In Analyseprojekten beginnt die erste Diskussion oft mit der falschen Frage: „Welche Software ist besser?“ Die eigentliche Frage ist, wo das Modell läuft: im eigenen Prozessor der Kamera, in einer Edge-Box am Standort oder auf einem GPU-Server im Rechenzentrum. Diese Entscheidung bestimmt gemeinsam Modellflexibilität, Netzlast, Wartungsaufwand, Lizenzkosten und das Wachstum des Systems; eine spätere Änderung ist zudem teuer. Im Folgenden vergleichen wir die drei Ebenen nach denselben Kriterien und geben einen Entscheidungsbaum und ein Beispiel für eine hybride Architektur.
Ebenen, auf denen Analyse laufen kann
Jeder Analyseablauf durchläuft vier Schritte: Decodierung des Bildes oder direkte Übernahme der Sensordaten, Vorverarbeitung (Skalierung, Farbkonvertierung), Ausführung des Modells (Inferenz) und Übergabe des Ergebnisses an Regel-Engine, VMS oder Integrationsschicht. Welcher Schritt wo erfolgt, definiert die Architektur.
- In der Kamera (On-Camera): Das Modell läuft auf der NPU/dem DSP im SoC der Kamera. Aus der Kamera kommt kein Video, sondern Ereignisse und Metadaten.
- Edge-Box (Zwischenebene): Ein kleiner Server mit GPU oder Beschleunigerkarte oder ein Embedded-Gerät, das die Streams der Kameras eines Standorts lokal verarbeitet. Die Kanalkapazität hängt vom Modell ab; typischerweise einige Dutzend Kanäle.
- Zentraler Server: Analyse auf GPUs im Rechenzentrum oder am Hauptcampus, auf denselben oder getrennten Servern wie das VMS.
Diese Ebenen schließen sich nicht aus. Die richtige Frage vor Ort lautet: Welche Analyseaufgabe läuft auf welcher Ebene mit dem geringsten Risiko und den niedrigsten Gesamtkosten? In den meisten Unternehmensprojekten ist die Antwort nicht eine einzige Ebene.
Analyse in der Kamera
Die meisten aktuellen IP-Kameras der Mittel- und Oberklasse führen Linienüberschreitung, Bereichsverletzung und Verweilregeln mit Personen-/Fahrzeugklassifizierung selbst aus. Da die Analyse auf dem Frame vor der Kompression erfolgt, ist sie von Codec-Artefakten unbeeinflusst; bei fernen und kleinen Zielen ist das ein Vorteil. Übertreiben Sie es aber nicht: Der Kameraprozessor verkleinert den Frame oft auf die Eingabegröße des Modells. 8-MP-Sensor heißt nicht 8-MP-Analyse.
Stärken: Keine zusätzliche Hardware, ins Netz gehen nur Ereignisse und Metadaten, mit jeder weiteren Kamera wächst die Rechenkapazität von selbst. Bricht die Verbindung zum Standort ab, kann die Kamera weiter Ereignisse erzeugen und auf SD-Karte aufzeichnen.
Grenzen: Modelloptionen sind auf das Angebot des Herstellers beschränkt; eine eigene Objektklasse wie einen bestimmten Ausrüstungstyp zu trainieren, ist oft nicht möglich. Wegen begrenzter Rechenleistung sind auch die Zahl gleichzeitig laufender Regeln und die Analysebildrate begrenzt. Auf Standorten mit gemischten Marken ist das eigentliche Problem das Ereignisformat: Jeder Hersteller sendet seine eigene Struktur, und im VMS muss alles auf einen Standard gebracht werden. ONVIF Profile M definiert einen gemeinsamen Rahmen für Analysemetadaten und Ereignisse; der Unterstützungsgrad variiert aber von Gerät zu Gerät, und die Angabe „Profile M“ im Datenblatt allein reicht nicht. Den Unterschied zwischen den Profilen finden Sie ausführlich im Vergleich von ONVIF Profile T, G und M.
