Fehlalarmquote bei Sicherheitsrobotern senken
Fehlalarmquote unter 8 Prozent durch Sensorfusion, Thermal-Personenerkennung und Eskalationslogik. Benchmarks und SLA-Schwellen für KRITIS-Perimeter.
Die Fehlalarmquote ist die einzige Kennzahl, die im Perimeterschutz wirklich zählt. Sie entscheidet, ob ein Sicherheitsroboter die Leitstelle entlastet oder zur Last wird. Dieser Beitrag trennt zwei Begriffe, die in der Praxis ständig vermischt werden: die technische False Positive Rate auf Sensorebene und die verifizierte Fehlalarmquote nach Fusion und Eskalation. Erstere liegt im Rohzustand bei jedem System hoch. Letztere muss unter 8 Prozent pro Monat liegen. Sonst rechnet sich kein autonomes System.
Fehlalarmquote als operative Kennzahl
Die Fehlalarmquote misst den Anteil der Sensorauslösungen ohne reale Bedrohung. Quarero erfasst sie pro 1.000 Patrouillenkilometer und pro 30-Tage-Fenster. Konventionelle PIR-Zaunsysteme in Außenanlagen produzieren 40 bis 70 Prozent False Positives, je nach Vegetation und Wildaufkommen. [Quelle erforderlich] Der Zielkorridor für autonome Plattformen liegt unter 8 Prozent verifizierte Fehlalarme pro Monat. Wichtig: Die rohe False Positive Rate der Einzelsensoren liegt deutlich höher. Erst die Sensorfusion bringt den verifizierten Wert in den einstelligen Bereich.
Die Kostenwirkung ist direkt messbar. Jede manuelle Verifikation bindet 12 bis 18 Minuten Leitstellenkapazität, vom Eingang des Alarms über Sichtung der Kamerabilder bis zum Vermerk im Schichtbuch. [Quelle erforderlich] Bei einem Zaunsystem mit 300 Auslösungen pro Monat ergeben sich 60 bis 90 Stunden gebundene Leitstellenzeit. Im SLA verankert Quarero deshalb eine monatliche Auswertung mit Ursachenkategorisierung. Die Kategorien sind: Tier, Wetter, Reflexion, Vegetation, berechtigte Person und Sensor-Drift. Ohne diese Kategorisierung lässt sich kein Modell-Update steuern.
Für eine Einordnung der Personalkosten und Einsatzfrequenz im konventionellen Wachgewerbe siehe die BDSW-Branchendaten.
Ursachenkategorien im Außenperimeter
Wildwechsel ist der dominante Treiber. Rehe, Füchse und freilaufende Hunde lösen 35 bis 50 Prozent klassischer Bewegungsmelder aus, je nach Standort und Jahreszeit. [Quelle erforderlich] Logistikzentren am Stadtrand verzeichnen die höchsten Werte. Wetterreflexion folgt: Regen auf Metalldächern, Schneefall vor IR-Strahlern und Nebel verzerren die RGB-Detektion. Bei Nebel unter 50 Meter Sichtweite fällt jede Kameralösung ohne Thermal-Backup aus.
Vegetation erzeugt eine eigene Klasse von Konturalarmen. Bewegtes Gras über 15 cm und schwingende Äste lösen Konturklassifikatoren aus, die nicht auf Volumen geeicht sind. Berechtigte Bewegung ist die unangenehmste Kategorie: Mitarbeiter, deren Schichtdaten nicht im Geofence aktualisiert wurden, erscheinen als Eindringling. Diese Fehlalarme sind organisatorisch, nicht technisch. Sensor-Drift schließlich tritt bei LiDAR-Köpfen nach Frostzyklen auf. Dejustierte Sensoren produzieren systematische Falschmessungen, dokumentiert im Wartungsprotokoll. Quartalsweise Justage ist Pflicht.
Sensorfusion als Reduktionshebel
Die QR-2 Außenpatrouille mit Thermal kombiniert drei Sensorpfade in 200 Millisekunden. Thermal im Bereich 8 bis 14 Mikrometer erkennt Körperwärme unabhängig von Tageslicht. RGB liefert die Identifikationsdetails. Audio-Klassifikation läuft parallel auf einem separaten Modell. Cross-Validation bedeutet: Ein Alarm entsteht erst, wenn zwei unabhängige Sensorpfade übereinstimmen. Ein Reh, das nur im RGB sichtbar ist, aber im Thermal die falsche Wärmesignatur trägt, wird verworfen.
