Laut Omdia Research wurden im Jahr 2019 über 116 Millionen Netzwerkkameras im professionellen Überwachungsmarkt ausgeliefert, die täglich fast 9 Petabyte an Videomaterial erzeugen können. Im Zuge der hohen Nachfrage ist davon auszugehen, dass diese Zahl kontinuierlich anwachsen wird und neue Technologien, wie künstliche Intelligenz (KI), künftig in die Kameras integriert werden. Infolgedessen müssen Anbieter von Datenspeichern eine Lösung dafür finden, wie ihre angebotenen Lösungen mit der zunehmenden Komplexität Schritt halten können.
Es darf dabei nicht außer Acht gelassen werden, dass die Entwicklung von Smart Video nicht in einem Vakuum stattfindet. Die technologischen Innovationen verlaufen vielmehr parallel zu anderen dateninfrastrukturellen Fortschritten, wie z. B. 5G oder das Internet der Dinge (IoT). Das Zusammenspiel dieser Technologien hat wesentliche Auswirkungen auf die Architektur von Datenspeicherlösungen. Es lassen sich fünf große Trends im Smart-Video-Bereich beobachten:
- Innovation und Wachstum
Die Anzahl sowie Typen von Kameras nehmen ständig zu, und jedes neue Model bringt innovative Möglichkeiten mit sich. Je mehr Videoaufnahmegeräte, desto mehr kann gesehen und erfasst werden. So können mehr Bereiche abgedeckt oder unterschiedliche Blickwinkel zur Verfügunggestellt werden. Gleichzeitig können künftig mehr Echtzeit-Videos erfasst und für das Training von KI verwendet werden.
Die Kameras benötigen für eine optimale Leistung immer höhere, datenintensivere Auflösungen, wie beispielsweise 4K. Je detaillierter das Video, desto mehr Erkenntnisse können extrahiert werden und desto effektiver können auch die KI-Algorithmen werden. Darüber hinaus senden neue Aufnahmegeräte nicht nur einen Haupt-Videostream, sondern auch zusätzliche Übertragungen mit niedriger Bitrate. Diese werden für die Überwachung mit geringer Bandbreite und den KI-Musterabgleich verwendet.
Im Gegensatz zu den Kameras vergangener Jahre sind Smart-Video-Lösungen täglich und rund um die Uhr in Betrieb. Diese „Always-on“-Technologie hat einer höhere Arbeitslast zur Folge. Dies wiederum erhöht die Speicheranforderungen, um optimale Datenübertragungs- und Schreibgeschwindigkeiten zu generieren. Da diese Kameras immer häufiger in der Fertigung und im öffentlichen Sektor eingesetzt werden, können in Zukunft kamerainterne und Edge-Speicher herangezogen werden, um eine verbesserte Langlebigkeit und Zuverlässigkeit zu gewährleisten.
- Jederzeit und an jedem Ort
Egal, ob für ein Unternehmen, für die Forschung oder im Privatleben – das Erfassen von Daten ist ein fester Bestandteil des alltäglichen Lebens. Infolgedessen bedarf es neuer Kameratypen, die in der Lage sind, diese gesteigerten Datenmengen nicht nur zu erfassen, sondern auch optimal zu analysieren.
Die COVID-19-Pandemie hat beispielsweise technische Fortschritte im Smart-Video-Bereich vorangetrieben, die dabei helfen, die Bewegungen von Personen besser zu verfolgen, die Patientenversorgung in Krankenhäusern zu verbessern und eine effiziente Zugangskontrolle zu ermöglichen, um staatliche Restriktionen einzuhalten und so Infektionsketten besser zu verfolgen. Um eine sichere, langanhaltende, zuverlässige und kontinuierliche Aufzeichnung dieser Daten zu gewährleisten, muss auch der Standort sowie die Zugänglichkeit von Videokameras berücksichtigt werden; befinden sich diese an schwer zugänglichen Stellen, oder müssen sie extremen Temperaturschwankungen standhalten? All diese externen Faktoren müssen berücksichtigt werden.
