Ich habe eine Objekt-Erkennungs-KI für 47 $ gebaut. Jetzt zahlen mir 6 Unternehmen 11.000 $/Monat.

Tools für 47 $. Rechnungen für 11.000 $. Im selben Monat.

Eine Kamera zählt Autos, Menschen, Kartons – alles, worauf du sie richtest. Letzten Monat lief sie an 6 Standorten und ich habe sie zweimal angefasst.

Ein Bild. 6 Objekte in 40 ms erfasst und beschriftet.

Die meisten denken, man braucht dafür einen Doktortitel und eine GPU-Farm. Dabei reichen eine Webcam und ein Wochenende.

Diejenigen, die das verstanden haben, stellen lokalen Unternehmen ruhig 1.800 $ pro Monat in Rechnung, um Dinge zu zählen, die früher ein Mensch von Hand gezählt hat.

Hier ist der gesamte Aufbau.

Was es wirklich ist

Eine Kamera zeigt auf etwas. Das Modell rahmt jedes Objekt ein, beschriftet es und zählt es.

Das Unternehmen bezahlt für eine einzige Zahl: wie viele. Wie viele Autos hereingefahren sind, wie viele Menschen hereingekommen sind, wie viele Kartons bewegt wurden.

Früher brauchte man dafür eine Person mit Klemmbrett. Jetzt reicht eine Datei auf einem Server für 6 $.

Das ist das System.

Die Pipeline, von Anfang bis Ende

Kamera sendet RTSP: live YOLO11 erkennt: 40 ms pro Bild ByteTrack weist IDs zu: in Echtzeit Zähler protokolliert in CSV: sofort Streamlit zeigt Dashboard: 24/7

Gesamtbauzeit: ein Wochenende. Gesamtbetriebskosten: 47 $/Monat. Zeilen, die du tatsächlich bearbeitest: eine.

Schritt 1: Den Stack installieren

1pip install ultralytics supervision opencv-python

Eine Zeile im Terminal. YOLO11 erkennt, supervision zählt, opencv liest das Video.

Kein Programmierer? Das ist der einzige Setup-Befehl im gesamten Aufbau. Einmal einfügen, es installiert alles. Von hier aus klonst du eine Datei und änderst eine Zeile: deinen Kamera-Link.

Schritt 2: Alles in 4 Zeilen erkennen

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4results = model("street.jpg")
5results[0].show()

YOLO11 kennt von Haus aus 80 Objekte: Person, Auto, Fahrrad, LKW, Hund, Flasche. Richte es auf ein beliebiges Bild und es rahmt sie ein. Noch kein Training nötig.

Ändere eine Zeile: Ersetze "street.jpg" durch dein eigenes Foto. Das ist die gesamte Bearbeitung.

Schritt 3: Live auf einer Kamera ausführen

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.predict(source=0, show=True)   # 0 = Webcam, oder eine RTSP-URL einfügen

Ersetze 0 durch einen RTSP-Link und es liest jede Überwachungskamera im Gebäude aus. Das ist der Moment, in dem der Kunde hellhörig wird.

Ändere eine Zeile: Füge den Kamera-Link des Kunden dort ein, wo die 0 steht. Alles andere bleibt.

Schritt 4: Verfolgen und zählen, nicht nur erkennen

Die reine Erkennung zählt dasselbe Auto in jedem Bild erneut. ByteTrack gibt jedem Objekt eine eindeutige ID und behält sie über mehrere Bilder hinweg, sodass du jedes Ding genau einmal zählst, wenn es eine Linie überquert.

1import cv2
2from ultralytics import YOLO
3import supervision as sv
4
5model = YOLO("yolo11n.pt")
6tracker = sv.ByteTrack()
7line = sv.LineZone(start=sv.Point(0, 500), end=sv.Point(1920, 500))
8annot = sv.LineZoneAnnotator()
9
10cap = cv2.VideoCapture("traffic.mp4")
11while True:
12    ok, frame = cap.read()
13    if not ok:
14        break
15    result = model(frame, conf=0.5)[0]
16    detections = sv.Detections.from_ultralytics(result)
17    detections = tracker.update_with_detections(detections)
18    line.trigger(detections)
19    frame = annot.annotate(frame, line_counter=line)
20    cv2.imshow("count", frame)
21    if cv2.waitKey(1) == 27:
22        break

line[dot]in_count und line[dot]out_count enthalten die aktuellen Gesamtzahlen. Das ist das Produkt. Du kopierst diesen Block komplett, du schreibst ihn nicht.

Mein erster Demo-Versuch ist hier gescheitert. Die Kamera zählte Schatten als Menschen, also sah der Parkplatz-Kunde 400 Autos auf einem leeren Gelände. Die Lösung war conf=0.5, die Zeile, die bereits im obigen Code steht: ignoriere alles, bei dem das Modell nicht zu 50 % sicher ist. Erhöhe sie, die Geister verschwinden. Der Kunde unterschrieb am nächsten Tag.

