Von Dr. Steffen Heinrich, Co-Founder und CEO, Peregrine.ai · Zuletzt aktualisiert: 23. Oktober 2026
Fehlalarme in der Videotelematik lassen sich reduzieren, wenn Telematikanbieter Beschleunigungs-Trigger um visuellen Kontext ergänzen. Peregrine.ai, ein Edge-AI-Unternehmen für Mobilität aus Berlin, liefert dafür Perception-Software, die direkt auf der Kamera läuft. In ausgewählten Einsätzen traten damit mehr als 90 % weniger Fehlalarme auf.
Das Wichtigste in Kürze
- Die meisten Fehlalarme entstehen, weil ein Beschleunigungssensor einen Ruck misst und die Ursache dafür nicht sieht.
- Eine geringere Empfindlichkeit senkt die Zahl der Alarme und blendet dabei auch echte Ereignisse aus.
- Peregrine Vision von Peregrine.ai bewertet die Szene direkt auf der Kamera. Mehr als 90 % weniger Fehlalarme, in ausgewählten Einsätzen.
Warum entstehen Fehlalarme in der Videotelematik?
Die häufigste Ursache ist ein Trigger, der nur Bewegung misst. Ein Beschleunigungssensor (IMU) erkennt einen Ruck, sieht aber nicht, was ihn ausgelöst hat. Ein Schlagloch kann für den Sensor wie ein Beinahe-Unfall aussehen, und Fahrer:innen werden dann für einen Straßenzustand bewertet, auf den sie keinen Einfluss hatten (Peregrine.ai, Juni 2026).
Aus der Arbeit von Peregrine.ai mit Kameras im Fahrzeug kennen wir drei typische Ursachen:
| Ursache | Beispiel | Folge |
|---|---|---|
| Beschleunigungs-Trigger ohne Kontext | Ein Schlagloch löst ein Ereignis aus | Fahrer:innen werden für den Straßenzustand bewertet |
| Ein Schwellenwert für alle Strecken | Bodenwellen, Bordsteinkanten und Baustellen erzeugen ähnliche Ausschläge wie ein abruptes Bremsmanöver | Viele Clips ohne Risiko landen in der Prüfung |
| Montage der Kamera | Geneigte Halterung oder verdecktes Sichtfeld | Abstände und Objekte werden falsch eingeschätzt |

Hilft es, die Empfindlichkeit der Kamera zu senken?
Nur begrenzt. Eine geringere Empfindlichkeit senkt die Zahl der Alarme, blendet aber auch echte Ereignisse mit schwachem Ausschlag aus, zum Beispiel einen Beinahe-Unfall, bei dem kaum gebremst wurde.
Eine höhere Empfindlichkeit erfasst mehr Situationen und vergrößert den Prüfaufwand bei Telematikanbietern und Flotten. Peregrine.ai setzt deshalb früher an: Die Kamera bewertet die Szene, bevor ein Ereignis die Plattform erreicht.
Welche fünf Schritte helfen Telematikanbietern sofort?
Mit fünf Schritten senken Telematikanbieter (Telematics Service Provider, TSP) Fehlalarme gezielt. Sie folgen aus der Arbeit von Peregrine.ai mit Perception-Software auf Kameras im Feld.
- 1. Fehlalarme nach Ursache sortieren. Prüfen Sie eine Stichprobe von Ereignissen und halten Sie fest, was den Alarm ausgelöst hat: Straßenzustand, Montage der Kamera oder tatsächliches Fahrverhalten. So sehen Sie, welche Maßnahme am meisten bewirkt.
- 2. Montage bei jeder Installation prüfen. Höhe, Neigung und ein freies Sichtfeld bestimmen, wie gut die Kamera Abstände und Objekte erkennt. Eine kurze Kontrolle nach dem Einbau verhindert Fehler, die sonst monatelang im Feld bleiben.
- 3. Ereignisse mit Bildkontext einordnen. Ergänzen Sie den Beschleunigungs-Trigger um eine Auswertung der Szene: Abstand zum Fahrzeug voraus, beteiligte Verkehrsteilnehmer:innen, Wetter und Straßenzustand. Peregrine Vision liefert dafür klassifizierte und bewertete Risikoereignisse direkt von der Kamera.
- 4. Nach Risiko priorisieren. Sortieren Sie die Prüfung nach dem Risikowert eines Ereignisses. Zu dichtes Auffahren mit kurzer Time-to-Collision (TTC, die Sekunden bis zwei Verkehrsteilnehmer bei aktueller Geschwindigkeit zusammenstießen) erreicht Ihre Kund:innen dann vor harmlosen Ereignissen.
- 5. Modelle im Feld aktuell halten. Straßen, Fahrzeuge und Kamerapositionen ändern sich. Sammeln Sie neue Grenzfälle aus der Flotte und spielen Sie verbesserte Modelle per Over-the-Air-Update auf die Geräte, die bereits im Einsatz sind.
Wie hilft visueller Kontext direkt auf der Kamera?
