Obwohl es nach technischem Jargon klingt, bietet eine Kombination aus Edge Computing und KI echte Vorteile. Edge KI ist tatsächlich einer der Hauptbereiche für den Einsatz von KI in der Sicherheitsbranche und bestimmt deshalb auch die Denkweise darüber, wie KI auf verantwortungsbewusste Weise implementiert werden kann. In diesem Beitrag beschäftigen wir uns mit dem aktuellen Stand von Edge KI und den sich daraus ergebenden Vorteilen.
Erste Frage: Was verstehen wir unter Edge KI?
Bevor wir von Ihnen erwarten, „Edge KI“ als legitimen Begriff zu akzeptieren, ist es lohnenswert zu erklären, was sich dahinter verbirgt.
In den letzten Jahren ist die Anzahl der vernetzten Geräte im „Edge“ (am Netzwerkrand) privater und öffentlicher Netze jährlich angestiegen – von knapp 9 Mrd. im Jahr 2019 auf schätzungsweise 29 Mrd. im Jahr 2030.
Viele dieser Geräte - darunter auch Überwachungskameras - haben sich auch zu leistungsstarken Computern entwickelt. Dies hat dazu geführt, dass mehr Verarbeitung in den Endgeräten selbst durchgeführt werden kann, was sich als Edge Computing etabliert hat.
Parallel zu dieser Steigerung der Rechenleistung haben Fortschritte im Bereich des maschinellen Lernens (ML) und des tiefen Lernens (DL), beides Teilgebiete der künstlichen Intelligenz (KI), die Integration von KI-Funktionen in die Kameras selbst ermöglicht. Daher kommt der Begriff „Edge KI“.
Auswirkungen von Edge-KI auf die Videoüberwachung
In der Videoüberwachung bedeutet Edge-KI , dass Aktionen wie z.B. Videoanalytik direkt in der Kamera ausgeführt werden.
KI ermöglicht es Kameras, eine Szene zu verstehen und wichtige Details in Echtzeit zu kategorisieren. Diese Fähigkeit, Objekte wie Personen und Fahrzeuge hochgenau und detailliert zu erkennen, zu klassifizieren, zu zählen und zu verfolgen, bildet die Grundlage, um aus den gesammelten Daten Erkenntnisse und Maßnahmen abzuleiten.
Diese Einsichten reduzieren die Menge der notwendigen menschlichen Eingriffe zur Datenanalyse und Entscheidungsfindung. Letztendlich soll dies zur Beschleunigung der Reaktionszeiten und zur Bereitstellung wertvoller Einsichten dienen, mit denen wir die Zukunft unserer Gebäude, Städte, Transportsysteme und weiterer gesellschaftlicher Aspekte besser gestalten können.
Erschließung von mehr verwertbaren Erkenntnissen
Edge KI führt zu deutlichen Funktionsverbesserungen. Bisher wurde bei der bewegungsbasierten Analyse erkannt, dass sich „etwas“ bewegt hat. Daraufhin wurde ein Alarm ausgelöst. KI-gestützte Analysen dagegen identifizieren die Bewegung als Fahrzeug, klassifizieren den Fahrzeugtyp, geben an, ob das Fahrzeug in ein Sperrgebiet oder einen gefährlichen Bereich eingefahren ist, ob sich Personen in der Nähe befinden, die in Gefahr sein könnten, und viele weitere Elemente.
Diese Informationen bieten den Betreibern viel mehr verwertbare Erkenntnisse und reduzieren deutlich Fehlalarme.
Edge-KI-Analysefunktionen können beispielsweise Objekte auf einer Autobahn erkennen (sie können diese schnell von Schatten unterscheiden, was bisher oft eine Herausforderung darstellte) und die Fahrer durch Digital Signage automatisch auf die Gefahr aufmerksam machen.
Doch die zusätzliche Fähigkeit der KI, einen Menschen von einem Fahrzeug unterscheiden zu können, trägt dazu bei, den Schweregrad der Warnung an die Fahrer zu bestimmen. Wenn die Kameras erkennen, dass jemand auf der Straße in Gefahr ist, können sie automatisch Hinweisschilder aktivieren, um den Verkehr zu verlangsamen oder sogar anzuhalten und die Rettungskräfte zu alarmieren.
Nach der Identifizierung des Fahrzeugs (und/oder weiterer Objekte) könnten die Analysefunktionen es auch verfolgen und die Anlagenbetreiber bei der Überwachung und Untersuchung eines Vorfalls unterstützen.
Erweiterte Suchfunktionen
Zusätzlich zu den Daten (und Metadaten), die durch die KI-Analyse generiert werden, unterstützt dies auch eine viel umfassendere Suche im Videomaterial. Betreiber können damit aus stundenlangen Videoaufzeichnungen zahlreicher Kameras schnell bestimmte Objekte lokalisieren, die sie interessieren. Diese Vorgehensweise beschleunigt Untersuchungen nach Vorfällen erheblich und steigert ihre Wirksamkeit.
