GPU-Server für Kanal-TV: Schadenserkennung per KI nach EN 13508-2 auf eigener Hardware

Was ein GPU-Server mit Kanal-TV-Aufnahmen macht

Ein GPU-Server für die Kanalinspektion lässt ein KI-Modell über die Kanal-TV-Aufnahmen einer Haltung laufen und schlägt die Schadenscodes vor, die eine Inspektionskraft eintragen würde: Risse, Lageabweichungen an Verbindungen, Wurzeleinwuchs, Ablagerungen, Infiltration, jeweils mit der Lage in der Haltung. Die Inspektionskraft prüft die Vorschläge in der Inspektionssoftware, bestätigt oder korrigiert sie und gibt die Inspektion frei. Das Video bleibt auf der eigenen Hardware des Netzbetreibers oder Dienstleisters, wo es verarbeitet werden kann, sobald das Fahrzeug zurück ist, und die kodierten Ergebnisse gehen wie bisher in das Asset-Management-System.

Dieser Leitfaden richtet sich an die Leitung kommunaler Kanalnetzbetreiber, Wasserversorger und Inspektionsdienstleister, die über eine KI-Auswertung im eigenen Haus entscheiden, und an die IT, die den Server betreiben wird. Die ersten Abschnitte erklären Aufgabe, veröffentlichte Genauigkeit und Geschwindigkeit in einfachen Worten. Die Konfigurationen folgen in einer Tabelle, die technischen Hinweise am Ende sind für die IT. Wo der Artikel EU-Recht berührt, ist das allgemeine Information mit Stand Oktober 2026; was für Sie gilt, bestätigt Ihre Rechtsberatung.

Schadenskodierung nach EN 13508-2 und wo KI hineinpasst

Die europäische Norm EN 13508-2, englischer Titel „Investigation and assessment of drain and sewer systems outside buildings - Part 2: Visual inspection coding system“, gilt laut der Normenorganisation DIN Media in der Fassung EN 13508-2:2003+A1:2011 (deutsche Ausgabe vom August 2011). Ihr Anwendungsbereich legt ein Kodiersystem zur Beschreibung des inneren Zustands von Abwasserleitungen und -kanälen und zugehörigen Bauwerken fest, wie er durch optische Inspektion festgestellt wird, und regelt nach eigener Aussage im Allgemeinen nicht, wie Inspektionen durchgeführt werden. Die Codes beschreiben, was die Inspektionskraft sieht; die Bewertung, was saniert wird, kommt danach.

Das Kodieren ist der langsame Teil einer Inspektion. Jemand sieht das Video an, hält bei jeder Beobachtung an, trägt den Code mit seinen Angaben und dem Abstand vom Startschacht ein und macht weiter. Ein KI-Modell kann den ersten Durchgang übernehmen: Es sieht jedes Bild, markiert die Bilder, auf denen etwas zu sehen ist, und schlägt einen Code vor. Die Inspektionskraft springt dann von Vorschlag zu Vorschlag, statt die ganze Haltung in Echtzeit anzusehen, und sieht weiterhin jedes Bild, das das Modell markiert hat.

Zwei Punkte prägen jedes Projekt. Erstens ist die Codeliste der Norm das Zielvokabular; das Modell wird also mit Material trainiert, das Ihre Inspektionskräfte bereits nach derselben Fassung und denselben nationalen Regeln kodiert haben. Zweitens ist die Norm ein lizenziertes Dokument: Ihren Text in einen KI-Assistenten zu laden ist eine andere Frage als ein Bildmodell mit kodiertem Material zu trainieren, wie unser Leitfaden zu Normen in der Unternehmens-KI erklärt.

Was veröffentlichte Forschung zur Genauigkeit zeigt

Der größte offene Benchmark ist Sewer-ML, veröffentlicht im März 2021 (arXiv 2103.10895). Er enthält 1,3 Millionen Bilder aus 75.618 Inspektionsvideos dreier dänischer Wasserversorger, aufgenommen zwischen 2011 und 2019 und von professionellen Kanalinspekteuren nach einem gemeinsamen dänischen Standard annotiert. Die Modelle sagen 17 Schadensklassen voraus, und für das Training wurden die Bilder auf 224 × 224 Pixel verkleinert. Die beste Methode der Arbeit erreichte auf dem Testdatensatz einen nach Klassenbedeutung gewichteten F2-Wert von 55,11 Prozent und einen F1-Wert von 90,94 Prozent für die Unterscheidung zwischen schadensfreiem und schadhaftem Rohr.

