# KI-Videoanalyse: vom Objekt zum Ereignis (mit Rechnung)

> Wie aus erkannten Objekten ein Ereignis wird und warum dieselbe Regel Flackern beseitigt, Verwechslungen aber kaum. Mit eigener Simulation über 30 Tage.

Quelle: https://www.krynexlabs.de/blog/ki-videoanalyse-wann-wird-ein-objekt-zum-ereignis/
Stand: 2026-10-04
Anbieter: Krynex Labs UG (haftungsbeschränkt) i. G., Chemnitz · https://www.krynexlabs.de

---
[Alle Artikel](https://www.krynexlabs.de/blog/)

#Videoanalyse#Objekterkennung#Kreislaufwirtschaft#Edge-KI#Fehlalarme

# KI-Videoanalyse: Wann aus einem erkannten Objekt ein Ereignis wird

Ein Modell, das in jedem Bild Objekte findet, ist noch keine Videoanalyse. Wie aus Erkennungen ein Ereignis wird, warum dieselbe Regel Flackern beseitigt und echte Verwechslungen kaum, und was das für Sortieranlagen und frei programmierbare Kameras heißt. Mit einer eigenen Simulation über 30 Tage.

[Annett Krusch](https://www.krynexlabs.de/ueber-uns/) 4\. Oktober 2026

 

Die kurze Antwort zuerst. Ein Modell, das in jedem Bild Objekte findet, ist **noch keine Videoanalyse**. Ein Ereignis entsteht erst in drei Schritten: Das Modell **erkennt** etwas in einem Bild, ein Tracker **verbindet** die Erkennungen über die Zeit zu einem Objekt, und eine **Regel** entscheidet, ob dieses Objekt etwas getan hat, das jemanden etwas angeht. Fast alle Fehlalarme, die wir in Projekten sehen, entstehen nicht im Modell, sondern in einer Regel, die für die falsche Art von Fehler gebaut wurde.

Wir bauen Videoanalyse für Betriebe, unter anderem an Kippstellen und Sortierbändern. Für diesen Beitrag haben wir eine Kamera über 30 Tage simuliert, damit die Zahlen nicht aus einem Datenblatt kommen. Das Skript steht unten, jeder kann es nachrechnen.

## Drei Schritte: Erkennung, Spur, Regel

**Erkennung.** Ein Detektor wie RF-DETR oder YOLO bekommt ein einzelnes Bild und liefert Kästen mit Klasse und Wert: „Gasflasche, 0,81, an Stelle x, y“. Er weiß nichts über das Bild davor. Wackelt das Licht, springt der Wert von 0,81 auf 0,42 und zurück.

**Spur.** Ein Tracker wie ByteTrack ordnet die Kästen aufeinanderfolgender Bilder einander zu und gibt jedem Objekt eine Nummer. Aus vielen einzelnen Kästen wird so „Objekt 17, seit 3,2 Sekunden im Bild, bewegt sich nach links“. ByteTrack ordnet dafür in einem zweiten Durchgang ausdrücklich auch Kästen mit niedrigem Wert zu, damit ein halb verdecktes Objekt seine Nummer behält. Eine Spur ohne Treffer hebt es noch 30 Bilder lang auf, falls das Objekt wieder auftaucht ([Zhang u. a., ByteTrack](https://arxiv.org/abs/2110.06864)).

**Regel.** Erst hier wird entschieden. „Objekt der Klasse Person, länger als fünf Sekunden in Zone B“ oder „Objekt der Klasse Gasflasche, in drei aufeinanderfolgenden Bildern, oberhalb der Kippkante“. Die Regel erzeugt das Ereignis, und nur das Ereignis erreicht einen Menschen: als Hinweis an den Kranfahrer, als Eintrag in der Leitwarte oder als Ereignis im vorhandenen Videomanagementsystem. Für diesen letzten Weg gibt es einen Standard: [ONVIF Profile M](https://www.onvif.org/profiles/profile-m/) beschreibt Metadaten, Objektklassen und Regeln für Analyse-Ereignisse.

Auch die Normung denkt in dieser Kette. Die im Februar 2026 erschienene IEC 62676-6 prüft und bewertet Videoanalyse in der Sicherheitstechnik und unterscheidet dabei, soweit die Inhaltsangaben erkennen lassen, zwischen der Klassifizierung eines Objekts, seinem Verhalten (anhalten, Richtung) und ganzen Szenarien wie Herumlungern oder einem abgestellten Gegenstand.