Edge-Box und Zwischenebene
Die Edge-Box kommt dort ins Spiel, wo Sie ohne Kameratausch Analyse ergänzen möchten oder Modelle in der Kamera nicht ausreichen. Die Box zieht von den Kameras meist per RTSP Sub- oder Hauptstream, decodiert die Frames und führt ihr Modell aus.
Stärken: Unabhängig von der Kameramarke; auch alte Kameras werden in die Analyse einbezogen. Modellupdates erfolgen auf einem Gerät. Da Video verarbeitet wird, ohne den Standort zu verlassen, gehen ins WAN nur Ereignisse, Clips und Metadaten; bei mehreren Standorten schont das die WAN-Bandbreite.
Grenzen: An jedem Standort entsteht ein weiterer Server, der Wartung, Updates, Ersatzteile und physische Sicherheit braucht. Da sie auf dem komprimierten Stream arbeitet, senken niedrige Bitrate, Nachtrauschen und aggressive Kompression die Erkennungsqualität. Ein häufiges Bild vor Ort: Die Box steht ganz unten im Rack in einem schlecht belüfteten Schrank, die GPU wird heiß, die Bildrate sinkt, und niemand merkt es. Fällt die Box aus, steht die gesamte Analyse des Standorts. Überwachung und Ersatzplan müssen von Anfang an entworfen werden.
Analyse auf zentralen Servern
In der zentralen Architektur läuft die gesamte Analyse auf GPU-Servern im Rechenzentrum. Auf großen Campussen und in Strukturen, in denen die Kameras ohnehin ins zentrale VMS aufzeichnen, ist das die naheliegende Wahl.
Stärken: Die Modellflexibilität ist hier am höchsten: verschiedene Modelle, eigens trainierte Klassen, attributbasierte Suche, kameraübergreifende Verfolgung und andere schwere Aufgaben laufen auf zentralen GPU-Ressourcen. Die Kapazität wird in einem Pool verwaltet, Redundanz mit N+1-Servern aufgebaut, die Versionskontrolle erfolgt an einer Stelle.
Grenzen: Jeder analysierte Stream wird über das Netz zum Server übertragen. Kommt der Aufzeichnungsstream ohnehin zur Zentrale, ist die zusätzliche Last begrenzt; wird für die Analyse aber ein eigener Stream abgerufen, muss er in die Uplink- und Backbone-Rechnung aufgenommen werden. Dieser Posten wird in Projekten am häufigsten vergessen. Rechnen Sie nach der Methode im Leitfaden zur Bandbreitenberechnung im Kameranetz. An entfernten Standorten wirken sich WAN-Latenz und -Ausfälle direkt auf die Analyse aus: Fällt die Leitung, fällt auch der Alarm. Die Serverkapazität nach Stream-, FPS- und Modellvariablen behandeln wir im Leitfaden zur Dimensionierung von GPU-Servern.
Vergleichstabelle
| Kriterium | In der Kamera | Edge-Box | Zentraler Server |
|---|---|---|---|
| Modellflexibilität | Gering, herstellerabhängig | Mittel–hoch | Hoch |
| Netzlast | Sehr gering (Ereignisse, Metadaten) | Im LAN hoch, im WAN gering | Im Umfang des Analysestreams |
| Skalierung | Linear mit den Kameras | Je Standort | Über den GPU-Pool |
| Pflegeaufwand | Firmwareverwaltung | Ein Server je Standort | Zentral, an einer Stelle |
| Lizenzmodell | Meist im Kamerapreis enthalten | Je Kanal oder Gerät | Je Kanal, GPU oder Modul |
| Verbindungsabbruch | Regel läuft, Ereignisübermittlung wartet | Läuft am Standort weiter | Steht am entfernten Standort |
| Bildqualität | Frame vor der Kompression | Komprimierter Stream | Komprimierter Stream |
Die Zeile, die von Projekt zu Projekt am stärksten schwankt, ist das Lizenzmodell. Addieren Sie beim Angebotsvergleich Lizenzen je Kanal, je GPU, Zusatzkosten je Analysemodul und jährliche Wartungs-/Abokosten über denselben Zeitraum (etwa 5 Jahre). Analyse in der Kamera wirkt „kostenlos“; müssen die Kameras getauscht werden, sind die Kosten nur in die Hardwarezeile gewandert.