Für die Leitung ist die Lesart einfach. Einen sauberen Abschnitt von einem Abschnitt mit Befund zu unterscheiden funktioniert gut, und genau das spart die meiste Sichtungszeit. Die genaue Schadensklasse zuzuordnen ist deutlich schwieriger, die vorgeschlagenen Codes sind deshalb Vorschläge, die eine qualifizierte Inspektionskraft bestätigt. Ein Modell, das mit Ihrem eigenen kodierten Material, Ihren Kameras und Ihren Rohrwerkstoffen trainiert ist, kann besser abschneiden als ein allgemeines; wie viel besser, zeigt nur ein Test mit bereits kodierten Haltungen.

Derselbe Datensatz zeigt, woher Trainingsdaten kommen. Ein Versorger oder Dienstleister, der seit Jahren Inspektionen kodiert, hat bereits ein gelabeltes Archiv: Jeder bestätigte Code ist ein Bild mit Label. Bevor Sie Sewer-ML selbst für ein kommerzielles Modell nutzen, prüfen Sie seine Bedingungen auf der Projektseite; die Arbeit nennt keine Lizenz.

Warum das Video im eigenen Haus verarbeitet wird

Inspektionsvideo ist groß. Als Beispiel mit Werten, die Sie durch eigene ersetzen: Eine Stunde 1080p-Material bei 8 Mbit/s sind 3,6 GB, 40 Stunden pro Woche 144 GB pro Woche, ohne Sicherungen. Die Verarbeitung auf einem Server im Betriebshof oder im Rechenzentrum erspart das Hochladen dieser Menge, lässt die Kodierung beginnen, sobald das Fahrzeug zurück ist, und hält Aufnahmen öffentlicher Infrastruktur unter der Kontrolle des Betreibers.

Modelllizenzen sind der zweite Grund, genau hinzusehen. Ultralytics, das die YOLO-Detektionsmodelle veröffentlicht, erklärt auf seiner Lizenzseite, dass seine Software unter AGPL-3.0 steht und dass „An Enterprise License is required if you want to use Ultralytics YOLO without open-sourcing your entire project“, auch bei interner Nutzung, und dass „All Ultralytics YOLO trained models fall under the AGPL-3.0 License by default“. Es gibt Detektoren unter freizügigen Lizenzen: RT-DETR v2 mit ResNet-50-Backbone, 43 Millionen Parameter, steht auf Hugging Face unter Apache 2.0, ist auf dem COCO-Datensatz mit Alltagsobjekten trainiert und wird deshalb vor dem Einsatz mit Kanalmaterial nachtrainiert. Unser Leitfaden zur Lizenz von Ultralytics YOLO behandelt die Wahl im Detail.

Wie schnell eine Karte das Material verarbeitet

Zwei Teile der Karte erledigen die Arbeit. Die Hardware-Videodecoder, NVDEC, machen aus dem komprimierten Video wieder Bilder, und die GPU-Kerne lassen das Modell auf den Bildern laufen, die Sie auswerten wollen. Inspektionsmaterial ist aufgezeichnet, nicht live; die Frage ist also, wie viele Stunden Material eine Karte pro Stunde verarbeitet.

Decoderzahl und Leistung von NVIDIAs Produktseiten (gelesen am 25. Oktober 2026); Grenze = Engines × NVIDIAs Richtwert von 903 (Ada) oder 2.172 (Blackwell) Bildern pro Sekunde je Engine bei 1920 × 1080 aus der NVDEC Application Note des Video Codec SDK 13.1, gemessen beim höchsten Videotakt, nach unserer Rechnung eine Obergrenze; Bilder pro Sekunde von NVIDIAs Performance-Seite für DeepStream 9.2 (RT-DETR bei 3 × 640 × 640 FP16 ohne Tracker; C-RADIO-B bei 3 × 224 × 224 FP16), durchgehend gemessen mit einer 1080p-H.265-Beispieldatei ohne Darstellung, gelesen am 25. Oktober 2026.

Als Rechenbeispiel nach unserer Schätzung nehmen wir 1080p-Material mit 25 Bildern pro Sekunde (Beispielwert) und einen Detektor, der fünf Bilder pro Sekunde Video auswertet. Eine Stunde Material sind dann 90.000 Bilder zum Dekodieren und 18.000 zum Auswerten. Bei 70 Prozent von NVIDIAs Werten dekodiert eine L40S die Stunde in etwa 47 Sekunden und wertet sie in etwa 40 aus; der Decoder bestimmt also das Tempo, bei rund 75 Stunden Material pro Stunde Rechenzeit. Auf einer RTX PRO 4500 Server Edition sind die Decoder schneller und das Modell langsamer: etwa 20 und 68 Sekunden, rund 53 Stunden Material pro Stunde. Ein Klassifikator bei 224 × 224 wie die Benchmark-Modelle von Sewer-ML braucht weniger Rechenleistung als der Detektor.

