KI-Kameras zur Ahndung von Verkehrsverstößen (Handynutzung am Steuer, Gurtverstöße)

Handynutzung und fehlende Sicherheitsgurte sind wesentliche Ursachen schwerer Verkehrsverletzungen, doch Polizeistreifen können nur einen winzigen Bruchteil der Fahrer beobachten. Kameras mit Bildmodellen auf dem Gerät schauen durch die Windschutzscheibe, verwerfen die allermeisten Fahrzeuge sofort und geben nur Verdachtsfälle an einen Polizeibeamten weiter, der entscheidet, ob ein Bußgeld verhängt wird. Die Technik funktioniert; schwierig sind Rechtsgrundlage, Datenminimierung und eine belastbare Beweiskette.

Problem & Nutzen

• Heute: Die Ahndung beruht darauf, dass Beamte Verstöße mit bloßem Auge erkennen; die Entdeckungswahrscheinlichkeit ist daher gering und Bußgelder werden ungleichmäßig verhängt. Herkömmliche Blitzer sehen weder Hände noch Gurte.
• KI-Nutzen: Prüfung jedes vorbeifahrenden Fahrzeugs am Straßenrand, wobei Menschen nur die wenigen markierten Fälle prüfen. In den Niederlanden markiert die „Monocam“ der Polizei mögliche Handynutzung; ein Beamter prüft das Bild, ein zweiter Beamter kontrolliert den Vorgang, und die Akte geht an die zentrale Inkassobehörde (CJIB), die das Bußgeld verhängt [1][2].
• Berichtete Ergebnisse: Rheinland-Pfalz meldete mehr als 300 Handyverstöße von seiner ersten mobilen Monocam innerhalb weniger Monate nach Betriebsbeginn Mitte April und plant ein System für jedes seiner fünf Polizeipräsidien [3]. Unabhängige, vergleichbare Zahlen zur Unfallreduktion werden hier nicht unterstellt; bewerten Sie anhand Ihres eigenen Ausgangswerts.
• Bekannter Fehler: Ein niederländischer KI-Experte wurde bestraft, nachdem das System eine Geste des Kopfkratzens als Handynutzung gedeutet hatte; sein Einspruch kann Monate dauern [4]. Solche Fälle erhöhen die Nachfrage nach menschlicher Prüfung und Einspruchsbearbeitung.

Varianten

• Erkennung von Handynutzung: Klassifikation von Haltungen mit Hand nahe Ohr/Schoß/Lenkrad plus Handgerät.
• Gurterkennung: Vorhandensein des diagonalen Gurtbands über dem Oberkörper; durch getönte Scheiben schwieriger.
• Kombinierte Mehrfachverstoß-Kameras: Handy, Gurt und teils Zahl der Insassen für Spurregeln.
• Feste Brückenaufbauten, Anhänger-/Stativ-montierte und fahrzeugmontierte Einheiten; mobile Einheiten dominieren Pilotprojekte, weil sie die erhobenen Daten auf einen Einsatzzeitraum begrenzen.
• In anderen deutschen Ländern und australischen Bundesstaaten erprobt (Australien betreibt landesweite Programme mit menschlicher Verifikation). Einsätze in der EU gibt es auf Polizeiebene in NL und DE-RP; andere bleiben Pilotprojekte [1][3].

So funktioniert es

1. Kamera + IR-Blitz (Fahrzeug auf der Spur)
2. Edge-Erkennung von Fahrzeug + Windschutzscheibenbereich + Insassen vorn
3. Aktions-/Attributklassifikator (Telefon in der Hand? Gurt angelegt?) mit Konfidenz
4. Filter auf dem Gerät: alle nicht verdächtigen Frames sofort verwerfen (keine Speicherung)
5. Kandidatenbild verschlüsselt und eingereiht
6. Prüfung durch Beamte #1 (bestätigen/ablehnen, nur zugeschnittenen Beleg sehen)
7. zweite Verifikation / rechtliche Prüfung (Vier-Augen-Prinzip)
8. Fallanlage, Kennzeichenabfrage, Bescheid durch die zuständige Behörde
9. Auditprotokoll, Aufbewahrungsuhr, Löschung abgelehnter Bilder

• Modelle: Kleine Detektoren (YOLO-Klasse) lokalisieren Windschutzscheibe und Personen; ein feinkörniger Klassifikator oder ein kompaktes VLM beurteilt Haltung/Objekt; die Schwellenwerte sind auf hohe Präzision abgestimmt, denn ein falsch positiver Treffer bedeutet, dass ein Bürger zu Unrecht bestraft wird.
• Mensch-in-der-Schleife (Human-in-the-Loop): verpflichtend. Das Modell verhängt nie eine Sanktion; Beamte sehen den markierten Ausschnitt und entscheiden. Abgelehnte Bilder werden sofort gelöscht.

