Wie du bestehende Sicherheitskameras um KI-Analytik ergänzt

Fast jede Organisation, die sich fragt, wie sie KI in ihre Überwachungskameras integrieren kann, hat die Antwort bereits in drei Optionen irgendwo vorliegen. Der Fehler besteht darin, bei der Software anstelle des Bestands zu beginnen. Die Kameras, die du besitzt – deren Auflösung in relevanten Entfernungen, Blickwinkel, ihr Verhalten bei schwachem Licht und der Ort, an dem ihre Streams verarbeitet werden können –, bestimmen, welcher dieser drei Wege dir überhaupt offensteht.

Dieser Leitfaden behandelt zunächst das ehrliche Kamera-Audit, gefolgt von den drei Wegen: dem Kauf einer Analyseschicht über deinem bestehenden Videomanagementsystem, dem Upgrade des VMS oder der Kameras selbst und dem Self-Hosting von Erkennungsmodellen auf den Streams, die du bereits hast. Die meisten Leser sollten sich für einen der ersten beiden Wege entscheiden. Der dritte ist eine echte Option für eine bestimmte Reihe von Einschränkungen, und dieser Leitfaden legt genau dar, für welche.

Beginne mit dem Bestand, nicht mit der Software#

Ein Analytikanbieter verbindet sich gerne mit einer Kamera, die die von dir gewünschte Erkennung nicht unterstützt. Führe ein Audit durch, bevor du bewertest.

• Pixel auf dem Ziel, nicht Megapixel. Eine 4K-Kamera, die einen großen Hof abdeckt, erfasst auf einer Distanz von 40 Metern möglicherweise weniger Pixel einer Person als eine 1080p-Kamera an einer Tür. Jede Erkennung erfordert eine Mindestpixelhöhe, und dies ist der häufigste Grund, warum ein Retrofit enttäuscht.
• Blickwinkel. Für die Sicherheit positionierte Kameras sind in der Regel so ausgerichtet, dass sie Gesichter über einen großen Bereich erfassen. Das ist nahezu die ungünstigste Geometrie für Zähl- und Zonenlogik, bei der Überkopfansichten schräge Ansichten deutlich übertreffen.
• Verhalten bei schwachem Licht und Gegenlicht. Teste in der Dämmerung, bei Nacht und zu jeder Stunde, zu der die Sonne direkt in das Objektiv scheint. Infrarotbeleuchtung verändert die Bildmerkmale erheblich, und ein Modell, das nur anhand von Tageslichtaufnahmen bewertet wurde, wird dich überraschen.
• Bildrate und Codec. Stark komprimierte Streams mit niedriger Bildrate verlieren die Details, auf die Modelle angewiesen sind. Überprüfe, was der Rekorder tatsächlich speichert im Vergleich zu dem, was die Kamera liefern kann.
• Stream-Zugriff. Kannst du einen zweiten RTSP-Stream pro Kamera abrufen, ohne die Aufzeichnung zu beeinträchtigen? Viele Kameras unterstützen einen Substream mit geringerer Auflösung, der oft ausreicht und in der Verarbeitung viel günstiger ist.
• Netzwerkkapazität und -topologie. Kontinuierliche Analysen auf vielen Streams verbrauchen entweder Bandbreite zu einem zentralen Server oder erfordern Rechenleistung in der Nähe der Kameras. Dies bestimmt die Architektur häufiger als Softwarepräferenzen.
• Kameraalter und Patch-Status. Kameras mit Standard-Anmeldeinformationen in einem flachen Netzwerk stellen ein Sicherheitsproblem dar, noch bevor sie eine Analytik-Chance bieten.

Das Ergebnis dieses Audits ist in der Regel eine Aufteilung: Einige Kameras eignen sich gut für Zonen- und Anwesenheitserkennung, weniger sind für detaillierte Klassifizierungen ausreichend, und eine Handvoll muss unabhängig vom gewählten Weg neu positioniert oder ersetzt werden.

