In New York City, thousands von Verkehrsüberwachungskameras sammeln rund um die Uhr riesige Mengen an Videoaufnahmen, doch die manuelle Analyse dieser Daten zur Verbesserung der Verkehrssicherheit ist für die meisten Verkehrsbehörden unpraktikabel. Forscher der NYU Tandon School of Engineering haben nun ein künstliches Intelligenz-System namens SeeUnsafe entwickelt, das Kollisionen und Beinaheunfälle automatisch in bestehenden Verkehrsfilmen erkennt, indem es Sprachverstehen und visuelle Analyse kombiniert. Die Methode nutzt multimodale große Sprachmodelle, die sowohl Bilder als auch Text verstehen können – eine seltene Anwendung in der Analyse von Langzeit-Verkehrsfilmen. Das Verfahren wurde in der Fachzeitschrift Accident Analysis & Prevention veröffentlicht und erhielt den Vision Zero Research Award von New York City, der Forschung mit praktischem Nutzen für die Verkehrssicherheit auszeichnet. Professor Kaan Ozbay, Leiter des C2SMART-Zentrums an der NYU Tandon, präsentierte die Studie auf der Research on the Road-Symposium. SeeUnsafe entstand durch eine interdisziplinäre Zusammenarbeit zwischen Experten für Computer Vision aus dem Center for Robotics and Embodied Intelligence und Verkehrssicherheitsforschern des C2SMART-Zentrums. Das System kann nicht nur Unfälle und Beinaheunfälle identifizieren, sondern auch die beteiligten Verkehrsteilnehmer (z. B. Fahrzeuge, Fußgänger) und die genauen Umstände (z. B. Wetter, Verkehrsdichte, Fahrmanöver) bestimmen. In Tests mit dem Toyota Woven Traffic Safety-Datensatz erreichte es eine Genauigkeit von 76,71 % bei der Klassifizierung von Videos und bis zu 87,5 % bei der Identifizierung der beteiligten Verkehrsteilnehmer. Im Gegensatz zu traditionellen Ansätzen, die erst nach Unfällen Maßnahmen ergreifen, ermöglicht SeeUnsafe eine proaktive Sicherheitsanalyse durch die Auswertung von Beinaheunfällen – wie zu enge Annäherungen zwischen Fahrzeugen und Fußgängern oder riskante Manöver an Kreuzungen. Dadurch können Behörden Gefahrenstellen frühzeitig erkennen und präventiv durch bessere Beschilderung, optimierte Ampelzeiten oder veränderte Straßenkonzepte ansprechen. Ein besonderer Vorteil ist die automatische Erstellung von „Verkehrssicherheitsberichten“ in natürlicher Sprache, die die Entscheidungen des Systems erklären – etwa durch Hinweise auf schlechtes Wetter, hohe Verkehrsdichte oder spezifische Bewegungsmuster. Obwohl das System noch anfällig für ungenaue Objektnachverfolgung und schlechte Lichtverhältnisse ist, stellt es einen bedeutenden Schritt dar, um Verkehrsdaten aus bestehenden Kamerasystemen effizienter zu nutzen. Die Forscher sehen auch Potenzial für die Anwendung in Fahrzeug-Dashcams, um Echtzeit-Risikobewertungen vom Fahrerperspektive zu ermöglichen. Die Arbeit ist Teil einer breiteren Forschungsinitiative des C2SMART-Zentrums, die unter anderem die Auswirkungen schwerer Elektro-Lkw auf Infrastruktur, das Verhalten von Fahrern bei Speed-Cameras, eine digitale Zwillingstechnologie zur Optimierung von Feuerwehr-Einsätzen und die Überwachung von Überlastfahrzeugen auf der Brooklyn-Queens-Expressway untersucht. Diese Projekte zeigen, wie KI und Datenanalyse zur Schaffung sichererer und intelligenterer Städte beitragen können. Industrieexperten loben die Innovation als wegweisend für die Zukunft der Verkehrssicherheit. „SeeUnsafe zeigt, wie KI nicht nur die Effizienz steigert, sondern auch die proaktive Prävention von Unfällen ermöglicht“, sagt ein Verkehrssicherheitsexperte von der NHTSA. Die Technologie erfordert keine teuren Datensammlungen oder spezialisierte Expertise, was sie für Städte mit begrenzten Ressourcen besonders attraktiv macht. Mit weiterer Entwicklung könnte sie zu einem Standardwerkzeug für Verkehrsbehörden weltweit werden.