktion annahmegemäß zu höherwertigen Produkten verschiebt. Die Autoren betonen, dass erfolgreiche industrielle Anwendungen noch selten waren und reale Daten zu CT-Gewinnen an Bandsägen fehlten.10
Brettscanner sind günstiger. 2002 kosteten kamerabasierte Schnittholzscanner unter einer Million US-Dollar, und die Autoren einer US-Zuschnittstudie schätzten, dass sich ein System, das den Teileausschuss halbiert, in einem durchschnittlichen amerikanischen Zuschnittbetrieb in weniger als einem Jahr amortisiert.18
Hersteller veröffentlichen eigene Zahlen. Microtecs Laubholzseite nennt für CT Log ein mögliches Umsatzplus von 15–20 %, und eine Fallstudie über ein nordamerikanisches Werk, das Erle, Esche und Ahorn einschneidet, zitiert den Betreiber, er habe nach vier Monaten im Rahmen der zugesagten Amortisation gesägt, ohne Zahlen zu nennen.19,20 Das sind Behauptungen, keine unabhängigen Messungen. Für kleinere Betriebe schlagen die slowakischen Forscher einen anderen Weg vor: Kapazität auf einer bestehenden CT-Linie zu mieten, etwa um wertvolle Stämme vor einer Submission zu zertifizieren oder für hochwertige Produkte wie Fässer und Musikinstrumente.2,7
Was kleine und mittlere Werke ohne CT tun können
Dieselbe Forschung zeigt, wo die günstigeren Gewinne liegen, denn die menschlichen Arbeitsschritte rund um die Säge sind oft das schwächste Glied.
Fehler genauer anzeichnen
Viele Zuschnittbetriebe zeichnen Fehler noch von Hand mit Fluoreszenzkreide an, und die Optimierungskappsäge schneidet nach den Markierungen. Eine US-Zuschnittstudie bewertete einen erfahrenen Bediener nach strengen Kriterien: 78 % der Markierungen wichen von der idealen Position ab. 43 % der Fehler wurden übersehen, 33 % innerhalb des Fehlers markiert, und 2 % der Markierungen betrafen gesundes Holz. Die Ausbeute vor Ausschuss lag bei 63,5 %, nach Aussortieren der Teile mit unzulässigen Fehlern bei 47,4 %, bei 22 % ausgesonderten Teilen. Ein früherer Test mit sechs erfahrenen Zuschnittmitarbeitern hatte im Mittel 68 % ergeben.18
Daten anzeigen
| Anzeichengenauigkeit | Nutzbare Ausbeute |
|---|---|
| Übliche Anzeichenfehler | 39,1 % |
| 25 % weniger Fehler | 44,4 % |
| 50 % weniger Fehler | 45,7 % |
Ausbeute als Teilefläche bezogen auf eingesetzte Brettfläche. Gemessen in einem US-Zuschnitt mit Längsschnitt zuerst und simuliert. Quelle: Buehlmann & Thomas (2003), Impact of board-marker accuracy on lumber yield, FAIM 2003. Grade mix from Buehlmann & Thomas (2002).
Eine Folgesimulation bezifferte den Wert von Schulung: Mit 25 % weniger Anzeichenfehlern stieg die nutzbare Ausbeute von 39,1 % auf 44,4 %, mit 50 % weniger auf 45,7 %.9 Die Autoren empfehlen, ein paar Millimeter ins fehlerfreie Holz jenseits jedes Fehlers zu markieren, bessere Beleuchtung und klarere, schriftliche Fehlervorgaben.18
Stämme sorgfältig sortieren und vermessen
In der Eichenstudie kamen die meisten Abweichungen von Merkmalen, die sichtbar, aber auf dem Platz schwer zu messen waren: Krümmung, beurteilt am Stamm auf unebener Unterlage, überwallte Äste, die sich auf der Rinde nur schwach abzeichnen, und Oberflächen voller Staub und Schlamm oder nass vom Regen.7 Stirnflächen säubern, Krümmung auf ebener Unterlage messen und die Güteklasse jedes Stammes mit seiner tatsächlichen Ausbeute abgleichen kostet wenig und schafft die Daten, die jeder spätere Scanner bräuchte.