Drei Wege#

Weg 1: Eine Analytikschicht über deinem bestehenden VMS#

Dies ist die Standardempfehlung. Diese Produkte existieren speziell dafür, Kamerabeständen Erkennungsfunktionen hinzuzufügen, ohne sie zu ersetzen, und für Standard-Sicherheitsanwendungsfälle sind sie schneller und günstiger als alles, was du selbst bauen würdest.

BriefCam. Eine Videoinhalts-Analytikschicht, die besonders stark bei der schnellen Überprüfung und Suche in aufgezeichnetem Material ist und lokal bereitgestellt werden kann. Am besten geeignet für untersuchungsintensive Umgebungen, in denen das Finden von Ereignissen in historischem Videomaterial die Hauptarbeit darstellt. Kompromiss: Sie sitzt auf einem VMS und fügt eine Komponente hinzu, anstatt eine zu ersetzen.

IronYun / Vaidio. Eine KI-Analytikschicht, die entwickelt wurde, um Erkennungsfunktionen in bestehende Kameras und VMS-Plattformen zu integrieren, mit einem breiten Katalog an Sicherheitserkennungen. Am besten geeignet für Organisationen, die mehr Analytik wünschen, ohne die Aufzeichnungsinfrastruktur anzutasten. Kompromiss: Ein weiterer Anbieter in der Integrationskette, den es zu testen und zu warten gilt.

Lumana. Konzentriert sich darauf, bestehenden Kamerabeständen KI hinzuzufügen, wobei der Schwerpunkt auf dem Nachrüstpfad selbst liegt, anstatt eine Greenfield-Installation anzunehmen. Am besten geeignet für Teams, deren ausdrückliche Anforderung darin besteht, die aktuellen Kameras zu behalten. Kompromiss: Ein neuerer Marktteilnehmer im Vergleich zu den etablierten VMS-Anbietern.

Volt.ai. Ähnlich ausgerichtet auf das Schichten von KI über bestehende Überwachungsinfrastrukturen, wobei Integrationsanleitungen ein sichtbarer Teil ihres Angebots sind. Am besten geeignet für Organisationen, die gemischte Kamera-Hardware nachrüsten. Kompromiss: Wie bei jedem Overlay hängt die Qualität des Ergebnisses weiterhin von den zugrunde liegenden Kameras ab.

Was du von allen vier erhältst: Standarderkennungen (Anwesenheit von Personen und Fahrzeugen, Linienüberschreitung, Zoneneintritt, Herumlungern, zurückgelassene Gegenstände, Personendichte, attributbasierte Suche über aufgezeichnetes Videomaterial) mit Support und einem Ansprechpartner für die Genauigkeit. Was du nicht erhältst: eine Erkennung, die nicht im Katalog enthalten ist.

Ein Hinweis zum Funktionsumfang. Mehrere dieser Produkte vermarkten die attributbasierte Suche über Videomaterial hinweg, und die Anbieter unterscheiden sich erheblich darin, ob dies das Abgleichen beschreibender Attribute wie Kleidungsfarbe oder den Abgleich von Identitäten bedeutet. Das sind materiell unterschiedliche Funktionen mit materiell unterschiedlichem rechtlichen Risiko, und es lohnt sich festzustellen, was du kaufst und was du tatsächlich möchtest. Die Beschränkung des Umfangs auf Attribut- und Ereigniserkennung anstelle von Identität ist sowohl ein einfachereres Compliance-Gespräch als auch für die meisten Sicherheits-Workflows ausreichend.

Weg 2: Aufrüsten des VMS oder der Kameras#

Manchmal lautet die ehrliche Antwort, dass der Bestand und nicht die Analytik die Beschränkung darstellt. Wenn Kameras alt, schlecht positioniert, nicht patchbar sind und mit niedrigen Bildraten aufzeichnen, führt das Schichten von KI darüber zu Enttäuschung.

