Sie haben wahrscheinlich schon von „Edge Analytics“ (oder Analytik „on the Edge“) bei der Videoüberwachung gehört. In der einfachsten Form handelt es sich dabei um eine immer leistungsfähigere Videoanalyse, die am „Rand“ des Netzwerks stattfindet, d. h. in der Kamera selbst. Der kürzlich erschienene Blogbeitrag Künstliche Intelligenz „on the edge“: Das Potenzial der Videoüberwachung meines Kollegen Edwin Beerentemfel bietet eine hervorragende Einführung.

Wie bei jeder neuen Technologie, die erhebliches Potenzial bietet, hat die Branche den Begriff mit Begeisterung aufgegriffen. Und es ist keine Überraschung, wenn man einige der unmittelbaren Vorteile der Edge-basierten Analytik gegenüber der Server-basierten betrachtet.

Analysen, die innerhalb der Kamera, also am Rande des Netzwerks, stattfinden, bedeuten, dass nur die relevanten Daten an den Anwender übertragen werden müssen. Im Gegensatz dazu müssen bei der Analyse, die auf dem Server stattfindet, alle Daten von der Kamera zur Analyse ins Rechenzentrum übertragen werden, was zu einem viel größeren Bedarf an kostspieliger Bandbreite führt. Zweitens bedeutet die Analyse von Videos innerhalb der Kamera und so nah wie möglich an der Aufnahme, dass die zu prüfenden Bilder von höchstmöglicher Qualität sind: Es kann keine Verschlechterung durch Komprimierung der Bilder vor der Übertragung entstehen (was ironischerweise oft gemacht wird, um das erstgenannte Problem zu reduzieren).

Aber mit der enthusiastischen Übernahme neuer technologischer Terminologie kommt auch die Gefahr: Schlagworte neigen dazu, überstrapaziert und oft auch falsch verwendet zu werden, was zu einem begrenzten oder ungenauen Verständnis führt. Bis zu einem gewissen Grad ist dies bei Edge Analytics der Fall. Nicht unbedingt ein ungenaues Verständnis, aber sicherlich ein begrenztes.

Buzzwords können auch schnell als Hype angesehen werden, und auch das ist gefährlich. Die Menschen werden misstrauisch gegenüber allem, was ihrer Meinung nach übermäßig beworben wird, und das kann die Akzeptanz wertvoller neuer Technologien beeinträchtigen.

Auch auf die Gefahr hin, dass man mir vorwirft, den Hype zu verstärken, bin ich davon überzeugt, dass Edge Analytics einen Wandel bewirken wird, allerdings aus Gründen, die über viele der derzeit diskutierten Anwendungsfälle hinausgehen. Ich glaube auch, dass selbst für die Unternehmen, die heute keinen zwingenden Grund sehen, in Videoüberwachungskameras mit Edge Analytics zu investieren, ein früherer Schritt entscheidend für die Zukunftssicherheit der Investitionen sein wird.

Das heutige Verständnis von Edge Analytics vs. das Potenzial von morgen

Im Mittelpunkt der Deep-Learning-basierten Edge-Analyse steht eine wesentlich genauere Objekterkennung.

Um ein Beispiel aus dem Verkehrsmanagement zu nehmen (das im weiteren Verlauf des Artikels ausführlicher erklärt wird), ist eines der Probleme mit der traditionellen Analytik die Anzahl der Falschalarme. Zum Beispiel verwechseln Kameras Pfützen oder Schatten mit Fahrzeugen, die auf der Autobahn stehen, und erzeugen Alarme.

Die größere Genauigkeit bei Edge Analytics reduziert diese deutlich, geht aber noch viel weiter. Edge-Analyse bringt die Fähigkeit mit sich, zwischen verschiedenen Objekttypen zu unterscheiden. Zurück auf der Straße können Lastwagen, Busse, Autos und Motorräder alle einzeln identifiziert werden, was enorme Effizienz im Verkehrsmanagement schafft und neue Möglichkeiten eröffnet.

Anwendungen wie diese sind zwar nützlich, kratzen aber nur an der Oberfläche des Potenzials von Edge Analytics. Heutige Anwendungsfälle konzentrieren sich noch weitgehend auf das, was wir als „Szenenanalyse“ bezeichnen, d. h. die Live-Ansicht einer bestimmten Szene, die Analyse des Geschehens und die Reaktion mit Warnungen oder automatisch ausgelösten Aktionen (z. B. Verkehrszeichenwarnungen und Verkehrskontrollen).

Mit Blick auf die Zukunft liegt das Potenzial jedoch nicht nur in den Aufnahmen selbst, sondern auch darin, was Edge Analytics mit dem Videoüberwachungsmaterial macht.

Datenabstraktion in der Videoüberwachung

Letztlich ist alles eine Frage der Daten!

Selbst Branchenfremde sind mit dem traditionellen Paradigma der Videoüberwachung vertraut (zumindest wird es regelmäßig in Filmen und Fernsehsendungen gezeigt): Live- und/oder aufgezeichnete Videos von Überwachungskameras, die von Menschen überprüft werden. Manchmal frieren sie das Bild ein oder zoomen hinein, um eine bessere Sicht zu bekommen. Aber sie überprüfen stets „nur“ die visuellen Informationen.