Wer nur den ersten Schritt kauft, bekommt eine Demo, die auf einer Messe beeindruckt und im Betrieb nach einer Woche abgeschaltet wird.

## Zwei Arten von Fehlern, die völlig verschieden reagieren

Für die Regel ist entscheidend, wie ein Fehler aussieht, nicht wie oft er vorkommt. Wir unterscheiden zwei Arten.

**Flackern.** Das Modell meldet in einem einzelnen Bild etwas, das nicht da ist, und im nächsten Bild nicht mehr. Ursachen sind Rauschen, Kompression, ein Lichtreflex für eine Zehntelsekunde. Diese Fehler sind kurz und voneinander unabhängig.

**Verwechslung.** Das Modell hält etwas Echtes für etwas anderes: eine blaue Plastikflasche für eine Gaskartusche, eine Spiegelung auf nassem Boden für eine Person. Diese Fehler sind hartnäckig. Solange das Ding im Bild liegt, bleibt die Verwechslung bestehen, Bild für Bild.

## Was eine Bestätigungsregel bewirkt, gerechnet über 30 Tage

Wir haben eine Kamera mit zehn Bildern pro Sekunde über 30 Tage simuliert, mit beiden Fehlerarten getrennt. Die Annahmen sind bewusst einfach und stehen offen da:

-   Flackern: In 0,2 Prozent aller Bilder meldet das Modell fälschlich ein Objekt, unabhängig voneinander.
-   Verwechslung: Dreimal pro Stunde liegt etwas im Bild, das das Modell für das gesuchte Objekt hält, im Mittel vier Sekunden lang.
-   Nach jedem Alarm gilt eine Sperrzeit von 30 Sekunden, damit dasselbe Ereignis nicht zwanzigmal meldet.

Das sind keine Messwerte aus einer bestimmten Anlage, sondern ein Rechenbeispiel. Wie oft ein Modell flackert und wie oft es etwas verwechselt, hängt an Modell, Kamera und Ort. Entscheidend ist hier nicht die absolute Zahl, sondern wie unterschiedlich die beiden Fehlerarten auf dieselbe Regel reagieren.

| Regel | Fehlalarme je Tag durch Flackern | durch Verwechslung |
| --- | --- | --- |
| Ein Bild reicht | 1.082 | 69 |
| 3 Bilder in Folge | 0 | 65 |
| 8 von 10 Bildern (0,8 s) | 0 | 57 |
| 20 von 20 Bildern (2 s) | 0 | 43 |

Die linke Spalte ist der Grund, warum jede ernsthafte Videoanalyse eine Bestätigungsregel hat: Schon drei Bilder in Folge beseitigen das Flackern vollständig, weil drei unabhängige Fehler hintereinander praktisch nie vorkommen.

Die rechte Spalte ist der Grund, warum viele Projekte trotzdem scheitern. Gegen Verwechslungen hilft dieselbe Regel kaum. Von 69 Fehlalarmen bleiben bei drei Bildern 65 übrig, selbst bei zwei Sekunden Bestätigung noch 43. Das ist kein Fehler der Simulation, sondern die Natur der Sache: Eine Spiegelung, die vier Sekunden lang wie eine Person aussieht, besteht jede Prüfung über zwei Sekunden.

Wer die Regel immer strenger macht, um die Verwechslungen loszuwerden, bezahlt das woanders, und zwar dort, wo es am meisten weh tut.

## Der Preis einer strengen Regel: kurze Objekte verschwinden

Wir haben in derselben Simulation echte Objekte durchs Bild geschickt, die das Modell in 90 Prozent der Bilder richtig erkennt. Gezählt ist, wie oft die Regel das Objekt überhaupt meldet, je 100.000 Durchläufe.

| Objekt sichtbar für | 1 Bild | 3 in Folge | 8 von 10 | 20 von 20 |
| --- | --- | --- | --- | --- |
| 0,4 Sekunden | 100 % | 80 % | 0 % | 0 % |
| 1 Sekunde | 100 % | 99,5 % | 93 % | 0 % |
| 3 Sekunden | 100 % | 100 % | 100 % | 24 % |

Eine Person, die drei Sekunden in einer Sperrzone steht, ist für jede dieser Regeln ein leichter Fall. Ein Gegenstand auf einem Förderband ist es nicht.

## Am Förderband gilt eine andere Rechnung

Ein Band mit 2,5 Metern pro Sekunde (ein Rechenwert, Anlagen unterscheiden sich stark) trägt ein Objekt in 0,4 Sekunden durch ein Bildfeld von einem Meter. Bei zehn Bildern pro Sekunde sind das vier Bilder. Eine Regel „8 von 10“ meldet dieses Objekt nie, egal wie gut das Modell ist. Selbst „3 in Folge“ verliert jedes fünfte.

