Die Erkennung von Fehlalarmen ist zu einer kritischen Funktion in modernen Überwachungsmonitoringsystemen geworden.
Cloud oder vor Ort
Bei all dem Gerede über Cloud-Systeme und -Lösungen, die angeblich alle Ihre Probleme lösen, egal in welcher Branche Sie tätig sind, haben wir Alkema zuerst gefragt, welche Lösung er für die beste hält.
Er sagt: „Die effektive Überwachung eines Standorts ist ein kritischer Aspekt jedes Sicherheitssystems, und sowohl Cloud- als auch Vor-Ort-Systeme haben ihre Vor- und Nachteile, wenn es darum geht, Fehlalarme zu reduzieren.“
„Cloud-basierte Systeme werden aufgrund ihrer Flexibilität und Skalierbarkeit immer beliebter. Cloud-basierte Systeme sind jedoch von der Internetverbindung abhängig und möglicherweise nicht so zuverlässig wie Vor-Ort-Systeme in Gebieten mit schlechter Konnektivität. Cybersecurity-Überlegungen müssen ebenfalls sorgfältig bewertet werden, um sicherzustellen, dass das Risiko des Kunden bei der Implementierung einer Cloud-basierten Lösung verwaltet wird.“
Alkema fügt hinzu, dass Vor-Ort-Systeme als zuverlässiger angesehen werden könnten als Cloud-basierte Systeme, da sie nicht von einer Internetverbindung abhängig sind, wenn der Standort vor Ort überwacht wird.
Es ist jedoch zu beachten, dass die einmaligen und Wartungskosten von Vor-Ort-Systemen je nach Kostenbasis höher sein könnten als bei Cloud-basierten Systemen.
„Es ist entscheidend, die Anforderungen jedes Kunden und deren Konnektivitätseinschränkungen individuell zu bewerten, bevor man sich für Lösungen entscheidet.“
Zur Frage der Bandbreite merkt er an: „Der Bandbreitenbedarf wird direkt davon beeinflusst, wie die Lösung gestaltet ist. Sie könnten KI-basierte Edge-Lösungen auf der Kamera einsetzen, bei denen die Kamera nur Ereignisse und Videos sendet, wenn sie festgestellt hat, dass es etwas zu melden gibt. Dies könnte viel Bandbreite und Rechenressourcen sparen, unabhängig davon, ob es sich um eine Cloud- oder Vor-Ort-basierte Lösung handelt. Es kommt darauf an, wie die Kunden ihre Standorte überwachen möchten, die Anforderungen des Kunden und die Konnektivitätseinschränkungen, die sie bei der Gestaltung einer Lösung berücksichtigen müssen.“
Man muss Menschen und Maschinen trainieren
Wir hören viel über Fehlalarm-Erkennungsanwendungen, die Fehlalarme um 90 % oder mehr reduzieren (obwohl nur wenige Leute darauf achten, wie viele echte Ereignisse die Systeme verpassen), jedoch hängt die Wirksamkeit jeder KI von dem Training ab, das sie erhält – ähnlich wie bei Menschen.
Heutzutage ist es einfach genug, eine Pflanze, die im Wind weht, von einem Menschen zu unterscheiden, aber wie unterscheiden die Systeme beispielsweise zwischen Menschen, die sich umarmen, und Menschen, die kämpfen?
Alkema stimmt zu, dass ein intensives Training von video-basierter KI unerlässlich ist, fügt jedoch hinzu, dass die Daten, die zum Training der KI verwendet werden, auch direkt das Ergebnis beeinflussen, wie sie performen wird.
Er sagt, dass Anbieter die folgenden Aspekte beim Training von neuronalen Netzwerken ausbalancieren:
- Datenqualität: Die Qualität der Daten, die zum Training des neuronalen Netzwerks verwendet werden, ist entscheidend.
Schlechte Datenqualität oder schlecht markierte Daten können zu ungenauen Ergebnissen führen und die Leistung des neuronalen Netzwerks negativ beeinflussen. - Datenmenge: Je spezifischer Sie Ihr neuronales Netzwerk trainieren, desto größere Mengen an vielfältigen Daten werden benötigt, um neuronale Netzwerke effektiv zu trainieren, was zeitaufwendig und teuer sein kann.