Datenaufbereitung

Die Daten sind Kamerabilder von Fahrzeugen, Windschutzscheiben und Insassen sowie Kennzeichenabfragen, Falldaten und die Bestätigungs-/Ablehnungsentscheidungen der Beamten. Sie liegen im Kamerasystem, in einer verschlüsselten Beweiswarteschlange und im Vorgangsbearbeitungssystem der Behörde, nicht in klassischem ERP oder DMS. Typische Lücken: keine repräsentativen gelabelten Bilder für lokale Licht-, Scheiben- und Wetterverhältnisse, Datenschutzregeln, die das Speichern von Bildern Unverdächtiger verbieten, Klassenungleichgewicht und unklare Aufbewahrungsregeln.

Schritte der Aufbereitung: festlegen, was wie lange gespeichert werden darf (PREP-025, PREP-024); einen rechtlich freigegebenen oder pseudonymisierten Testdatensatz sammeln (PREP-022); Labels aus bestätigten und abgelehnten Fällen der Beamten gewinnen (PREP-020) und deren Korrekturen als Feedback erfassen (PREP-021); das Klassenschema der Verstöße festlegen (PREP-019) und mit Verkehrsexperten einen auf Präzision ausgerichteten Evaluationsdatensatz aufbauen (PREP-018). Falldaten über eine definierte Schnittstelle aus dem Vorgangsbearbeitungssystem exportieren (PREP-005).

Grober Aufwandsanteil: mäßig. Der größte Teil entfällt auf die rechtliche Freigabe der Bilddaten und einen sauberen Evaluationsdatensatz; das Herstellerprodukt wird in der Regel mit trainierten Modellen geliefert.

Umsetzungswege

Welcher Weg für wen

• Öffentlicher Sektor (Polizei, Verkehrsbehörden): Weg A, weil die Ahndung baumustergeprüfte, beweisrechtlich validierte Systeme etablierter Hersteller erfordert; Eigenbauten würden vor Gericht nicht bestehen.
• Unternehmen (Flottenbetreiber, Logistik, Straßenbetreiber): Weg C, weil die Überwachung eigener Fahrer sensibel ist und ein Edge-Modell auf HW1 die Bilder auf dem Gerät hält.
• Entwickler: Weg C, weil kleine Detektoren und Klassifikatoren auf Edge-Hardware laufen, was Prototypen mit Filterung auf dem Gerät und ohne Bildspeicherung ermöglicht.

Weg A — Kaufen (Standardsoftware) (empfohlen)

Schlüsselfertige Ahndungssysteme, die von der Polizeibehörde zertifiziert oder akzeptiert sind. Beispiele: das niederländische Polizeisystem Monocam [2]; Acusensus (Australien) mit Verkehrssicherheits-Kameraprogrammen in mehreren australischen Bundesstaaten; etablierte Hersteller von Überwachungskameras wie Jenoptik (DE, EU) und Vitronic (DE, EU) im breiteren Markt der Verkehrsüberwachung (prüfen Sie die aktuelle KI-Produktlinie jedes Herstellers). Nur Behörden mit gesetzlichem Auftrag dürfen diese betreiben; Private können nicht ahnden. Prüfen: Baumusterzulassung, Funktionen der Beweiskette, Hosting in der EU, Verwerfen auf dem Gerät, Audit-Trail.

Weg B — Auf Cloud-KI-Diensten aufbauen

Für den Live-Betrieb nicht geeignet: Die Übermittlung der Windschutzscheiben-Bilder aller Fahrer an ein allgemeines Cloud-VLM steht im Widerspruch zur Datenminimierung. Eine enge Rolle bleibt für die Offline-Analyse bereits freigegebener Testdaten oder für Unterstützung beim Labeln im Rahmen eines Auftragsverarbeitungsvertrags (AVV) in einer EU-Region.

Weg C — Selbst betreiben (Open Source)

Für Forschung oder den eigenen Prototyp einer Behörde: offene Detektoren (Ultralytics YOLO, RT-DETR), Posenmodelle (RTMPose/MMPose), Tracking und kleine offene VLMs zur Unterstützung der Prüfung; Betrieb auf Edge-Geräten (Klasse NVIDIA Jetson Orin, HW1) mit TensorRT oder ONNX Runtime. Prüfen Sie die Lizenzen (z. B. AGPL bei Ultralytics) gegen Ihren Einsatz.