- Spezialisierung für KI
Verbesserte Rechenkapazitäten in Kameras bedeuten, dass die Verarbeitung bereits im Gerät stattfindet, was Entscheidungen in Echtzeit am Bildrand ermöglicht. Neue Chipsätze für Smart-Video-Lösungen, die verbesserte KI-Fähigkeiten und Deep-Learning-Analysen in der Kamera bieten, sind jetzt auf dem Markt und bereit, genutzt zu werden.
Laut dem Branchenanalysten Omdia werden die Auslieferungen von Kameras mit integrierten Deep-Learning-Analysefunktionen zwischen 2019 und 2024 jährlich um 64 Prozent anwachsen. Dies spiegelt nicht nur die Innovation innerhalb der Aufnahmegeräte wider, sondern auch die Erwartung, dass Deep Learning direkt auf der Kamera stattfinden wird.
Selbst bei Lösungen, die Standard-Sicherheitskameras verwenden, werden KI-erweiterte Chipsätze und diskrete Grafikprozessoren (GPUs) in Netzwerk-Videorekordern (NVR), Videoanalysegeräten und Edge-Gateways eingesetzt, um erweiterte KI-Funktionen und Deep-Learning-Analysen zu ermöglichen.
Eine der größten Veränderungen manifestiert sich dadurch, dass mehrere Kameraströme gespeichert werden müssen. Heute müssen auch Metadaten aus Echtzeit-KI und Referenzdaten für den Musterabgleich gesichert werden.
- Deep Learning und die Cloud
Obwohl die Kamera- und Rekorder-Chipsätze mit mehr Rechenleistung ausgestattet sind, wird der Großteil der Videoanalyse und des Deep Learnings in den heutigen Smart-Video-Lösungen immer noch mit diskreten Videoanalysegeräten oder in der Cloud durchgeführt. Breitere IoT-Anwendungen, die Sensordaten über Video hinaus verwenden, nutzen ebenfalls die Leistung der Deep-Learning-Cloud, um effektivere KI zu erstellen.
Um diese neuen KI-Workloads zu unterstützen, hat die Cloud einige Veränderungen durchlaufen. So haben die neuronalen Netzwerkprozessoren in der Cloud beispielsweise die Verwendung von massiven GPU-Clustern oder auch kundenspezifischen Field-Programmable Gate Arrays übernommen. Diese werden mit Tausenden von Stunden an Trainingsvideos und Petabytes an Daten gefüttert. Diese Arbeitslasten hängen von der hohen Kapazität von Festplatten der Enterprise-Klasse (HDDs) mit bis zu 20 TB pro Laufwerk und leistungsstarken Enterprise-SSD-Flash-Geräten, Plattformen oder Arrays ab.
- Der Einfluss von 5G auf Netzwerke
Kabelgebundenes und drahtloses Internet ermöglicht eine gute Skalierbarkeit und einfache Installation, die die explosionsartige Verbreitung von Sicherheitskameras vorangetrieben hat. Allerdings nur dort, wo bereits Infrastrukturen für lokale Netzwerke (LAN) und Weitverkehrsnetze (WAN) vorhanden sind. Die gute Nachricht ist: 5G ist im Kommen.
So ermöglicht 5G mittlerweile weitreichende Optionen für die Platzierung, sowie einfache Installation von Kameras in Großstädten. Im Zuge dieser Möglichkeiten geht folglich eine neue, größere Skalierbarkeit einher. Diese treibt weitere Fortschritte voran, sowohl im Kamera-, als auch im Cloud-Design.
So sind die Kameras durch ihre zentralisierte Verbindung zu einer Cloud nicht länger von einem lokalen Netzwerk abhängig. Zudem werden die neuen, 5G-fähigen Kameramodelle so entwickelt, dass sie Anwendungen von Drittanbietern laden und ausführen können, was diverse Möglichkeiten bietet; den Entwicklungen der Smart-Video-Innovationen sind mit 5G keine Grenzen gesetzt.
Auf der anderen Seite führt die wachsende Autonomie der neuen Kameras gleichzeitig auch dazu, dass diese künftig noch mehr dynamischen Speicher benötigen. Neue Kombinationen von Ausdauer, Kapazität, Leistung und Energieeffizienz sind also langfristig notwendig, um die Variabilität neuer App-gesteuerter Funktionen optimal bewältigen zu können.
