Intelligente Videoüberwachung & Einbruchserkennung

Herkömmliche CCTV-Technik zeichnet alles auf und schlägt bei Pixelbewegung Alarm, sodass Bedienkräfte in Fehlalarmen durch Schatten, Regen, Insekten und Tiere untergehen. Videoanalyse klassifiziert, was sich bewegt hat (Person, Fahrzeug, Tier), prüft es gegen Zonen, Richtung und Zeitplan und eskaliert nur plausible Einbrüche mit einem Standbild. Typische Einsätze senken Fehlalarme deutlich und lassen eine Bedienkraft viele Standorte abdecken. In Europa ist der technische Teil einfach; die rechtliche Gestaltung (DSGVO, Betriebsräte, Grenzen nach Art. 5 der KI-Verordnung) ist der schwierige Teil.

Problem & Nutzen

• Heute: passive Aufzeichnung als nachträglicher Beweis sowie Bewegungsmelder oder PIR-Sensoren, die ständig auslösen. Alarmempfangsstellen (ARC) und Wachdienste bezahlen jede Verifizierung eines Fehlalarms; die Polizei stuft in vielen Ländern nicht verifizierte Alarme herab.
• KI-Nutzen: weniger Fehlalarme durch Personen-/Fahrzeugklassifizierung, frühere Erkennung (bevor der Zaun überwunden wird), verifizierte Alarme mit Videobeleg, schnellere forensische Suche, Fernüberwachung statt Streifenfahrten.
• Nutzenzahlen: Anbieter nennen große Rückgänge bei Fehlalarmen, doch die Zahlen stammen von den Anbietern und hängen vom Standort ab; messen Sie in einem Pilot an Ihren eigenen Kameras, statt Broschürenzahlen zu vertrauen [1][2].

Varianten

• KMU / Einzelhandel / Zuhause: Cloud-verwaltete Kameras mit eingebauter Personen-/Fahrzeugerkennung und Benachrichtigung aufs Handy (Privathaushalte: siehe unten, private Nutzung).
• Perimeterschutz: Logistikhöfe, Solar- und Windparks, Umspannwerke, Rechenzentren, Baustellen mit Wärmebildkameras und Radarfusion; Fernverifizierung per Video durch eine ARC.
• Private Nutzung: Türklingel- und Gartenkameras; die Haushaltsausnahme gilt nicht für Aufnahmen des öffentlichen Raums oder fremden Eigentums der Nachbarn.

So funktioniert es

1. IP-Kameras (RTSP/ONVIF, sichtbar + Wärmebild)
2. Dekodierung am Edge + Bewegungs-Vorfilter (Kamera oder NVR)
3. Objektdetektor (Person / Fahrzeug / Tier) + Multi-Objekt-Tracker
4. Regelwerk (Zone, Stolperdraht, Verweilen, Richtung, Zeitplan, Scharfschaltzustand)
5. Zweitprüfung (Klassifikator oder VLM auf dem Standbild: „Klettert hier eine Person über den Zaun?“)
6. Alarm mit Standbild + Clip
7. Bedienkraft / ARC (menschliche Verifizierung)
8. Reaktion (Ansprache per Lautsprecher, Wachdienst entsenden, Polizeiruf durch menschliche Entscheidung)
9. Ereignisindex für forensische Suche; Aufbewahrung + automatische Löschung

• Erkennung und Tracking: Detektoren der YOLO-Klasse oder Transformer-Detektoren (RT-DETR) auf dem Kamera-SoC, im NVR oder auf einer Edge-GPU; Tracking (im Stil von ByteTrack) liefert Identität innerhalb einer Szene und ermöglicht Linienüberschreitungs- und Verweilregeln.
• VLM-Verifizierung: Eine optionale zweite Stufe schickt nur Kandidatenalarme an ein kleines Bild-Sprach-Modell, um verbleibende Fehlalarme zu unterdrücken und eine kurze Beschreibung zu schreiben; siehe VIS-031.
• Mensch-in-der-Schleife (Human-in-the-Loop): Eine geschulte Bedienkraft verifiziert jede Eskalation an Wachdienst oder Polizei; keine automatisierte Durchsetzung. Bedienkräfte brauchen einen Ablauf zur Feinabstimmung von Zonen und Empfindlichkeit.