Peregrine Vision läuft als Software auf der vorhandenen Kamera und liest die Szene in Echtzeit. Aus Objekten, Abstand, Wetter und Straßenzustand entsteht ein klassifiziertes und bewertetes Risikoereignis. Die Szene zeigt, ob hinter einem Ruck ein Schlagloch oder ein zu geringer Abstand steckt.

Peregrine Vision erkennt auf der Straße zu dichtes Auffahren mit TTC, ungeschützte Verkehrsteilnehmer:innen, Rotlichtverstöße, Geschwindigkeitsüberschreitungen, Szenenkomplexität sowie Wetter und Straßenzustand. Die Fahrer:innen-Evaluation von Peregrine.ai berücksichtigt die Straßenbedingungen und erkennt gutes Fahren unter schwierigen Bedingungen.
Mehr als 90 % weniger Fehlalarme, in ausgewählten Einsätzen. Der Wert hängt von Kameraposition, Streckenprofil und Konfiguration ab.
Warum zählt der Ort der Verarbeitung?
Peregrine.ai verarbeitet Bilder direkt auf der Kamera. Das schafft Tempo und spart Datenvolumen. Weniger als 85 ms vom Kamerabild zur Aktion, direkt auf dem Gerät. 99 % der visuellen Daten werden direkt auf dem Gerät herausgefiltert.
| Datenmenge | Wert |
|---|---|
| Rohvideo pro Kamera | Rund 1,5 GB pro Stunde |
| Ereignis, das Peregrine.ai sendet | Rund 0,023 GB |
| Bandbreite im Vergleich zum Streaming von Videos | 95 % weniger, in ausgewählten Einsätzen |
Weniger als 1 % der Bilder verlassen das Fahrzeug. In den Stufen Edge + API und Turnkey entfernt Peregrine.ai Gesichter und Kennzeichen vor dem Speichern, auf EU-Servern.
Wie startet ein Telematikanbieter mit Peregrine Vision?
Peregrine.ai liefert die Software per SDK oder API für die Kamerahardware, die Sie bereits verkaufen. Ereignisse erscheinen in Ihrer Plattform unter Ihrer Marke, und die offene API verbindet jedes Flottenmanagementsystem (FMS). Für ein unterstütztes Gerät mit bestehender Pipeline dauert die Integration typischerweise einige Wochen. Die Dauer hängt von Plattform und Integrationsreife ab.
Unterstützte Geräte finden Sie unter Hardwarekompatibilität, die technische Referenz in der API-Dokumentation. Den Überblick über Videotelematik mit Peregrine Vision bietet die Seite Transportation.
Peregrine Vision auf Ihrer Plattform
Peregrine Vision ist Perception-Software für Telematikanbieter und Kamerahersteller. Sie läuft auf der Hardware, die Partner bereits ausliefern, und wird per SDK oder API integriert.
- Mehr als 90 % weniger Fehlalarme, in ausgewählten Einsätzen
- Weniger als 85 ms vom Kamerabild zur Aktion, direkt auf dem Gerät
- 95 % weniger Bandbreite als beim Streaming von Videos, in ausgewählten Einsätzen
Häufige Fragen
Hilft es, die Empfindlichkeit der Dashcam zu senken?
Nur begrenzt. Eine geringere Empfindlichkeit senkt die Zahl der Alarme, blendet aber auch echte Ereignisse mit schwachem Ausschlag aus. Peregrine.ai ergänzt deshalb Kontext direkt auf der Kamera, damit weniger harmlose Ereignisse die Prüfung erreichen.
Wie unterscheidet die Software einen Schlag durch ein Schlagloch von einem Beinahe-Unfall?
Peregrine Vision liest die Szene vor der Kamera in Echtzeit, zum Beispiel Abstand zum Vordermann, Wetter und Straßenzustand. Dadurch lässt sich einordnen, ob hinter einem Ruck ein Schlagloch oder eine riskante Situation steckt.
Bleibt das Coaching für Fahrer:innen fair?
Die Fahrer:innen-Evaluation von Peregrine Vision berücksichtigt die Straßenbedingungen und erkennt gutes Fahren unter schwierigen Bedingungen. Gesichter und Kennzeichen werden in den Stufen Edge + API und Turnkey vor dem Speichern automatisch entfernt.
Funktioniert die Erkennung ohne Mobilfunkverbindung?
Ja. Erkennung, Bewertung und Signale im Fahrzeug laufen direkt auf dem Gerät. Ereignisse werden zwischengespeichert und synchronisiert, sobald wieder Empfang besteht.
Welche Hardware unterstützt Peregrine Vision?
Peregrine Vision läuft auf vernetzten Dashcams, Android-Automotive-Geräten und Smartphones. Die MiTAC K265 ist die empfohlene Multi-Kamera-Lösung, außerdem sind MiTAC K220 und Peregrine One verfügbar. Weitere Geräte sind nach einer Hardwareprüfung möglich.
Weiterlesen: Why your video telematics strategy is trapped by G-force · Peregrine Vision
Quellen
Peregrine.ai (Juni 2026), Moving beyond the pilot: Why your video telematics strategy is trapped by G-force. peregrine.ai
Peregrine.ai, Transportation (Peregrine Vision). peregrine.ai