Am Band rechnen wir deshalb anders herum. Zuerst steht fest, wie viele Bilder ein Objekt mindestens im Feld sein muss, daraus folgt die Bildrate, und erst dann wird das Modell ausgesucht, das diese Bildrate auf der vorhandenen Hardware schafft. Und statt über die Zeit wird je Objekt entschieden: Der Tracker sammelt alle Bilder einer Spur, und die Regel bewertet die Spur als Ganzes, wenn sie das Feld verlässt. Gegen Verwechslungen hilft das genauso wenig wie eine Zeitregel, aber es verliert keine kurzen Objekte mehr.

## Was gegen Verwechslungen wirklich hilft

Weil die Zeit dagegen kaum etwas ausrichtet, bleiben vier andere Mittel.

1.  **Die Zonenmaske.** Viele Verwechslungen entstehen an immer derselben Stelle: die Pfütze vor Tor 2, das Blechschild am Bunkerrand. Ein ausgeschnittener Bereich kostet eine Stunde und beseitigt sie ganz.
2.  **Eine Plausibilitätsprüfung.** Eine Gasflasche hat eine Größe, die zur Entfernung passen muss. Eine Person bewegt sich nicht mit vier Metern pro Sekunde seitwärts. Solche Prüfungen sind dumm, billig und sehr wirksam.
3.  **Bessere Trainingsdaten von genau diesem Ort.** Jede bestätigte Verwechslung ist ein Bild, das ins nächste Training gehört. Nach einigen Wochen Betrieb ist das der stärkste Hebel, aber nicht am ersten Tag.
4.  **Ein Mensch mit Bild.** Wo ein übersehenes Objekt teuer ist, etwa eine Gasflasche im Müllbunker, lassen wir die Regel lieber zu oft melden und schicken den Bildausschnitt mit. Der Kranfahrer braucht zwei Sekunden für die Entscheidung, die das Modell nicht sicher treffen kann.

Welche Schwelle richtig ist, ist keine technische Frage, sondern eine wirtschaftliche: Was kostet ein Fehlalarm, was kostet ein übersehenes Objekt? Das klären wir vor dem ersten Training mit dem Betrieb, nicht danach.

## Und die frei programmierbare Kamera für die Materialklassifizierung?

Diese Frage erreicht uns in verschiedenen Formen, und sie enthält zwei Annahmen, die sich lohnt zu trennen.

**Erstens: Material ist nicht dasselbe wie Objekt.** Welcher Kunststoff vorliegt, PET, PE oder PP, sieht man im nahen Infrarot, nicht im sichtbaren Licht. Dafür haben Sortieranlagen NIR-Sensoren, und die sind darin besser als jede Farbkamera. TOMRA, einer der großen Hersteller, schreibt das [selbst so](https://www.tomra.com/waste-metal-recycling/media-center/news/2026/history-of-autosort): NIR und VIS sortieren nach Material oder Farbe, die Deep-Learning-Erweiterung mit RGB-Kamera sieht, „was das menschliche Auge sieht“.

Eine Kamera mit neuronalem Netz erkennt also, was ein Ding ist: Flasche, Kartusche, Akku, Spraydose. Sie ergänzt die NIR-Technik dort, wo das Spektrum nichts verrät. Das bekannteste Beispiel sind schwarze Kunststoffe: Ruß schluckt das nahe Infrarot, und Steinert nennt solche Teile für gewöhnliche NIR-Sortierer [„unsichtbar“](https://steinertglobal.com/us/sorting-systems/sensor-sorting/nir-sorting-systems/unisort-black/). Die Hersteller lösen das inzwischen auf verschiedenen Wegen, mit angepasster Spektroskopie oder mit Form und Höhe aus der Kamera. Wie das in einer Sortieranlage aufgeteilt wird, steht auf unserer Seite zur [KI-Bilderkennung in der Kreislaufwirtschaft](https://www.krynexlabs.de/spezialisierungen/kreislaufwirtschaft/).