Genetec Security Center. Einheitliches Video, Zugangskontrolle und ALPR mit starken Cybersicherheits- und Datenschutz-Tools, lokal bereitstellbar. Am besten geeignet für große Enterprise- und öffentliche Sektoren, die physische Sicherheit zentralisieren müssen. Kompromiss: Umfangreiche Plattform, die entsprechende Fachkenntnisse erfordert.

Milestone XProtect. Ein VMS mit offener Plattform und einem großen Drittanbieter-Integrationsökosystem, sodass die Analytik unabhängig von der Aufzeichnungsschicht ausgewählt werden kann. Am besten geeignet für Organisationen, die sich diese Wahlmöglichkeit offen halten möchten. Kompromiss: Jemand muss die Integration zusammenstellen und verwalten.

Avigilon Unity. Lokale Videosicherheit mit integrierter Analytik und enger Kamera-zu-Software-Integration. Am besten geeignet für Teams, die einen zusammenhängenden Stack von einem einzigen Anbieter wünschen. Kompromiss: Am stärksten bei Verwendung eigener Kameras.

Verkada. Cloud-verwaltete Kameras mit integrierter Analytik und starkem Fokus auf einfache Bereitstellung und Verwaltung. Am besten geeignet für verteilte Multi-Site-Organisationen mit begrenzter IT vor Ort. Kompromiss: Cloud-verwaltete Architektur, die durch einige Anforderungen an die Datenresidenz ausgeschlossen wird.

Rhombus. Ähnlich cloud-verwaltet mit integrierter Analytik, ausgelegt auf unkomplizierte Rollouts an mehreren Standorten. Am besten geeignet für mittelständische Organisationen, die eine schnelle Bereitstellung wünschen. Kompromiss: Wie oben ist das Cloud-Modell eine Einschränkung, wenn Videomaterial lokal bleiben muss.

Eagle Eye Networks. Cloud-Videomanagement mit einem offenen API-Ansatz und Analyseoptionen. Am besten geeignet für Organisationen, die Cloud-Management wünschen und gleichzeitig die Integrationsflexibilität behalten wollen. Kompromiss: Cloud-zentrierte Architektur.

Axis Camera Station. Unkompliziertes lokales Videomanagement mit Axis-Kameras und kamerainterner Analytik sowie ungewöhnlich detaillierter Dokumentation der Hardware-Herkunft. Am besten geeignet für mittelgroße Axis-Bereitstellungen. Kompromiss: Weniger geeignet für sehr große Multi-Site-Bestände als Enterprise-Plattformen.

Wenn Anforderungen an Datenresidenz, Air-Gap oder Beschaffungsbeschränkungen eine Rolle spielen, schränkt dies diese Liste vor allen anderen Faktoren ein. Die Compliance-Frameworks, die diese Entscheidungen antreiben, werden in unserem Leitfaden zur lokalen Videoanalytik für die Sicherheits-Compliance ausführlicher behandelt.

Weg 3: Selbst gehostete Modelle auf deinen bestehenden Streams#

Dies ist der Minderheitenweg und unter bestimmten Bedingungen der richtige:

• Die Erkennung ist in keinem Katalog enthalten. Ein spezifisches Gerät, eine standortspezifische Bedingung, ein Prozessstatus, ein Produkt auf einer Linie. Allgemeine Sicherheitsanalysen lassen sich nicht in eine neuartige Klasse konfigurieren. - Die Inferenzgrenze ist absolut. Nicht nur die Speicherung. Kein Bild darf das Netzwerk zur Analyse verlassen, auch nicht in die Cloud-Ebene eines Anbieters. - Du lieferst ein Produkt aus. Wenn Analytik ein Feature von etwas ist, das du verkaufst, passt die Lizenzierung pro Kanal nicht zum Kostenmodell, und du agierst als Entwickler. - Die Lizenzierung pro Kanal skaliert bei deiner Stream-Anzahl nicht, und du verfügst über die Ingenieurskapazität, eine Alternative zu betreiben. - Du benötigst die Kontrolle über den Modell-Lebenszyklus, um bei Standortänderungen anhand deiner eigenen Aufnahmen neu zu trainieren, anstatt auf Releases des Anbieters zu warten.