Datenaufbereitung

Die wichtigsten Eingaben sind Live-Videostreams (RTSP/ONVIF) vorhandener IP-Kameras und die Standortkonfiguration: Zonen, Stolperdrähte, Zeitpläne und Scharfschaltzustände. Diese liegen im Videomanagementsystem oder NVR, in der Dokumentation der Errichter und oft nur im Kopf der Sicherheitsverantwortlichen. Typische Lücken sind alte analoge oder niedrig auflösende Kameras, unklare Kamerapositionen, fehlende Lagepläne, nicht verwaltete Kamerapasswörter und weite Sichtfelder, die öffentliche Straßen oder Nachbargrundstücke einschließen.

Schritte der Aufbereitung: Kameras mit Position, Auflösung und Netzzugang inventarisieren; Zonen und Scharfschaltzeiten festlegen und dokumentieren; Konten und Netzsegmente absichern; private Bereiche und fremdes Eigentum der Nachbarn maskieren; 50 bis 100 echte Fehlalarm-Clips (Wind, Tiere, Scheinwerfer) als Testdatensatz sammeln (PREP-018); Regeln für Aufbewahrung und automatische Löschung festlegen (PREP-024, PREP-025). Für Standarddetektoren sind in der Regel keine Trainingsdaten nötig.

Grober Aufwandsanteil: gering, etwa 10 bis 20 Prozent. Die Hauptarbeit ist Kameraplatzierung, Beleuchtung und Feinabstimmung der Zonen, nicht Datenbereinigung.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, weil Kamerahersteller und Anbieter von Alarmzentralen ausgereifte, in der EU hostbare Analytik zu Preisen je Kamera anbieten und der Einbruchsprozess Standard ist.
• Großunternehmen: Weg C, weil Video an mehreren Standorten sensibel ist, das Volumen Cloud-Gebühren je Kamera hoch macht und die Erkennung auf eigener Edge-Hardware (HW1) das Material vor Ort hält.
• Entwickler: Weg C, weil offene Detektoren, Tracker und ONVIF-Werkzeuge auf HW1 laufen und ein maßgeschneidertes Regelwerk erlauben.
• Öffentliche Hand: Weg C, weil Souveränität, Vergaberegeln und strenge Grenzen für Videoaufnahmen von Personen selbst betriebene On-Premises-Systeme begünstigen.

Weg A — Kaufen (Standardsoftware) (für die meisten KMU und Standorte empfohlen)

• Kameranative Analytik: Axis (EU, Schweden; AXIS Object Analytics, edgebasiert, ONVIF), Bosch Security (EU, Deutschland; Intelligent Video Analytics), Hanwha Vision, Hikvision/Dahua (Hinweis: In mehreren Ländern gelten erhebliche politische und vergaberechtliche Beschränkungen für diese Hersteller; prüfen Sie nationale Vorgaben und Vergaberegeln), Avigilon/Motorola (Alta, Unity), Verkada, Eagle Eye Networks.
• VMS-Plattformen: Milestone XProtect (EU, Dänemark), Genetec Security Center, Axis Camera Station, Network Optix.
• Spezialisierte KI für Perimeterschutz und Fernüberwachung: Sighthound, Ipsotek, Davantis (EU, Spanien), integrierte Angebote von Sicherheitsdienstleistern sowie deutsche ARCs für Videofernverifizierung mit VdS-zertifizierten Systemen.
• A wählen, wenn: weniger als einige hundert Kameras, Standardzonen und eine ARC oder eine eigene Bedienkraft vorhanden ist. Prüfen: Analytik auf der Kamera (Daten bleiben lokal), EU-Hosting für jede Cloud-Speicherung, Unterstützung der ONVIF-Profile-M-Metadaten, Konformität mit VdS/EN 62676 / EN 50131, wo Versicherer sie verlangen, und einen Auftragsverarbeitungsvertrag.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Videoanalyse-APIs: Google Cloud Video Intelligence (Objektverfolgung, EU-Standort), AWS Rekognition Video / Kinesis Video Streams (Regionen Frankfurt, Irland), Azure AI Vision und Azure Video Indexer. VLM-APIs (Gemini, Claude, GPT, Mistral) zur Verifizierung einzelner Standbilder.