**Zweitens: frei programmierbar heißt zwei verschiedene Dinge.**

-   **Smart Cameras** mit eingebautem KI-Beschleuniger nehmen eigene Modelle auf. Das Modell muss dafür quantisiert, in das Format des Herstellers umgewandelt werden und in den Speicher des Chips passen. Beispiele: Die [Raspberry Pi AI Camera](https://www.raspberrypi.com/documentation/accessories/ai-camera.html) mit Sonys IMX500 nimmt eigene PyTorch- oder TensorFlow-Modelle nach Quantisierung und Umwandlung auf. Axis-Kameras mit eigenem KI-Chip laden über ACAP eigene Modelle, je nach Chip als quantisiertes TFLite oder ONNX, und Axis schreibt [selbst](https://developer.axis.com/computer-vision/on-device/supported-frameworks/), dass dieser Chip weniger verarbeiten kann als ein allgemeiner Prozessor. Für eine feste Aufgabe mit wenigen Klassen ist das elegant: kein zusätzlicher Rechner, wenig Kabel.
-   **Eine Industriekamera mit Edge-Rechner** ist der flexiblere Weg. Die Kamera liefert nur das Bild, und ein Rechner daneben führt jedes Modell aus, das sich nach ONNX oder TensorRT umwandeln lässt. Schon das kleinste aktuelle Modul, der [Jetson Orin Nano Super](https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-orin/nano-super-developer-kit/), nennt 67 TOPS (INT8). Tracker, Regeln und Protokoll laufen auf demselben Gerät.

Für die meisten Anlagen in der Entsorgung empfehlen wir den zweiten Weg. Nicht weil die Smart Camera schlechter erkennt, sondern weil die Regel und der Tracker, also der Teil, der über Fehlalarme entscheidet, auf einem offenen Rechner viel leichter zu ändern sind. Und weil das Modell nach den ersten Wochen Betrieb neu trainiert wird, mit den Verwechslungen von genau diesem Ort.

Ein Punkt, der beim Modell gern übersehen wird, ist die Lizenz. Ultralytics YOLO steht unter der AGPL-3.0 und bietet für Firmen, die deren Pflichten nicht erfüllen wollen, eine kostenpflichtige Enterprise-Lizenz an ([README](https://github.com/ultralytics/ultralytics)). Bei RF-DETR stehen die Detektionsmodelle N bis L unter Apache 2.0, die Größen XL und 2XL dagegen unter einer eigenen Lizenz von Roboflow, der PML 1.0 ([README](https://github.com/roboflow/rf-detr)). D-FINE steht unter Apache 2.0, ByteTrack unter MIT. Wir sagen vor dem Projekt, welches Modell unter welcher Lizenz läuft, und nicht erst bei der Abnahme.

## Das Skript zum Nachrechnen

Die Zahlen oben stammen aus diesem Python-Skript (NumPy, fester Startwert). Wer andere Annahmen hat, ändert die drei Zahlen am Anfang.

```
import numpy as np
rng = np.random.default_rng(20261004)
FPS, DAYS = 10, 30
N = FPS * 86400 * DAYS

def alarme_je_tag(treffer, k, m, sperrzeit_s=30):
    # Alarm, sobald in den letzten m Bildern mindestens k Treffer liegen
    summe = np.convolve(treffer.astype(np.int16), np.ones(m, np.int16), "full")[:len(treffer)]
    n, letzter = 0, -10**12
    for t in np.flatnonzero(summe >= k):
        if t - letzter >= sperrzeit_s * FPS:
            n, letzter = n + 1, t
    return n / DAYS

flackern = rng.random(N) < 0.002                      # 0,2 % der Bilder
verwechslung = np.zeros(N, bool)
starts = rng.integers(0, N, rng.poisson(3 * 24 * DAYS))  # 3 je Stunde
dauern = np.maximum(1, (rng.exponential(4.0, len(starts)) * FPS).astype(int))
for s, d in zip(starts, dauern):
    verwechslung[s:s + d] = True                       # im Mittel 4 s lang

for name, (k, m) in {"1 Bild": (1, 1), "3 in Folge": (3, 3),
                     "8 von 10": (8, 10), "20 von 20": (20, 20)}.items():
    print(name, alarme_je_tag(flackern, k, m), alarme_je_tag(verwechslung, k, m))
```

## Was wir daraus mitnehmen

-   Erkennung, Spur und Regel sind drei Bauteile. Fehlalarme entscheiden sich in der Regel, nicht im Modell.
-   Eine Bestätigung über mehrere Bilder beseitigt Flackern, gegen Verwechslungen hilft sie kaum.
-   Jede strengere Regel kostet kurze Objekte. Am Förderband ist das meistens der falsche Tausch.
-   Verwechslungen beseitigt man mit Zonen, Plausibilität, Daten vom Ort und einem Menschen mit Bild.
-   Material bestimmt NIR, Objektart bestimmt die Kamera.

