KI-gestützte Videoanalyse im Objektschutz, in der Zutrittskontrolle und Kriminalprävention: Fluch oder Segen?

1. Einleitung: Mehr als Bewegungsdetektion

Videoüberwachung ist seit Jahrzehnten ein Standardinstrument im Objektschutz. Klassische Systeme funktionieren reaktiv: Eine Kamera zeichnet auf, ein Mensch wertet aus – meistens nach dem Vorfall. Proaktive Gefahrenerkennung in Echtzeit war mit klassischer Technik kaum skalierbar. Ein Wachmensch kann schlicht nicht 40 Monitore dauerhaft und zuverlässig überwachen.

Der entscheidende Unterschied zur früheren Generation von Videoüberwachung liegt im Wesen der KI-Analyse: Anstatt nur Bewegung zu registrieren, „versteht" das System unterschiedliche Objekte, Verhaltensweisen und Situationen. Künstliche Intelligenz, konkret der Einsatz von Computer Vision, Deep Learning und neuronalen Netzen, ermöglicht eine Auswertungstiefe, die menschliche Beobachtung strukturell übertrifft – sowohl in der Geschwindigkeit als auch in der Konsistenz.

Der Markt für intelligente Videoüberwachung wächst entsprechend dynamisch. Für Sicherheitsverantwortliche, Betreiber von Liegenschaften und Gutachter stellt sich damit eine dringende Frage: Ist KI-Videoanalyse ein Werkzeug, das Sicherheitskonzepte substanziell verbessert – oder ein Risiko, das neue Schwachstellen und rechtliche Fallstricke schafft? Die Antwort lautet, wie so oft in der Sicherheit: beides. Und sie hängt entscheidend davon ab, für welchen Zweck das System eingesetzt, wie es eingeführt und wie es betrieben wird.

2. Technologische Grundlagen: Was KI-Videoanalyse heute kann

2.1 Kernanwendungen im Überblick

Die wesentlichen Funktionsmodule aktueller Systeme lassen sich in sechs Bereiche gliedern:

• Objekt- und Personenerkennung: Klassifikation von Personen, Fahrzeugen und Tieren – zur Reduktion irrelevanter Alarme gegenüber klassischer Bewegungsdetektion.
• Zonen- und Linienüberwachung (Virtual Fences): Betreten definierter Sperrzonen, Überqueren virtueller Linien, Verweilen über einem Zeitschwellwert – automatischer Alarm bei Regelverstoß.
• Verhaltens- und Anomalieerkennung: Erkennung von Loitering, Gegenfluss-Bewegungen, Menschenansammlungen, Sturz-Erkennung oder Aggressionsszenarien.
• Tailgating- und Piggybacking-Erkennung: Personenzählung am Zutrittspunkt im Abgleich mit Zutrittsereignissen – Alarm, wenn mehrere Personen mit einem einzigen Berechtigungsereignis passieren.
• Biometrische Verfahren: Gesichtserkennung, Re-Identifikation, Gang-Analyse – rechtlich besonders heikel und nur in eng definierten Szenarien zulässig (dazu mehr in Kapitel 5).
• Forensische Suche und Indexierung: Gezielte Recherche in Videoarchiven nach Personen, Fahrzeugen oder Ereignissen – laut Praxisberichten bis zu 80 Prozent schnellere Untersuchungen gegenüber manueller Auswertung.

2.2 Integration als Schlüsselmerkmal

Ein entscheidendes Merkmal moderner KI-Videoanalyse ist die Integration in andere Sicherheitssysteme: Zutrittskontrolle, Einbruchmeldeanlagen, Beleuchtungssteuerung, Lautsprecher und Leitsstellensoftware können direkt mit dem Videoanalysesystem gekoppelt werden. Das ermöglicht automatisierte Reaktionsketten, die über reine Alarmierung hinausgehen.

Namhafte Anbieter wie Axis Communications, Bosch Security Systems, Milestone Systems oder Genetec integrieren KI-Analysefunktionen heute direkt in ihre Videomanagementsysteme (VMS). Edge-Computing-Ansätze ermöglichen die Verarbeitung direkt auf der Kamera oder in lokalen Systemen – was Latenz reduziert und Datenschutzanforderungen entgegenkommt. Cloud-basierte Lösungen bieten höhere Rechenleistung und einfachere Updates, erzeugen aber zusätzliche Anforderungen an Datenschutz und IT-Sicherheit.

