RTM ist ein Industrie-KI-Unternehmen mit Sitz in Seoul. Die Bildverarbeitungssparte entwickelt KI-gestützte Sicherheitsüberwachung für Fertigungsstandorte: Bereits in den Fabrikhallen installierte Kameras werden rund um die Uhr von Ultralytics YOLO26-Modellen überwacht, die Personen, Stürze, das Eindringen in Gefahrenbereiche sowie Feuer oder Rauch erkennen. Die Modelle laufen auf den vorhandenen PCs der Kunden – von integrierter Grafik bis hin zu einer separaten GPU.
Kameras überwachen, die niemand im Blick hat#
Arbeitsunfälle passieren oft dort, wo niemand hinsieht. In Fabriken gibt es zwar bereits Kameras an jeder Produktionslinie, doch niemand kann zu jeder Zeit alle Videostreams beobachten. RTM hat ein System entwickelt, das dies kontinuierlich übernimmt: Auf jedem Kamerakanal laufen zwei Ultralytics YOLO26-Modelle – eines für die Personenerkennung und eines für Feuer und Rauch. Eine deterministische Ereignisverarbeitung löst Alarme aus, wenn Beschäftigte stürzen oder in Gefahrenbereiche eindringen.
In den vergangenen sechs Monaten wurde die industrielle KI-Sicherheitslösung von RTM rund um die Uhr bei 21 Fertigungsunternehmen eingesetzt oder vor Ort erprobt. Diese Unternehmen sind in der Stahl-, Batterie-, Chemie- und Kunststoffindustrie sowie in der Lebensmittelherstellung und Robotik tätig. Das an vorhandene CCTV-Systeme angeschlossene System erkennt, wenn Beschäftigte Gefahrenbereiche betreten oder stürzen, und löst über interne Systeme oder durch die SPS-Anbindung direkt an angeschlossene Fabrikanlagen Alarme aus.
Abb. 1. Livefeed zur Sturzerkennung von RTM mit Ultralytics YOLO (Bildquelle: RTM).
Eine Lösung für Hardware, die niemand kaufen möchte#
Die Sicherheitsüberwachung konkurriert mit der Möglichkeit, gar nichts zu installieren. Wenn ein System neue Server-Hardware benötigt, bevor es auch nur eine Kamera überwachen kann, endet die Evaluierung oft, bevor sie beginnt. Für Hersteller bedeutete der Status quo bisher die Wahl zwischen teurer Spezialhardware und dem vollständigen Verzicht auf automatisierte Überwachung.
RTM wollte diesen Zielkonflikt beseitigen: eine einzige Bereitstellung, die auf jedem PC läuft, der bereits im Kontrollraum steht – von integrierter Intel-Grafik bis hin zu einer NVIDIA RTX 3090 –, ohne für jeden Standort einen separaten Aufbau.
Dazu exportiert RTM beide YOLO26-Modelle mit fester Eingabegröße nach ONNX und führt sie mit ONNX Runtime über fünf Ausführungsanbieter aus: TensorRT, CUDA, OpenVINO, DirectML und CPU. Beim Start erkennt die Inferenzbibliothek den installierten GPU-Hersteller und wählt automatisch die passende Anbieterkette aus. So läuft dieselbe 36 MB große Modelldatei unverändert auf einem Zielrechner ohne separate GPU ebenso wie auf einem High-End-System. Die bereitgestellte Anwendung benötigt weder Python noch PyTorch und es muss keine separate Version für jeden Hersteller gepflegt werden.
Durch den Ende-zu-Ende-Erkennungskopf von YOLO26 wurde dieser Ansatz mit nur einem Artefakt praxistauglich: Da das Modell direkt die endgültigen Erkennungen ausgibt, benötigt RTMs C++-Inferenzschicht nur einen Konfidenzschwellenwert und eine inverse Letterbox-Transformation. NMS muss nicht neu implementiert und keine Abweichung zwischen dem Python-Trainingspfad und dem C++-Bereitstellungspfad behoben werden. Diese Fehlerklasse tritt typischerweise auf, wenn ein Detektor zwischen Programmiersprachen wechselt.