Weg C — Selbst betreiben (Open Source)

• Erkennung und Tracking: Ultralytics YOLO (AGPL-3.0, Lizenz für kommerzielle Nutzung prüfen), RT-DETR, YOLOX oder RF-DETR (Apache-2.0), Roboflow Supervision für Zonen und Tracking, NVIDIA DeepStream / Metropolis-Microservices.
• NVR- und Ereignisebene: Frigate NVR (Open Source, Detektoren für Coral / Hailo / OpenVINO / TensorRT, Anbindung an MQTT/Home Assistant), Shinobi, ZoneMinder; MediaMTX oder go2rtc für die Stream-Verarbeitung.
• VLM-Verifizierung: Bild-Sprach-Modelle mit offenen Gewichten wie Qwen2.5-VL / Qwen3-VL, InternVL oder SmolVLM, bereitgestellt über vLLM oder Ollama.
• Hardware: HW1 bewältigt je nach Auflösung und Bildrate grob eine Handvoll bis einige Dutzend Streams je Edge-Gerät (Coral, Hailo-8, Jetson Orin); HW2 für Dutzende 1080p-Streams plus ein VLM. Betriebsaufwand: gering bei Setups der Frigate-Klasse, mäßig ab 100+ Kameras.

Weg D — Eigenes Training

Lohnt sich bei ungewöhnlichen Szenen: reine Wärmebildkameras, Fisheye- oder Luftaufnahmen, Nachtszenen auf große Entfernung oder standortspezifische Störklassen (windbewegtes Laub, Wildtiere, Spiegelungen). Benötigt einige tausend beschriftete Bilder je Standorttyp; einen kleinen Detektor feintunen und Hard-Negative-Mining aus den von Bedienkräften protokollierten Fehlalarmen nutzen. Synthetische Daten helfen bei seltenen Einbruchshaltungen, validiert wird aber nur an echtem Material.

Stand der Technik (2026)

• Edge-first-Analytik ist die Regel: Objekterkennung auf Kamera-SoCs (ARTPEC/Ambarella-Klasse) und NPUs, wobei ONVIF-Metadatenströme die VMS-Regeln speisen. Die Klassifizierung nach Person/Fahrzeug/Tier ist Standardware.
• Open-Vocabulary-Detektoren und VLMs (Grounding-DINO-Klasse, YOLO-World, Qwen-VL) erlauben textbasierte Regeln („Person auf dem Dach“, „offenes Tor“) und eine günstige Zweitprüfung von Alarmen; für jedes einzelne Bild sind sie zu teuer, nutzen Sie sie daher als Prüfinstanz.
• Grenzen und Fehlerbilder: schwaches Licht und Wetter, Verdeckung, Kameramanipulation oder Übersprühen, winzige weit entfernte Ziele, Angriffe mit Spezialkleidung oder Aufklebern (Adversarial Patches), Domänenverschiebung nach Kameraverstellungen und Alarmmüdigkeit. Verhaltensklassifikatoren („verdächtiges Verhalten“, „Aggressionserkennung“) sind wissenschaftlich schwach und rechtlich riskant; bevorzugen Sie geometrische Regeln plus menschliche Prüfung. Testen Sie stets die Trefferquote (Recall) für die Szenarien, die zählen (Nacht, Kriechen, teilweise Verdeckung), nicht nur die Präzision.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (object-detection + tracking + edge-runtime + streaming): VIS-007 Schutzausrüstung (PSA) und Arbeitssicherheit, VIS-008 Besucherfrequenz, VIS-012 Verkehr, VIS-044 Drohnenabwehr, VIS-013 Waldbrandkameras. Eine Edge-GPU-Box oder ein NVR kann mehrere Analysen ausführen.
• Naheliegende Kombinationen: VIS-031 (Suche in natürlicher Sprache und VLM-Alarme über dieselben Kamerabilder), VIS-030 (automatische Anonymisierung exportierter Clips und für Privatzonenmaskierung), VIS-011 (Tor- und Kennzeichenlogik, eigene Rechtsgrundlage), VIS-016 (Zutrittskontrolle; eigenes, strengeres Rechtsregime).