Weg D — Eigenes Training

In der Praxis immer nötig: Kamerageometrie, Beleuchtung, Scheibentönung und das lokale Aussehen von Handys/Gurten bestimmen die Genauigkeit. Benötigt werden Zehntausende gelabelter Windschutzscheiben-Bilder über Wetter, Jahreszeiten und Fahrzeugtypen hinweg, rechtmäßig erhoben (oft über ein eigenes Pilotprojekt mit eigener Rechtsgrundlage), und ein zurückgehaltener Testdatensatz je Standort. Das Labeln durch Beamte dient zugleich der Qualitätskontrolle.

Stand der Technik (2026)

• Feinkörnige Handlungserkennung durch Glas mit IR-Beleuchtung ist kommerziell im Einsatz; veröffentlichte Genauigkeitswerte stammen meist von den Herstellern, bestehen Sie daher auf unabhängigen Abnahmetests am Standort (Präzision beim gewählten Schwellenwert, nach Beleuchtung, Fahrzeugklasse, Scheibentönung).
• Trend: von reiner Erkennung zu nachvollziehbaren Beweisen (Ausschnitt plus hervorgehobene Region), Anonymisierung von Beifahrern und unverdächtigen Bildern auf dem Gerät sowie statistische Prüfungen der Fehlerraten.
• Grenzen: Spiegelungen, Sonnenblendung, getönte oder beklebte Scheiben, Beifahrer, Hände nahe dem Gesicht (der Fall mit dem Kratzen), rechtmäßig über Halterungen genutzte Handys sowie Fahrer in großen Lkw/Transportern, die aus ungünstigen Winkeln gesehen werden. Die Gurterkennung kann durch Kleidungsmuster getäuscht werden. Die Leistung kann sich zwischen Bevölkerungsgruppen unterscheiden und muss geprüft werden.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack wie VIS-028 (Innenraumüberwachung), VIS-024 (Posenanalyse), VIS-011 (Kennzeichenerkennung zur Fallzuordnung) und VIS-012 (Verkehrsanalytik); die Edge-Hardware wird mit VIS-010 geteilt.
• Beweisbilder brauchen Werkzeuge zum Unkenntlichmachen wie VIS-030, wenn sie für Statistiken oder Training verwendet werden.
• Nicht mit Gesichtserkennung (VIS-016) kombinieren: Die Identifizierung von Fahrern per Gesicht unterliegt einer anderen, weit strengeren Ordnung.

Aufwand, Kosten & Kennzahlen

• Weg A: Quartale (Beschaffung, Baumusterzulassung, rechtliche und datenschutzrechtliche Freigabe, Schulung der Beamten). Kostentreiber: Hardware je Standort, Prüfzeit der Beamten, Integration ins Back-Office.
• Ergänzungen bei Weg D: Datenerhebung und Annotation dominieren.
• Kennzahlen: Präzision der von Beamten bestätigten gegenüber den markierten Fällen, Anteil abgelehnter Markierungen, Einspruchs- und Rücknahmequote, Prüfminuten je Fall, Verstoßquote je Standort im Zeitverlauf, Unfallfolgen-Trend, Prozentsatz der innerhalb der Aufbewahrungsfrist gelöschten Daten.

Menschen & Veränderung

Beginnen Sie mit der Leitung und der Abteilungsleitung der Behörde zusammen mit Recht/Compliance, denn die Ahndung braucht eine gesetzliche Grundlage, eine Baumusterzulassung und klare Bußgeldverfahren. Die/der Datenschutzbeauftragte wird vom ersten Tag an einbezogen: Die Kameras erfassen identifizierbare Fahrer und Beifahrer, daher ist eine Datenschutz-Folgenabschätzung (DSFA, Art. 35 DSGVO) erforderlich, mit Löschung der Bilder Unverdächtiger auf dem Gerät und kurzer Aufbewahrung abgelehnter Bilder. Die IT sorgt für sichere Übertragung und Protokollierung. Beamte, die die Fälle prüfen, sind die Hauptanwender; Bürger sind vom Ergebnis betroffen und brauchen klare Informationen und einen Weg zum Einspruch.

Betriebsrat: abhängig vom Einzelfall. Für öffentliche Stellen gilt der Personalrat nach BPersVG oder Landesrecht; beim Flotteneinsatz durch Unternehmen gilt § 87 Abs. 1 Nr. 6 BetrVG, weil die Fahrerüberwachung zur Verhaltenskontrolle geeignet ist, und § 90 Abs. 1 Nr. 3 verlangt frühzeitige Information. Die Fahrerüberwachung durch Arbeitgeber ist zudem ein DSGVO-Thema, daher sollten Datenschutzbeauftragte(r) und Betriebsrat eine Betriebsvereinbarung verhandeln.

