Zellulare Neuronale Netzwerke ("cellular neural networks", CNN) bieten einen neuen Ansatz für die schnelle Bildverarbeitung: sie ermöglichen die Integration von Prozessorelementen in die elektronische Beschaltung der Kamerapixel. Bilddaten werden direkt auf dem Kamerachip mit einem analogen Parallelrechner verarbeitet, dessen räumlich und zeitlich benachbarte Prozessorelemente gekoppelt sind.Diese Arbeit untersucht die Eigenschaften verfügbarer CNN-Kameras und deren Anwendbarkeit für die industrielle Prozesskontrolle. Die CNN-Technik ermöglicht die Aufnahme und Verarbeitung von Flächenbildern mit Bildraten im Bereich von 10 kHz und Latenzzeiten um 100 µs bei einer Rechengenauigkeit von rund 6 Bit. Sie zeichnen sich auch durch ihre Energieeffizienz aus: die Leistungsaufnahme liegt bei nur etwa einem Watt bei einer Rechenleistung, die mit einem Intel Core i7-Prozessor vergleichbar ist. CNN-Kameras erschließen der industriellen Bildverarbeitung daher neue Anwendungen in der Steuerung und Regelung schneller Prozesse.Dies wird anhand zweier Beispiele demonstriert. Bei Laserschweißprozessen kann mit dieser Technik erstmals die Einschweißtiefe anhand des sogenannten Durchschweißloches im Schmelzbad geregelt werden. Mit einer Bildrate von 14 kHz werden die statistischen Eigenschaften innerhalb der Reaktionszeit des Schweißprozesses erfasst und die Laserleistung entsprechend angepasst. Dieser Teil der Arbeit wurde mit dem Stahl-Innovationspreis 2012 sowie mit dem Berthold Leibinger Innovationspreis 2012 ausgezeichnet.Die zweite Anwendung ist die Qualitätskontrolle an Drahtziehprozessen, bei der Defekte mit einer lateralen Größe von nur 100 µm bei einem Vorschub von 10 m/s erfasst werden müssen. Hier konnten fünf verschiedene Defektarten mit einer Bildrate von 4 kHz sicher detektiert werden. Diese Bildrate entspricht einer Zeilenfrequenz von 360 kHz - sie übertrifft damit die Bildraten der derzeit verfügbaren Zeilenkameras um ein Mehrfaches. Die Übertragbarkeit auf andere Anwendungen der Oberflächeninspektion wird ausführlich diskutiert.