Zum Inhalt springen
⚠️ Hybrid Geprüft: April 2026

YOLO (You Only Look Once)

Ultralytics / Open Source

4/5
Tool öffnen

Open-Source-Echtzeit-Objekterkennungsmodell. Sehr schnell und präzise für Personen-, Auto- und Objekterkennung. Ideal für Custom Training mit eigenen Daten (z. B. 'Person in Sperrzone'). Billigste Lösung für Lagerhallen mit Entwicklerkapazität.

Kosten: Kostenlos. Infrastruktur für Inferenz (GPU-Server) selbst zu bezahlen: ca. 500–3.000 € einmalig, 100–300 €/Monat laufend

Stärken

  • 100% kostenlos — quelloffen
  • Extrem schnell (>100 Bilder/Sekunde auf GPU)
  • Einfach mit eigenen Daten trainierbar (Custom Models)
  • Läuft lokal — keine Cloud-Abhängigkeit, vollständige DSGVO-Compliance
  • Aktive Community und 1.000+ Pre-trained Models

Einschränkungen

  • Keine Anomalieerkennung out-of-the-box — nur Objekterkennung
  • Braucht erfahrene Entwickler — nicht 'no-code'
  • Custom Training braucht Zeit und Labeling (4–8 Wochen für gute Modelle)
  • Infrastruktur-Kosten nicht zu unterschätzen (Server, GPUs)
  • Kein kommerzieller Support — Community-Support nur

Passt gut zu

Tech-getriebene Unternehmen mit Entwicklerteam Lager/Parkplätze mit Budget für Hardware aber nicht für Lizenzen Custom-Anforderungen, die Off-the-Shelf-Modelle nicht lösen Bildungseinrichtungen und Forschung

So steigst du ein

Schritt 1: Installiere Python + YOLOv8 lokal oder auf einem Server. Dokumentation auf github.com/ultralytics/ultralytics.

Schritt 2: Nutze vorgefilterte Modelle (yolov8m.pt) für Standard-Objekte (Menschen, Autos, Gegenstände) oder trainiere dein eigenes Modell mit deinen Daten.

Schritt 3: Integrier YOLO in deine Infrastruktur (via OpenCV + Python-Skript oder Docker-Container). Inference läuft lokal auf GPU — Echtzeit oder auf gespeicherten Videos.

Ein konkretes Beispiel

Ein Lagerbetreiber mit tech-Team nutzt YOLO mit Custom Training: “Person in Lagerzone C außerhalb Betriebszeiten = Alarm”. Der Betreiber labelt 500 Bilder mit Personen und ohne Personen in Zone C (ca. 3 Tage Arbeit). YOLO wird trainiert (4 Stunden). Danach läuft die Erkennung auf einem GPU-Server (RTX 3080, ca. 800 €) und erkennt die Situation mit 94 % Genauigkeit in Echtzeit.

Diesen Inhalt teilen:

Empfohlen in 3 Use Cases

Redaktionell bewertet · Preise und Funktionen können sich ändern.

Stimmt etwas nicht?

Preise geändert, Feature veraltet oder etwas fehlt? Wir freuen uns über Hinweise und Ergänzungen.

Feedback geben
Kostenloser Newsletter

Bleib auf dem neuesten
Stand der KI

Wähle deine Themen und erhalte relevante KI-News, Praxistipps und exklusive Inhalte direkt in dein Postfach – kein Spam, jederzeit abmeldbar.

Was interessiert dich? Wähle 1–3 Themen — du bekommst nur Inhalte dazu.

Mit der Anmeldung stimmst du unserer Datenschutzerklärung zu. Jederzeit abmeldbar.

Kostenlos
Kein Spam
Jederzeit abmeldbar