Fördern Sie KI-Kompetenz (Art. 4 KI-Verordnung): Schulen Sie die Prüfer zu falsch positiven Treffern und Automatisierungsbias. Starten Sie einen Pilot an einem Standort oder einer mobilen Einheit mit doppelter Prüfung und veröffentlichen Sie die Präzisionswerte. Gehen Sie offen auf Fairnessbedenken ein: Das Modell verhängt nie eine Sanktion, zwei Menschen entscheiden, und abgelehnte Bilder werden sofort gelöscht. Siehe GUIDE-005, GUIDE-004, GUIDE-014.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Unterstellen Sie keine Klasse. Anhang III Nr. 6 nennt bestimmte Einsätze in der Strafverfolgung (z. B. Risikobewertung von Personen, Bewertung der Zuverlässigkeit von Beweismitteln); die Erkennung eines Verkehrsverstoßes wird als solche nicht genannt, doch die Einstufung muss je Einsatz geprüft (Art. 6) und dokumentiert werden. Verbote nach Art. 5 müssen im Entwurf ausgeschlossen werden: keine biometrische Echtzeit-Fernidentifizierung im öffentlichen Raum für die Strafverfolgung, keine biometrische Kategorisierung oder Ableitung sensibler Merkmale, keine Profilbildung zum Kriminalitätsrisiko Einzelner. Beschränken Sie das System auf die Handlungsklassifikation ohne Gesichtsidentifizierung. Behandeln Sie es dennoch mit einem Kontrollsatz wie für Hochrisiko-Systeme [5].
• Datenschutz: Die Verarbeitung durch die Polizei fällt unter die Richtlinie zum Datenschutz bei Polizei und Justiz (EU) 2016/680 in der Umsetzung im nationalen Polizei- und Verkehrsrecht, nicht allein unter die DSGVO. Für die Erfassung und für die Speicherung von Verdachtsfällen ist eine besondere gesetzliche Grundlage nötig; das niederländische System stützt sich Berichten zufolge auf eine polizeirechtliche Grundlage (genaue Vorschrift prüfen), und Rheinland-Pfalz musste sein Polizeirecht ändern (§ 30 POG, seit 1. März 2025 in Kraft) [1][3]. Klären Sie die Lage in Deutschland mit der Datenschutzbehörde des Landes.
• Datenminimierung: Verwerfen Unverdächtiger auf dem Gerät, kurze feste Aufbewahrung, Zugriffsprotokollierung, Verschlüsselung, keine Zweitnutzung, DSFA vor dem Start.
• Rechtsstaatliches Verfahren: überprüfbare Beweise, klarer Einspruchsweg, veröffentlichte Fehlerstatistik.
• Akzeptanz in der Öffentlichkeit: transparente Beschilderung und Kommunikation, unabhängige Evaluierung.

Erste Schritte

1. Bestätigen Sie die gesetzliche Grundlage und die Zuständigkeit Ihrer Behörde; beziehen Sie die/den Datenschutzbeauftragte(n) ein und führen Sie von Anfang an eine DSFA durch.
2. Führen Sie einen zeitlich befristeten Pilot mit einer mobilen Einheit und 100 % Prüfung durch Beamte durch.
3. Legen Sie Abnahmekennzahlen (Präzision, Umgang mit falsch positiven Treffern) und einen unabhängigen Testdatensatz fest.
4. Gestalten Sie die Beweiskette: Vier-Augen-Prüfung, Audit-Log, Löschaufträge, Einspruchsverfahren.
5. Veröffentlichen Sie die Pilotergebnisse und entscheiden Sie mit der Aufsichtsstelle über die Einführung.

Quellen

1. IETL — Monocam to detect the use of a mobile phone while driving — https://www.ietl.net/news-details/monocam-to-detect-the-use-of-a-mobile-phone-while-driving.html
2. Dutch police camera system to spot drivers using mobiles (trans.info) — https://trans.info/en/dutch-police-using-smart-camera-system-to-spot-drivers-using-mobiles-244274
3. teltarif.de — Monocam: cell phone speed camera registers more than 300 violations — https://www.teltarif.de/en/handy-blitzer-monocam-rheinland-pfalz/news/99015.html
4. Jerusalem Post — AI falsely accuses expert of using phone while driving — https://www.jpost.com/business-and-innovation/tech-and-start-ups/article-787534
5. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
6. ETSC — Netherlands to install more cameras to detect mobile phone use at the wheel — https://etsc.eu/netherlands-to-install-more-cameras-to-detect-mobile-phone-use-at-the-wheel/
7. Utrecht University — How the Dutch police aim to use algorithms responsibly — https://www.uu.nl/en/news/how-the-dutch-police-aim-to-use-algorithms-responsibly