Fredrik Nilsson, Vice President, Americas, Axis Communications – Interviewreihe

Fredrik Nilsson, Vice President, Americas, Axis Communications, leitet die Unternehmensaktivitäten in Nord- und Südamerika und führt Teams, die sich auf die Entwicklung und Bereitstellung netzwerkbasierter Sicherheitslösungen für Partner und Endnutzer konzentrieren. Als langjähriger Axis‑Führungskraft hat Nilsson eine bedeutende Rolle beim Übergang der Sicherheitsbranche von analoger Videoüberwachung zu IP‑basierter Netzwerkvideo‑Technologie gespielt. Seit er 2003 die Verantwortung für die Amerikas übernommen hat, trug er dazu bei, den regionalen Umsatz von etwa 20 Millionen $ auf weit über 1 Milliarde $ zu steigern und unterstützte den Ausbau von mehr als 20 Axis Experience Centers in den Amerikas. Er kam 1996 zu Axis, nachdem er in Schweden als Produktmanager und Bereichsleiter tätig war und später als Director of Business Development fungierte, wo er Partnerschaften während der frühen Entwicklung von IP‑Video etablierte. Zu Beginn seiner Karriere war er Produktmanager bei ABB und sitzt derzeit im Vorstand von MSAB sowie der Swedish‑American Chamber of Commerce in Washington, D.C.

Axis Communications ist ein schwedisches Technologieunternehmen, das sich auf intelligente physische Sicherheit und Netzwerklösungen spezialisiert hat, darunter Netzwerkkameras, Videoüberwachungssysteme, Zugangskontrolle, Gegensprechanlagen, Netzwerk‑Audio, Radar und Analytik. Das 1984 gegründete Unternehmen hat seinen Hauptsitz in Lund, Schweden, beschäftigt etwa 5.000 Mitarbeitende in mehr als 50 Ländern und ist seit 2015 Teil der Canon Group. Das Unternehmen stellte 1996 das, was es als die weltweit erste Netzwerkkamera bezeichnet, vor und hat seitdem sein Angebot von Netzwerkvideo auf ein breiteres Portfolio vernetzter Sicherheitstechnologien ausgeweitet. Die aktuellen Produkte integrieren zunehmend Edge‑basierte Analytik und künstliche Intelligenz, um Video-, Audio‑ und Sensordaten in umsetzbare Erkenntnisse für Sicherheit, Schutz, betriebliche Effizienz und Business‑Intelligence zu verwandeln.

Ihre Karriere umfasste Fernüberwachung bei ABB, die frühe Entwicklung von Network‑Attached‑Storage‑ und Internet‑of‑Things‑Technologien sowie den Übergang von analoger Überwachung zu Netzwerkvideo bei Axis Communications. Wie hat dieser Hintergrund Ihre Sichtweise auf die heutige Verlagerung hin zu KI‑gestützten Kameras und intelligenter physischer Infrastruktur geprägt?

Ich betrachte die Verlagerung hin zu KI‑gestützten Kameras als den nächsten Schritt in einer Evolution, an der ich im Laufe meiner Karriere mitgewirkt habe – von vernetzter Technologie und IP‑Konvergenz bis hin zum heutigen intelligenten Edge. Ein roter Faden meiner Laufbahn ist es, Kunden zu zeigen, was vernetzte Technologie für sie leisten kann. ABB war für mich eine hervorragende Schule. Es war ein großes globales Unternehmen, sodass ich die Möglichkeit hatte, die Welt zu bereisen, darunter ein Jahr in Kanada, und mit großen Unternehmens‑kunden, insbesondere Energieversorgern, an komplexen Projekten zu arbeiten. Meine Aufgabe war Produktmanager für ein neues IP‑verbundenes Fernüberwachungs‑ und Steuerungssystem. Bei Axis arbeitete ich später an einer neuen Kategorie von IP‑verbundenen Speichervorrichtungen und verbreitete weltweit die Botschaft über die Vorteile vernetzter Technologie. In den frühen Tagen der IP‑Konvergenz baute ich auf denselben Prinzipien auf und half Unternehmens‑kunden, den Wert von netzwerkverbundenem Video und die durch IP‑Technologie geschaffenen Möglichkeiten zu verstehen. Wenn ich heute KI‑gestützte Kameras betrachte, sehe ich also einen weiteren Schritt derselben Evolution. Die Technologie wird immer leistungsfähiger, doch die eigentliche Chance bleibt, Geräte zu vernetzen, nützliche Daten zu erzeugen und Kunden zu befähigen, mehr damit zu erreichen.

Welche Arten von Computer‑Vision‑Workloads eignen sich am besten für die Ausführung direkt auf einer Kamera, und welche Anwendungen profitieren weiterhin von der Verarbeitung in einem lokalen Rechenzentrum oder in der Cloud?

