Der Einsatz eines Videoüberwachungs-Feeds hat dabei geholfen, potenzielle Sicherheitsrisiken auf unseren Straßen zu erkennen. Doch meist handelt es sich um ein reaktives Instrument, das vor allem dazu eingesetzt wird, Mitarbeiter nach dem Eintreten einer potenziell gefährlichen Situation zu schulen, anstatt Probleme in Echtzeit zu vermeiden.
Landstraßen, stark befahrene Kreuzungen und Schnellstraßen mit hohem Verkehrsaufkommen sind risikoreiche Arbeitsumgebungen, die künstliche Intelligenz benötigen, um Gefahren im Straßenverkehr zu erkennen und Unfälle in Echtzeit zu verhindern.
KI-Video kombiniert umfangreiche visuelle Daten, die über Video-Feeds erfasst werden, mit Fahrzeugsensoren. Dadurch lassen sich problematisches Verhalten oder unsichere Umgebungen genau in dem Moment erkennen, in dem sie auftreten. Die Fahrer werden in der Fahrerkabine gewarnt und angeleitet, geeignete Korrekturmaßnahmen zu ergreifen.
Von der Schulung der KI bis hin zum Technologie-Stack, mit dem wir sie kombinieren, sind hier drei Best Practices, die Sie beim Aufbau von KI-Videotechnologie für Sicherheitsanwendungen beachten sollten:
1) Daten aus mehreren Quellen zusammenführen
Einzelne Datenquellen – etwa visuelle Hinweise einer Kamera – liefern nicht genügend Informationen, um Ergebnisse zu erkennen und vorherzusagen. Obwohl Videos eine hervorragende Datenquelle für den Einsatz in einem KI-Algorithmus sind, bilden sie ein Ereignis oft nicht vollständig ab.
Wenn es um die Sicherheit von Fahrzeugflotten geht, reicht ein Video-Feed nicht aus, um abgelenktes und gefährliches Fahren zu verhindern. Für Flotten sind KI-Videosysteme am effektivsten, wenn sie Messwerte von mehreren Sensoren erfassen, um Geschwindigkeitswerte sowie Motor- und Fahrzeugdaten zusammen mit Bildern der Straße und des Fahrers zu erfassen.
Diese große Vielfalt an Daten und Sensorpunkten sorgt für eine präzisere und relevantere KI-basierte Technologie, die zuverlässig bestimmt, ob die Ablenkung des Fahrers oder eine Gefahr im Straßenverkehr wahrscheinlich einen Unfall verursachen wird.
Während KI-Entwickler weiterhin Daten sammeln und die Zahl der Sensorpunkte erhöhen, müssen sie ihre KI-basierte Technologie feinabstimmen oder „trainieren“, damit sie möglichst genaue und aussagekräftige Informationen liefert. Durch die Kombination von Echtzeitdaten aus Sensoren und Videos mit einem kontinuierlichen Bild-Feed von unterschiedlichen Fahrern, Straßen und Fahrzeugen wird der Maschinensehen-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 zuverlässige Mobilfunksignale, 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. Dafür muss die KI direkt in die Videohardware integriert werden, sodass Datenverarbeitung am Rand des Netzwerks möglich ist.
Die Verarbeitung am Netzwerkrand erfordert keine Übertragung der Daten über Mobilfunknetze; stattdessen werden die Daten so nah wie möglich an ihrer Quelle analysiert. Der Aufbau von Edge-Verarbeitung und lokalem Speicher in das System ist bei der Nutzung von KI für Sicherheitsereignisse entscheidend. Dadurch werden Verzögerungen zwischen dem Zeitpunkt, an dem ein Risiko erkannt wird, und dem Empfang einer Warnung in der Fahrerkabine samt akustischer Anleitung zum Ergreifen 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 Anleitungen, die katastrophale Folgen haben können. Stellen Sie sich beispielsweise vor, dass Sie beim Durchfahren eines Tunnels den Mobilfunkempfang verlieren. Werden die KI-Daten in der Cloud verarbeitet, wird der Fahrer erst dann vor einem Risiko gewarnt, wenn die Verbindung wiederhergestellt und die Information zurück in die Fahrerkabine übertragen werden kann.
Lösungen, die auf Cloud-Verarbeitung setzen, können außerdem dazu führen, dass Daten bei Unterbrechungen der Mobilfunkverbindung nicht mehr synchron sind. Einmal erfasst, sind nicht synchronisierte Daten nicht mehr zuverlässig, da es keine einheitliche Quelle der Wahrheit gibt. Das ist ein weiterer wichtiger Grund dafür, dass die Datenverarbeitung am Ort der Erfassung erfolgen muss, damit die Genauigkeit durch die Synchronisierung mit fortschrittlicher Telematik gewährleistet bleibt.
3) Bei der Entwicklung Ihres KI-Videos den Fokus auf die Mitarbeiter richten
Manche Lösungen integrieren KI-Technologie lediglich, um modern zu wirken, ohne gründlich zu analysieren, wie die KI dem Fahrer zugutekommt. Die Big-Brother-Vorstellung von Kameras und das „Science-Fiction“-Image der KI haben dazu geführt, dass viele Mitarbeiter der Arbeit mit KI-Videosystemen mit Sorge begegnen.
Diese Zurückhaltung ist verständlich und kann von Unternehmen dadurch ausgeglichen werden, dass 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 damit präventiv 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. Grundlage eines effektiven KI-Sicherheitsprogramms ist ein Verständnis dafür, wie das KI- und Maschinensehen-System 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 möglicherweise unnötige Zusatzfunktionen sind, die KI lediglich um ihrer selbst willen zum Einsatz neuer Technologien nutzen.
Über den Autor:
Ryan Wilkinson, CTO, IntelliShift