KIRaPol.Next
KI-gestütztes Radarsystem zur Gefahrenerkennung

Hochschule Niederrhein. Dein Weg.
  1. Home
  2. Forschung und Transfer
  3. Institute und Kompetenzzentren
  4. iPattern
  5. KIRaPol.Next

Projektziel

Sicherheit im öffentlichen Raum zu erhöhen, ohne die Privatsphäre einzuschränken - das ist die Vision von KIRaPol.Next. Das Projekt knüpft an das Vorgängerprojekt KIRaPol.5G an und entwickelt ein KI-gestütztes Assistenzsystem, das die polizeiliche Videobeobachtung unterstützt. Die Radartechnologie ist so konzipiert, dass keine Identifikation von Personen über das Radarsignal erfolgt. Stattdessen werden abstrakte Bewegungsmuster ausgewertet, um Hinweise auf potenzielle Gefahrensituationen zu geben.

 

Kernziele

  • Aufbau eines Beobachtungssystems im öffentlichen Raum, das Radar-und Videodaten kombiniert
  • Früherkennung potenzieller Gefahrensituationen durch KI-Analyse von Radarsignalen
  • Hoher Schutz der Privatsphäre
  • Alarmhinweise an die Leitstelle der Polizei mit geringer Latenz (Edge-Technologie)
  • Praxisintegration in die Systemumgebung der Polizei 
Projektlogo

WDR-Bericht: Polizei plant KI-Test

Im WDR-Beitrag ordnet Prof. Hans-Günter Hirsch die Forschung ein: Im Vorgängerprojekt KIRaPol.5G zeigte sich eine Erkennungsrate von über 90%. Für die nächste Stufe braucht die KI noch mehr Trainingsdaten.

Georg Lehnen, Projektleiter der Polizei betont die Vorteile der Technik, “weil die Radartechnologie im Verhältnis zu den herkömmlichen Videotechnologien in manchen Belangen überlegen ist.”

Link zum WDR-Online-Beitrag: https://www1.wdr.de/nrw/duesseldorf/duesseldorf-polizei-test-ki-ueberwachung-100.html 

WDR 5: KI-Assitenz durch Radar

Prof. Hans-Günter Hirsch erläutert im WDR5-Interview die Anwendungsszenarien, die Funktionsweise der Radartechnologie und warum umfangreiche Trainingsdaten für das KI-System entscheidend sind.

Link zum Audio-Beitrag WDR5 : https://www1.wdr.de/mediathek/audio/wdr5/wdr5-neugier-genuegt-freiflaeche/audio-ki-gestuetzte-ueberwachung-nrw-100.html 

ZOAR
Ortstermine

Mitte und Ende März 2026 fanden öffentliche Vor-Ort-Besichtigungen in Düsseldorf und Mönchengladbach statt. Gemeinsam mit der Polizei prüfte das Projektkonsortium potenzielle Kamerastandorte, um geeignete Positionen für die Radarsensoren als Ergänzung der polizeilichen Videobeobachtung zu identifizieren.

start
Thomas Lammertz / HSNR
Projektstart

Mit dem Start von KIRaPol.Next bringt die Hochschule Niederrhein ihre Kompetenz in Mustererkennung und KI in die nächste Entwicklungsstufe eines radarbasierten Assistenzsystems ein. Beteiligt sind das Institut IPattern und die Kompetenzzentren EthNA CSR, ISA sowie FAST. Weitere Informationen zum Projektstart im ausführlichen Presseartikel.

prozess

Die KI analysiert die Radardaten in Echtzeit direkt am System vor Ort (Edge-Verarbeitung) und erkennt dabei auffällige Bewegungsmuster als Hinweise auf potenzielle Gefahrensituationen. Wird ein Schwellenwert überschritten, erzeugt das System eine Alarmmeldung und lenkt die Aufmerksamkeit des Personals in der Leitstelle gezielt auf die betreffende Szene.

Die Alarmhinweise werden ausschließlich durch geschultes Personal anhand des Videobildes gepüft, um die Situation zu bewerten. Erst auf Basis dieser menschlichen Bewertung wird entschieden, ob weitere Maßnahmen erforderlich sind. Die Analyse erfolgt ausschließlich während der rechtlich abgedeckten polizeilichen Kernbeobachtungszeiten. 

bat
Radar-Grundprinzip: Echoortung

Die Radartechnologie funktioniert ähnliche wie die Echoortung bei der Fledermaus: Der Sensor sendet Funksignale aus, empfängt relefktierte Echos und bestimmt daraus Position und Entfernung. Zusätzlich nutzt das System den Doppler-Effekt, um Bewegungen und Geschwindigkeiten zu erkennen. Beim Menschen entstehen charakteristische Muster beim Gehen, da Gliedmaßen wie Beine und Arme andere Geschwindigkeitsanteile aufweisen als der Oberkörper. 