Computer haben natürlich keine Augen. Damit also Videoinformationen von Maschinen (egal ob in der Kamera oder auf einem Server) überprüft und analysiert werden können, müssen sie in Daten umgewandelt werden. Das ist eine Geschichte der Datenabstraktion, die sich auf die Reduzierung einer Datenmenge auf eine vereinfachte Darstellung des Ganzen bezieht. Eine mit Edge Analytics ausgestattete Überwachungskamera erkennt ein Auto nicht auf dieselbe Weise wie wir, sondern versteht die wesentlichen Merkmale eines Autos als Daten.

Und Edge Analytics wandelt nicht nur Videoinformationen in Daten um (was in der Szenenanalyse weitgehend genutzt wird), sondern erstellt auch Metadaten.

Metadaten sind im Wesentlichen Daten über die Daten. Wenn das verwirrend klingt, hier ein Beispiel, das Sie ausprobieren können, während Sie dies lesen. Nehmen Sie Ihr Smartphone und öffnen Sie ein Foto, das Sie aufgenommen haben. Auf die gleiche Weise, wie es Edge Analytics kann, werden Sie Objekte im Bild erkennen, bspw. ein Haus, ein grünes Auto oder eine Person.

Aber das Bild enthält auch Metadaten (Sie finden diese, indem Sie auf ein Symbol oben rechts im Bild klicken, aber das kann von Telefon zu Telefon unterschiedlich sein). Abhängig von Ihren Einstellungen können die Metadaten Ihnen die Uhrzeit und das Datum, an dem das Foto aufgenommen wurde, den Aufnahmeort, die Verschlusszeit der Kamera und vieles mehr mitteilen.

Durch die Verwendung von Daten und Metadaten steigt die Effizienz bei der Analyse großer Informationsmengen exponentiell. Um unser einfaches Beispiel zu erweitern: Ich weiß nicht, wie es Ihnen geht, aber ich habe Tausende von Fotos auf meinem Mobiltelefon und die Suche nach einem bestimmten Foto kann ein echtes Kopfzerbrechen sein. Aber wenn ich nach einem Foto suchen könnte, auf dem ein blaues Boot zu sehen ist, das am Nachmittag in Griechenland aufgenommen wurde, würde ich diesen Urlaubsschnappschuss wahrscheinlich viel schneller finden.

Erkenntnis: Was man nicht weiß, weiß man nicht

Die Kombination von Daten und Metadaten, die durch Edge Analytics erzeugt werden, kann enorm nützlich sein, um gewaltige Mengen an Informationen zu analysieren, die im Laufe der Zeit gesammelt wurden. Auf diese Weise können Unternehmen Einblicke in Bereiche gewinnen, die für sie von Interesse sind. Damit erlangen sie Wissen von etwas, was sie eigentlich noch nicht wissen.

Zum Beispiel (und ganz einfach): „Wie oft haben Autos im letzten Monat Busspuren blockiert?“ oder „Wie viele Menschen betreten diese U-Bahn-Station durchschnittlich an einem Werktag morgens zwischen 7:00 und 9:00 Uhr?“ Sie wissen die Antwort nicht, aber sie wissen, wonach sie suchen.

Während diese Fähigkeit die Vorteile von Edge Analytics noch einmal vorantreibt, wird der größte Wert möglicherweise durch die „unbekannten Unbekannten“ entstehen, wenn Analytics beginnt, Einblicke in Dinge zu liefern, von denen man nicht wusste, dass man sie nicht weiß.

Maschinen – und insbesondere die zunehmend intelligenten Maschinen, die Deep Learning nutzen – sind unglaublich gut darin, Muster zu erkennen und Anomalien hervorzuheben. Je mehr Daten sie analysieren müssen, desto genauer werden ihre Vorhersagen und Erkenntnisse, was zu einer schnelleren und präziseren Behandlung des Problems führt (ganz wörtlich in Bereichen wie der Medizin).

Hier liegt das wahre Potenzial der Edge-Analytik in der Videoüberwachung: die Analyse riesiger Datenmengen im Laufe der Zeit, die zur Identifizierung von Mustern und deren Anomalien führt und bisher ungeahnte Verbesserungen in den Bereichen Sicherheit, Service und Effizienz sowie Prozessoptimierung ermöglicht… die Liste geht weiter. Da sind sie wieder – die unbekannten Unbekannten.

Die Chancen für die Early Adopters

Manches davon mag wie Science-Fiction erscheinen. Edge Analytics steckt noch in den Kinderschuhen und die Versuchung ist groß, die Entwicklung abzuwarten. Aber wie oben beschrieben, wird der gesamte (oder sogar der größte) Wert der Edge-Analytik möglicherweise nicht sofort realisiert, sondern erst im Laufe der Zeit entstehen.

In gewisser Weise sind die potenziellen Vorteile von Edge Analytics für jede Organisation selbst im Moment eine unbekannte Größe. Was ich aber weiß, ist, dass eine Organisation, die nicht anfängt, Edge Analytics zu nutzen, die Vorteile nie realisieren wird. Daher ist es an der Zeit, einen Zeh ins Wasser zu tauchen.