Vision & Perzeption

Bedarfssignatur

Was es ist & Reifegrad

Bilderkennung, Objektdetektion, Segmentierung, medizinische Bildanalyse, industrielle Qualitätsinspektion, Perzeption fürs autonome Fahren (AV, Autonomous Vehicle / autonomes Fahrzeug). Technisches Rückgrat sind über Jahre erprobte CNNs (Convolutional Neural Network, faltendes neuronales Netz für Bilddaten), zunehmend ergänzt durch Transformer- und Vision-Language-Modelle. Die Wahrnehmungs-Pipeline verarbeitet Bild-, Tiefen- und Bewegungsdaten typischerweise zu kompakten Embeddings (numerische Vektor-Repräsentationen eines Bildes/Objekts), auf denen Klassifikation, Tracking oder Ähnlichkeitssuche aufsetzen.

Reifegrad (Einschätzung): produktiv und etabliert — Computer Vision (CV) ist eine ältere KI-Welle, seit Jahren im breiten Produktivbetrieb. Die Leistungsfähigkeit steigt weiter (Foundation-Models, Vision-Language-Modelle), das Basisfeld ist aber kein Frontier-Bereich mehr. Profil und Hardware-Mechanik decken sich weitgehend mit der Schwesterseite Robotik & physische KI (Edge-Inferenz, Training/Simulation im DC).

Stand der Dinge / Dynamik

Beim nächsten Review hier aktualisieren — das ist der lebende Teil der Seite.

• Foundation-Model-Verschmelzung: Klassische Bilderkennungsmodelle verschmelzen mit Vision-Language-Modellen; verlagert sich Inferenz dadurch teilweise ins DC, könnte der DC-HBM/DRAM-Bedarf künftig steigen — heute ist der Effekt nicht belastbar. (Einschätzung, zu belegen.)
• Autonomes Fahren: AV-Fahrzeuge sind große Datenproduzenten — Kamera-, LiDAR- (Light Detection and Ranging, laserbasierte Abstandsmessung) und IMU-Ströme (Inertial Measurement Unit / Trägheitsmesseinheit, misst Beschleunigung und Drehrate) erzeugen mehrere TB pro Fahrstunde. Sensor-Logs werden zentral gespeichert und für Re-Training genutzt: ein Storage-Treiber mit langer Laufzeit (Größenordnungen siehe Diagramm unten).
• Edge-Beschleuniger: Leistungsfähigere NPUs/Edge-Chips ermöglichen komplexere Modelle am Gerät bei höherer Bildrate (FPS, Frames per Second / Bilder pro Sekunde), ohne DC-Inferenz-Bedarf zu erzeugen — das hält die Inferenz strukturell am Edge.
• Vektor-/Ähnlichkeitssuche: Wo Bild-Embeddings in großem Stil durchsucht werden (Bildsuche, Re-Identifikation in der Überwachung), kommen Vektor-Indizes wie HNSW (Hierarchical Navigable Small World, graphbasierter Näherungs-Suchindex) zum Einsatz — DRAM-relevant, aber als Sucheindex, nicht als Inferenz-Last. (Einschätzung, zu belegen.)

Aussagen ohne Diagramm-/Tabellenbeleg sind Einschätzungen/Sekundärinfos. Vor Verwendung in der These mit Primär-/belastbaren Quellen härten.

Treiber-Mechanik → Hardware

Warum Vision Storage treibt, aber kein nennenswerter DC-Speichertreiber ist:

Diagramme

Warum Vision ein Storage-Treiber ist, lässt sich am Sensordaten-Volumen autonomer Fahrzeuge ablesen: Die Rohdatenrate je Sensortyp und das resultierende Volumen je Fahrstunde landen — über Flotten und Jahre summiert — als NAND-Massenspeicher im Datacenter.

