Mehrere US-Bundesstaaten setzen jetzt KI-Kameras entlang von Autobahnen und örtlichen Straßen ein, um Fahrer zu erkennen, die ein Handy in der Hand benutzen oder den Sicherheitsgurt nicht anlegen. Georgia, Minnesota und Connecticut sind dabei mit unterschiedlicher Geschwindigkeit und in unterschiedlichem Umfang vorgegangen, doch der gemeinsame Nenner ist eine wachsende Abhängigkeit von KI-gestützter Bildgebung, um abgelenktes und unsicheres Fahrverhalten zu bekämpfen, insbesondere bei Fahrern von gewerblichen Fahrzeugen. Die Programme werfen praktische Fragen zur Durchsetzungsgenauigkeit, zum Datenschutz und dazu auf, ob die Technologie das Verhalten der Fahrer tatsächlich ändert oder lediglich Strafzettel erzeugt.
Georgia zielt mit Bundeszuschüssen auf gewerbliche Lastwagen
Die Motor Carrier Compliance Division von Georgia schloss einen Vertrag mit dem australischen Technologieunternehmen Acusensus und nahm im Juli 2024 den Betrieb von KI-Kamerasystemen auf, finanziert durch einen föderalen High-Priority-Zuschuss, der im Jahresbericht 2024 des Bundesstaates beschrieben wird. Die Kameras erfassen Innenaufnahmen von Fahrern gewerblicher Kraftfahrzeuge und markieren visuelle Hinweise auf illegale Handynutzung sowie Nichtbeachtung des Sicherheitsgurts. Das System ist eng gefasst: Es gilt für Nutzfahrzeuge, nicht für Pkw, und die Bilder dienen als Grundlage für Durchsetzungsmaßnahmen durch Staatspolizisten statt für automatisierte Strafbescheide.
Diese Unterscheidung ist wichtig. Im Gegensatz zu Rotlicht- oder Geschwindigkeitskameras, die Strafzettel an Fahrzeughalter versenden, behält Georgias Ansatz einen menschlichen Beamten in der Durchsetzungskette. Die KI identifiziert potenzielle Verstöße, doch ein geschulter Prüfer entscheidet, ob das Bild eine Maßnahme rechtfertigt. Dieses Design umgeht einige der rechtlichen und politischen Widerstände, denen vollständig automatisierte Verkehrsüberwachung in anderen Staaten ausgesetzt war, schränkt aber gleichzeitig ein, wie viele Verstöße das System in großem Maßstab verarbeiten kann.
Georgias Behörden haben die Technologie vor allem als Sicherheitsinstrument für gewerbliche Fahrzeuge dargestellt, im Einklang mit föderalen Prioritäten zur Reduzierung schwerer Unfälle mit großen Lkw. Indem der Fokus auf Berufskraftfahrer gelegt wird, kann der Staat argumentieren, dass Fahrer, die den ganzen Tag unterwegs sind, höheren Standards unterliegen sollten und dass gezielte Überwachung durch das potenzielle Gefährdungspotenzial eines abgelenkten Lkw-Fahrers gerechtfertigt ist. Dennoch können die gleichen Kameras, die Handynutzung erfassen, auch andere Details in Fahrerkabinen sichtbar machen – von Mitfahrern bis zu persönlichen Gegenständen – was verdeutlicht, warum Bürgerrechtsgruppen wahrscheinlich klare Löschfristen und Zugriffsregelungen fordern werden.
Minnesotas Highway‑7‑Pilotprojekt meldete Tausende von Verstößen
Ein Vorortkorridor von Minneapolis ist zu einem der aktivsten Testfelder für dieselbe Technologie geworden. Das South Lake Minnetonka Police Department führte das Acusensus Heads‑Up‑AI‑Durchsetzungssystem am 10. Februar 2025 als Teil der Bemühungen der Highway 7 Road Safety Coalition zur Eindämmung von Unfällen ein. Laut einem Bericht der Koalition, der von der Stadt Shorewood veröffentlicht wurde, markierte das System mehr als 10.000 mögliche Verstöße im ersten Monat – ein Volumen, das für Streifenbeamte allein durch traditionelle Beobachtung physisch unmöglich wäre.
Die Koalition, zu der die Stadt Shorewood und benachbarte Behörden gehören, beschreibt die KI‑Kamera als ein Instrument, das riskantes Verhalten erkennt, einschließlich Handynutzung und Sicherheitsgurtstatus, und dann in Echtzeit benachbarte Beamte informiert. Dieses Modell der Beamtenbenachrichtigung spiegelt Georgias Ansatz wider: Die Kamera erkennt das Verhalten, aber eine Streife führt die Kontrolle durch. Die schiere Anzahl an Markierungen in einem einzigen Monat wirft jedoch eine Frage auf, die weder die Koalition noch der Anbieter in den verfügbaren Dokumenten öffentlich beantwortet haben: Wie viele dieser 10.000 Markierungen führten tatsächlich zu Verkehrskontrollen und wie viele waren Fehlalarme?