Den Stamm bewusst drehen
Die CT-Studie an Buche fand bis zu 24 % Wertunterschied zwischen der besten und der mittleren Drehlage.4 Ohne Blick ins Innere kann der Säger trotzdem nutzen, was die Oberfläche zeigt, und Laserscans von Laubholzstämmen finden die meisten schweren Oberflächenfehler automatisch.11 Jeden Stamm so zu drehen, dass sichtbare Fehler in die Seitenware oder in möglichst wenige Bretter fallen, ist die Handversion dessen, was eine CT-Optimierung tut.
So optimieren wir bei SARAL
Was Sie Ihren Lieferanten zu Scannen und Optimieren fragen sollten
- Wie werden Fehler vor der Optimierungskappsäge erkannt? Durch Markierungen des Bedieners, durch einen Kamerascanner oder beides. Jede Variante hat ihr eigenes Fehlerbild.
- Welche Fehler werden herausgeschnitten, und mit welchem Abstand? Fragen Sie nach den schriftlichen Fehlerregeln: Astgröße, Risse, Splint, Verfärbungen, Spiegel, und ob Markierungen oder Scannereinstellungen einen Sicherheitsabstand ins fehlerfreie Holz lassen.
- Nach welcher Regel sortiert das automatische System? EN 975-1, NHLA oder eine Hausregel. Eine Maschine wendet eine Regel konsequent an, aber nur die, die man ihr gegeben hat.
- Wie werden Farbmerkmale behandelt? Splint, Rotkern bei Buche, Eisenverfärbungen bei Eiche und Spiegel sind Farb- oder Texturmerkmale. Die CT, die Dichte misst, sieht sie unter Umständen nicht; Kameras sehen sie, mit wechselndem Erfolg.
- Ist der Scanner auf Ihre Holzart und Oberfläche eingestellt? In veröffentlichten Tests war eine holzartspezifische Kalibrierung nötig, und sägeraue Bretter sind schwerer zu lesen als gehobelte.
- Welche Ausbeute und Ausschussquote haben Teile wie Ihre? Fragen Sie nach Zahlen zu Ihrer eigenen Zuschnittliste, nicht nach einem Prospektmittel.
- Behandeln Sie Herstellerzahlen als Behauptungen, bis sie an Ihrem eigenen Holz gezeigt sind.
Häufige Fragen
Was ist ein CT-Rundholzscanner?
Ein für Sägewerke gebauter Computertomograph. Er durchleuchtet jeden Stamm auf dem Förderband von allen Seiten und rekonstruiert sein Inneres in 3D mit bis zu 160 m/min, sodass eine Optimierung Drehlage und Schnittbild vor dem ersten Schnitt wählen kann.1
Um wie viel erhöht CT-Scannen die Wertausbeute im Sägewerk?
In veröffentlichten Simulationen meist um 4–24 % im Wert gegenüber einer Standardlage oder der mittleren Lage des Stammes, je nach Holzart, Preisabstand der Klassen und Genauigkeit der Drehvorrichtung. Laubholzstudien sind selten und arbeiten mit kleinen Stichproben.3,4,5
Erkennt KI Holzfehler besser als Menschen?
Bei der Sortierung sagen veröffentlichte Tests ja: Ein kommerzieller Scanner erreichte 92,22 % Klassengenauigkeit bei neun amerikanischen Laubholzarten, gegenüber 48–75 % bei menschlichen Sortierern. Die Erkennung einzelner Fehlerarten schwankt aber stark, in einer Eichenstudie zwischen unter 30 % und 100 % je nach Merkmal.8,14
Lohnt sich ein CT-Scanner für ein kleines Sägewerk?
Allein selten. Eine US-Analyse ergab, dass kleine Laubholzwerke mehr als 30 % Wertzuwachs bräuchten, damit sich ein CT-Scanner rechnet, große Werke dagegen 8,5 %. Gemietete Scankapazität, genaueres Anzeichnen und sorgfältige Rundholzsortierung sind günstigere erste Schritte.17,2,9