3. Anwendungsfeld 1: Objektschutz

3.1 Außenhaut- und Geländesicherung

Im Bereich Perimeterschutz entfaltet KI-Videoanalyse ihren stärksten und technisch reifsten Nutzen. Virtuelle Zaunlinien erkennen Klettern, Durchschlüpfen, Kriechen oder das Abstellen von Objekten an der Peripherie. Die Klassifikation nach Mensch, Fahrzeug und Tier reduziert Falschalarmraten gegenüber klassischer Bewegungsdetektion signifikant – in der Praxis werden Reduktionen von bis zu 90 Prozent berichtet.

Für kritische Infrastrukturen und Hochsicherheitsobjekte belegt eine Studie zur Sicherung kerntechnischer Anlagen (GRS-748, 2024), dass KI-Videoanalyse Einbruch- und Sabotageversuche früh detektieren, Bewegungen automatisch verfolgen und Verweilzeiten messen kann. Gleichzeitig betont die Studie: Für Hochsicherheitsumgebungen muss die Zuverlässigkeit – hohe Detektionswahrscheinlichkeit bei niedriger Falschalarmrate – durch umfangreiche Tests unter realen Bedingungen belegt werden, bevor ein Produktivbetrieb verantwortet werden kann.

3.2 Aktive Abschreckung statt bloßer Aufzeichnung

Ein in der Praxis oft unterschätztes Potenzial liegt in der aktiven Abschreckung. KI-gestützte Systeme koppeln die Erkennung mit unmittelbaren Maßnahmen: Licht an, Sirenensignal, spezifische Sprachausgaben wie „Person im abgesperrten Bereich – Sie werden überwacht". Sogenannte Perimeter-Guard-Konzepte zeigen in Fallstudien nachweisliche Präventivwirkung. Viele Eindringlinge brechen ab, sobald sie sich erkannt fühlen – ohne dass eine Intervention durch Sicherheitspersonal erforderlich wird.

Der Wechsel von reaktiver Aufzeichnung zu proaktiver Abschreckung ist konzeptionell bedeutsam: Das System agiert, bevor Schaden entsteht. Das verändert die Logik des Sicherheitskonzepts grundlegend.

3.3 Bewertung Objektschutz

4. Anwendungsfeld 2: Zutrittskontrolle

4.1 Tailgating und Piggybacking

Tailgating – das unbefugte Mitschleusen durch einen gesicherten Zugang im Windschatten einer berechtigten Person – gilt in Studien als bedeutender Risikofaktor für Datendiebstahl und Betriebsunterbrechungen. KI-Videoanalyse überwacht Türen und Schleusen: Wenn zwei Personen einen Bereich betreten, aber nur ein gültiges Zutrittsereignis vorliegt, wird ein Tailgating-Alarm generiert. Mögliche automatische Reaktionen umfassen optische und akustische Warnungen, das Verriegeln der nächsten Schleusentür oder die direkte Alarmierung der Leitstelle.

Einige Hersteller kombinieren das Türereignis (Badge, PIN) mit dem zugehörigen Videobild, um die Erkennungsgenauigkeit zu erhöhen – ohne biometrische Gesichtserkennung. Das ist für die Datenschutzkonformität in der EU relevant: Ein deutlicher Sicherheitsgewinn im Zutrittsprozess lässt sich erzielen, ohne die rechtlichen Risiken biometrischer Verfahren einzugehen.

4.2 Biometrische Zutrittskontrolle

Gesichtserkennung als Authentifizierungsverfahren am Zutritt wird zunehmend angeboten. Datenschutzrechtlich ist das brisant: Biometrische Daten sind besondere Kategorien personenbezogener Daten nach Art. 4 Nr. 14, Art. 9 DSGVO, deren Verarbeitung grundsätzlich verboten ist. Im Beschäftigtenverhältnis ist biometrische Zutrittskontrolle nur in engen Grenzen zulässig – typischerweise nur mit ausdrücklicher, freiwilliger Einwilligung und echten Alternativen. Praxisberichte und Urteile zeigen, dass Einwilligung im Arbeitsverhältnis regelmäßig nicht als „freiwillig" gilt, wenn keine echte Alternative angeboten wird.

4.3 Datenbasierte Optimierung

KI-Systeme liefern statistische Auswertungen über Zutrittsprozesse: Wo treten die meisten Regelverstöße auf? Wann häufen sich Ereignisse? Welche Zugänge sind besonders kritisch? Das unterstützt risikobasierte Planung – etwa die Verlagerung von Sicherheitspersonal oder die Verstärkung bestimmter Zonen – und ermöglicht belastbare Audit-Trails für Compliance-Nachweise.

4.4 Bewertung Zutrittskontrolle

5. Anwendungsfeld 3: Kriminalprävention

5.1 Gefahrenerkennung im öffentlichen und halböffentlichen Raum

KI-gestützte Analyse wird in Behörden, Verkehrsknotenpunkten und halböffentlichen Bereichen zur Früherkennung von Gefahrenlagen eingesetzt: verdächtiges Verhalten an kritischer Infrastruktur, zurückgelassene Gegenstände, spontane Menschenansammlungen oder Aggressionsszenarien. Forensische Auswertungen lassen sich durch gezielte Filterung auf Personen, Fahrzeuge oder Situationen dramatisch beschleunigen.

Prädiktive Ansätze kombinieren historische Kriminalitätsdaten, Umfeldfaktoren und Live-Daten, um Risikozeiten und -bereiche zu identifizieren. Ressourcen lassen sich so gezielter einsetzen. Forschung der TU Eindhoven zeigt das Potenzial multi-kamerabasierter Re-Identifikation und Anomalieerkennung zur Echtzeit-Situationsübersicht in Hafen- und Stadtumgebungen.

5.2 Die rote Linie: Biometrische Massenüberwachung

Echtzeit-Gesichtserkennung zur Fahndung nach Verdächtigen in öffentlichen Räumen – sogenannte Remote Biometric Identification – ist eines der umstrittensten Anwendungsfelder überhaupt. Der EU AI Act stuft derartige Fernbiometrie für Strafverfolgungszwecke als grundsätzlich verboten ein, mit nur sehr engen, streng geregelten Ausnahmen (Terrorabwehr, Suche nach bestimmten schweren Straftätern, Vermisste).

Zivilgesellschaftliche Organisationen sehen biometrische Gesichtserkennung im öffentlichen Raum als Einstieg in die Massenüberwachung. Das ist keine ideologische Position, sondern eine rechtlich und gesellschaftlich begründete Grenzziehung, die auch für private Sicherheitsverantwortliche relevant ist: Wer Systeme einführt, die diese Grenze berühren, bewegt sich in einem regulatorisch und reputatorisch gefährlichen Bereich.

5.3 Bewertung Kriminalprävention

6. Rechtliche und normative Rahmenbedingungen

6.1 DSGVO und Datenschutzrecht

Videoaufnahmen sind personenbezogene Daten. Jede Verarbeitung braucht eine Rechtsgrundlage nach Art. 6 DSGVO und muss verhältnismäßig sein. Für private Unternehmen kommt vor allem das berechtigte Interesse nach Art. 6 Abs. 1 lit. f DSGVO in Betracht – mit strikter Interessenabwägung zwischen Sicherheitsinteresse und den Rechten der Betroffenen. Weitere relevante Punkte:

• Zweckbindung: Die KI-Analyse darf nur für den vorab definierten, legitimen Sicherheitszweck genutzt werden.
• Verhältnismäßigkeit: Der Eingriff muss zum Sicherheitsziel in einem angemessenen Verhältnis stehen.
• Informationspflicht: Betroffene Personen müssen über Videoüberwachung und KI-Analyse informiert werden (Art. 13 DSGVO).
• Datenschutz-Folgenabschätzung (DSFA): Bei systematischer Überwachung oder biometrischen Verfahren ist eine DSFA nach Art. 35 DSGVO erforderlich – und bei KI-Videoanalyse in der Praxis fast immer geboten.
• Auftragsverarbeitungsvertrag: Bei Cloud-Lösungen oder externen Dienstleistern obligatorisch nach Art. 28 DSGVO.

