Milestone Systems hat ein neues Vision Language Model (VLM) vorgestellt, das speziell auf das Verständnis von Verkehrsszenarien ausgelegt ist. Die Lösung basiert auf Nvidia Cosmos Reason und adressiert zentrale Herausforderungen moderner Videosicherheit: enorme Datenmengen, manuelle Auswertung und zeitintensive Analyseprozesse.
Das neue VLM bildet die technologische Grundlage für zwei Produktneuheiten: Video Summarization für die XProtect Video Management Software sowie VLM as a Service (VLMaaS) für Drittanbieter und Entwickler.
Video Summarization für XProtect: Schnelle Erkenntnisse statt stundenlanger Sichtung
Moderne Videosysteme erfassen täglich riesige Datenvolumina. Die manuelle Durchsicht von Videomaterial bindet Ressourcen und verzögert Entscheidungen. Mit Video Summarization für XProtect setzt Milestone auf generative KI, um Videoinhalte automatisch zusammenzufassen, relevante Ereignisse zu erkennen und Berichte zu automatisieren.
Anwender können visuelle Daten in Form strukturierter Zusammenfassungen durchsuchen und so schneller zu verwertbaren Erkenntnissen gelangen. Das Tool lässt sich innerhalb weniger Minuten direkt im XProtect Smart Client installieren und steht kostenfrei zum Download bereit. Abgerechnet wird lediglich die Nutzung des VLM pro Abfrage – ein niedrigschwelliger Einstieg in KI-gestützte Videoanalyse.
VLM as a Service: Produktionsreife Video-KI per API
Mit Hafnia VLM as a Service öffnet Milestone seine KI-Technologie für Entwickler, Systemintegratoren und Technologiepartner. Über eine API erhalten sie Zugriff auf ein produktionsreifes Vision-Language-Modell, ohne eigene KI-Infrastrukturen aufbauen oder Modelle aufwendig trainieren zu müssen.
VLMaaS ermöglicht es, bestehende Anwendungen schnell um generative Video-Intelligenz zu erweitern – unabhängig vom bisherigen Analysegrad. Dies beschleunigt die Entwicklung neuer Lösungen erheblich: Laut Milestone reduziert sich der Aufwand gegenüber einer eigenen VLM-Feinabstimmung um bis zu 70-fach.
Zu den zentralen Funktionen zählen:
- Hochpräzises, verkehrsoptimiertes Vision-Language-Modell auf Basis von Nvidia Cosmos Reason
- Prompt-basierte Steuerung für verkehrsbezogene Analyseaufgaben
- API-first-Ansatz mit einfacher Integration via HTTPS
- Feinabgestimmte Modelle für US- und EU-Märkte, weitere Regionen folgen
- Flexible Nutzung als Standalone-Lösung oder integriert in das Milestone-Portfolio
- 100 % verantwortungsvoll beschaffte Trainingsdaten mit nachvollziehbarer Datenherkunft, konform mit DSGVO und EU AI Act
Das Preismodell ist Pay-per-Use und basiert auf API-Aufrufen. Hohe Anfangsinvestitionen oder individuelle Trainingskosten entfallen.
Vertrauenswürdige KI für sicherheitskritische Anwendungen
Ein zentrales Differenzierungsmerkmal des neuen VLM ist die konsequente Ausrichtung auf verantwortungsvolle KI. Die verwendeten Trainingsdaten sind vollständig auditierbar und speziell für reale Verkehrsszenarien optimiert. Damit eignet sich die Lösung besonders für sicherheitskritische Einsatzbereiche wie Verkehrsmanagement, Smart Cities und öffentliche Infrastrukturen.
Andrew Burnett, Acting Chief Technology Officer bei Milestone Systems, erklärt:
„Mit Video Summarization für XProtect und dem Vision Language Model als Service adressieren wir zwei der größten Engpässe in der Videosicherheit: Informationsüberlastung und zeitintensive manuelle Arbeit. Betreiber erhalten sofortige Einblicke direkt in XProtect, Entwickler produktionsreife Intelligenz per API – ohne komplexe Trainings- oder Infrastrukturprojekte.“
Fazit
Mit der Einführung seines Vision-Language-Modells setzt Milestone Systems einen wichtigen Meilenstein in der Weiterentwicklung intelligenter Videoanalyse. Die Kombination aus generativer KI, klarer Spezialisierung auf Verkehrsanwendungen und regulatorischer Konformität eröffnet neue Möglichkeiten, Videodaten schneller, effizienter und sicherer in verwertbare Entscheidungen zu überführen – sowohl für Betreiber als auch für Entwickler.