Die QR-3 mit LiDAR und Drohnendetektion ergänzt eine Punktwolke für Volumenklassifikation. Das System trennt Mensch (1,4 bis 2,1 Kubikmeter Hüllvolumen) von Tier (0,2 bis 0,8 Kubikmeter). Diese Volumenmessung ist die wirksamste einzelne Maßnahme gegen Wildalarme. Das Personenerkennungsmodell ist auf 4,2 Millionen DACH-spezifische Frames trainiert, inklusive Warnwesten, Winterkleidung und Helmen. [Quelle oder technisches Datenblatt erforderlich] Modelle aus US-Datensätzen versagen bei deutschen Schutzkleidungsfarben.
Audio-Spektralanalyse identifiziert Glasbruch, Stimmen und Werkzeuggeräusche oberhalb 65 dB. Sie ergänzt die optischen Pfade dort, wo Sichtlinie fehlt. Die Sensorfusion ist nach EU-Maschinenverordnung als sicherheitsrelevant zu klassifizieren, siehe Verordnung 2023/1230.
Vergleichswerte zum klassischen Setup finden sich in der Auswertung Perimeterschutz für Industrieparks.
Eskalationslogik und Leitstellenanbindung
Die Eskalation folgt drei Stufen: Beobachtung, Annäherung, Eskalation an die menschliche Leitstelle. Auf Stufe 1 protokolliert der Roboter eine Auffälligkeit, ohne Alarm zu erzeugen. Auf Stufe 2 fährt er eigenständig eine Verifikationspatrouille. Er nähert sich dem Ereignisort und führt eine zweite Sensoraufnahme aus näherer Distanz durch. Erst wenn die Verifikationsfahrt die Bedrohung bestätigt, wird die Leitstelle alarmiert.
Diese Logik reduziert die Leitstellen-Eskalationen auf unter 2 Vorfälle pro Tag und Quadratkilometer überwachte Fläche. Video-Stream und Wärmebild werden parallel an den Disponenten übertragen, der in unter 45 Sekunden über die operative Reaktion entscheidet. Jede Entscheidung erhält einen Audit-Trail mit Zeitstempel, Sensorrohdaten und der Konfidenz des Klassifikators. Der Audit-Trail ist nicht optional. Er ist Voraussetzung für die Beweisführung gegenüber Versicherung und Strafverfolgung. BBK-Vorgaben für Detektions- und Meldeketten in kritischen Infrastrukturen sind hier maßgeblich, siehe BBK-Portal.
Benchmarks aus DACH-Pilotbetrieben
Die folgenden Werte stammen aus QR-2 und QR-3 Deployments zwischen 2024 und 2026. Ein Chemiepark mit 1,8 km Zaunlänge senkte die Fehlalarmquote von 62 auf 6,4 Prozent in 90 Tagen. Die Reduktion entstand zu zwei Dritteln durch Sensorfusion, zu einem Drittel durch Geofence-Pflege und Schichtsynchronisation.
Ein Logistikzentrum mit 240.000 Quadratmetern Fläche reduzierte die nächtlichen Wachgang-Interventionen um 71 Prozent. Die verbleibenden Interventionen waren echte Vorfälle: zwei bestätigte Einbruchsversuche und elf unberechtigte Personen auf dem Gelände in sechs Monaten. Ein KRITIS-Umspannwerk verzeichnete null bestätigte Fehlalarme bei Drohnendetektion über sechs Monate. Die Drohnenerkennung der QR-3 nutzt akustische und LiDAR-Signaturen parallel.
Ein Krankenhaus-Gelände erreichte 88 Prozent weniger Fehleinsätze des externen Wachdienstes. Hier war der Hebel weniger die Sensorik, mehr die Eskalationslogik: Patienten, die nachts auf dem Parkplatz unterwegs waren, wurden korrekt als nicht-bedrohlich klassifiziert und nicht eskaliert.
Wirtschaftliche Wirkung der reduzierten Fehlalarmquote
Jeder vermiedene Wachdienst-Einsatz spart 180 bis 320 Euro, inklusive Anfahrt, Mindesteinsatzzeit und Berichtspauschale. Die Spanne hängt von Region und Nacht- oder Wochenendzuschlägen ab. Bei 12 vermiedenen Einsätzen pro Monat refinanziert sich die QR-2 bereits operativ. Die Monatsrate im Robotics-as-a-Service Modell beträgt 3.500 Euro.