Wenn nichts davon zutrifft, wähle Weg 1.

Die Architektur#

Behalte das VMS. Aufzeichnung, Speicherung, Zugangskontrolle und Audit-Logging sind gelöst und compliance-relevant. Nutze Streams davon; ersetze es nicht.

Ziehe RTSP-Streams in deinen eigenen Inferenzdienst. Bevorzuge den Kamera-Substream, wo es die Auflösung erlaubt. Das Dekodieren kostet weit weniger, und das Dekodieren ist häufig der eigentliche Flaschenhals statt der Inferenz.

Führe Erkennung und Tracking durch. Ultralytics YOLO-Modelle (YOLOv8, YOLO11 und YOLO26) decken die relevanten Aufgaben ab: Erkennung für Personen, Fahrzeuge und Objekte, Tracking für Linienüberschreitung und Zonenlogik, Pose Estimation für Haltungs- und Sturzerkennung, Segmentierung, wo Grenzen wichtiger sind als Boxen. Exportiere nach ONNX oder TensorRT für die Hardware, auf der du bereitstellst.

Trainiere mit deinen eigenen Aufnahmen. Ein allgemeines Modell handhabt Personen und Fahrzeuge gut. Deine spezifischen Kameras, Blickwinkel, Wetter- und Lichtverhältnisse bestimmen die produktive Genauigkeit, und öffentliche Datensätze bilden diese nicht ab. Ultralytics Platform kann Standortaufnahmen mit SAM-basiertem Smart Annotation annotieren und im selben Workflow trainieren, was wichtig ist, wenn die Alternative darin besteht, Annotations- und Trainingswerkzeuge mühsam zusammenzupazieren.

Schreibe Ereignisse zurück in den Sicherheits-Workflow. Erkennungen gehören in das VMS oder das Alarmmanagementsystem, das Bediener bereits überwachen. Ein separates Dashboard wird zu einer separaten Sache, die niemand öffnet.

Kläre die Lizenzierung, bevor das Pilotprojekt in die Produktion geht. Ultralytics YOLO-Modelle werden unter AGPL-3.0 angeboten, und kommerzielle oder proprietäre Bereitstellungen erfordern im Allgemeinen eine Ultralytics Enterprise-Lizenz, die auch private Bereitstellung und erweiterten Support abdeckt. Dies während der Entwurfsphase zu klären ist weitaus kostengünstiger als nach einem Rollout.

Dimensionierung der Rechenleistung#

Kontinuierliche Inferenz über viele Streams hinweg ist eine Kapazitätsplanungsübung, und zwei Stellschrauben dominieren.

Die erste ist die Bildrate. Die meisten Sicherheitsereignisse erfordern nicht jedes Bild. Lege die Rate anhand des kürzesten Ereignisses fest, das du erfassen musst (eine Person, die eine Linie überquert, benötigt weit weniger als 30 fps), und die Kapazitätsanforderungen sinken in der Regel erheblich.

Die zweite ist der Ort, an dem die Inferenz ausgeführt wird. Edge-Geräte in der Nähe der Kameras vermeiden das Streaming von Videomaterial über das Netzwerk und halten Aufnahmen lokal, was oft der Sinn der Sache ist. Ein zentraler GPU-Server ist einfacher zu betreiben und zu verwalten, konzentriert jedoch den Bandbreitenbedarf. Gemischte Bestände kombinieren häufig beides: Edge-Inferenz an entfernten Standorten, zentrale Verarbeitung dort, wo das Netzwerk gut ist.