Die baden-württembergische Datenschutzaufsicht hat explizit festgestellt, dass allgemeine Normen zur Videoüberwachung öffentlich zugänglicher Bereiche keine tragfähige Rechtsgrundlage für intelligente Verhaltensanalyse per KI darstellen. Das ist ein Signal für alle Betreiber: Wer KI-Videoanalyse einführt, kann sich nicht auf klassische Videoüberwachungsregelungen verlassen.

6.2 EU AI Act

Der EU AI Act (Verordnung (EU) 2024/1689) ist für KI-Videoanalysesysteme unmittelbar relevant. Die Klassifikation nach Risikoklassen hat direkte Auswirkungen auf Beschaffung, Betrieb und Dokumentationspflichten:

Hochrisiko-Systeme unterliegen umfangreichen Anforderungen: Risikomanagement, Daten- und Datenqualitätsmanagement, technische Robustheit und Genauigkeit, menschliche Aufsicht sowie vollständige Dokumentation und Logging. Die rechtliche Einordnung ist kein akademisches Thema, sondern Bestandteil jeder seriösen Risikoanalyse – und muss vor der Beschaffungsentscheidung erfolgen.

6.3 Arbeitsrecht und Betriebsverfassung

In Betrieben mit Betriebsrat unterliegt die Einführung von Videoüberwachungssystemen mit verhaltensanalytischen Funktionen der Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG. Die Einführung von KI-gestützter Verhaltensanalyse ohne Einbeziehung des Betriebsrats ist angreifbar und kann die Verwertbarkeit gewonnener Erkenntnisse im Streitfall gefährden. Eine schriftliche Betriebsvereinbarung, die Einsatzzweck, Speicherdauer und Zugriffsberechtigungen verbindlich regelt, ist Best Practice.

6.4 Normative Grundlagen

Für die technische Planung und Begutachtung von Videoüberwachungsanlagen sind folgende Normen und Leitfäden maßgeblich:

• DIN EN 62676 (Reihe): Videoüberwachungsanlagen für Sicherheitsanwendungen
• VdS 2366: Anforderungen an Planung, Einbau, Betrieb und Instandhaltung von Videoüberwachungsanlagen – für KI-Analytics insbesondere qualifizierte Bildübertragung, Zuverlässigkeit und Sabotageschutz
• BHE-Leitfaden „KI in der Videosicherheitstechnik" (2025): Praxisnahe Hinweise zu Chancen, Grenzen und Datenschutzanforderungen. Zentrale Aussage: KI darf Entscheidungen unterstützen, aber nicht die menschliche Kontrolle ersetzen
• ISO/IEC 27001: Für die informationssicherheitstechnische Absicherung der Videomanagementsysteme
• ISO/IEC 42001 (2023): AI Management System Standard – erstmals ein normativer Rahmen für das Management von KI-Anwendungen in Organisationen; strukturierte Grundlage für Risikomanagement und Governance

7. Risiken und Schwachstellen: Die andere Seite der Bilanz

7.1 Technische Grenzen und Fehlalarme

Kein KI-System arbeitet mit 100-prozentiger Genauigkeit. Der Reifegrad variiert erheblich je nach Anwendungsfall. Perimeterschutz und Kennzeichenerkennung gelten als technisch robust. Verhaltensanalyse und Gesichtserkennung sind fehleranfälliger – besonders unter suboptimalen Bedingungen: schlechte Beleuchtung, stark frequentierte Bereiche, ungewöhnliche Kamerapositionen. Der BHE betont explizit die Lücke zwischen Marketingversprechen und real erreichbarer Detektionsgenauigkeit in der Praxis.

Eine hohe Fehlalarmrate führt in der Praxis zu Alarm Fatigue: Sicherheitspersonal beginnt, Alarme zu ignorieren oder die Bearbeitung zu verzögern, weil die Mehrzahl als Fehlmeldung bewertet wird. Im Ergebnis kann ein schlecht kalibriertes KI-System die Sicherheitsleistung gegenüber klassischer Überwachung sogar verschlechtern. Der Europäische Datenschutzbeauftragte hat darauf hingewiesen, dass schlecht konzipierte Videoüberwachung lediglich ein falsches Gefühl von Sicherheit erzeugt.