Rohdatenrate je Sensortyp im autonomen Fahrzeug

Zeitraum: Richtwerte (Lucid-Motors-Schätzung 2017, weiter zitiert) · Einheit: Mbit/s je Sensor (Roh-Sensorstrom vor Kompression, Balken zeigt Obergrenze der Spanne) · Legende: Datenrate je Sensor.

Quelle: Siemens Polarion (zitiert Stephan Heinrich, Lucid Motors), konsistent zu Tuxera. Geschätzt, Größenordnung. Balken zeigt die Obergrenze der genannten Spanne, der Wert die volle Spanne. Aussage: LiDAR ist die datenintensivste Modalität. Rohdaten: assets/data/vision-av-sensordatenrate.csv.

Sensordaten-Volumen je Fahrstunde — nach Autonomie-Stufe

Zeitraum: Richtwerte 2017–2026 · Einheit: TB pro Fahrstunde (Balken im Verhältnis) · Legende: TB/Stunde.

Quelle: Tuxera (~25 GB/h Connected Car; ~1,4–19 TB/h AV; bis ~5 TB/Tag gespeichert; 380–5 100 TB/Jahr) und AutoDriveAI/Medium (~4 TB/h ≈ 80 TB/Tag). Geschätzt, Größenordnungen aus verschiedenen Stufen/Annahmen — nicht punktgenau vergleichbar. Connected Car ist im Verhältnis kaum sichtbar, genau das ist die Aussage: der Sprung zu hoher Autonomie ist enorm. Rohdaten: assets/data/vision-av-datenvolumen.csv.

Kennzahlen

Quantitative Anker. Typ: reported = vom Anbieter genannt, geschätzt = Branchenrichtwert/Sekundärquelle, k. A. = noch nicht belegt.

Marktgröße variiert je Studienhaus stark (Statista nennt z. B. ein deutlich höheres Niveau); hier eine konservative Quelle, Größenordnung. Belegte Rohdaten liegen unter assets/data/vision-av-sensordatenrate.csv und assets/data/vision-av-datenvolumen.csv und sind mit dieser Tabelle synchron zu halten.

Edge vs. Datacenter

Klare Arbeitsteilung: Training im Datacenter, Inferenz am Edge. Das Rechenzentrum hält die Trainings-Datenseen (NAND) und betreibt die Trainingsflotten. Die eigentliche Erkennung zur Laufzeit — ob auf der Kamera, im Fahrzeug oder im Industrie-Gateway — findet auf dedizierten Edge-Chips (NPU/Embedded-Beschleuniger) statt. Kein nennenswerter DC-Inferenz-Bedarf, also keine laufende HBM/DRAM-Last im Rechenzentrum. Beschleuniger-Architektur und -Fertigung sind im Bereich Data Center bzw. Chip-Fertigung verortet.

Bedeutung für die Speicher-/Storage-These

Beobachten / offene Fragen

• Wachstum der Sensordaten-Mengen (AV, Industrie) und wie viel davon dauerhaft archiviert statt nach Vorfilterung verworfen wird — bestimmt das NAND-Storage-Volumen maßgeblich.
• Verschiebung zu Vision-Language-Modellen: falls Inferenz zunehmend im DC stattfindet, könnte DC-HBM/DRAM-Bedarf entstehen — bisher nicht belegt.
• Leistungsentwicklung bei NPUs/Edge-Beschleunigern (FPS, Modellgröße) — je leistungsfähiger, desto mehr Inferenz bleibt am Edge.
• Re-Training-Volumen und -Frequenz: treibt den Trainings-Compute- und Storage-Bedarf langfristig.
• On-Device-Kompression der Sensordaten (LiDAR-Punktwolken): wirksame Kompression dämpft das Storage-Volumen — gegenläufiger Effekt zur Flottengröße.

Quellen & Update-Log

Quellen mit klickbaren Links (Sekundärquellen, da kein einzelnes Unternehmen Gegenstand ist). Die AV-Sensordaten-Zahlen sind Branchenrichtwerte/Größenordnungen, keine punktgenauen Reported-Werte.

Update-Log