Benchmarke auf deinen eigenen Streams und deiner Hardware. Auf kuratierten Datensätzen gemessene Modelldurchsatzwerte lassen nicht vorhersehen, was eine Dekodierungs-und-Inferenz-Pipeline auf deinen Kameras erreicht.

Fehlalarme werden oberhalb des Modells gelöst, nicht innerhalb desselben#

Das häufigste Versagen eines selbst gebauten Systems ist nicht eine schlechte Erkennungsgenauigkeit. Es ist ein Alarmvolumen, auf das Bediener innerhalb von zwei Wochen nicht mehr reagieren.

Erkennungen sind keine Ereignisse. Die Schicht, die Boxen in Alarme umwandelt, steuert tatsächlich die Fehlalarmquote:

• Persistenz. Erforder, dass ein Track über mehrere Frames hinweg etabliert wird, bevor er zählt. Einzelbild-Erkennungen sind Rauschen.
• Zonengeometrie in realen Begriffen. Ein auf ein 2D-Bild gezeichnetes Polygon ist kein Bereich auf dem Boden. Ohne Perspektivenkalibrierung kann eine Person weit außerhalb einer Gefahrenzone so erscheinen, als befände sie sich darin.
• Entprellung (Debouncing). Eine Person, die an einer Schwelle herumlungert, sollte nicht wiederholte Überschreitungsereignisse erzeugen.
• Zeitpläne und Ausnahmen. Ein Gabelstapler in einem Gang um 14:00 Uhr ist normal und um 2:00 Uhr morgens nicht. Dies zu kodieren entfernt einen großen Teil der Alarme.
• Eskalationsstufen. Nicht jede Erkennung verdient einen Alarm. Live-Alarm, Schichtzusammenfassung und wöchentlicher Trend sind drei verschiedene Ausgaben mit drei verschiedenen Genauigkeitsanforderungen.

Erwarte, dass diese Schicht mehr Code als die Modellintegration umfasst, und messe das System an Fehlalarmen pro Schicht anstatt an der Erkennungsgenauigkeit gegen einen Testdatensatz. Fehlalarme pro Schicht bestimmen, ob das System in drei Monaten noch eingeschaltet ist.

Datenschutz und Umfang#

Das Nachrüsten von Analytik auf bestehende Kameras verändert, was diese Kameras tun, und das löst in der Regel Verpflichtungen aus, die die ursprüngliche Installation nicht hatte.

• Zweckbindung. Kameras, die zur Sicherheit installiert wurden, sollten nicht unbemerkt zu Produktivitäts- oder Verhaltensüberwachung werden. In Arbeitsumgebungen ist dies sowohl ein rechtliches Problem als auch eine Vertrauensfrage.
• Neu bewerten, nicht vererben. Das Hinzufügen automatisierter Analysen zu bestehenden Aufnahmen erfordert im Allgemeinen eine neue Datenschutzfolgenabschätzung und in weiten Teilen der EU die Konsultation des Betriebsrats.
• Identitätsabgleich ausschließen. Personen- und Fahrzeugerkennung, Linienüberschreitung, Zoneneintritt, Herumlungern, Personendichte und zurückgelassene Gegenstände basieren alle auf anonymen Erkennungen. Ultralytics bietet seine Modelle nicht für Gesichtserkennung an, und der Identitätsabgleich birgt ein wesentlich höheres rechtliches Risiko, ohne eine dieser Erkennungen zu verbessern.
• Minimiere, was du aufbewahrst. Wo Ereignisse und Zählungen die Frage beantworten, behalte Ereignisse und Zählungen.
• Proprotokollierung (Logging) von Ansichten und Exporten, nicht nur von Konfigurationsänderungen.
• Segmentiere das Kameranetzwerk. Ein Retrofit ist ein guter Zeitpunkt, um flache Netzwerke und Standard-Anmeldeinformationen zu bereinigen.