Vorteile

  • Resilienz 

    Das Radar ist witterungsunabhängig und arbeitet auch bei Dunkelheit, Regenen oder Blendungen.

  • Schutz der Privatsphäre 

    Es werden keine biometrischen Merkmale oder Gesichter im Radarsignal ausgewertet - alleinig abstrakte Bewegungsmuster. Das Projekt wird zudem ehthisch, rechtlich und sozial begleitet.

  • Assistenzsystem 

    Das System lenkt die Aufmerksamkeit frühzeitig auf potenzielle Gefahrensituationen, entlastet so das videobeobachtende Personal der Polizei und kann die Reaktionszeiten verbessern. 

Klassifikation
KI-Klassifikation

Aus den Messdaten entstehen fortlaufend Range-Doppler-Maps ("Messbilder"), die mehrmals pro Sekunde analyisert werden. Diese Messbilder bilden Geschwindigkeitsanteile ab - z.B. bewegen sich bei Menschen Arme und Beine anders als der Oberkörper. Für die Gefahrenerkennung betrachtet die KI nicht nur Einzelbilder, sondern Sequenzen über mehrere Sekunden, um Bewegungsabläufe zu klassifizieren. Im Ergebnis werden Wahrscheinlichkeiten ausgegeben, ob ein Bewegungsablauf eher alltäglich oder potenziell gefährdend ist. Dafür werden neuronale Netze zur Mustererkennung eingesetzt. 

Radar Platine
Technische Eckdaten
  • FMCW-Radar mit Frequenzbereich: 77 GHz (128 Chirps)
  • Reichweite: bis zu 30m
  • Detektionsbereich: 0 bis +/-6m/s
  • Framerate: 25 Range-Doppler-Maps/s
IMST Logo
IMST GmbH

IMST GmbH ist verantwortlich für die Koordination im Verbundprojekt, die Entwicklung der Radar-Hardware/Software, Erprobung und Optimierung im virutellen Testlabor (Raytracing-Simulator)

IMST KIRaPol.Next »
HSNR Logo
Hochschule Niederrhein

Das IPattern-Institut für Mustererkennung entwickelt und evaluiert Klassifikationskonzepte für die KI-Auswertung der Radarsignale. Sie begleitet die Trainingsdatengenerierung, Datenaufbereitung und -annotation und erweitert die Trainingsdaten durch synthetische Radardaten. Zudem führt die Hochschule Verifizierungs- und Validierungstests durch und verantwortet die ELSA-Bewertung (Ethik, Recht und Soziales).

TAS Logo
Telefonbau Arthur Schwabe GmbH & Co. KG

Die Firma TAS ist verantwortlich für die sichere Übermittlung von Alarmhinweisen an die polizeilichen Systeme: Entwicklung einer sicheren Schnittstelle, eines datenschutzkonformen Steuerkanals sowie Integration in die bestehende Netzinfrastruktur.

Polizei als assoziierter Partner

Die beteiligten Polizeibehörden wirken als assozierte Partner im Projekt mit. Sie begleiten das Projekt aus der Einsatzpraxis und bringen die Anfoderungen für eine praxisnahe, sichere und datenschutzkonforme Umsetzung ein. Zudem unterstützen sie die Weiterentwicklung der Anwendungsszenarien sowie die Einbindung in die bestehende polizeiliche Infrastruktur - stets auf Grundlage der jeweils geltenden rechtlichen Rahmenbedingungen. 

Prof. Dr.-Ing. Hans-Günter Hirsch (i.R.)

Audiosignalverarbeitung, Nachrichtenübertragung, Lineare Systeme und Netzwerke

hans-guenter.hirsch(at)hs-niederrhein.de

Prof. Dr.-Ing. habil. Regina Pohle-Fröhlich
Informatik, Graphische Datenverarbeitung
Prof. Dr.-Ing. Christoph Degen
Kommunikationstechnik und Grundlagen der Elektrotechnik
Prof. Dr. Monika Eigenstetter
Arbeitspsychologie CSR Management Leitung A.U.G.E. Institut Leitung EthNa Kompetenzzentrum CSR Studiengangsleitung
Prof. Dr.-Ing. habil. Edwin Naroska
Technische Informatik
Jan Reitz, M.Sc.
Projekt "KIRaPol.Next" im iPattern - Institut für Mustererkennung
Sinan Yavuz, M.Eng.
Logo 50Jahre HAW
Logo Che
Logo Familie in der Hochschule
Logo Diversity Audit
Logo Hochschulallianz
Logo Innovative Hochschule
Logo BMBF
Logo Gemeinsame Wissenschaftskonferenz
Beratung
Barrierefreiheit

HSNR Chatbot