Deep Learning im Alarm-Management

Rund 600.000 Anrufe, 360.000 manuell zu bearbeitende Alarme und insgesamt 21,5 Mio. Meldungen gehen bei WSH pro Jahr ein. Dabei handelt es sich oft um Falschmeldungen. Dennoch muss jeder Alarm geprüft, jede Videosequenz analysiert werden. Der Sicherheitsexperte WSH hat sich deswegen entschieden, seine bisherige Leitstelle um eine hochmoderne neue Notruf- und Service-Leitstelle mit dem Schwerpunkt Videoaufschaltungen zu erweitern.

Bild: WSH GmbH

In Zusammenarbeit mit einem Bremer Software-Experten wurde ein Assistenzsystem entwickelt, das mittels künstlicher Intelligenz (KI) und Deep Learning in der Lage ist, eingehende Video-Alarme binnen weniger Sekunden auszuwerten und Falschmeldungen zu identifizieren. Im Alltagsbetrieb der Notruf- und Serviceleitstelle wird die Aufmerksamkeit des Personals zu großen Teilen von der Vielzahl der eingehenden Videosequenzen beansprucht. Bei den meisten handelt es sich aber um Falschmeldungen aufgrund von Vegetation und Lichtspiegelungen. Da die WSH für die Zukunft einen verstärkten Einsatz von Videotechnik erwartet, entschied sie sich, die Leitstelle umzubauen und zu erweitern.

KI wertet Sequenzen aus und unterstützt Mitarbeiter

Ein wichtiger Bestandteil der neuen Zentrale ist dabei die in Zusammenarbeit mit dem Unternehmen JAAI entwickelte Software zur Analyse von eingehenden Video-Alarmen. Das Besondere: Das Programm macht sich das Deep-Learning-Prinzip zunutze, das heißt, es verbessert kontinuierlich seine Genauigkeit bei der Auswertung. Hauptvorteil der Software ist, dass sie eingehende Alarmsequenzen automatisch überprüft und mit ihrer Datenbank abgleicht. Liegt eine Falschmeldung vor, wird sie von der Software als solche protokolliert. Ist sich die Software nicht sicher, ob es sich um eine Falschmeldung handelt, wird das Video zur manuellen Prüfung an einen Mitarbeiter weitergeleitet.

Das Programm benötigt zur Analyse nur wenige Sekunden, dadurch können die Alarmmeldungen schneller bearbeitet werden und der Arbeitsaufwand wird drastisch reduziert. Freiwerdende Kapazitäten durch den Einsatz der KI-Software wird die WSH zukünftig für den Bereich der Hotline-Dienstleistungen nutzen. Zum Beispiel können für Errichterbetriebe von Sicherheitstechnik die Bereitschaftszeiten übernommen werden. Damit erweitert die WSH ihr Leistungsportfolio.

Leitstellendesign verbessert

Den Verantwortlichen war bei der Konzeption der Leitstelle sehr wichtig, dass die Mitarbeiter nicht nur durch die Reduktion der Video-Alarme entlastet werden. „Die Arbeitsatmosphäre spielt bei uns eine zentrale Rolle“, betont Petra Martin-Brauchle, Geschäftsführerin von WSH. „Deswegen wollten wir mit der neuen Leitstelle neben dem Einsatz von KI auch wesentliche Verbesserungen im Bereich der Ergonomie und Raumgestaltung vornehmen.“ An die Stelle einer rechteckigen Form tritt daher nun eine kreisförmige Gruppierung um einen zentralen Punkt herum, was zusätzlichen Platz schafft und der Räumlichkeit einen dynamischeren und kommunikativeren Eindruck verleiht. Der Einsatz einer elektronisch gesteuerten Lichtdecke (Nachstellung des Tagesverlaufs) und modernster Klimatisierung tragen ebenfalls ihren Anteil zur Arbeitsatmosphäre bei.

Sowohl die bisherige Notrufleitstelle als auch die Erweiterung sind nach der Europa-Norm DIN EN50518, VdS3137 und VdS3138 zertifiziert. „Um den hohen Sicherheitsanforderungen der EU-Norm gerecht zu werden, wie beispielsweise kein Einblick von außen nach innen, und den Mitarbeitern trotzdem einen Außeneindruck zu vermitteln, haben wir drei große Videomonitore als Fensterersatz eingebaut“, berichtet Martin-Brauchle.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige