Städtische und gewerbliche Parkhäuser stehen vor einem einfachen, aber teuren Problem: Niemand weiß, welcher Stellplatz gerade frei ist. Fahrer kreisen über die Etagen, an der Einfahrt bildet sich eine Schlange, das Ticketsystem ist nicht mit den Stellplätzen verbunden, und die Verwaltung erfährt die Ein- und Ausfahrten des Tages erst nach Betriebsschluss. Bodensensoren für jeden Stellplatz sind in Installation und Wartung teuer und haben in offenen Anlagen Schwierigkeiten. Gebraucht wird eine Möglichkeit, den Zustand jedes Stellplatzes kontinuierlich, kostengünstig und ohne menschliches Zutun zu messen.
Es geht nicht nur um den Komfort der Fahrer. Für die Stadt bedeutet jede Minute, die ein Auto auf Parkplatzsuche verbringt, mehr Verkehr und Emissionen. Für den Betreiber heißt die Unkenntnis der tatsächlichen Belegung, weder dynamische Preise noch Reservierungen anbieten noch Nutzungsmuster analysieren zu können. Für die Sicherheit ist das Wissen, welches Fahrzeug seit wann auf welchem Stellplatz steht, die Grundlage für die Aufklärung jedes Vorfalls. Smart Parking ist daher kein Komfortprodukt, sondern Infrastruktur, die zu Daten wird, und Daten, die zu Entscheidungen werden.
Eine Computer-Vision-Architektur macht vorhandene Kameras oder einige wenige neue zu Sensoren. Am Edge analysiert eine kompakte Recheneinheit die Bilder, erkennt die Belegung jedes Stellplatzes, liest Kennzeichen und sendet nur aussagekräftige Ereignisse, etwa „Stellplatz zwölf belegt“ oder „Kennzeichen X eingefahren“, an den Server. Diese Ereignisse werden auf einer zentralen Plattform gesammelt, mit Ticketing und Bezahlung verknüpft und über APIs für Leitsysteme, die mobile App und das Management-Dashboard bereitgestellt. Rohvideo verlässt den Standort nie; nur Daten tun es.
Die erste praktische Überlegung betrifft die realen Bedingungen. Modelle, die bei gutem Licht und sauberer Linse gut funktionieren, können nachts, bei Regen, im Schatten von Bäumen oder bei einer verstellten Kamera versagen. Abhilfe schafft die Evaluierung des Modells mit Daten des tatsächlichen Standorts und regelmäßiges Nachtrainieren, statt einem generischen Modell zu vertrauen. So hat ein offener Parkplatz im Winter ein völlig anderes Lichtmuster als im Sommer, und ohne Nachtraining ist mit sinkender Genauigkeit zu rechnen.
Die zweite Überlegung betrifft Datenschutz und Datendesign. Ein Kennzeichen ist ein personenbezogenes Datum und muss mit derselben Sorgfalt behandelt werden wie Kundendaten in einer Bank. Das bedeutet Verarbeitung am Edge, Verwerfen des Bildes nach der Extraktion des Ereignisses, Speicherung von Kennzeichen nur so lange, wie Betrieb und Bezahlung es erfordern, und rollenbasierter Zugriff auf die Dashboards. Eine gute Architektur verankert diese Vorgaben im Design, statt sie nachträglich anzuschrauben, was sowohl sicherer als auch günstiger ist.
Die typischen Fallstricke sind klar. Erstens: mit dem besten Modell statt mit dem besten Kamerawinkel zu beginnen; die richtige Kameraplatzierung beeinflusst die Genauigkeit stärker als jeder Algorithmus. Zweitens: Rohvideo an einen zentralen Server zu streamen, was Bandbreite verbraucht und Datenschutzrisiken schafft. Drittens: das Erkennungssystem ohne Integration mit Ticketing und Bezahlung aufzubauen, was ein Dashboard hervorbringt, nach dem niemand handelt. Viertens: den Fehlerzustand zu ignorieren; fällt eine Kamera aus, sollte das System Stellplätze als unbekannt statt als frei melden, sonst werden Fahrer zu Plätzen geleitet, die es nicht gibt.
Die Vision-KI-Plattform Bina von Niadad setzt diese Architektur um: Edge-Verarbeitung, Belegungs- und Kennzeichenerkennung, Ereigniserzeugung und Integration mit operativen Systemen über APIs. Im Smart-Parking-Projekt von Niadad dient Bina als Wahrnehmungsschicht, und ihre Ereignisse speisen die Daten- und Event-Plattformen von Niadad, sodass der Zustand des Parkhauses für Fahrer, Betreiber und Analysen auf Stadtebene gleichermaßen verfügbar ist.
Smart Parking ist eine kleine Ausprägung des größeren Smart-City-Musters: kostengünstige Sensorik, Intelligenz am Edge, Ereignisse statt Video und Integration mit operativen Systemen. Eine Organisation, die dieses Muster in einem Parkhaus richtig umsetzt, kann es an einem Gebäudeeingang, an einer Produktionslinie oder in einem Lager wiederholen. Die Technologie ist inzwischen so ausgereift, dass nicht mehr das Modell den Ausschlag gibt, sondern die Disziplin, mit der das umgebende System gebaut wird.