Die am besten für die direkte Ausführung auf einer Kamera geeigneten Workloads sind solche, bei denen Echtzeit‑Entscheidungen, geringe Latenz und ein effizienter Bandbreiteneinsatz erforderlich sind. Beispielsweise das Erkennen und Klassifizieren von Personen oder Objekten, Zählen, Verfolgen von Bewegungen oder das Identifizieren spezifischer Ereignisse. Mit Technologien wie Axis Object Analytics können Kameras Personen, Fahrzeuge, Farben, Fahrtrichtungen und weitere Merkmale präzise erkennen. Über Axis Custom Analytics lässt sich eine Kamera zudem für sehr spezifische Objekte oder Szenarien trainieren. Da die Analytik weiter verbessert wird, kann immer mehr Intelligenz am Edge stattfinden. Für viele Anwendungsfälle ist es wichtig, die Analytik auf der Kamera auszuführen und nur die resultierenden Daten oder Metadaten an einen Server oder in die Cloud zu senden, um Skalierbarkeit und Kosten zu optimieren. Die Cloud und Server behalten weiterhin eine wichtige Rolle, insbesondere für zentrale Verwaltung, Langzeitspeicherung und die Analyse von Metadaten über eine große Anzahl von Geräten hinweg. Ich sehe das nicht als Entweder‑oder‑Entscheidung. Edge und Cloud können sich ergänzen, wobei jeder das tut, wofür er am besten geeignet ist.

Der Einsatz von KI am Edge erfordert ein Abwägen von Modellgenauigkeit gegenüber Beschränkungen bei Rechenleistung, Speicher, Energieverbrauch und Wärmeentwicklung. Wie verändern Fortschritte bei spezialisierten Chips das, was realistisch in einer Kamera umgesetzt werden kann?

Es gibt tatsächlich zwei Trends, die das vorantreiben. Erstens verbessert sich die KI‑Kapazität des Prozessors am Edge sehr schnell. ARTPEC-9, unser intern entwickeltes System‑on‑Chip, hat die dreifache KI‑Verarbeitungskapazität von ARTPEC-8 und bietet uns deutlich mehr Spielraum, um anspruchsvolle Modelle direkt in der Kamera auszuführen. Zukünftige Generationen werden diese Fähigkeit weiter steigern. Zweitens verbessern sich Größe und Wirksamkeit der Modelle. Dort haben wir im vergangenen Jahr große Fortschritte gesehen. Unser R&D‑Team hat hervorragende Arbeit geleistet, mehr vom Modell direkt am Edge laufen zu lassen, sodass in vielen Szenarien nur die Daten der Kamera verwendet werden müssen, anstatt das Video woanders zu verarbeiten. Vor einem Jahr sprachen wir noch davon, dass etwa 50% des Bedarfs in der Kamera abgewickelt werden. Heute liegt das bei fast 90% und wir erwarten, dass es 95% oder mehr erreichen wird. Der eigentliche Durchbruch besteht nicht nur darin, dass wir leistungsfähigere Chips haben. Es ist die Kombination aus leistungsfähigerer Hardware und effizienteren KI‑Modellen, die immer mehr Intelligenz dort ermöglicht, wo die Daten entstehen. Das macht Überwachungssysteme deutlich weniger abhängig von Servern und der Cloud für KI.

Kameras werden zunehmend als operative Sensoren und nicht ausschließlich als Sicherheitsgeräte positioniert. Welche Anwendungen im Einzelhandel, Transport, Gesundheitswesen, der Fertigung oder Logistik liefern derzeit den klarsten geschäftlichen Nutzen?

Die Fertigung ist ein sehr gutes Beispiel, weil der Nutzen direkt an den Betrieb gekoppelt werden kann. Die BMW Group nutzt beispielsweise Netzwerk­kameras als Teil ihres KI‑gesteuerten Qualitätsinspektionssystems, um in Echtzeit detaillierte Bilder von Fahrzeugen aufzunehmen und Defekte zu erkennen. Das ist eine völlig andere Rolle für eine Kamera als das reine Aufzeichnen eines Vorfalls. Wir beobachten zudem einen wachsenden Einsatz von Video zur Steigerung der betrieblichen Effizienz und zur Business‑Intelligence im weiteren Sinne. Im Transport‑ und Logistikbereich können Kameras Organisationen dabei helfen, zu verstehen, wie Personen, Fahrzeuge und Güter sich durch eine Anlage bewegen. Im Einzelhandel kann Video Einblicke in das Kundenverhalten, die Flächennutzung und die Personaleinsatzplanung geben. Das übergeordnete Thema ist, dass die Kamera Informationen erzeugt, die genutzt werden können, um Prozesse zu verbessern, und nicht nur das Geschehene aufzuzeichnen.

Wie führt die Kombination von Video mit Audio‑Analyse, Radar, Zugangskontrollsystemen und Umweltsensoren zu Erkenntnissen, die allein aus visuellen Daten nicht möglich wären?

Je mehr Kontext Sie zusammenführen, desto besser kann das System verstehen, was passiert. Wenn Sie verschiedene Eingaben kombinieren, erhalten Sie Erkenntnisse, die aus Video allein nur schwer oder sogar unmöglich zu gewinnen wären. Beispielsweise können Sie das Aussehen eines Objekts mit seiner Bewegung kombinieren oder thermische und visuelle Informationen gemeinsam nutzen, wenn Beleuchtung oder Sichtbarkeit herausfordernd sind. Radar kann Informationen über Bewegung und Geschwindigkeit eines Objekts hinzufügen, Audio kann Geräusche identifizieren oder eine bidirektionale Kommunikation ermöglichen, und Umweltsensoren können zusätzlichen Kontext darüber liefern, was in der Umgebung geschieht. Mehrere Sensoren können zudem das Vertrauen in das, was das System oder der Nutzer erkennt, erhöhen. Die Kombination von Technologien ist enorm wichtig, um Schlüsselbereiche des Lebens wie die kritische Infrastruktur zu schützen.

Wir bewegen uns bereits in diese Richtung. Bei GSX haben wir beispielsweise Lösungen eingeführt, die visuelle, thermische, Radar‑, Audio‑ und Umweltsensorik kombinieren. Ziel ist es, die richtigen Daten zusammenzuführen, damit Organisationen schneller und fundierter Entscheidungen treffen können. Das ist besonders wichtig für Anwendungen wie den Schutz kritischer Infrastrukturen, bei denen mehrere Informationsquellen ein vollständigeres Bild des Geschehens liefern können.

Edge‑Verarbeitung kann die Menge an Rohvideo, die übertragen oder gespeichert werden muss, reduzieren, doch KI‑aktivierte Kameras werfen weiterhin wichtige Fragen zum Datenschutz und zur Governance auf. Welche Grundsätze sollten Organisationen beim Entwerfen von Systemen befolgen, die nützlich sind, ohne mehr personenbezogene Daten zu sammeln als nötig?

Der Ausgangspunkt sollte sein, zu fragen, was das System tatsächlich erreichen soll, und nur die dafür notwendige Information zu erfassen. Datenschutz und Transparenz sind ebenfalls wichtig. Menschen möchten verstehen, warum Video eingesetzt wird und wie ihre Daten verarbeitet werden. Unsere jüngsten Forschungen zeigen, dass die Menschen mit Videoüberwachung immer komfortabler werden, aber diese Akzeptanz darf nicht als selbstverständlich angesehen werden. Die größten Bedenken bei KI‑gestützter Überwachung sind Fehlalarme oder ungenaue Informationen sowie der mögliche Missbrauch oder die Fehlhandhabung von Daten. Das legt eine echte Verantwortung auf Organisationen und Technologieanbieter, Datenschutz und Sicherheit von Anfang an in Systeme zu integrieren. Edge‑Verarbeitung kann hier helfen, weil Informationen lokal analysiert und nur die benötigten Daten übertragen werden können, anstatt kontinuierliches Rohvideo im Netzwerk zu bewegen.

Physische Infrastruktur kann über viele Jahre im Einsatz bleiben, während KI‑Modelle und Cyber‑Security‑Bedrohungen sich schnell weiterentwickeln. Wie sollten Kameras und andere Edge‑Geräte gestaltet werden, damit ihre Analytik über die gesamte Betriebsdauer hinweg sicher, wartbar und anpassungsfähig bleibt?

Dies ist einer der Gründe, warum ich die Kamera als Teil der breiteren IT- und Betriebsinfrastruktur betrachte und nicht als eigenständiges Sicherheitsgerät. Cyber‑Sicherheit muss von Anfang an in das Gerät integriert werden, mit sicherer Software, regelmäßigen Updates und starken Cyber‑Sicherheitsmaßnahmen über den gesamten Lebenszyklus hinweg. Bei Axis zum Beispiel bietet Edge Vault eine hardwarebasierte Grundlage zum Schutz der Geräteintegrität, zur Sicherung kryptografischer Schlüssel und zum Aufbau einer Vertrauenskette. Es unterstützt zudem Funktionen wie Secure Boot und signierte Software, wodurch sichergestellt wird, dass nur vertrauenswürdige Software auf dem Gerät läuft.

Das Gerät benötigt außerdem eine Architektur, die sich an verändernde Analysen und Kundenanforderungen anpassen kann. Offene Plattformen sind hier wichtig, weil sie Organisationen ermöglichen, neue Anwendungen und Technologien zu integrieren, anstatt jedes Mal ein komplettes System ersetzen zu müssen, wenn sich etwas weiterentwickelt. Gleichzeitig benötigen Organisationen eine gute Governance für ihre vernetzten Geräte. Da immer mehr Video, Sensoren und Unternehmenssysteme zusammenkommen, müssen Cyber‑Sicherheit und Datenschutz als Teil des Gesamtsystemdesigns behandelt werden und nicht erst im Nachhinein hinzugefügt werden.

Axis unterstützt ein offenes Anwendungs‑Ökosystem, das Drittentwicklern erlaubt, spezialisierte Analysen auf seinen Geräten zu erstellen und bereitzustellen. Wie wichtig werden offene Plattformen und Interoperabilität sein, wenn Organisationen ihre eigenen Modelle über große Kameraflotten hinweg ausführen wollen?

Ich denke, das wird äußerst wichtig sein. Kunden wollen nicht an eine Technologie oder eine Vorgehensweise gebunden sein, zumal KI und Analysen sich so schnell weiterentwickeln. Eine offene Plattform erleichtert die Integration von Kameras in andere Systeme, das Einbinden spezialisierter Anwendungen und das Skalieren über große Deployments hinweg. Sie bietet den Kunden zudem mehr Flexibilität, wenn sich ihre Bedürfnisse ändern. Durch die Beseitigung von Vendor‑Lock‑in und die Vereinfachung der Integration ermöglichen offene, interoperable Ökosysteme eine leichtere Skalierung intelligenter Edge‑Lösungen, während sie sich an wechselnde Geschäftsanforderungen anpassen. Letztlich liegt der Wert nicht nur in der Kamera selbst, sondern darin, wie Kamera, Sensoren, Analysen und Unternehmensanwendungen zusammenarbeiten.

Wie sollten Organisationen die Leistung von Computer‑Vision‑Systemen nach der Bereitstellung bewerten, insbesondere wenn Beleuchtung, Kameraposition, menschliches Verhalten oder Betriebsbedingungen sich ändern und die Genauigkeit potenziell beeinflussen?

Es hängt vom Anwendungsfall ab, aber das Wichtigste ist, die Kameras und KI‑Modelle in der realen Umgebung zu testen, in der sie tatsächlich eingesetzt werden. Ein Modell kann in einer kontrollierten Umgebung sehr gut funktionieren, doch die eigentliche Prüfung besteht darin, was bei den tatsächlichen Lichtverhältnissen, der Kameraposition, dem Wetter, dem Hintergrund und dem Verhalten vor Ort passiert. Deshalb empfehlen wir Kunden, Analysen wie Axis Object Analytics oder Axis Custom Analytics in der realen Umgebung zu evaluieren und sicherzustellen, dass die Genauigkeit für die Anwendung ausreichend hoch ist. Das BMW‑Werk ist ein gutes Beispiel für diesen Ansatz. Dort werden die Kameras in einer echten Produktionsumgebung eingesetzt, wobei die Bildqualität und die daraus resultierenden Analysen einen tatsächlichen Fertigungsprozess unterstützen müssen.

Wenn Edge‑KI leistungsfähiger wird, wie erwarten Sie, dass sich die Rolle der Netzwerk‑Kamera im nächsten Jahrzehnt entwickelt und welche neuen Fähigkeiten könnten entstehen, wenn Kameras zu aktiven Komponenten intelligenter, reaktiver Umgebungen werden?

Die Netzwerk‑Kamera wird immer zentraler im System. Sie ist nicht mehr nur eine Kamera, die Video erzeugt, sondern ein Sensor, der Daten generiert, die analysiert und über verschiedene Systeme hinweg geteilt werden können. Da die Rechenleistung weiter zunimmt, erwarte ich, dass Kameras noch besser verstehen, was in ihrer Umgebung geschieht, und in Echtzeit nützliche Informationen bereitstellen. Das ist das Konzept hinter Scene Intelligence, bei dem die Kamera ein tieferes Verständnis der Szene nutzt, um bedeutungsvollere Informationen über Objekte, deren Eigenschaften und das Geschehen um sie herum zu liefern.

Das könnte fortschrittlichere Objekt‑ und Verhaltens­erkennung, eine stärkere Integration mit anderen Sensoren und Unternehmenssystemen sowie mehr Automatisierung bei der Reaktion von Organisationen auf Ereignisse bedeuten. Der größere Wandel besteht darin, dass Video zu einem Teil einer umfassenderen Daten‑ und Intelligenz‑Schicht wird. Die Kamera nimmt weiterhin auf, was passiert, kann aber zunehmend auch erklären, was geschieht und was eine Organisation als Nächstes tun könnte.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Axis Communications besuchen.