Multi-Country-ALPR für einen südostasiatischen Kunden — Damals und Heute

Eine Fallbetrachtung: Wie sich die Entwicklung desselben Vision-AI-Systems zwischen 2020 und 2026 verändert hat — am Beispiel einer Nummernschilderkennung für mehrere asiatische Länder.

1. Damals: Multi-Country-ALPR (2020–2022)

Anwendung. Automatische Nummernschilderkennung für einen südostasiatischen Kunden an stark frequentierten Kontrollpunkten. Erfasst und klassifiziert werden Kennzeichen aus Vietnam, China, Laos und Kambodscha. Releases der Länder-Bundles: Januar 2022.

Plate-Spezifika.

Land	Format	Schrift	Bemerkung
Vietnam	`12A-345.67` (Regional-Code · Serie · Reg-Nr)	Latin, schwarz auf weiß	Format von 2010; ältere Formate, Diplomatisch und Militärisch mit deutlich niedrigerer Genauigkeit
China	Provinz-Hanzi + Region-Buchstabe + Nummer	Latin + chinesische Zeichen	Mehrere Farbcodes (Privat, EV, Großfahrzeuge, Agrar/Municipal, Coach/Test/Temporär)
Laos	zweigeteilt	Lao-Schrift + Latin	Behördliche Plates rot, reguläre gelb gerahmt
Kambodscha	landeseigenes Format	Khmer-Schrift + Latin	Schriftbild dem thailändischen ähnlich

Architektur (Klassenbeschreibung).

Edge — pro Station (Kontrollpunkt):

Multifokales Panorama-Kamerasystem (180°×90°, ca. 45 MP effektive Auflösung) für Übersicht
Spezialisierte ANPR-Kameras mit integrierter IR-Beleuchtung (10–18 m Erfassungsbereich, Tag/Nacht)
PTZ-Kamera mit IR (bis ca. 200 m Reichweite)
4K-Dome-Kamera für Detail
Lokaler Recording-Server (Rack-Mount)
ANPR-Engine auf dedizierter Workstation (NVIDIA-GPU, CUDA, DeepStream als Substrat)

Operations-Center:

Multi-Stream-Viewing-Client (GPU-beschleunigt)
Whitelist/Blacklist-Management mit Mobile-Push-Alerts
Driver-/Vehicle-Stammdaten, Time-Profiles
Map-basiertes Site-Setup
VPN-Anbindung zu allen Edge-Sites

Integration:

ANPR-Events via Message-Broker (ActiveMQ), Payload mit Plate-String, Confidence, Bounding-Box, JPG-Crops von Fahrzeug und Plate
Multicast/UDP für Live-Streams, Unicast/TCP für Replay
ONVIF-Profile-S-Schnittstelle für Drittsysteme

ML-Methodik.

Supervised Learning, ein separat trainiertes Detektor- und OCR-Modell pro Land (VN, CN, LA, KH)
Manuelle Annotation aller Trainingsbeispiele mit Open-Source-Label-Tools
Iteratives Training in nummerierten Schritten (typisch 10 bis 14 pro Modell)
Detektor-Familien: MobileNet-SSD und YOLO-Varianten
Performance-Tracking in tabellarischen Reports pro Länderkombi

Aufwand. Mehrere Personenmonate bis zu den produktionsreifen Länder-Bundles. Größter Einzelposten: das Annotieren von Trainingsbildern. Für die Annotation waren durchgängig zwei Vollzeitkräfte beschäftigt.

ALPR-Entwicklung 2020–2022: manuelle Annotation, vier OCR-Modelle, Edge-Stack, Time-to-Production in Personenmonaten — ALPR damals (2020–2022): supervised, manuell

2. Was sich technologisch geändert hat

Drei Verschiebungen verändern den Bauplan grundsätzlich:

Coding-Agents als Pipeline-Generatoren. NVIDIA DeepStream 9 (April 2026) liefert einen installierbaren Skill für Claude Code und Cursor. Aus einem Natural-Language-Prompt entstehen produktionsreife Vision-Pipelines mit REST-API, Kafka-Anbindung, Health-Probes und Container-Deployment in einem Durchgang.
Vision-Language-Models statt Pro-Sprache-OCR. Ein VLM (z. B. NVIDIA Cosmos Reason 2) liest Latin, Hanzi, Lao und Khmer in einem Modell und gibt strukturiertes JSON zurück — inklusive Land-Klassifikation. Vier separate OCR-Modelle werden eins.
Few-Shot oder Zero-Shot statt Massen-Annotation. Statt zehntausender manuell gelabelter Plates reichen oft Dutzende Validierungsbeispiele und ein präziser Prompt. Iteration verschiebt sich von Modell-Training zu Prompt-Engineering.