Was eine GPU bringt – in Zahlen#
RTM benchmarkte beide YOLO26-small-Modelle (Personen und Feuer/Rauch) bei zwei Eingabeauflösungen auf einer NVIDIA RTX 3090 (ONNX Runtime 1.26.0, CUDA-Ausführungsanbieter, FP32, Batchgröße 1, nur Vorwärtsdurchlauf). Bei 640×640 benötigt das Personenmodell 4,20 ms pro Einzelbild und das Feuer-/Rauchmodell 4,34 ms. Bei 1280×1280 steigen beide auf etwa 12,5 ms; der GPU-Speicherbedarf erhöht sich dabei von 406 MB auf 1.302 MB. Damit ist 640×640 pro Einzelbild etwa 2,9-mal kostengünstiger und benötigt 3,2-mal weniger Speicher. Die größere Eingabe verbessert jedoch die Erkennung kleiner, weit entfernter Objekte. RTM liefert 640×640 als Standardeinstellung aus und stellt den Export mit 1280×1280 für Standorte bereit, die genügend GPU-Spielraum haben, um in zusätzliche Erkennungsreserven statt in mehr Kanäle zu investieren.
Der Wechsel von CUDA mit FP32 zu TensorRT mit FP16 senkte die kombinierte Kosten pro Einzelbild für beide Modelle von 8,68 ms auf 6,26 ms, also um 28 %. Auf einer einzelnen GPU sind damit über vier Kanäle hinweg etwa 39,9 FPS statt 28,8 FPS möglich. RTM überprüfte vor der Auslieferung, dass die Umwandlung in FP16 die Genauigkeit nicht beeinträchtigte: Der Recall blieb für jede Objektgrößenklasse und auf Ereignisebene sowohl bei Feuer als auch bei Rauch unverändert. In der bereitgestellten Anwendung bewältigt ein Rechner mit der empfohlenen Ausstattung – Intel Core i7 mit mindestens 16 Kernen, 32 GB RAM und RTX 5060 mit mindestens 8 GB – sechs gleichzeitig laufende Kanäle. Ein einfaches Gerät mit nur integrierter Grafik schafft weiterhin einen Kanal. Die Obergrenze des Produkts liegt bei zehn Kanälen pro Rechner.
Warum Ultralytics YOLO26 nutzen?#
RTM trainiert seinen Personendetektor und seinen Feuer-/Rauchdetektor mit derselben Ultralytics-Trainingscodebasis. Beide teilen sich 352 Codezeilen und kommen vollständig ohne domänenspezifische Verzweigungen aus. Zwischen einem Detektor, der nach Personen sucht, und einem, der Feuer erkennt, ändern sich nur die Konfigurationsdatei, die Eingabegröße, die Epochenzahl, die Lernrate und die Zusammensetzung des Datensatzes. Das ist eine direkte Folge davon, wie Ultralytics YOLO aufgebaut ist. Eine einheitliche Architektur und Trainings-API für Erkennungsaufgaben bedeutet, dass eine neue Erkennungsdomäne eine Konfigurationsänderung statt einer neuen Pipeline erfordert. So konnte ein kleines Engineering-Team zwei produktionsreife Modelle bereitstellen, ohne zwei Codebasen pflegen zu müssen.
Dieselbe Einheitlichkeit machte auch den Wechsel zu YOLO26 selbst risikoarm. RTM führte YOLO26 vier Tage nach Projektbeginn im Mai 2026 ein. Für die Migration musste keine einzige Zeile des vorhandenen Trainingscodes geändert werden – lediglich der Checkpoint war ein anderer. Da Ultralytics die Trainingsschnittstelle über Modellgenerationen hinweg stabil hält, bedeutete das Upgrade auf die neueste Architektur nicht, eine bereits entwickelte und getestete Pipeline neu schreiben zu müssen.