7.2 Bias und Diskriminierung

KI-Modelle können systematische Fehler aufweisen – etwa geringere Erkennungsraten bei bestimmten Hautfarben, Kleidungstypen oder Verhaltensweisen, die in Trainingsdaten unterrepräsentiert waren. Solche Verzerrungen können dazu führen, dass bestimmte Personengruppen häufiger als „verdächtig" markiert werden. Das ist nicht nur ein ethisches Problem, sondern ein erhebliches Risiko für Grundrechte und Unternehmensreputation.

Eine Untersuchung des National Institute of Standards and Technology (NIST) zur Gesichtserkennung dokumentierte erhebliche Unterschiede in der Erkennungsgenauigkeit verschiedener Algorithmen – abhängig von Hautton und Altersgruppe. Für Betreiber, die KI-Videoanalyse einsetzen, ergibt sich daraus eine konkrete Prüfpflicht: Bias-Risiken müssen vor dem Produktivbetrieb analysiert und im laufenden Betrieb regelmäßig überprüft werden.

7.3 Abhängigkeit und falsches Sicherheitsgefühl

Übermäßiges Vertrauen in intelligente Systeme kann dazu führen, dass menschliche Aufmerksamkeit und Basisschutzmaßnahmen vernachlässigt werden: mechanische Sicherung, Zutrittsdisziplin, Mitarbeitersensibilisierung. KI-Videoanalyse ergänzt diese Ebenen – sie ersetzt sie nicht. Wer das Grundprinzip der mehrschichtigen Sicherheit aufgibt, schafft eine gefährliche Monokultur.

7.4 Cybersicherheitsrisiken

Netzwerkgebundene Videoüberwachungssysteme sind IT-Systeme mit allen damit verbundenen Angriffsvektoren. Kameras und NVRs laufen oft auf veralteter Firmware und werden ohne ausreichende Netzwerksegmentierung integriert. Kompromittierte Überwachungssysteme wurden als Einfallstor für Ransomware-Angriffe auf Unternehmensnetzwerke genutzt.

Adversarielle Angriffe – gezielte Manipulation von Eingabedaten – sind kein theoretisches Konstrukt. Spezielle Kleidungsmuster oder optische Muster können Objekterkennungssysteme in bestimmten Konstellationen täuschen. Für Hochsicherheitsbereiche fordern Studien wie GRS-748 daher strenge Tests, Systemhärtung und mehrschichtige Sicherungskonzepte. KI darf kein Single Point of Failure sein.

7.5 Wo die Grenze liegt: Mitarbeiterüberwachung

Systeme, die darauf ausgelegt oder konfiguriert sind, Arbeitsleistung, Bewegungsprofile oder das Verhalten einzelner Mitarbeitender dauerhaft zu erfassen und auszuwerten, sind keine Sicherheitslösung. Sie sind ein Überwachungsinstrument. Der Unterschied liegt nicht immer in der Technologie selbst, sondern in der Zweckdefinition, der Konfiguration und der Governance. Genau deshalb ist die unabhängige Begutachtung vor der Einführung solcher Systeme keine Formalie, sondern eine Schutzfunktion – für den Betreiber ebenso wie für die Belegschaft.

8. Praxisbeispiel: KI-Videoanalyse im Objektschutz einer mittelständischen Produktionsstätte

Ausgangslage

Ein metallverarbeitender Mittelständler mit rund 350 Mitarbeitenden und einem Produktionsgelände von ca. 18.000 m² beauftragte eine Sicherheitsberatung zur Bewertung des bestehenden Videoüberwachungssystems. Vorhanden: 42 analoge Kameras, zentrales NVR-System, kein aktives Monitoring außerhalb der Arbeitszeiten. Schadenshistorie: Zwei Einbrüche in 18 Monaten, beide außerhalb der Kernarbeitszeit, Materialentnahme im hohen fünfstelligen Bereich.

Bewertung der IST-Situation

Die Begutachtung ergab: Das bestehende System war technisch veraltet, Kamerawinkel und -qualität unzureichend für forensische Auswertung, kein Echtzeitmonitoring außerhalb der Arbeitszeiten. Eine klassische Nachrüstung hätte die Bildqualität verbessert, das Grundproblem – fehlende Reaktionsfähigkeit in Echtzeit – aber nicht gelöst.