Lastverteilung: Edge KI in einer Hybridlösungsarchitektur
Edge KI bringt nicht nur leistungsstarke Analysefunktionen an den Netzwerkrand, spielt aber auch eine wertvolle Rolle in Hybridlösungsarchitekturen. Eine solche Architektur macht sich Edge-, Cloud- und On-Premise-Serverumgebungen optimal zunutze.
Wenn die Analysefunktionen auf einem Server zentralisiert werden, erweitert sich beim Hinzufügen weiterer Kameras der Umfang der Datenübertragung und für die Analysefunktionen werden möglicherweise weitere Server benötigt. Der Einsatz von Edge-KI-Analysefunktionen führt dazu, dass nur die wichtigsten Informationen über das Netzwerk gesendet werden, was die Last in Bezug auf Bandbreite und Speicher reduziert.
Cloud- und serverbasierte Analysen können oft von einer Vorverarbeitung direkt in der Kamera profitieren, die die „Off-Kamera“-Analysen mit leichter verwertbaren Metadaten unterstützt. Andere Analysefunktionen müssen aufgrund ihrer Komplexität möglicherweise vollständig in der Cloud oder auf dem Server ausgeführt werden.
Hybridlösungen nutzen von der KI in der Kamera erstellte Metadaten, speisen diese in cloudbasierte Daten-Dashboards ein und wenden leistungsstarke serverbasierte Analysefunktionen an, um Trends, Muster und Anomalien zu erkennen und darauf zu reagieren.
Die intelligente Arbeitsweise innerhalb einer Hybridarchitektur, die optimal die Fähigkeiten, Kapazitäten und Stärken jedes Systemteils ausnutzt, trägt dazu bei, Engpässe zu vermeiden, Kosten zu senken und die Systemleistung auf hohem Niveau zu halten.
KI-Analysefunktionen im Endgerät für erhöhte Präzision
Vielleicht klingt es nach einem „Meta-Twist“, aber Edge-KI-Analysefunktionen werden jetzt auch zur Unterstützung einer erhöhten Genauigkeit eingesetzt, weil es hierbei keine Verschlechterung der Datenqualität gibt.
Ein wesentlicher Vorteil der Edge-Analysefunktion besteht darin, dass die Analyse auf Basis von Videoaufnahmen höchster Qualität und so nah wie möglich an der Quelle erfolgt. Beim herkömmlichen Modell – der Analyse auf einem Server – wird das Video vor der Übertragung häufig komprimiert, sodass die Analyse der Videoaufzeichnungen bereits auf Basis einer schlechteren Qualität durchgeführt wird.
Edge KI ist auf hochwertige Bilder angewiesen. Vorkommnisse wie verschmutzte Objektive, Hindernisse vor der Kamera oder falsch ausgerichtete Kameras können deshalb Probleme verursachen.
Wie schon der Name besagt, überwacht Image Health Analytics – eine neue Kategorie von Edge-KI-Analysefunktionen – kontinuierlich die Qualität der von den Überwachungskameras erfassten Bilder. Außerdem alarmiert es die Bediener, wenn die Qualität unter den Grenzwert fällt, der für die effektivste Anwendung anderer Edge-KI-Analysefunktionen für dieses Szenenbild erforderlich ist.
Edge KI: Anwendungsfälle, die über Sicherheit hinausgehen
Es ist klar, dass Edge KI traditionellen Sicherheitsanwendungen einen Mehrwert verleiht und es Ersthelfern und Sicherheitspersonal ermöglicht, schneller und angemessener zu reagieren. Darüber hinaus verbessern die detaillierten Daten und Metadaten der Edge-KI-Analysefunktionen die betriebliche Effizienz in verschiedenen Branchen.
- Stadtplaner nutzen solche Daten zu Erstellung von „digitalen Zwillingen“ in städtischen Umgebungen und zur Verbesserung von Tests in den Bereichen Design, Verkehrsmanagement und Lärmschutz sowie zur Verbesserung der Lebensqualität der Bürger aus.
- Unternehmen nutzen diese Analysefunktionen zur verbesserten Verwaltung des Energieverbrauchs in Gebäuden und zur Erzielung positiver Einflüsse für unsere Umwelt.
- Im Gesundheits- und Bildungswesen, im Einzelhandel und weiteren Branchen verbessert Edge KI in Überwachungskameras die Servicebereitstellung sowie die Ergebnisse für Patienten, Studenten und Kunden.
Bei allem Fortschritt stehen wir heute aber erst am Anfang der Ausnutzung des ungeahnten Potenzials der Edge KI.