„Selbst beim selben Datensatz wirken sich Eingabegröße und Augmentierung auf die Modellleistung aus. Bei Ultralytics ist all das in einer einzigen Konfigurationsdatei festgelegt. Wir ändern also ein paar Werte, führen mehrere Varianten parallel aus und nehmen die beste. Dafür müssen wir den Code nie anfassen. Zehn Durchläufe aufzusetzen bedeutet daher kaum mehr Arbeit als einen Durchlauf zu starten.“ — KI-Ingenieur, RTM
Diese Stabilität zahlte sich auch bei der Genauigkeit aus. Durch die Zusammenführung eines sequenziellen Trainingsplans mit fünf Phasen zu einem gemeinsamen Trainingslauf stieg der Validierungswert mAP50 bei unverändertem Betriebsschwellenwert von 0,672 auf 0,689. Diesen Zugewinn erzielte RTM allein durch erneutes Training mit derselben YOLO26-Architektur, ohne das Modell neu entwerfen zu müssen. Da YOLO26 außerdem sauber in ein ONNX-Artefakt mit fester Eingabegröße exportiert wird und die Erkennungsschwellenwerte in einer separaten Begleitdatei statt direkt in der Anwendung ausgeliefert werden, konnte der Zugewinn vor Ort durch den Austausch einer einzigen ONNX-Datei übernommen werden – ganz ohne Änderungen an der Host-Anwendung. So kann ein kleines Entwicklungsteam Modellupdates an alle Standorte ausrollen, ohne eine koordinierte Veröffentlichung zu benötigen. Das ist eine direkte Folge der Entwicklung mit YOLO26 statt einer maßgeschneiderten Architektur.
Was über die Erkennung hinausgeht#
Die Alarme von RTM basieren nicht auf bloßen Erkennungen: Eine Person im Bild ist noch kein Ereignis, eine gestürzte Person, die liegen bleibt, dagegen schon. Über den beiden YOLO26-Modellen liegt eine deterministische Ereignisverarbeitung, die Tracking, Körperhaltung, Zonenmitgliedschaft und eine Abstimmung über ein gleitendes Zeitfenster kombiniert, bevor ein Alarm ausgelöst wird. Weil diese Logik vom Modell getrennt bleibt, kann ein Personendetektor an jedem Standort eingesetzt werden, obwohl sich Kamerahöhe, Blickwinkel und Beleuchtung von Fabrik zu Fabrik stark unterscheiden. Außerdem lassen sich mit vorhandenen Erkennungen neue Sicherheitsfunktionen umsetzen: RTM entwickelt derzeit eine Überwachung der PSA-Konformität auf Grundlage derselben Personenerkennungsausgabe. An Standorten mit GPU ist dafür weder ein neues Modell noch neue Hardware erforderlich.
Die Gesamtauswirkung#
Besonders deutlich zeigt sich die Wirkung bei den Kunden von RTM, die kollaborative Roboter integrieren. Diese Unternehmen liefern und installieren Cobots in Fabriken und hatten lange damit zu kämpfen, dass Beschäftigte trotz physischer oder lasergestützter Schutzzäune mit Robotern zusammenstießen. Mit dem System von RTM wird das Eindringen in Gefahrenbereiche erkannt und der Roboter ohne Verzögerung über eine SPS-Anbindung sofort gestoppt. Die Integratoren setzen es inzwischen als standardmäßige Sicherheitseinrichtung anstelle physischer Schutzzäune ein.
Ein Stahlhersteller berichtete, dass sich dank der Möglichkeit von Ultralytics YOLO, Erkennungsszenarien an verschiedene Standorte anzupassen, mehr als 100 Beschäftigte für die Sicherheitsüberwachung einsparen ließen, die zuvor die Werkshalle kontrolliert hatten. Allgemeiner beschreiben Hersteller die Lösung von RTM als am einfachsten zu installierende und kostengünstigste Option unter den von ihnen bewerteten Sicherheitsüberwachungssystemen. Die Erkennung von Gefahrenbereichen, Stürzen sowie Feuer und Rauch deckt dabei ihren wichtigsten Bedarf ab.
Mit denselben Modellen weiter skalieren#
Als Nächstes will RTM die PSA-Konformität erkennen lassen – vollständig auf Grundlage der bereits vorhandenen Personenerkennungsausgabe. Es muss kein neues Modell trainiert werden, und an Standorten mit GPU-Reserven ist keine neue Hardware nötig. Während die Lösung auf weitere Fertigungsstandorte und Hardwareklassen ausgeweitet wird, bewältigt derselbe einzelne ONNX-Export pro Modell weiterhin die Aufgabe – vom PC mit integrierter Grafik und geringster Ausstattung bis zum leistungsstärksten GPU-Server in der Werkhalle.
Möchtest du eigene Lösungen für Vision AI entwickeln? Entdecke unsere Ultralytics YOLO-Modelle, erfahre, wie sie in verschiedenen Branchen eingesetzt werden, darunter bei der Bildverarbeitung in der Fertigung, und informiere dich über unsere Lizenzoptionen, um loszulegen.
Verfasst von
Digital Content Managerin · Ultralytics