Empfehlung und Umsetzung

Empfohlen wurde ein zweigleisiger Ansatz: Modernisierung auf IP-Kameras mit 4K-Auflösung und integrierten Edge-Analytics-Funktionen sowie Einsatz eines KI-gestützten Videoanalyse-Moduls für Perimeterschutz und Zonenüberwachung außerhalb der Betriebszeiten, integriert in eine externe Leitstelle mit Monitoring-Dienst. Für die Implementierung wurde folgendes Vorgehen definiert:

• Datenschutz-Folgenabschätzung vor Beschaffung, gemeinsam mit dem Datenschutzbeauftragten
• Betriebsratseinbindung gemäß § 87 BetrVG mit schriftlicher Betriebsvereinbarung zu Einsatzzweck, Speicherdauer und Zugriffsberechtigungen
• Netzwerksegmentierung: Kameranetzwerk in dediziertes VLAN ausgelagert, kein Zugang zum Produktionsnetz
• Kalibrierung der KI-Parameter: Vier Wochen Einlernphase, manuelle Überprüfung aller Alarme, Parameteranpassung zur Reduktion der Fehlalarmrate
• Eskalationsprotokoll: Klare Handlungsanweisungen für die Leitstelle – welche Alarmtypen führen zu welchen Reaktionen

Ergebnis

Nach sechs Monaten Betrieb: keine weiteren Einbrüche, zwei Fehlalarme durch tierische Eindringlinge (Füchse), nach Parameteranpassung eliminiert. Eine externe Testbegehung bestätigte die Erkennungsleistung des Perimeterschutzes als zuverlässig. Die Investitionskosten lagen deutlich unter dem bisherigen Schadenspotenzial von 24 Monaten.

Das Beispiel zeigt: KI-Videoanalyse entfaltet ihre Stärke nicht als Ersatz für Planung, sondern als Ergebnis davon. Ohne Schwachstellenanalyse, klare Betriebsprozesse und datenschutzrechtliche Absicherung wäre die technische Lösung mit hoher Wahrscheinlichkeit gescheitert – an Fehlalarmen, Akzeptanzproblemen oder rechtlichen Beanstandungen.

9. Bewertungsrahmen und Checkliste für Sicherheitsverantwortliche

Wer KI-Videoanalyse einführen oder begutachten muss, sollte folgende Schritte strukturiert abarbeiten:

Ergänzend gelten folgende Daueraufgaben im Betrieb: regelmäßige Überprüfung der Detektionsqualität (KPIs: Falschalarme, verpasste Ereignisse), Anpassung an neue Rechtsprechung und AI-Act-Umsetzung sowie Monitoring auf Bias-Risiken.

10. Fazit: KI-Videoanalyse als mächtiger Verstärker

KI-Videoanalyse ist weder automatisch Fluch noch Segen. Sie ist ein mächtiger Verstärker: In guten Händen, mit klaren Schutzzielen, technischer Reife und starker Governance, wirkt sie als echter Sicherheitsgewinn. In schlechten Händen, ohne Rechtsgrundlagen, Transparenz und Kontrolle, verstärkt sie Überwachung, Diskriminierung und ein Klima des Misstrauens.

Ich bin ein Befürworter dieser Technologie – wenn sie richtig eingesetzt wird. KI-Videoanalyse kann Sicherheitskonzepte substanziell verbessern, Reaktionszeiten verkürzen und Schutzlücken schließen, die mit klassischen Mitteln nicht wirtschaftlich zu schließen wären. Gleichzeitig ist sie kein Selbstläufer. Die Qualität des Ergebnisses hängt an der Qualität der Vorbereitung.

Für Sicherheitsverantwortliche und Gutachter lautet die zentrale Aufgabe: die Technologie so zu gestalten, dass der Sicherheitsnutzen maximiert und die Eingriffe in Grundrechte und Privatsphäre konsequent minimiert werden. Das erfordert technisches Verständnis, rechtliche Kompetenz und die Bereitschaft, Sicherheitskonzepte als lebendige Dokumente zu behandeln.

Wer als Gutachter KI-Videoanalyse bewertet oder empfiehlt, muss IT-Sicherheitsaspekte, Datenschutzrecht und KI-Regulierung als integralen Bestandteil der Risikobetrachtung verstehen. Wer das ignoriert, liefert halbe Gutachten.