Zurück zum Blog

REBOTNIX entwickelt smarte Stadtkameras mit agentischen Reasoning-Fähigkeiten für schnellere Entscheidungen auf Stadtebene mit NVIDIA.

Wie REBOTNIX mit bis zu sieben parallelen Vision-Transformer-Modellen, AGI-Orchestratoren und NVIDIA Jetson Thor kommunale Infrastruktur automatisch erkennt, bewertet und in operative Prozesse überführt.

NVIDIA Jetson Thor · NemoClaw · Nemotron FP4
REBOTNIX Smart City Übersicht

Seit 2019 entwickelt REBOTNIX Smart-City-Anwendungen, die Städten helfen, sauberer, sicherer und effizienter zu werden. Die zentrale Herausforderung liegt in der enormen Menge visueller Daten. Städte in Nordrhein-Westfalen können je nach Anwendungsfall bis zu 400 Millionen Bilder erzeugen, die gespeichert, verstanden, ausgewertet und in operative Prozesse übersetzt werden müssen.

Eine klassische Cloud-Architektur wäre zu teuer, zu langsam und schwer skalierbar. REBOTNIX verarbeitet die Daten deshalb direkt im Fahrzeug.

Sieben Modelle, ein Fahrzeug

Bis zu sieben hochoptimierte Vision-Transformer-Modelle laufen parallel und erkennen relevante Zustände im öffentlichen Raum. Diese Modelle identifizieren illegale Müllablagerungen, beschädigte oder verdeckte Verkehrszeichen, Baustellenzustände, Straßenschäden und andere sicherheitsrelevante Ereignisse.

Der entscheidende Vorteil: Die Stadt muss nicht mehr mit Rohbildern arbeiten, sondern erhält bereits erkannte Ereignisse mit Kontext, Priorität und operativer Relevanz.

Erkannter Verkehrszeichen-Zustand
Automatische Erkennung von Verkehrszeichen-Zuständen im Stadtbetrieb

KINEVA Context Compression

Für eine effiziente Datenübertragung setzt REBOTNIX auf KINEVA Context Compression. Die Technologie reduziert Bilddaten gezielt und erhält dabei die relevanten Bildbereiche, die für KI-Auswertung und Dokumentation benötigt werden. Nur das Relevante wird übertragen.

AGI-Orchestratoren als operative Schicht

Im nächsten Schritt werden die erkannten Ereignisse von AGI-Orchestratoren verarbeitet. Diese verbinden die Ergebnisse der Vision-Transformer-Modelle mit Kontext, Prioritäten, Zuständigkeiten und operativen Workflows. Eine einzelne Erkennung wird so zu einem steuerbaren Prozess.

Baustellen-Erkennung im Einsatz
Automatische Baustellenerkennung mit Kontextinformationen und Prioritätsbewertung

Ausgerichtet auf NVIDIA Jetson Thor

Die REBOTNIX-AGI-Architektur ist auf NVIDIA Jetson Thor ausgerichtet, einer Plattform für Physical AI, Edge AI und industrielle Echtzeit-Anwendungen. Jetson Thor ist für hochleistungsfähige KI-Verarbeitung am Edge konzipiert: Robotik, autonome Systeme, Sensorverarbeitung und Echtzeit-Entscheidungsfindung. NVIDIA beschreibt die Vision für agentische KI in der physischen Welt auf ihrem Blog.

REBOTNIX nutzt NVIDIA NemoClaw als Software-Stack für autonome Agenten und NVIDIA Nemotron als KI-Modell. Nemotron wird von REBOTNIX in regelmäßigen Abständen auf FP4 fine-tuned, um Entscheidungsfindung, Priorisierung und Prozessorchestrierung kontinuierlich zu verbessern.

Vision Transformer und AGI für die selbstoptimierende Stadt mit NVIDIA

Das Ergebnis ist eine selbstoptimierende Plattform für die Stadt von morgen. Vision Transformer erkennen, was im öffentlichen Raum geschieht. AGI-Orchestratoren entscheiden, was als Nächstes passieren soll. NVIDIA-Technologie liefert die Rechenleistung und den Software-Stack, um diese Intelligenz in Fahrzeugen und im kommunalen Betrieb nutzbar zu machen.

Vorteile für Entscheidungsträger

Für Stadtverwaltungen, kommunale Betreiber und Infrastrukturverantwortliche schafft die Plattform direkten operativen Mehrwert.

Geringere Übertragungskosten Relevante Ereignisse werden bereits im Fahrzeug vorverarbeitet. Bandbreiten- und Cloud-Kosten sinken, der Aufwand für manuelle Sichtung entfällt.
Schnellere Reaktionsfähigkeit Müllablagerungen, beschädigte Verkehrszeichen oder sicherheitsrelevante Ereignisse werden automatisch erkannt, priorisiert und in Workflows geleitet.
Kontinuierliches Lagebild Statt isolierter Datenpunkte erhält die Stadt ein aktualisiertes Lagebild mit priorisierten Aufgaben für Ressourcen- und Dienstleistersteuerung.
Lineare Skalierung ohne lineare Kosten Mit NVIDIA Jetson Orin NX, Vision-Transformer-Verarbeitung am Edge und AGI-Orchestrierung wächst die Kapazität, ohne dass Infrastrukturkosten proportional steigen.

Städte erhalten ein technologisches Fundament, um Smart-City-Anwendungen von Pilotprojekten in den Tagesbetrieb zu überführen.

GUSTAV MINI 2x GMSL

GUSTAV MINI 2x GMSL

Die Hardware hinter dieser Lösung

Zwei synchronisierte GMSL-Kameras, NVIDIA Jetson, ADAS-ready. Kompakt, robust, für den Dauerbetrieb im Fahrzeug entwickelt.