Verglichen mit einem 24/7-Wachposten (15.000 bis 25.000 Euro monatlich, je nach Tarifbindung und Standort) ergibt sich eine OpEx-Reduktion von rund 80 Prozent. [Quelle erforderlich] Was funktioniert: Substitution für reine Beobachtungsposten. Was nicht funktioniert: Substitution für Einlasskontrolle mit §34a-Pflicht. Roboter ersetzen keine Sachkundeprüfung, sie ersetzen Streifengänge.
Versicherungsprämien sinken bei dokumentierter Fehlalarmquote unter 10 Prozent um durchschnittlich 7 Prozent. [Quelle erforderlich] Versicherer akzeptieren das Reporting als Nachweis aktiver Risikominderung. Im RaaS-Modell fällt keine CapEx an, die Bereitstellung erfolgt innerhalb von 48 Stunden, die Mindestlaufzeit beträgt 24 Monate. Eine detaillierte Kostengegenüberstellung liefert der Vergleich Wachschutz-Kosten und das Drei-Tier-Preismodell.
Kalibrierung und kontinuierliche Verbesserung
Die ersten vier Wochen sind Lernphase. Quarero fährt das System mit erhöhter Sensitivität und taggt manuell jeden Alarm. Diese Phase ist unverzichtbar: Sie lernt lokale Muster ein. Dazu gehören Wildtierzeiten, Mitarbeiterschichten und normale Vegetationsbewegung. Wer diese Phase überspringt, lebt mit doppelter Fehlalarmquote über Monate.
Danach folgt ein monatliches Modell-Update pro Site. Lokale Vegetations- und Schichtmuster werden eingelernt, Klassifikatoren feinjustiert. Der Sicherheitsleiter pflegt den Geofence über eine Web-Konsole, der Schichtkalender wird automatisch synchronisiert. Quartalsweise erfolgt die Sensorjustage gemäß EN ISO 13482 für mobile Service-Roboter. Justageprotokolle gehen ins Wartungslog.
Alle 90 Tage findet ein Eskalations-Review mit Leitstelle, Werkschutz und Quarero statt. Themen sind kategorisierte Fehlalarme, Schwellwertanpassungen, Geofence-Änderungen und neue Bedrohungsszenarien. Das Review ist im Rahmenvertrag verpflichtend. Ohne strukturiertes Feedback steigt die Fehlalarmquote nach sechs Monaten wieder.
Vertragliche Verankerung der Fehlalarmquote
Die SLA-Schwelle liegt bei maximal 8 Prozent verifizierte Fehlalarme im rollierenden 30-Tage-Fenster. Überschreitungen lösen eine Service-Gutschrift gemäß Pönalstufe im Rahmenvertrag aus. Drei aufeinanderfolgende Monatsüberschreitungen führen zu einem außerordentlichen Eskalations-Review mit verbindlichen Maßnahmen.
Der monatliche Performance-Report enthält Rohdaten-Export für interne Audits. Sicherheitsleiter erhalten damit die Beweisführung für Geschäftsführung und Aufsichtsrat. Die Datenhoheit liegt beim Betreiber, der Speicherort liegt in der DACH-Region, die Verarbeitung erfolgt DSGVO- und BSI-konform. Sensorrohdaten verlassen nicht das Werk ohne dokumentierten Zweckbezug.
Beim Onboarding ist ein Übergabe-Workshop für Werkleiter und Sicherheitsleiter verpflichtend. Inhalte: Web-Konsole, Report-Interpretation, Eskalationswege und Leitstellenschnittstelle. Ohne diesen Workshop fließen die Reportstrukturen nicht in interne Audits ein.
Für KRITIS-Betreiber gilt zusätzlich: Die Fehlalarmquote ist Teil der Wirksamkeitsmessung nach §30 BSIG. [Direktlink zum §30 BSIG erforderlich] Die monatlichen Reports lassen sich direkt in die Berichterstattung an das BSI überführen. Wer das Reporting nicht von Anfang an strukturiert, verliert diese Anschlussfähigkeit.
Nächster Schritt: Eine Pilotanfrage für die standortspezifische Fehlalarmprognose starten und Standortdaten zur Vorab-Risikoabschätzung übermitteln. Quarero liefert innerhalb von zehn Werktagen eine standortspezifische Prognose der erreichbaren Fehlalarmquote. Grundlage sind vergleichbare Deployments sowie die lokalen Faktoren Vegetation, Wildaufkommen und Schichtstruktur.