Diese Zahlen ändern die Auslegung des Servers. Ein Dienstleister mit zehn Fahrzeugen, die je vier Stunden am Tag aufzeichnen, Beispielwerte, bringt 40 Stunden Material, die eine L40S nach dieser Schätzung in deutlich unter einer Stunde abarbeitet. Die Kartenzahl bestimmen die anderen Aufgaben: ein Rückstand an Archivmaterial, das Training des eigenen Modells und ein Sprachmodell, das den Inspektionsbericht entwirft. Ein Rückstand von 50.000 Stunden etwa dauert auf einer L40S rund 670 Stunden und auf vier ein Viertel davon. Das sind Schätzungen aus NVIDIAs Beispielmodellen; Ihr eigenes Modell und Ihre Videoeinstellungen entscheiden, und ein Testlauf mit einer Woche Ihres Materials liefert den echten Wert.

Wir liefern die NVIDIA L40S und die Karten der RTX PRO Server Edition und bauen GPU-Server für Inspektionsmaterial auf Bestellung; nennen Sie uns Ihre Stunden Material pro Woche, den Codec und die Größe Ihres Archivs, und unser Team antwortet mit einer Konfiguration.

Konfigurationen für Netzbetreiber und Dienstleister

Die Tabelle übersetzt die Schätzungen in Server. Alle gehören in einen Serverraum oder ein gekühltes Rack: Die Karten sind passiv und auf die Lüfter des Servers angewiesen. Die Leistung ist unsere Schätzung für den ganzen Server mit zwei AMD EPYC 9355 (Karten, Prozessoren und 15 Prozent für den Rest), zu bestätigen durch eine Messung am gelieferten System; ein Anschluss mit 230 V und 16 A trägt bei 80 Prozent 2,94 kW.

Material pro Stunde nach unserer Schätzung aus dem Rechenbeispiel oben (75 Stunden je L40S, 53 je RTX PRO 4500 Server Edition, fünf ausgewertete Bilder pro Sekunde bei 1080p25, 70 Prozent von NVIDIAs Werten); Leistung nach unserer Schätzung wie oben (2 × L40S: 700 W Karten plus 560 W Prozessoren, plus 15 Prozent), die anderen Zeilen wie auf unseren Seiten zu L40S- und RTX-PRO-4500-Server-Edition-Servern.

Zwei L40S. Die NVIDIA L40S hat 48 GB GDDR6 mit ECC bei 864 GB/s, PCIe 4.0 und 350 W, ohne MIG und NVLink. Zwei davon verarbeiten das Material einer typischen Flotte auf einer Karte und lassen die zweite für das Training des eigenen Modells frei, oder beide werten nachts Material aus. Unsere Seite zum Kauf eines L40S-Servers nennt die Konfigurationen.

Vier Karten der RTX PRO 4500 Server Edition. Die Blackwell-Karte hat 32 GB GDDR7 bei 800 GB/s, drei Decoder und 165 W in einem Slot. Vier davon dekodieren mehr Video als vier L40S, lassen den Detektor langsamer laufen und passen in einen 2U-Server bei etwa der Leistung von zwei L40S. Unser Vergleich L40S oder RTX PRO 4500 Server Edition wägt beide ab.

Vier oder acht L40S. Sie passen zu einem Versorger, der ein Archiv aus Jahren kodieren, Modelle regelmäßig nachtrainieren und ein Sprachmodell für die Berichtstexte auf demselben Server betreiben will. Unsere Seite zum Server mit acht L40S behandelt Leistung, Luftstrom und die Modelle, die er hält.

Ein eigenes Modell zur Schadenserkennung trainieren

Das nützlichste Modell ist mit Ihrem eigenen Material trainiert. Die Arbeit ist eine Bildaufgabe auf Einzelbildern mit Labels aus Ihren kodierten Inspektionen: ein Klassifikator für Schadensklassen je Bild wie bei Sewer-ML oder ein Detektor, der den Schaden zusätzlich mit einem Rahmen markiert. Beide sind klein im Vergleich zu Sprachmodellen. RT-DETR v2 hat 43 Millionen Parameter, die 48 GB einer L40S lassen also Raum für große Batches, und ein Server mit zwei Karten kann auf einer trainieren, während die andere das Tagesmaterial verarbeitet. Unser Leitfaden zum GPU-Server für das Training von Bildmodellen erklärt Speicher, Batchgröße und Speicherplatz für den Trainingsdatensatz, und visuelle Prüfung mit KI ohne Data Scientists zeigt, wie ein Team ohne Machine-Learning-Fachleute anfängt.