Diese Lücke in der öffentlichen Berichterstattung ist bedeutsam. Ein System, das Tausende von Alarmen erzeugt, aber nur in relativ wenigen Fällen zu bestätigten Verstößen führt, könnte die Beamten mit Rauschen überfluten, während ein System, das Markierungen zu Kontrollstopps mit hoher Quote macht, Fragen aufwerfen könnte, ob Fahrer eher durch einen Algorithmus profiliert werden als durch eine menschliche Beobachtung. Keines der beiden Ergebnisse ist ohne transparente Daten zu Konversionsraten und Genauigkeit ideal.
Für die Verkehrsteilnehmer entlang des Highway 7 entwickelt sich die praktische Erfahrung ebenfalls weiter. In den frühen Phasen des Pilotprogramms wurden eher Verwarnungen und Aufklärung betont als sofortige Bußgelder; lokale Behörden betonen, dass das Ziel Verhaltensänderung und nicht nur die Ausstellung von Strafzetteln sei. Wenn sich das Programm weiterentwickelt, werden Bewohner und Bürgerrechtsbefürworter wahrscheinlich regelmäßige öffentliche Berichte einfordern, die aufschlüsseln, wie viele Alarme zu Kontrollen führten, welcher Anteil in Bußgelder mündete und ob bestimmte Gruppen oder Fahrzeugtypen unverhältnismäßig stark ins Visier genommen werden.
Peer‑Review‑Studie beschreibt, wie die Technologie funktioniert
Eine im Fachjournal Traffic Injury Prevention veröffentlichte Studie bietet den detailliertesten unabhängigen Blick auf den technischen Ansatz des Acusensus‑Systems. Das peer‑reviewte Papier erklärt, wie die „Heads‑Up Solutions“‑KI des Unternehmens naturalistische Beobachtungen des Fahrverhaltens von Fahrern gewerblicher Kraftfahrzeuge durchführt. Das System stützt sich auf visuelle Hinweise, insbesondere darauf, ob ein Fahrer scheinbar ein Telefon in der Hand hält und ob ein Sicherheitsgurt quer über den Oberkörper sichtbar ist.
Das Forscherteam beschreibt eine Pipeline, in der hochauflösende Straßenrandkameras Bilder vorbeifahrender Fahrzeuge erfassen, Software das Fahrerabteil isoliert und maschinelle Lernmodelle klassifizieren, ob ein Telefon oder ein Sicherheitsgurt vorhanden ist. Nur Bilder, die eine bestimmte Konfidenzschwelle erreichen, werden zur manuellen Überprüfung weitergegeben. Die Studie betont, dass Menschen weiterhin für endgültige Entscheidungen verantwortlich sind, aber die KI die Zahl der Bilder, die geprüft werden müssen, dramatisch reduziert.
Die Arbeit rahmt die Technologie eher als Datenerhebungsmethode denn als direktes Durchsetzungsinstrument, was eine wichtige Unterscheidung ist. Naturalistische Beobachtung bedeutet, dass die Kameras Verhalten in realen Fahrbedingungen aufzeichnen, ohne dass der Fahrer notwendigerweise weiß, dass er beobachtet wird. Diese Methodik liefert ein genaueres Bild davon, wie häufig Verstöße tatsächlich vorkommen, verglichen mit Selbstberichtserhebungen, die riskantes Verhalten tendenziell unterschätzen. Sie bedeutet aber auch, dass Fahrer ohne Einwilligung in ihren Fahrzeugen fotografiert werden, ein Punkt, den Datenschutzbefürworter in mehreren Staaten als problematisch hervorgehoben haben, selbst wenn die Bilder nur für Forschungszwecke verwendet werden.
Forscher argumentieren, dass die Sicherheitsvorteile substantiell sein könnten, wenn die Daten genutzt werden, um Durchsetzungs‑ und Bildungsmaßnahmen auf hochriskante Korridore, Tageszeiten oder Fahrgruppen zuzuschneiden. Doch dieselben granularen Daten könnten auch für Sekundärnutzungen verlockend sein, von zivilrechtlichen Auseinandersetzungen bis zur Überwachung am Arbeitsplatz durch Transportunternehmen. Das Papier merkt an, dass Governance‑ und Politikentscheidungen — nicht technische Beschränkungen — letztlich bestimmen werden, wie aufdringlich diese Systeme werden.
Minnesota unterstützt KI mit staatlichen Datenzuschüssen
Der lokale Einsatz am Highway 7 steht nicht isoliert. Das Minnesota Department of Public Safety hat separat einen Zuschuss finanziert, der dem Office of Traffic Safety erlaubt, Daten zum abgelenkten Fahren tiefergehend zu analysieren. Der Zuschuss unterstützt Mess‑ und Durchsetzungsstrategien, einschließlich Dateninitiativen, die Informationen an lokale Behörden und Sicherheitspartner im ganzen Bundesstaat liefern.
