VECTORIO
DE
EnglishDeutsch

„Ihre Fahrzeuge zeichnen Terabytes auf – Ihre Pipeline startet erst nach dem Upload“

Testfahrt-Logs, schon in der Werkstatt gefiltert.

KPIs und Szenariofilter, berechnet vor dem Hochladen der Daten

Das Problem
  • Testfahrzeuge füllen Festplatten schneller, als wir hochladen können – also verschicken wir Laufwerke.
  • Wir finden die 10 relevanten Sekunden in 10 Petabyte nicht.
  • Unsere Lieferantendaten und Testlogs dürfen Deutschland nicht verlassen.
Mit PROTOR
  • KPIs und Szenariofilter, berechnet vor dem Hochladen der Daten
  • Anonymisierte Aufnahmen vor der Speicherung
  • Reproduzierbare KPI-Vergleiche von Release zu Release

Von heute zum ersten Ergebnis.

Was Sie heute tun

Festplatten, die von den Testfahrzeugen verschickt werden

Testfahrzeuge füllen Platten schneller, als der Upload läuft, daher reisen die Laufwerke per Post, und die relevanten Sekunden sind im Berg schwer zu finden.

Mit PROTOR

KPIs und Szenariofilter werden am Prüfstand vor dem Upload berechnet, und Videomaterial wird mit 18,7 ms pro Bild bei 30 fps und 0 % Verlusten geschwärzt, bevor es gespeichert wird.

Ihr erster Schritt

Berechnen Sie einen KPI in der Werkstatt aus dem Log eines Testfahrzeugs.

ein Testfahrzeug
So läuft es

Live-Kamera, Erkennung auf dem Gerät. Schritt für Schritt.

Ein Live-Kamerastream wird von einem lokalen Modell analysiert; nur sichere Erkennungen werden behalten und als Nachweis versiegelt.

PROTOR · Live-Kamera, Erkennung auf dem Gerätläuft
KameraRTSP-Stream-EingangErkennenONNX-KlassifikatorMonitorVideoanzeigeZeilenfilterETL.FilterNachweiseNachweis-SammlerPaketEvidenzpaket
  1. KameraRTSP-Stream-Eingang
  2. Erkennen · MonitorONNX-Klassifikator · Videoanzeige
  3. ZeilenfilterETL.Filter
  4. NachweiseNachweis-Sammler
  5. PaketEvidenzpaket
Knoten
camera-input → Video.RTSP.Subscriber
object-detect → Classification.Onnx
confidence-filter → ETL.Filter
evidence-collect → Forensic.EvidenceCollector
evidence-pack → Forensic.EvidencePack
viewer-output → Video.Viewer
Live-KameraModell auf dem GerätEvidenzpaket
  1. KameraLiest einen Live-Kamerastream.
  2. ErkennenFührt ein ONNX-Modell auf jeder Zeile oder jedem Bild aus.
  3. MonitorZeigt Bilder live in einem Fenster.
  4. ZeilenfilterBehält nur Zeilen, die eine Bedingung erfüllen.
  5. NachweiseHasht Zeilen und Batches zu einem manipulationserkennbaren Nachweismanifest.
  6. PaketVersiegelt ein Manifest zu einem prüfbaren Evidenzpaket.

Ein echter Workflow aus unserer End-to-End-Testsuite; die Designer-Ansicht ist illustriert.

Das erhalten Sie. Ab dem ersten Pilotprojekt.

KPIs und Szenariofilter, berechnet vor dem Hochladen der Daten

Anonymisierte Aufnahmen vor der Speicherung

Reproduzierbare KPI-Vergleiche von Release zu Release

Warum Ihre Werkzeuge an Grenzen stoßen.

×

Spark/Databricks sind im Petabyte-Maßstab teuer und an die Cloud gebunden

×

ROS-Bag-Werkzeuge arbeiten Datei für Datei

×

Automotive-Stacks der Hyperscaler stehen im Konflikt mit IP- und Souveränitätsanforderungen

Was den Druck erzeugt
  • Validierungsvolumen für ADAS/AD
  • Datenschutzregeln für Kameradaten
  • Kosten für Cloud-Speicher und Egress
  • Schutz des geistigen Eigentums von Zulieferern/OEMs

Ihr Pilotprojekt. Drei Schritte.

1

Ihre Daten und Ihr Ziel

Sagen Sie uns, welche Daten Sie haben, wo sie liegen und welches Ergebnis Sie brauchen.

2

Ein klar abgegrenzter Pilot

Auf Ihren Daten und Ihrer Hardware, mit vorab festgehaltenem Erfolgsmaßstab.

3

Eine klare Entscheidung

Sie sehen das Ergebnis an diesem Maßstab – und behalten jeden Workflow und jeden Datensatz.

Beta · Design-Partner gesucht

Zeigen Sie uns Ihr schwierigstes Datenproblem. Wir lösen es gemeinsam.

Ein kurzes Pilotprojekt mit Ihren Daten auf Ihrer Hardware. Was Erfolg bedeutet, legen wir vorher gemeinsam fest.