Halten Sie einen Satz Haltungen zurück, den das Modell im Training nie sieht, kodiert von Ihren besten Inspektionskräften, und messen Sie jede neue Version je Schadensklasse daran, bevor sie die alte ersetzt.

Berichtstext und KI-Verordnung

Ein Sprachmodell kann aus den bestätigten Codes einer Haltung die verständliche Zusammenfassung für den Auftraggeber schreiben. Qwen3.8-27B in Qwens FP8-Fassung passt auf eine L40S und lässt nach unserer Regel für Nutzer je Karte Raum für sieben Gespräche mit 32.768 Tokens, wie unsere Seite zu Qwen3.8-27B auf der L40S durchrechnet. Der Text geht von Codes aus, die eine Person bestätigt hat, und die Inspektionskraft gibt ihn frei.

Anhang III Nummer 2 der KI-Verordnung nennt als hochriskant KI-Systeme, die bestimmungsgemäß als Sicherheitsbauteile im Rahmen der Verwaltung und des Betriebs kritischer digitaler Infrastruktur, des Straßenverkehrs oder der Wasser-, Gas-, Wärme- oder Stromversorgung verwendet werden sollen. Nach unserer Lesart ist ein Modell, das Inspektionscodes zur Bestätigung durch eine Inspektionskraft vorschlägt, kein Sicherheitsbauteil im Betrieb eines Netzes, und Abwasser ist in dieser Nummer nicht genannt. Die Einordnung für Ihren Einsatz bestätigt Ihre Rechtsberatung. Unser Leitfaden zur KI-Verordnung für Unternehmen mit LLMs behandelt die allgemeinen Pflichten.

Technische Hinweise für die IT

1. Pipeline. NVIDIA DeepStream dekodiert auf NVDEC und betreibt TensorRT-Engines; sein Inferenz-Plug-in kann Bilder überspringen, sodass das Modell fünf von 25 Bildern auswertet, während jedes Bild dekodiert wird. Unser Leitfaden zum Betrieb von Bildmodellen mit Triton, ONNX und TensorRT behandelt die Optionen.
2. Codecs. Die NVDEC Application Note nennt MPEG-2, MPEG-4, VC-1, H.264, HEVC, VP8, VP9 und AV1 auf Ada und Blackwell; ältere Archivformate dekodiert die GPU also ebenfalls. Die Dekodierraten skalieren mit dem Videotakt, den nvidia-smi auf der Karte meldet.
3. Lage in der Haltung. Jeder Vorschlag braucht den Abstand vom Startschacht. Übernehmen Sie ihn aus den Metadaten der Inspektionssoftware, wo es sie gibt; wo er nur als Text ins Bild eingeblendet ist, lesen Sie ihn aus dem Bild und prüfen ihn gegen die Haltungslänge.
4. Anbindung. Schreiben Sie Vorschläge als unbestätigte Beobachtungen in die Inspektionssoftware zurück, damit nur bestätigte Codes in den Export an das Asset-Management gelangen. Das Originalmaterial bleibt unverändert.
5. Sicherheit. Halten Sie den Server in einem internen Netz, spielen Sie NVIDIAs behobene Treiberstände ein und härten Sie den Management-Controller, wie unser Leitfaden zum Absichern eines GPU-Servers beschreibt.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team dimensioniert die Konfiguration nach Ihrer Last und Ihrem Budget und antwortet innerhalb eines Werktages. Wir liefern die NVIDIA L40S, die RTX PRO 4500 Server Edition und die RTX PRO 6000 Server Edition als Karten für Server, die Sie bereits betreiben, oder in GPU-Servern auf Bestellung, vor der Lieferung montiert und getestet, geliefert in die gesamte EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Stückzahlen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Betriebssystem, Treiber, CUDA und eine Container-Runtime installieren wir auf Wunsch; schicken Sie uns eine kurze Beschreibung Ihrer Flotte und Ihres Archivs, und wir schlagen einen Server für einen Test mit Ihrem eigenen Material vor.

FAQ