Zum Inhalt springen
Markiertes Stammholz am Polter beim Sägewerk Hegener-Hachmann
12. Mai 2026

WoodQAI: Projekttreffen & Workshop bei Hegener-Hachmann

Im Forschungsprojekt WoodQAI wird untersucht, wie KI-basierte Verfahren die Qualitätseinstufung von Stammholz anhand digitaler Bilddaten unterstützen können. Ende April 2026 trafen sich die Projektbeteiligten beim assoziierten Partner Hegener-Hachmann im Sauerland – mit klarem Praxisbezug.

KI-gestützte Holzqualitätsbewertung im Praxiskontext

Die Bewertung der Holzqualität ist ein zentraler Schritt in der forstlichen Wertschöpfungskette. Insbesondere bei Holzpoltern stellt sich die Frage, wie relevante Qualitätsmerkmale zuverlässig, nachvollziehbar und möglichst praxisnah erfasst werden können.

Beim Statustreffen kamen neben den Projektpartnern RIF, Forstify und SNAP auch der Projektträger Jülich (PtJ) sowie der assoziierte Partner Hegener-Hachmann zusammen. Im Mittelpunkt standen die bisherigen Arbeiten und Ergebnisse – von der Erfassung geeigneter Bilddaten über die Ableitung relevanter Holzmerkmale und die KI-basierte Merkmalserkennung bis zur technischen Umsetzung auf mobilen Endgeräten.

Praxiswissen aus dem Sägewerk

Ein besonderer Mehrwert lag in der Besichtigung des Sägewerks. Vor Ort konnten die Beteiligten die Abläufe der Holzannahme, Sortierung und Weiterverarbeitung nachvollziehen und die Anforderungen aus Sicht der Praxis vertiefen. Dabei wurde deutlich, wie anspruchsvoll eine belastbare Qualitätseinschätzung von Stammholz sein kann – und welches Potenzial digitale Hilfsmittel für eine objektivere und effizientere Bewertung bieten.

Die Projektbeteiligten werteten das Statustreffen und den fachlichen Austausch als sehr erfolgreich. Für die kommenden Projektphasen konnten wichtige Impulse gewonnen werden, um die KI-gestützte Holzqualitätsbewertung weiter in Richtung einer praxisnahen Anwendung zu entwickeln.

Begriffe im Glossar: GüteklasseStammholzPolter

Ihre Idee macht Forstify besser.

Wünschen Sie sich eine Funktion, haben eine Frage oder einen Fehler entdeckt? Schreiben Sie uns — viele dieser Updates sind aus Nutzer-Feedback entstanden.