Schritt 5: Bring ihm bei, DEIN Objekt zu zählen

Die 80 Standardklassen decken Autos und Menschen ab. Wenn ein Kunde Paletten, Weinflaschen oder Rinder zählen will, erledigt Roboflow den schwierigen Teil im Browser. Du ziehst 200 Fotos hinein, klickst Kästchen um das Objekt und drückst auf Trainieren. Kein Code.

Beschriften einer benutzerdefinierten Klasse in Roboflow. Klicken, benennen, fertig

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.train(data="dataset.yaml", epochs=50, imgsz=640)

50 Epochen auf einer kostenlosen Colab-GPU dauern 20 Minuten. So oder so – dieselbe Pipeline zählt jetzt alles, was du ihr gezeigt hast. Das ist die Zeile in der Schlagzeile.

Schritt 6: Jede Zahl protokollieren

1import csv, datetime
2
3def log_count(label, count):
4    with open("counts.csv", "a", newline="") as f:
5        csv.writer(f).writerow([datetime.datetime.now(), label, count])

Eine CSV-Zeile pro Ereignis. Diese Datei verwandelt ein Skript in einen Bericht, den das Unternehmen lesen kann. Sie ist bereits in die Datei eingebaut, die ich dir schicke.

Schritt 7: Hinter ein Dashboard setzen

1import streamlit as st
2import pandas as pd
3
4df = pd.read_csv("counts.csv", names=["time", "object", "count"])
5st.metric("Heute insgesamt", int(df["count"].sum()))
6st.line_chart(df, x="time", y="count")

Führe streamlit run app[dot]py aus, richte eine Domain auf dem Server ein und sende dem Kunden einen Link. Sie loggen sich ein und sehen ihre eigenen Zahlen in Echtzeit. Für diesen Link stellst du eine Rechnung.

Die Kosten

Alter Weg vs. dieser Aufbau:

• Modell - CV-Team, 6 Monate → YOLO11, kostenlos, 5 Minuten
• Beschriftung - Annotationsfirma → Roboflow, zeigen und klicken
• Hardware - On-site GPU-Box, 4.000 $ → Cloud-Server, 46 $/Monat
• Dashboard - Vertragsentwickler, 8.000 $ → Streamlit, kostenlos
• Domain - Agentur-Retainer → 12 $/Jahr, etwa 1 $/Monat

Server + Domain landen bei 47 $/Monat. Ein Kunde deckt das 38-fache ab.

Wie du den ersten Kunden gewinnst

Lass die Pitch-Deck weg. Geh in ein Unternehmen, das bereits Kameras hat und etwas von Hand zählt. Ein Parkplatz, ein Fitnessstudio, ein Café, ein kleines Lager.

Frag nach ihrem RTSP-Link oder 2 Minuten ihres Kamerafeeds. Führe die Datei direkt dort auf deinem Laptop aus. Zeig ihnen ihre eigene Tür mit Live-Zahlen darauf.

Zuzusehen, wie ihre eigene Kamera für sie zählt, schließt den Deal schneller als jede Folie. Meine ersten 3 Kunden unterschrieben noch beim selben Besuch.

Wie daraus 11.000 $/Monat werden

Du verkaufst die Zahl, nicht den Code.

Monat 1

- Auf meinem Laptop gebaut. Erster Kunde: ein Parkplatz, der stündliche Autozahlen wollte. 500 $/Monat.

Monat 3

- 3 Kunden: Parkplatz, ein Einzelhandels-Türzähler, ein Fitnessstudio, das Stoßzeiten verfolgt. 4.500 $/Monat.

Monat 6

- 6 Kunden mit durchschnittlich 1.800 $. Ein Lager, das Paletten zählt, ein Café, das Fußgängerfrequenz zählt, ein Bike-Sharing, das Stände verfolgt. 11.000 $/Monat.

Monat 12

- Hör auf, Setups zu verkaufen, verkaufe Logins. Ein Dashboard pro Kunde, monatlich abgerechnet. Über 20.000 $/Monat bei Kosten immer noch unter 60 $.

Die Arbeit ist einmal erledigt. Die Rechnungen wiederholen sich.

Starte hier

Der Stack ist kostenlos. Die Kamera hängt bereits an der Wand. Du bearbeitest eine Zeile und führst eine Datei aus.

Kommentiere "DETECT" und ich schicke dir die vollständige Datei: Der Kamera-Link kommt oben rein, alles andere läuft von selbst. Trainings-Notebook und dataset[dot]yaml-Vorlage inklusive.

Die Unternehmen in deiner Straße haben heute von Hand gezählt. Sie werden es morgen wieder tun – es sei denn, jemand taucht mit dem Kamera-Link auf.