3. Wie man dieselbe Anwendung heute aufsetzt

Empfohlene Architektur.

Edge — pro Lane (z. B. Jetson Orin):

RTSP-Stream der Lane-Kamera + Trigger-Signal von Induktionsschleife oder Lichtschranke
YOLOv26s detektiert Fahrzeug und Plate-Region (DeepStream-nativ)
Plate-ROI-Crop
VLM-Inferenz mit strukturiertem Prompt — Output: {country, plate_text, latin_translit, confidence}
Strukturiertes Event → Kafka → Backend (Watchlist-Match, Audit-Log)
FastAPI-Endpunkte für Operations und HMI (/health, /metrics, /lanes/{id}/last)

Backend:

Watchlist-Service, Persistenz, Reporting
VLM-Fallback-Tier mit größerem Modell für niedrig-konfidente Fälle
Review-Queue für menschliche Stichproben → kontinuierliches Prompt-Tuning

Bootstrap-Prompt (Beispiel).

Build a DeepStream 9 microservice for checkpoint license-plate recognition.
Input: 8 RTSP streams (one per lane), each triggered by an external GPIO/MQTT
signal indicating a vehicle is at the read line.
Stage 1: YOLOv26s detects vehicle and license plate, crops plate ROI.
Stage 2: For each crop, call a vision-language model with a structured prompt
that returns JSON {country: VN|CN|LA|KH|other, plate_text, latin_translit, confidence}.
Stage 3: Emit one Kafka message per detection to topic `lpr.plates.v1` with
schema {lane_id, ts, country, plate_text, latin_translit, confidence, image_ref}.
Persist plate crops to /var/lib/alpr/plates/{yyyy}/{mm}/{dd}/ for audit.
Expose FastAPI: GET /health, GET /metrics (Prometheus), GET /lanes/{id}/last,
POST /lanes/{id}/replay.
Dockerize; target Jetson Orin AGX.

Der Skill erzeugt aus diesem Prompt die Pipeline, den FastAPI-Wrapper, die Compose-Files und die Health-Probes in einem Durchgang.

Neu zu beachten.

Validation-Set und Audit-Trail. Solche Kontroll-Anwendungen sind juristisch relevant. Plate-Crop, Modell-Version und Prompt-Hash müssen pro Event persistiert werden.
Confidence-Routing. Niedrige Konfidenz → größeres VLM oder menschliche Review-Queue.
Prompt-Versionierung. Prompts werden zum Modell-Äquivalent und gehören semantisch versioniert ins Git.
Datensouveränität. VLM idealerweise on-premise auf einem GPU-Server vor Ort, nicht über externe APIs.

ALPR-Entwicklung 2026: Bootstrap-Prompt, agent-generierte Pipeline, ein VLM, Few-Shot, Time-to-Production in Personentagen — ALPR heute (2026): VLM-gestützt, agent-generiert

4. Aufwandsvergleich

Aspekt	Damals (2020–2022)	Heute (2026)
Annotation	manuell, durchgängig 2 Vollzeitkräfte	wenige Dutzend Validierungsbeispiele, Stichproben
OCR-Modelle	eines je Land / Schriftsystem	ein VLM für alle Schriftsysteme
Pipeline-Code	Wochen bis Monate manueller Implementierung	Stunden, generiert aus einem Prompt
Trainings-Iteration	nummerierte Schritte, je Land 10–14 Runden	Prompt-Tuning gegen Validation-Set
Time-to-Production	Personenmonate pro Länder-Bundle	Personentage

5. Auswirkungen auf die Arbeit

Die Trainings-Datenannotation war früher reine Handarbeit und band über Monate mehrere Vollzeitkräfte. Mit VLM-basierter Erkennung entfällt dieser Aufwand weitgehend — gering qualifizierte Annotationsarbeit wird in solchen Pipelines künftig deutlich weniger gebraucht.

Im Gegenzug verschiebt sich die Arbeit zu höher qualifizierten Aufgaben: Prompt-Engineering, Pflege der Validierungs-Datensätze, Modell-Auswahl und -Evaluation. Diese Verschiebung ist real — weniger, dafür anspruchsvollere Tätigkeiten.