- Rechenressourcen: Das Training von video-basierten neuronalen Netzwerken erfordert hochmoderne, kostspielige Rechenressourcen.
„Es ist möglich, neuronale Netzwerke genau und effektiv zu trainieren. Erfahrung in diesem Bereich, Investitionen in ausreichende Entwicklungsressourcen und Zugang zu qualitativ hochwertigen Daten ermöglichen es einem Anbieter, effektive KI-basierte Lösungen auf den Markt zu bringen.“
Arbeitsplätze verlieren
Die Frage, wie sehr wir uns auf KI verlassen können, um die Aufgaben zu erledigen, die früher ausgebildete Bediener erforderten, muss ebenfalls angesprochen werden.
Die Frage, wie viele Arbeitsplätze KI den Menschen wegnehmen wird, ist in allen Branchen ein beliebtes Diskussionsthema, da offensichtlich geworden ist, dass es nicht nur Arbeiter in der Produktion treffen wird.
Speziell bei menschlichen Bedienern im Kontrollraum, wie „gefährdet“ wären ihre Arbeitsplätze durch KI?
Derzeit ist das beste Szenario ein Black-Screen-Ansatz, bei dem die KI die meisten Fehlalarme entfernt und hoffentlich alle echten Alarme erfasst und einen Bediener benachrichtigt, der dann die Standardarbeitsanweisungen (SOPs) für das Unternehmen oder für diesen speziellen Kunden (wenn der Kontrollraum die Infrastruktur mehrerer Kunden überwacht) umsetzt.
Derzeit kann KI diese Aufgaben nicht übernehmen, oder doch?
In Zukunft jedoch, was hindert eine KI daran, ein echtes Ereignis zu erkennen und diese SOPs automatisch umzusetzen, ohne dass Menschen den Job beenden müssen?
„Selbst wenn sich die KI-Technologie weiterentwickelt“, sagt Alkema, „werden menschliche Bediener weiterhin benötigt, um die von der KI generierten Ereignisse zu überprüfen und darauf zu reagieren. Einige Aktionen könnten von Videomanagementsystemen ohne menschliches Eingreifen automatisiert werden, aber dies würde von der Richtlinie des Kunden zur Reaktion auf tatsächliche Ereignisse abhängen. Die ideale Risikominderungsstrategie würde das Beste aus KI-basierter Automatisierung und menschlichem Eingreifen kombinieren, damit Bediener diese Werkzeuge noch effektiver nutzen können.“
Er merkt jedoch auch an: „Es gibt weltweit so viele Investitionen in videobasierte KI. Die Geschwindigkeit, mit der sich die KI-Technologie verbessert, während sie genauer und effizienter wird, wird das Erscheinungsbild eines Überwachungsraums in der Zukunft verändern.“
CathexisVision’s KI- und Fehlalarmoptionen
Schließlich fragten wir Alkema, was Cathexis im Bereich der Fehlalarm-Erkennung anbietet.
„Bei Cathexis ist unser Ethos bei der Entwicklung von KI-basierten Lösungen, den Wert von Videodaten zu steigern. Ein wesentlicher Weg, dies zu erreichen, ist die CathexisVision Videoanalytik-Suite, die neuronale Netzwerkmodelle und KI verwendet, um sicherzustellen, dass die Software Anomalien vor Ort erkennen kann und nur die Bediener im Kontrollraum über Ereignisse informiert, über die sie informiert werden müssen. Zusätzlich gibt es das leistungsstarke Ereignisverwaltungstool von CathexisVision, das Alarm Management Gateway, das es Bedienern ermöglicht, sowohl Live- als auch aufgezeichnete Videoereignisse anzusehen, über ihre SOPs informiert zu werden und über die von ihnen ergriffenen Maßnahmen zu berichten.“
„Das Berichten über die Ereignisverwaltung ist eine wichtige Funktion in der Software, die dazu beiträgt, die Integrität des Kontrollraums zu wahren. Die effektive Implementierung von CathexisVision an großen, stark frequentierten Standorten weltweit ist ein Beweis für die Fähigkeit der Lösung, den Wert von Videodaten zu steigern, damit Bediener informiert bleiben und sich auf die wichtigsten Aufgaben konzentrieren können.“
