AB Archiv des Badewesens April 2022
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
248 | BÄDERBETRIEB | Ertrinkenden-Erkennungssysteme<br />
<strong>AB</strong> 04/<strong>2022</strong><br />
Das „Testteam“ in Lippstadt (von links):<br />
Omer Bar-Ilan, Stefan Schneider, Michael Weilandt,<br />
Florian Grojer, Prof. Dr. Christian Kuhn; Foto: Tobias Göbel<br />
An 96 Positionen in den untersuchten<br />
Becken wurden im Non-Live-Test<br />
innerhalb von 15 Sekunden 41 %, innerhalb<br />
von 30 Sekunden 81 % Erkennungen<br />
registriert. In den Ecken<br />
sank die Erkennungsrate innerhalb<br />
von 30 Sekunden auf 52 %. Die Alarmierungszeit<br />
war ein großer Streitpunkt<br />
in der Normungsarbeit, und<br />
in der DGfdB R 94.15 sind aus gutem<br />
Grund 30 Sekunden festgelegt. Dies<br />
wird durch die Ergebnisse zunächst<br />
bestätigt.<br />
Auch den Machern dieser Studie<br />
waren die Vorgaben der ISO 20380<br />
nicht weitgehend genug, sie versuchten<br />
diese Testverfahren daher<br />
zu verbessern, in Richtung der<br />
deutschen Richtlinie. Es wurde mit<br />
Dummies, etwa in der Größe eines<br />
Kin<strong>des</strong>, gearbeitet, mit dunklem<br />
und hellem Hautton sowie jeweils<br />
mit einer dunklen oder hellen Badehose.<br />
Auch diese Tests wurden als<br />
Non-Live-Tests an 192 Positionen<br />
durchgeführt. Die Erkennungsraten<br />
lagen hier im Schnitt bei 69,5 %<br />
(15 Sekunden) und bei 85 % (30 Sekunden),<br />
wobei der dunkle Hauttyp<br />
mit der dunklen Badehose und<br />
der helle Hauttyp mit der hellen<br />
Badehose die besten Ergebnisse<br />
erzielten.<br />
Abschließend wurden die Tests als<br />
Live Tests an 92 Positionen durchgeführt,<br />
also mit aktiven Schwimmer:innen<br />
im Becken. Hier liegen die<br />
Erkennungsraten nun bei 33 % (15<br />
Sekunden) und bei 66 % (30 Sekunden),<br />
wobei der dunkle Hauttyp mit<br />
der dunklen Badehose mit 92 % das<br />
beste Ergebnis erzielte.<br />
Die Tests der AG Aufsicht wurden unter<br />
realen Betriebsbedingungen mit<br />
„echten“ Menschen durchgeführt.<br />
Die Ergebnisse lagen bei allen untersuchten<br />
Systemen im Schwimmerbereich<br />
bei etwa 80 %, in der Spitze<br />
bei gut 90 %, also etwas besser als<br />
in der britischen Untersuchung. Das<br />
sind gute Ergebnisse, aber für einen<br />
Ersatz der menschlichen Wasseraufsicht<br />
nicht genug. Die spannende<br />
Frage ist also, ob die Systeme in der<br />
Zwischenzeit verbessert wurden.<br />
Die technische Entwicklung<br />
geht weiter<br />
Mittlerweile sind gut vier Jahre vergangen<br />
und es hat natürlich technische<br />
Weiterentwicklungen gegeben.<br />
Es ist daher an der Zeit, erneut auf<br />
diese Systeme zu schauen. Die Arbeitsgruppe<br />
hatte die Systeme von<br />
SwimEye, Poseidon und AngelEye<br />
betrachtet, sie sind auch jetzt noch<br />
im Fokus.<br />
Künstliche Intelligenz oder Deep<br />
Learning?<br />
Die wesentliche Entwicklung ist, dass<br />
alle Hersteller für sich in Anspruch<br />
nehmen, in ihren Systemen mit<br />
Künstlicher Intelligenz zu arbeiten.<br />
Das ist immer noch ein sehr schwammiger<br />
Begriff, und es wird darauf ankommen,<br />
herauszufinden, was sich<br />
bei jedem System dahinter verbirgt.<br />
Wahrscheinlich sind die gewählten<br />
Lösungen besser mit dem Begriff<br />
„Deep Learning“ umschrieben, denn<br />
es geht darum, dass die Software mit<br />
einer Vielzahl von Bildern gefüttert<br />
wird und daraus Handlungen ableitet.<br />
Im Betrieb kommen nun weitere<br />
Bilder hinzu und die Software kann<br />
sich eigenständig verbessern. Fast<br />
alle Hersteller nutzen eine Kombination<br />
von Überwasser- und Unterwasserkameras<br />
und geben an, die<br />
Bewegungen der Schwimmer:innen<br />
bereits an der Oberfläche analysieren<br />
zu können. Der Schwerpunkt der<br />
Erkennung liegt aber bei den herkömmlichen<br />
Systemen immer noch<br />
in der Unterwassersituation, wenn<br />
ein ertrinkender Mensch auf dem<br />
Beckenboden angekommen ist.<br />
Aus dem Campusbad Sursee in der<br />
Schweiz erreichten uns Testberichte<br />
mit dem System <strong>des</strong> Herstellers<br />
SwimEye, in denen Erkennungsraten<br />
zwischen 95 und 99 % erreicht<br />
werden. Diese Tests wurden<br />
mit menschlichen „Prüfkörpern“ und<br />
unter den Rahmenbedingungen der<br />
Anforderungen der DGfdB R 94.15<br />
durchgeführt. Dieses Beispiel zeigt,<br />
dass erstklassige Erkennungsraten<br />
möglich sind, und diese Systeme<br />
einer verbreiteten Verwendung mit<br />
Einsparpotenzialen im Personaleinsatz<br />
deutlich näher kommen.