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis wenige Wochen; Preise nach Kameralizenz oder Abo je Kanal; überwiegend Installation und Zonenabstimmung.
• Weg B: 1 bis 3 Monate für eine Pipeline verifizierter Alarme mit Anbindung.
• Weg C: 1 bis 3 Monate für ein Setup auf Basis von Frigate/DeepStream; Edge-Hardware plus Wartung.
• Kennzahlen: Fehlalarme je Kamera und Woche, Trefferquote (Recall) bei inszenierten Einbruchstests, Zeit bis zum verifizierten Alarm, Anteil der Alarme, die ohne Entsendung eines Wachdienstes abgeschlossen werden, Bedienminuten je Alarm, Verfügbarkeit und Rate erkannter Manipulationen.

Menschen & Veränderung

Binden Sie die Geschäftsleitung für das Sicherheitskonzept ein, IT und IT-Sicherheit für Netzwerk, Kamerahärtung und Anbindung sowie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten ab dem ersten Plan, weil Video von Personen personenbezogene Daten sind. Recht oder Compliance klärt Beschilderung, Aufbewahrung und die Regeln des § 4 BDSG zur Videoüberwachung. Beschäftigte vor Ort sind täglich betroffen, binden Sie sie daher ein, bevor Kameras in Betrieb gehen.

Betriebsrat: in der Praxis ja. Videoanalyse ist eine technische Einrichtung, die zur Überwachung von Beschäftigten geeignet ist, daher gilt die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG; der Betriebsrat ist zudem nach § 90 Abs. 1 Nr. 3 zu unterrichten und kann nach § 80 Abs. 3 eine(n) KI-Sachverständige(n) hinzuziehen. Schließen Sie eine Betriebsvereinbarung, die Leistungskontrolle ausschließt und Zugriff sowie Aufbewahrung begrenzt. In öffentlichen Stellen beziehen Sie den Personalrat ein. Datenschutzbeauftragte(r): Eine DSFA ist wahrscheinlich, dazu ein AVV mit jedem Anbieter von Alarmzentrale oder Cloud (GUIDE-004, GUIDE-005).

