Mehrere US-Bundesstaaten setzen jetzt KI-Kameras entlang von Autobahnen und \u00f6rtlichen Stra\u00dfen 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 Abh\u00e4ngigkeit von KI-gest\u00fctzter Bildgebung, um abgelenktes und unsicheres Fahrverhalten zu bek\u00e4mpfen, 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 tats\u00e4chlich \u00e4ndert oder lediglich Strafzettel erzeugt.<\/p>\n
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 f\u00f6deralen High-Priority-Zuschuss, der im Jahresbericht 2024<\/a> 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 f\u00fcr Nutzfahrzeuge, nicht f\u00fcr Pkw, und die Bilder dienen als Grundlage f\u00fcr Durchsetzungsma\u00dfnahmen durch Staatspolizisten statt f\u00fcr automatisierte Strafbescheide.<\/p>\n Diese Unterscheidung ist wichtig. Im Gegensatz zu Rotlicht- oder Geschwindigkeitskameras, die Strafzettel an Fahrzeughalter versenden, beh\u00e4lt Georgias Ansatz einen menschlichen Beamten in der Durchsetzungskette. Die KI identifiziert potenzielle Verst\u00f6\u00dfe, doch ein geschulter Pr\u00fcfer entscheidet, ob das Bild eine Ma\u00dfnahme rechtfertigt. Dieses Design umgeht einige der rechtlichen und politischen Widerst\u00e4nde, denen vollst\u00e4ndig automatisierte Verkehrs\u00fcberwachung in anderen Staaten ausgesetzt war, schr\u00e4nkt aber gleichzeitig ein, wie viele Verst\u00f6\u00dfe das System in gro\u00dfem Ma\u00dfstab verarbeiten kann.<\/p>\n Georgias Beh\u00f6rden haben die Technologie vor allem als Sicherheitsinstrument f\u00fcr gewerbliche Fahrzeuge dargestellt, im Einklang mit f\u00f6deralen Priorit\u00e4ten zur Reduzierung schwerer Unf\u00e4lle mit gro\u00dfen Lkw. Indem der Fokus auf Berufskraftfahrer gelegt wird, kann der Staat argumentieren, dass Fahrer, die den ganzen Tag unterwegs sind, h\u00f6heren Standards unterliegen sollten und dass gezielte \u00dcberwachung durch das potenzielle Gef\u00e4hrdungspotenzial eines abgelenkten Lkw-Fahrers gerechtfertigt ist. Dennoch k\u00f6nnen die gleichen Kameras, die Handynutzung erfassen, auch andere Details in Fahrerkabinen sichtbar machen \u2013 von Mitfahrern bis zu pers\u00f6nlichen Gegenst\u00e4nden \u2013 was verdeutlicht, warum B\u00fcrgerrechtsgruppen wahrscheinlich klare L\u00f6schfristen und Zugriffsregelungen fordern werden.<\/p>\n Ein Vorortkorridor von Minneapolis ist zu einem der aktivsten Testfelder f\u00fcr dieselbe Technologie geworden. Das South Lake Minnetonka Police Department f\u00fchrte das Acusensus Heads\u2011Up\u2011AI\u2011Durchsetzungssystem am 10. Februar 2025 als Teil der Bem\u00fchungen der Highway 7 Road Safety Coalition zur Eind\u00e4mmung von Unf\u00e4llen ein. Laut einem Bericht der Koalition, der von der Stadt Shorewood ver\u00f6ffentlicht wurde, markierte das System mehr als 10.000 m\u00f6gliche Verst\u00f6\u00dfe<\/a> im ersten Monat \u2013 ein Volumen, das f\u00fcr Streifenbeamte allein durch traditionelle Beobachtung physisch unm\u00f6glich w\u00e4re.