Eine Frage des Umgangs

Mit Videoübe-rwachung kann das Verhalten von Käufern im Einzelhandel analysiert, der Betrieb von Parkhäusern gemanagt oder die Produktion von industriellen Erzeugnissen gesteuert werden. Drohnen, die Fotos und Videos von Baustellen oder landwirtschaftlichen Flächen machen, sind nicht mehr ungewöhnlich. So erlebt der Videoüberwachungs- markt, der 2016 einen Umsatz von 30 Milliarden US-Dollar verzeichnete, ein sprunghaftes Wachstum mit der Erwartung, dass dieser bei einer durchschnitt- lichen jährlichen Wachstumsrate von 15,4 Prozent von 2017 bis 2022 im Jahr 2022 75 Milliarden US-Dollar erreicht. Was sich im Bereich der Überwachung geändert hat, ist nicht so sehr, wie Daten erfasst werden, sondern wie sie genutzt werden, um Maßnahmen einzuleiten. Fast-Data-Anwendungen, die Daten bei der Erfassung sofort, und Big-Data-Anwendungen, die Daten bei Bedarf analysieren, liefern die Grundlage hierfür. Bei der neuen Generation von „intelligenten” Videoanwendungen geht es nicht mehr nur darum Daten zu speichern, sondern sie für vielseitige Zwecke zu nutzen.

Bei Smart Video geht es um den Übergang von reinen Bildern hin zur Gewinnung von Erkenntnissen, von der einfachen Datenerfassung für forensische und nachträgliche Betrachtungen hin zur Analyse und zum Verständnis der Zusammenhänge, die an den erfassten Daten abgelesen werden können. Smart Video beinhaltet künstliche Intelligenz und Algorithmen, die aus großen Datenmengen sofortige Erkenntnisse und Vorhersagen liefern können. Beispiele für diese Fast-Data-Anwendungen sind:

• Das Parkraummanagement, bei dem mit Hilfe von Analysen Spitzenbetriebszeiten, die Nutzung von Behindertenparkplätzen, Stauflächen, durchschnittliche Parkdauer und langfristig abgestellte Fahrzeuge ermittelt werden können.
• Analysen der Produktivität von Maschinen, um hergestellte Mengen, aufgetretene oder bevorstehende Ausfälle, Maschinenprobleme und Leistungsschwächen, anstehende Wartungsarbeiten und Spitzenbetriebszeiten zu ermitteln.
• Kaufpräferenzen von Kunden im Einzelhandel, wobei mit Analysen ermittelt werden kann, wie viele Personen das Geschäft betreten haben, welchen Geschlechts und Alters sie sind, wie viel Zeit sie im Geschäft verbringen, wie viel sie durchschnittlich einkaufen und wie viel Kundenverkehr zum Beispiel durch Aktionsflächen erzeugt wird.
• Die Überwachung von landwirtschaftlichen Gebäuden und Flächen mit Drohnen, welche das Wachstum und den Gesundheitszustand der Pflanzen beobachten, mögliche Erträge ermitteln, den Viehbestand und den Futtermittelbedarf sowie Insekten- und Schädlingspopulationen verfolgen.
• Sogenannte Smart-City-Szenarien, in denen intelligente Analysen Informationen zur Sicherheitslage bereitstellen oder bei Evakuierungen gemeinsam mit Wetter- und Verkehrsdaten die schnellsten Routen aus einer Stadt ermitteln.

Die Behörden suchen nach einer vermissten und verwirrten älteren Person, die Hilfe benötigt. Sie glauben, dass sie einen Laden betrat und wieder verließ. Bei einer Big-Data-Anwendung müsste das aufgenommene Videomaterial herangezogen werden, um herauszufinden, ob die Person im Laden war. Zusätzlich müsst eine Analyse der Daten erfolgen, um das Verhalten und den Zeitpunkt des Betretens oder Verlassens zu bestimmen und gegebenenfalls Maßnahmen einzuleiten. In diesem Beispiel wird eine Big-Data-Analyse durchgeführt, nachdem der Vorfall eingetreten ist. Durch die Nutzung von künstlicher Intelligenz und Algorithmen in Big Data kann Fast Data hingegen auf Ereignisse unmittelbar reagieren. Sobald die Person den Laden betritt, kann eine Fast Data-App aus dem Videofeed in Echtzeit eine Gesichtserkennung durchführen und das erfasste Gesicht der Person mit einer entsprechenden Datenbank abgleichen. Sobald die Gesichtssignatur erkannt wird, kann die Anwendung eine Sicherheitswarnung auslösen, um der Person in Not zu helfen und sie sicher zu ihrer Familie zurückzubringen.

Da Big Data immer größer und schneller und Fast Data immer schneller und größer werden, kann eine Speicherstrategie nicht darin bestehen, den gesamten Videoinhalt auf den Hauptserver zu leiten, da dies teuer und von der Netzwerkverfügbarkeit abhängig ist. Vielmehr muss ein Prozess or- ganisiert werden, in dem Daten vor Ort auf Kameraebenen gespeichert, über ein Edge-Gateway aus verschiedenen Entfernungen aggregiert und schließlich in die Cloud (und zurück) transferiert werden. Also dort, wo sich Big Data typischerweise ansammeln. Ein Videoüberwachungssystem mit Edge-Kameras und dieser Speicherstrategie ermöglicht eine hohe System- und Service-Zuverlässigkeit, niedrige Gesamtbetriebskosten und Skalierbarkeit ohne teure zusätzliche Aufzeichnungsgeräte oder Server.

Fast-Data-Anwendungen für Smart Video sind grenzenlos und werden bisher nur ansatzweise in der realen Welt eingesetzt. Über eine zunehmende Anzahl von Datenpunkten wird eine wachsende und große Menge von Informationen gesammelt und generiert, die von Edge-Geräten wie Überwachungskameras erfasst werden. Smart-Video-Anwendungen, welche die in Echtzeit erfassten Daten analysieren, entnehmen den Videostreams Einblicke, die in Wertschöpfung und Informationen umgemünzt und als konkrete Maßnahmen umgesetzt werden können.