KI-Kompetenz: Unterstützen Sie die Bedienkräfte mit Schulungen zu Fehlalarmen, Zonenabstimmung und Eskalationsregeln (GUIDE-006). Beginnen Sie mit einem Standort als Pilot (GUIDE-009). Typische Sorgen sind Überwachung und falsche Beschuldigungen; begegnen Sie ihnen mit transparenter Beschilderung, strengen Zwecken und einer menschlichen Bedienkraft, die jeden Alarm verifiziert, bevor Wachdienst oder Polizei gerufen werden (GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt von der Funktion ab. Reine Objekterkennung zur Einbruchserkennung auf privatem Gelände ist in der Regel ein minimales Risiko. Sicherheitskomponenten bei der Verwaltung kritischer Infrastruktur (Anhang III Nr. 2) können hochriskant sein. Verbote nach Art. 5, die zu vermeiden sind: biometrische Echtzeit-Fernidentifizierung in öffentlich zugänglichen Räumen für die Strafverfolgung (enge Ausnahmen nur mit Genehmigung), ungezieltes Auslesen von Gesichtsbildern für Datenbanken, Emotionserkennung am Arbeitsplatz und in der Bildung, biometrische Kategorisierung zur Ableitung sensibler Merkmale und individuelle Straftatenprognosen auf Grundlage von Profiling. Ergänzen Sie ein allgemeines Überwachungssystem nicht um Gesichtsabgleich, Emotions- oder „Aggressions-/Verdachts“-Bewertung; viele solche Funktionen fallen unter Art. 5 oder die hochriskante Biometrie in Anhang III [4].
• DSGVO: Video identifizierbarer Personen sind personenbezogene Daten. Sie brauchen ein dokumentiertes berechtigtes Interesse (Art. 6 Abs. 1 lit. f) oder eine Rechtsgrundlage der öffentlichen Aufgabe, eine Interessenabwägung, Beschilderung und mehrstufige Information, Datenminimierung (Privatzonenmasken, enge Sichtfelder), kurze Aufbewahrung (üblich sind 72 Stunden, außer es tritt ein Vorfall ein, wie Aufsichtsbehörden empfehlen), Zugriffskontrolle und Protokollierung sowie eine DSFA, wo die Überwachung systematisch oder umfangreich ist (öffentliche Bereiche, Beschäftigte). Maßgeblich sind die EDSA-Leitlinien zu Videogeräten [5].
• Arbeitsplatz: In Deutschland gelten die Mitbestimmung des Betriebsrats (BetrVG § 87 Abs. 1 Nr. 6) und § 26 BDSG (die Anwendbarkeit von § 4 BDSG zur Videoüberwachung auf nichtöffentliche Stellen ist zweifelhaft); verdeckte Überwachung ist nur unter engen Voraussetzungen erlaubt. Nutzen Sie die Analytik nicht zur Leistungsbewertung von Beschäftigten.

Erste Schritte

1. Legen Sie zuerst Bedrohung und Rechtsgrundlage fest: Was muss wo und zu welchen Zeiten erkannt werden; schreiben Sie DSFA und Beschilderungstext, bevor Sie Kameras kaufen.
2. Prüfen Sie vorhandene Kameras auf ONVIF- und Analytik-Unterstützung auf der Kamera; beheben Sie Beleuchtung, Montagehöhe und Sichtfeld, bevor Sie KI ergänzen.
3. Pilotieren Sie 5 bis 10 Kameras vier Wochen lang mit zwei Kandidatenprodukten (eines aus Weg A, optional Frigate auf einer Edge-Box); protokollieren Sie jeden Fehlalarm und führen Sie inszenierte Einbruchstests durch.
4. Legen Sie Scharfschaltzeiten, Zonen, Aufbewahrung und Eskalationsregeln für die Bedienkräfte fest; schulen Sie die Bedienkräfte und beziehen Sie den Betriebsrat früh ein.
5. Prüfen Sie die Kennzahlen monatlich und führen Sie für Audits ein Änderungsprotokoll für Modelle und Regeln.

Quellen

1. Axis Communications - AXIS Object Analytics documentation - https://help.axis.com/en-us/axis-object-analytics
2. Milestone Systems - XProtect VMS documentation - https://doc.milestonesys.com/
3. Frigate NVR documentation - https://docs.frigate.video/
4. Regulation (EU) 2024/1689 (AI Act), Art. 5 and Annex III - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. EDPB - Guidelines 3/2019 on processing of personal data through video devices - https://www.edpb.europa.eu/our-work-tools/our-documents/guidelines/guidelines-32019-processing-personal-data-through-video_en
6. Roboflow Supervision - https://github.com/roboflow/supervision
7. ONVIF - Profile M (analytics metadata) - https://www.onvif.org/profiles/profile-m/