<\/p>\n Die Koalition, zu der die Stadt Shorewood und benachbarte Beh\u00f6rden geh\u00f6ren, beschreibt die KI\u2011Kamera als ein Instrument, das riskantes Verhalten erkennt<\/a>, einschlie\u00dflich 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 f\u00fchrt 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 verf\u00fcgbaren Dokumenten \u00f6ffentlich beantwortet haben: Wie viele dieser 10.000 Markierungen f\u00fchrten tats\u00e4chlich zu Verkehrskontrollen und wie viele waren Fehlalarme?<\/p>\n Diese L\u00fccke in der \u00f6ffentlichen Berichterstattung ist bedeutsam. Ein System, das Tausende von Alarmen erzeugt, aber nur in relativ wenigen F\u00e4llen zu best\u00e4tigten Verst\u00f6\u00dfen f\u00fchrt, k\u00f6nnte die Beamten mit Rauschen \u00fcberfluten, w\u00e4hrend ein System, das Markierungen zu Kontrollstopps mit hoher Quote macht, Fragen aufwerfen k\u00f6nnte, 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.<\/p>\n F\u00fcr die Verkehrsteilnehmer entlang des Highway 7 entwickelt sich die praktische Erfahrung ebenfalls weiter. In den fr\u00fchen Phasen des Pilotprogramms wurden eher Verwarnungen und Aufkl\u00e4rung betont als sofortige Bu\u00dfgelder; lokale Beh\u00f6rden betonen, dass das Ziel Verhaltens\u00e4nderung und nicht nur die Ausstellung von Strafzetteln sei. Wenn sich das Programm weiterentwickelt, werden Bewohner und B\u00fcrgerrechtsbef\u00fcrworter wahrscheinlich regelm\u00e4\u00dfige \u00f6ffentliche Berichte einfordern, die aufschl\u00fcsseln, wie viele Alarme zu Kontrollen f\u00fchrten, welcher Anteil in Bu\u00dfgelder m\u00fcndete und ob bestimmte Gruppen oder Fahrzeugtypen unverh\u00e4ltnism\u00e4\u00dfig stark ins Visier genommen werden.<\/p>\n Eine im Fachjournal Traffic Injury Prevention ver\u00f6ffentlichte Studie bietet den detailliertesten unabh\u00e4ngigen Blick auf den technischen Ansatz des Acusensus\u2011Systems. Das peer\u2011reviewte Papier erkl\u00e4rt, wie die \u201eHeads\u2011Up Solutions\u201c\u2011KI des Unternehmens naturalistische Beobachtungen<\/a> des Fahrverhaltens von Fahrern gewerblicher Kraftfahrzeuge durchf\u00fchrt. Das System st\u00fctzt sich auf visuelle Hinweise, insbesondere darauf, ob ein Fahrer scheinbar ein Telefon in der Hand h\u00e4lt und ob ein Sicherheitsgurt quer \u00fcber den Oberk\u00f6rper sichtbar ist.<\/p>\n Das Forscherteam beschreibt eine Pipeline, in der hochaufl\u00f6sende Stra\u00dfenrandkameras 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 \u00dcberpr\u00fcfung weitergegeben. Die Studie betont, dass Menschen weiterhin f\u00fcr endg\u00fcltige Entscheidungen verantwortlich sind, aber die KI die Zahl der Bilder, die gepr\u00fcft werden m\u00fcssen, dramatisch reduziert.<\/p>\n Die Arbeit rahmt die Technologie eher als Daten\u00aderhebungsmethode 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 wei\u00df, dass er beobachtet wird. Diese Methodik liefert ein genaueres Bild davon, wie h\u00e4ufig Verst\u00f6\u00dfe tats\u00e4chlich vorkommen, verglichen mit Selbstberichtserhebungen, die riskantes Verhalten tendenziell untersch\u00e4tzen. Sie bedeutet aber auch, dass Fahrer ohne Einwilligung in ihren Fahrzeugen fotografiert werden, ein Punkt, den Datenschutzbef\u00fcrworter in mehreren Staaten als problematisch hervorgehoben haben, selbst wenn die Bilder nur f\u00fcr Forschungszwecke verwendet werden.<\/p>\n Forscher argumentieren, dass die Sicherheitsvorteile substantiell sein k\u00f6nnten, wenn die Daten genutzt werden, um Durchsetzungs\u2011 und Bildungsma\u00dfnahmen auf hochriskante Korridore, Tageszeiten oder Fahrgruppen zuzuschneiden. Doch dieselben granularen Daten k\u00f6nnten auch f\u00fcr Sekund\u00e4rnutzungen verlockend sein, von zivilrechtlichen Auseinandersetzungen bis zur \u00dcberwachung am Arbeitsplatz durch Transportunternehmen. Das Papier merkt an, dass Governance\u2011 und Politikentscheidungen \u2014 nicht technische Beschr\u00e4nkungen \u2014 letztlich bestimmen werden, wie aufdringlich diese Systeme werden.<\/p>\n Der lokale Einsatz am Highway 7 steht nicht isoliert. Das Minnesota Department of Public Safety<\/a> hat separat einen Zuschuss finanziert, der dem Office of Traffic Safety erlaubt, Daten zum abgelenkten Fahren tiefergehend zu analysieren. Der Zuschuss unterst\u00fctzt Mess\u2011 und Durchsetzungsstrategien, einschlie\u00dflich Dateninitiativen, die Informationen an lokale Beh\u00f6rden und Sicherheitspartner im ganzen Bundesstaat liefern.<\/p>\n Diese zweistufige Struktur, bei der eine staatliche Beh\u00f6rde das analytische R\u00fcckgrat finanziert, w\u00e4hrend lokale Abteilungen die Kameras betreiben, deutet darauf hin, dass Minnesota auf eine breitere Einf\u00fchrung hinarbeitet, statt Highway 7 als isoliertes Experiment zu behandeln. Wenn das Office of Traffic Safety nachweisen kann, dass KI\u2011markierte Daten mit messbaren Unfallreduzierungen im Korridor korrelieren, wird die politische Argumentation f\u00fcr eine Ausweitung der Technologie auf andere Hochrisikostra\u00dfen deutlich st\u00e4rker. Ohne diese Ergebnisdaten l\u00e4uft das Programm jedoch Gefahr, wie eine teure \u00dcberwachungs\u00fcbung ohne nachgewiesenen Sicherheitsgewinn zu wirken.<\/p>\n Die Zuschussformulierung deutet auch auf eine R\u00fcckkopplungsschleife hin: Wenn KI\u2011Systeme detailliertere Informationen dar\u00fcber liefern, wann und wo abgelenktes Fahren auftritt, k\u00f6nnen staatliche Analysten Durchsetzungsma\u00dfnahmen verfeinern, was wiederum zus\u00e4tzliche Technologieeins\u00e4tze rechtfertigen k\u00f6nnte. Diese Dynamik k\u00f6nnte die Verbreitung beschleunigen, erh\u00f6ht aber auch die Bedeutung, Datenschutz\u2011 und Transparenzfragen von Anfang an richtig zu regeln.<\/p>\n Connecticut ist einen anderen Weg gegangen. Das Verkehrsministerium des Staates ver\u00f6ffentlichte formale Leitlinien f\u00fcr Kommunen zur automatisierten Verkehrs\u00fcberwachung, gest\u00fctzt auf die Autorit\u00e4t von Public Act 23\u2011116, und skizzierte, wie Kommunalverwaltungen sich f\u00fcr den Einsatz kamerabasierter Systeme entscheiden k\u00f6nnen. Die Leitlinien konzentrieren sich auf die Implementierung von Rotlicht\u2011 und Geschwindigkeitskameras<\/a> in ausgewiesenen Sicherheitszonen mit Anforderungen an Beschilderung, \u00f6ffentliche Benachrichtigung und Datenhandhabung.<\/p>\nMinnesotas Highway\u20117\u2011Pilotprojekt meldete Tausende von Verst\u00f6\u00dfen<\/h2>\n
Peer\u2011Review\u2011Studie beschreibt, wie die Technologie funktioniert<\/h2>\n
Minnesota unterst\u00fctzt KI mit staatlichen Datenzusch\u00fcssen<\/h2>\n
Connecticut \u00f6ffnet die T\u00fcr zur automatisierten Durchsetzung<\/h2>\n