Entscheidungsbaum
Die folgende Reihenfolge liefert in den meisten Unternehmensprojekten eine schnelle erste Entscheidung. Jedes „Ja“ hebt die betreffende Ebene hervor. Dass mehrere Ebenen herauskommen, ist normal; das weist auf eine hybride Architektur hin.
- Wird die benötigte Analyse mit Standardregeln des Herstellers abgedeckt (Linienüberschreitung, Bereichsverletzung, Verweilen, Personen-/Fahrzeugklasse)? Wenn ja und die Kameras neu beschafft werden, ist Analyse in der Kamera der erste Kandidat.
- Sind eigene Objektklassen, attributbasierte Suche oder kameraübergreifende Zuordnung nötig? Wenn ja, braucht es einen zentralen Server oder eine leistungsstarke Edge-Box.
- Ist die Verbindung zwischen Standorten begrenzt oder unterbrechungsanfällig? Wenn ja, muss die Analyse am Standort bleiben: in der Kamera oder in einer Edge-Box.
- Werden vorhandene Kameras nicht getauscht und sind es gemischte Marken? Wenn ja, liefern Edge-Box oder zentraler Server konsistentere Ergebnisse als Analyse in der Kamera.
- Ist die Alarmlatenz kritisch (etwa sofortige akustische/optische Warnung vor Ort)? Wenn ja, muss die Entscheidung vor Ort fallen. Wählen Sie statt einer Kette über die Zentrale Analyse in der Kamera oder eine Edge-Box.
- Gibt es am Standort Möglichkeiten für Serverbetrieb und Wartung? Wenn nein, erwägen Sie statt einer Edge-Box eine Kombination aus Analyse in der Kamera und zentraler Verarbeitung.
Beispiel für eine hybride Architektur
Nehmen wir ein Produktionsunternehmen als Beispiel: ein Hauptcampus und drei kleine Lager. Am Hauptcampus gibt es 200 Kameras, in jedem Lager 20–30. Anforderungen: nächtlicher Alarm per virtuellem Zaun im Perimeterschutz, Personenerkennung in den Lagern und attributbasierte Suche nach Ereignissen.
- Perimeterkameras: Auf den neu beschafften Außenkameras laufen Regeln für Linienüberschreitung und Bereichsverletzung in der Kamera. Ereignisse gelangen über ONVIF oder die VMS-Integration des Herstellers zur Zentrale; bei WAN-Ausfall läuft die Regel weiter.
- Lager: Da die vorhandenen Kameras gemischter Marken nicht getauscht werden, erhält jedes Lager eine Edge-Box. Die Box führt mit Substreams Personenerkennung durch und sendet ins WAN nur Ereignisse und kurze Clips.
- Hauptcampus: Ein zentraler GPU-Server erzeugt aus den Aufzeichnungsstreams attributbasierte Metadaten; das Team für Ereignisprüfung sucht nach Kleidungsfarbe oder Fahrzeugtyp.
Der schwierige Teil dieses Designs ist nicht die Hardware, sondern das Ereignismodell. Werden die Ereignisse der drei Ebenen nicht auf ein Schema gebracht, muss der Bediener drei verschiedene Alarmsprachen lernen. Ein gemeinsames Schema wie das folgende verbirgt im VMS und in der Integrationsschicht den Unterschied der Quelle:
{
"source_layer": "edge",
"site": "lager-2",
"camera_id": "L2-CAM-07",
"rule": "personenerkennung-rampe",
"object_class": "person",
"confidence": 0.81,
"timestamp": "2026-03-14T02:17:45+03:00",
"clip_ref": "vms://L2-CAM-07/20260314T021740/15s"
}
Die Feldnamen dienen der Erläuterung; das Feld source_layer nimmt einen der Werte camera, edge oder server an. Passen Sie das Schema an das Ereignisformat des genutzten VMS oder der Integrationsplattform an. Zwei Punkte dürfen nicht fehlen: Der Zeitstempel wird mit Zeitzone gespeichert, und alle Ebenen sind per NTP an dieselbe Zeitquelle angebunden. Weichen die Uhren ab, bricht die Ereignisprüfung zusammen.
