Der Einsatz eines Überwachungsvideostreams hat dabei geholfen, potenzielle Sicherheitsrisiken auf unseren Straßen zu erkennen. Doch meist handelt es sich um ein reaktives Instrument, das in erster Linie dazu eingesetzt wird, Mitarbeitende zu schulen, nachdem eine potenziell gefährliche Situation eingetreten ist, statt Probleme unmittelbar zu vermeiden.
Landstraßen, stark befahrene Kreuzungen und Schnellstraßen sind Arbeitsumgebungen mit hohem Risiko, die künstliche Intelligenz benötigen, um Gefahren im Straßenverkehr zu erkennen und Unfälle in Echtzeit zu verhindern.
KI-Video kombiniert umfangreiche visuelle Daten, die über Videostreams erfasst werden, mit Sensoren im Fahrzeug. Dadurch lassen sich problematisches Verhalten oder unsichere Umgebungen genau in dem Moment erkennen, in dem sie auftreten. Die Fahrer werden im Fahrerhaus gewarnt und erhalten Anweisungen zu geeigneten Korrekturmaßnahmen.
Von der Schulung der KI bis hin zum Technologie-Stack, mit dem wir sie kombinieren, sollten beim Aufbau von KI-Videotechnologie für Sicherheitsanwendungen drei Best Practices berücksichtigt werden:
1) Daten aus mehreren Quellen beziehen
Einzelne Datenquellen – etwa visuelle Hinweise einer Kamera – liefern nicht genügend Informationen, um Ergebnisse zu erkennen und vorherzusagen. Obwohl Video eine hervorragende Datenquelle für den Einsatz im KI-Algorithmus ist, bildet es ein Ereignis oft nicht vollständig ab.
Bei der Sicherheit von Fahrzeugflotten reicht ein Videostream nicht aus, um abgelenktes und gefährliches Fahren zu verhindern. Für Flotten sind KI-Videosysteme am effektivsten, wenn sie Messwerte mehrerer Sensoren erfassen und Geschwindigkeits-, Motor- und Fahrzeugdaten neben Bildern der Straße und des Fahrers aufzeichnen.
Diese große Vielfalt an Daten und Sensorpunkten sorgt für eine präzisere und relevantere KI-basierte Technologie, mit der sich zuverlässig bestimmen lässt, ob die Ablenkung des Fahrers oder eine Gefahr auf der Straße wahrscheinlich einen Unfall verursachen wird.
Während KI-Entwickler weiterhin Daten erfassen und die Zahl der Sensorpunkte erhöhen, müssen sie ihre KI-basierte Technologie feinjustieren oder „trainieren“, damit sie möglichst genaue und aussagekräftige Informationen liefert. Durch die Kombination von Echtzeitdaten aus Sensoren und Video mit einem kontinuierlichen Bilddatenstrom von unterschiedlichen Fahrern, Straßen und Fahrzeugen wird der KI- und Bildverarbeitungs-algorithmus optimiert, wodurch sich seine Fähigkeit verbessert, Sicherheitsvorfälle zu erkennen und zu verhindern.
2) Einen Technologie-Stack aufbauen, der Reaktionen in Echtzeit ermöglicht
Viele Sicherheitsvorfälle ereignen sich in Gebieten ohne zuverlässigen Mobilfunkempfang, etwa auf einer Baustelle oder einer abgelegenen Autobahn. Es ist entscheidend, dass ein KI-Videosystem Risiken unabhängig von den Umgebungsbedingungen in Echtzeit erkennen und an den Fahrer kommunizieren kann. Dazu muss die KI direkt in die Videohardware integriert werden, um die Datenverarbeitung am Edge. .
Die Edge-Verarbeitung erfordert keine Übertragung der Daten über Mobilfunknetze, sondern analysiert die Daten so nah wie möglich an ihrer Quelle. Die Integration von Edge-Verarbeitung und lokalem Speicher in das System ist bei der Nutzung von KI für Sicherheitsereignisse von entscheidender Bedeutung. Dadurch werden Verzögerungen zwischen dem Zeitpunkt, an dem ein Risiko erkannt wird, und dem Empfang einer Warnung im Fahrerhaus sowie akustischer Hinweise zur Ergreifung von Korrekturmaßnahmen vermieden.
Diese unmittelbare Reaktion auf Ereignisse – etwa wenn ein Fahrer durch ein Mobiltelefon abgelenkt ist oder im Verkehr zu dicht auffährt – verhindert Unfälle und rettet Leben.
KI-Videolösungen, die zur Verarbeitung auf die Übertragung von Daten in die Cloud angewiesen sind, leiden unter Verzögerungen bei Warnungen und Anweisungen, die katastrophale Folgen haben können. Stellen Sie sich beispielsweise vor, dass Sie beim Durchfahren eines Tunnels den Mobilfunkempfang verlieren. Wenn die KI-Daten in der Cloud verarbeitet werden, wird der Fahrer erst dann vor einem Risiko gewarnt, wenn die Verbindung wiederhergestellt und die Information zurück ins Fahrerhaus übertragen werden kann.
Lösungen, die auf Cloud-Verarbeitung angewiesen sind, können außerdem dazu führen, dass Daten bei Unterbrechungen der Mobilfunkverbindung nicht mehr synchron sind. Auf diese Weise erfasste, nicht synchronisierte Daten sind nicht verlässlich, da es keine einheitliche Quelle der Wahrheit mehr gibt. Dies ist ein weiterer wichtiger Grund dafür, dass die Datenverarbeitung am Ort der Erfassung erfolgen muss, um durch die Synchronisierung mit fortschrittlicher Telematik die Genauigkeit sicherzustellen.
3) Mitarbeitende bei der Entwicklung Ihres KI-Videos in den Mittelpunkt stellen
Manche Lösungen integrieren KI-Technologie lediglich, um modern und innovativ zu wirken, ohne gründlich zu analysieren, wie die KI dem Fahrer zugutekommt. Die Big Brother-Darstellung von Kameras und der „Science-Fiction“-Eindruck von KI haben dazu geführt, dass viele Mitarbeitende Vorbehalte gegenüber der Arbeit mit KI-Videosystemen haben.
Diese Zurückhaltung ist verständlich. Unternehmen können ihr entgegenwirken, indem sie Sicherheitsereignisse sorgfältiger definieren und überwachen. KI sollte sicheres Fahren fördern, ohne aufdringlich zu sein, und so einen reibungslosen Arbeitstag sowie eine sichere Heimkehr am Abend gewährleisten. KI-Video sollte dazu dienen, Sicherheitsrisiken proaktiv zu erkennen und vorbeugend zu wirken, nicht jede Minute des Arbeitstags aufzuzeichnen.
Fazit
Zu verstehen, wie KI-Video die Sicherheit auf unseren Straßen erhöht, ist entscheidend für die Schaffung von Arbeitsumgebungen, in denen gefährliche Bedingungen reduziert und die Sicherheit der Fahrer priorisiert werden. Ein zentraler Bestandteil eines wirksamen KI-Sicherheitsprogramms ist das Verständnis dafür, wie das KI- und Bildverarbeitungssystem konzipiert und trainiert wird, um die Sicherheitsleistung in unterschiedlichen Fahrsituationen zu optimieren.
Dazu gehört die Bewertung, welche KI-Funktionen und -Fähigkeiten zu mehr Sicherheit beitragen und welche als unnötige Zusatzfunktionen betrachtet werden könnten, die KI also lediglich einsetzen, um um ihrer selbst willen neue Technologie einzuführen.
Über den Autor:
Ryan Wilkinson, CTO, IntelliShift