Diese zweistufige Struktur, bei der eine staatliche Behörde das analytische Rückgrat finanziert, während lokale Abteilungen die Kameras betreiben, deutet darauf hin, dass Minnesota auf eine breitere Einführung hinarbeitet, statt Highway 7 als isoliertes Experiment zu behandeln. Wenn das Office of Traffic Safety nachweisen kann, dass KI‑markierte Daten mit messbaren Unfallreduzierungen im Korridor korrelieren, wird die politische Argumentation für eine Ausweitung der Technologie auf andere Hochrisikostraßen deutlich stärker. Ohne diese Ergebnisdaten läuft das Programm jedoch Gefahr, wie eine teure Überwachungsübung ohne nachgewiesenen Sicherheitsgewinn zu wirken.
Die Zuschussformulierung deutet auch auf eine Rückkopplungsschleife hin: Wenn KI‑Systeme detailliertere Informationen darüber liefern, wann und wo abgelenktes Fahren auftritt, können staatliche Analysten Durchsetzungsmaßnahmen verfeinern, was wiederum zusätzliche Technologieeinsätze rechtfertigen könnte. Diese Dynamik könnte die Verbreitung beschleunigen, erhöht aber auch die Bedeutung, Datenschutz‑ und Transparenzfragen von Anfang an richtig zu regeln.
Connecticut öffnet die Tür zur automatisierten Durchsetzung
Connecticut ist einen anderen Weg gegangen. Das Verkehrsministerium des Staates veröffentlichte formale Leitlinien für Kommunen zur automatisierten Verkehrsüberwachung, gestützt auf die Autorität von Public Act 23‑116, und skizzierte, wie Kommunalverwaltungen sich für den Einsatz kamerabasierter Systeme entscheiden können. Die Leitlinien konzentrieren sich auf die Implementierung von Rotlicht‑ und Geschwindigkeitskameras in ausgewiesenen Sicherheitszonen mit Anforderungen an Beschilderung, öffentliche Benachrichtigung und Datenhandhabung.
Interessierte Kommunen müssen sich über das staatliche Beschaffungsportal bewerben, wo Projekte auf die Einhaltung gesetzlicher Vorgaben und technischer Standards geprüft werden. Connecticuts Rahmenwerk geht derzeit noch nicht auf die Erkennung von Handynutzung oder Sicherheitsgurten ein, was bedeutet, dass der Staat Georgia und Minnesota bei der KI‑gestützten Verhaltensüberwachung mehrere Schritte hinterherhinkt. Dennoch macht es die Tatsache, dass Connecticut eine landesweite rechtliche Infrastruktur für automatisierte Durchsetzung geschaffen hat, leichter, später neue Fähigkeiten hinzuzufügen, einschließlich KI‑basierter Erkennung abgelenkten Fahrens, falls die Gesetzgeber entscheiden, dass die Vorteile die Risiken überwiegen.
Vorerst kann Connecticuts Erfahrung als Testfall dienen, wie weit die Bevölkerung bereit ist, kamerabasierte Überwachung im Austausch für versprochene Sicherheitsgewinne zu akzeptieren. Die Regeln des Staates verlangen, dass Einnahmen aus Bußgeldern in die Verkehrssicherheit fließen, ein Versuch, Kritik zu dämpfen, dass automatisierte Systeme in erster Linie Geld einbringen sollen. Ob diese Zusicherung Skeptiker zufriedenstellt, bleibt abzuwarten, insbesondere wenn zukünftige Erweiterungen von der Messung von Geschwindigkeit und Rotlicht‑Verstößen auf die Überwachung des Verhaltens im Fahrzeuginneren übergehen.
Balance zwischen Sicherheit, Datenschutz und öffentlichem Vertrauen
Zusammen genommen zeigen die drei Bundesstaaten ein Spektrum von Ansätzen zur KI‑Verkehrsdurchsetzung. Georgia nutzt KI, um einen spezifischen Sektor (gewerbliche Lkw) im Rahmen föderaler Sicherheitsvorgaben ins Visier zu nehmen. Minnesota legt lokale Pilotprojekte über eine staatliche Datenstrategie, die langfristig eine breitere Einführung unterstützen könnte. Connecticut baut zunächst das rechtliche Gerüst für automatisierte Durchsetzung auf, mit der Option, später fortschrittlichere KI‑Werkzeuge zu übernehmen.
Die zentralen Fragen betreffen weniger, ob die Technologie im engen technischen Sinn funktioniert, und mehr Aspekte wie Genauigkeit, Datenschutz und das öffentliche Vertrauen sowie die Frage, ob die Systeme tatsächlich das Fahrverhalten ändern oder hauptsächlich zur Ausstellung von Verwarnungen und Bußgeldern führen.