Häufige Fehler
- Analyse nach der Kameraliste wählen: Zuerst werden Szenario und erwartete Genauigkeit definiert, danach die Ebene gewählt. Umgekehrt zahlt man Lizenzen für die falsche Hardware.
- Auflösung des Substreams nicht beachten: Analyse auf Edge-Box und Server arbeitet oft mit dem Substream; in einem 640×360-Substream schrumpfen ferne Ziele auf wenige Pixel. Das Erste, was man in der Konsole prüft, ist, an welchen Stream die Analyse gebunden ist.
- Ereignisformat auf später verschieben: Wird im Pilot nicht geklärt, wie Ereignisse verschiedener Ebenen im VMS erscheinen, entsteht auf dem Bedienerbildschirm eine inkonsistente Alarmstruktur.
- Edge-Box nicht überwachen: Ob die Box läuft, GPU-Temperatur und Streamverbindungen müssen an das zentrale Überwachungssystem angebunden sein. Eine unüberwachte Box ist eine ausgefallene Box.
- Fehlalarme für ein Ebenenproblem halten: Die meisten Fehlalarme stammen aus Regel- und Szenendesign; Einstellmethoden im Leitfaden zur Verringerung von Fehlalarmen in der Videoanalyse.
Prüfen Sie die Architektur nicht auf dem Papier, sondern im Pilot: Wählen Sie aus jeder Ebene einige repräsentative Kameras und vergleichen Sie dieselben Szenen zwei bis vier Wochen lang, einschließlich Nächten und Regentagen. Zu Installations- und Pilotumfang sehen Sie sich unsere Seiten Installation von KI-Videoanalyse und Personen-, Fahrzeug- und Objekterkennung an. Primärquelle für das ONVIF-Analyseprofil ist die Seite ONVIF Profile M.
Häufig gestellte Fragen
Ist Analyse in der Kamera ungenauer als zentrale Serveranalyse?
Nicht immer. Die Analyse in der Kamera arbeitet auf dem unkomprimierten Frame und kann deshalb bei kleinen Zielen im Vorteil sein; Rechenleistung und Modellvielfalt sind aber begrenzt. Die Genauigkeit bestimmen weniger die Ebene als Kamerageometrie, Szenenbedingungen und Regeldesign.
Wie stark sinkt die WAN-Bandbreite mit einer Edge-Box?
Für die Analyse wird kein Video über das WAN übertragen; ins WAN gehen nur Ereignisse, Metadaten und bei Bedarf kurze Clips. Wird auch die Aufzeichnung am Standort gehalten, beschränkt sich der WAN-Verkehr weitgehend auf Live-Ansicht und Ereignisclips. Den genauen Wert bestimmen Ihre Richtlinien zu Live-Ansicht und Archivkopie.
Ist mit vorhandenen Kameras eine zentrale Analyse möglich?
Liefern die Kameras einen Standardstream per RTSP oder ONVIF, verarbeiten die meisten zentralen Analyseplattformen diese Streams. Entscheidend sind Auflösung und Bildrate des analysierten Streams sowie die Pixelgröße der Ziele im Bild. Prüfen Sie das im Pilot.
Lassen sich Alarme in einer hybriden Architektur auf einem Bildschirm bündeln?
Ja, aber die Ereignisse jeder Ebene müssen im VMS oder in der Integrationsschicht in ein gemeinsames Ereignismodell übersetzt werden. Die Felder Kamera, Regel, Objektklasse, Konfidenzwert und Zeitstempel müssen konsistent sein; alle Geräte müssen an dieselbe NTP-Quelle angebunden sein.