Wer Kameras schon hängen hat und wissen will, ob sich daraus eine Videoanalyse bauen lässt, findet die technischen Grundlagen auf unserer Seite zur [KI-Videoanalyse](https://www.krynexlabs.de/spezialisierungen/videoanalyse-cctv/). Für die Kippstelle im Müllbunker gibt es eine eigene Beschreibung zur [Störstofferkennung](https://www.krynexlabs.de/spezialisierungen/stoerstofferkennung-muellbunker/). Wir sichten vor jedem Angebot Aufnahmen aus eurer Anlage, bei Tag und bei Nacht, und sagen danach, ob es trägt.

## Häufige Fragen

Was ist der Unterschied zwischen Objekterkennung und Videoanalyse?

Objekterkennung beantwortet für ein einzelnes Bild, was wo zu sehen ist. Videoanalyse verbindet diese Erkennungen über die Zeit, meist mit einem Tracker, und prüft darüber eine Regel, zum Beispiel: Person seit fünf Sekunden in der Sperrzone. Erst wenn die Regel erfüllt ist, entsteht ein Ereignis, das jemanden erreicht.

Wie verhindert man Fehlalarme bei KI-Videoanalyse?

Mit zwei verschiedenen Mitteln für zwei verschiedene Fehler. Gegen Flackern, also einzelne falsche Bilder, hilft eine Bestätigungsregel über mehrere Bilder. In unserer Simulation sinken die Fehlalarme damit von gut tausend auf null am Tag. Gegen hartnäckige Verwechslungen, etwa eine Spiegelung, die sekundenlang wie ein Objekt aussieht, hilft diese Regel kaum. Dort helfen nur bessere Trainingsdaten, eine Zonenmaske, eine Plausibilitätsprüfung oder ein Mensch, der das Bild bestätigt.

Kann man Kunststoffe mit einer normalen Kamera nach Material sortieren?

Nicht verlässlich. Polymere wie PET, PE und PP unterscheiden sich im nahen Infrarot, nicht im sichtbaren Bild. Dafür haben Sortieranlagen NIR-Sensoren. Eine Farbkamera mit neuronalem Netz erkennt Objektarten und Formen, also Flasche, Kartusche oder Akku. Sie ergänzt die NIR-Technik dort, wo das Spektrum nichts verrät.

Welche Kameras kann man frei mit eigenen KI-Modellen programmieren?

Es gibt zwei Wege. Smart Cameras mit eigenem KI-Beschleuniger nehmen eigene, passend umgewandelte Modelle auf, sind aber bei Modellgröße und Format begrenzt. Der flexiblere Weg ist eine Industriekamera an einem Edge-Rechner wie NVIDIA Jetson. Dort läuft jedes Modell, das sich nach ONNX oder TensorRT umwandeln lässt.

Wie schnell muss eine Kamera am Förderband sein?

Das ergibt sich aus Bandgeschwindigkeit und Bildfeld. Ein Objekt auf einem Band mit 2,5 Metern pro Sekunde durchquert ein Bildfeld von einem Meter in 0,4 Sekunden. Bei zehn Bildern pro Sekunde sind das vier Bilder. Eine Regel, die acht Bilder Bestätigung verlangt, erkennt dieses Objekt nie. Am Band braucht es deshalb mehr Bilder pro Sekunde oder eine Entscheidung je Objekt statt über die Zeit.

## Dazu bei Krynex Labs

Leistung

KI-Videoanalyse

→ https://www.krynexlabs.de/spezialisierungen/videoanalyse-cctv/

Wissen

Kamera, Datenschutz und Betriebsrat

→ https://www.krynexlabs.de/wissen/kamera-entsorgungsanlage-datenschutz-betriebsrat/

## Passend dazu

Insights

Plastik in der Biotonne: Strafe, Gebühr oder Rücknahme? Was die Bioabfallverordnung regelt und wer am Ende zahlt

→ https://www.krynexlabs.de/blog/biotonne-fehlbefuellt-gebuehr-ruecknahme/

Insights

Sortieren mit Kamera und KI: Warum eine Sortieranlage nicht gleichzeitig rein, vollständig und schnell sein kann

→ https://www.krynexlabs.de/blog/kamerasortierung-reinheit-ausbringung-sortieranlage/

Insights

Kamerasysteme für Objekterkennung im Recycling: was frei programmierbar ist und was nicht

→ https://www.krynexlabs.de/blog/kamerasysteme-objekterkennung-recycling-frei-programmierbar/