TL;DR
- Wat: NVIDIA brengt versie 3 uit van zijn Metropolis VSS Blueprint — een bouwpakket waarmee AI-agents video's kunnen doorzoeken, samenvatten en er meldingen uit genereren op basis van gewone taal.
- Waarom relevant: Bedrijven met camerasystemen (winkel, magazijn, bouwplaats) kunnen hiermee videobeelden omzetten in bruikbare informatie, zonder dat iemand uren beeldmateriaal hoeft terug te kijken.
- Wat je ermee kunt: Inventariseer of jouw sector (retail, logistiek, vastgoed) baat heeft bij geautomatiseerde videoanalyse en volg de ontwikkelingen rond NVIDIA Metropolis.
NVIDIA heeft de derde versie van zijn Metropolis Blueprint voor Video Search and Summarization (VSS 3) beschikbaar gemaakt. Ik viel over dit bericht omdat het iets doet wat tot voor kort ondenkbaar was: een AI-agent die je in gewone mensentaal kunt vragen om camerabeelden te doorzoeken, samen te vatten of er een melding van te maken. Wat mij betreft is dit één van de meest concrete toepassingen van AI voor bedrijven met fysieke locaties.
Wat doet VSS 3 precies?
De kern is simpel uit te leggen. Stel, je hebt tien beveiligingscamera's in een magazijn. Tot nu toe moest iemand die beelden terugkijken, of je had dure gespecialiseerde software nodig om er iets nuttigs uit te halen. Met VSS 3 kun je een AI-agent — vergelijk het met een digitale assistent die kan "kijken" — een opdracht geven in gewone taal. Bijvoorbeeld: "Laat me alle momenten zien waarop een heftruck te dicht bij een voetganger komt."
De AI zoekt dan zelfstandig door de videobeelden, vindt de relevante fragmenten en levert een samenvatting of melding. Volgens NVIDIA kan het systeem een video van een uur samenvatten in minder dan één minuut — dat is honderd keer sneller dan zelf terugkijken. Een specifiek fragment terugvinden in een archief kan in minder dan vijf seconden.
Wat mij hier opvalt: dit is geen losstaand trucje. NVIDIA heeft het opgebouwd als een modulair systeem van losse microservices. Dat betekent dat je als ontwikkelaar alleen de onderdelen installeert die je nodig hebt — objectherkenning, gedragsanalyse, samenvatting — en de rest kunt laten liggen.
Vijftien vaardigheden voor AI-agents
In de tweet van @NVIDIAAI wordt gesproken over zestien nieuwe agent skills. Op de GitHub-repository van NVIDIA tel ik er vijftien, variërend van het deployen van objectdetectie tot het genereren van videorapportages en het beheren van meldingen. Het verschil kan zitten in een skill die nog niet publiek staat, maar ik wil daar eerlijk over zijn: ik kan het verschil niet verifiëren.
Wat zijn die skills dan concreet? Denk aan:
- vss-search-archive — doorzoek een videoarchief op specifieke gebeurtenissen.
- vss-summarize-video — maak een tekstsamenvatting van beeldmateriaal.
- vss-manage-alerts — beheer meldingen en incidenten.
- vss-generate-video-report — genereer een analyserapport.
- vss-deploy-detection-tracking-2d — zet 2D-objectdetectie en tracking op.
- vss-setup-behavior-analytics — configureer gedragsanalyse.
Het interessante is dat deze skills werken met zogenoemde coding agents — AI-assistenten voor ontwikkelaars. NVIDIA noemt onder andere Claude Code, Codex en NemoClaw als compatibele omgevingen. Dat betekent dat een ontwikkelaar via zo'n agent in een chatvenster kan typen: "Deploy VSS voor mijn magazijncamera's en stel gedragsanalyse in", waarna de agent de technische stappen uitvoert.
Wat betekent dit voor bedrijven met een fysieke locatie?
Kun je je voorstellen wat dit betekent als je een winkelketen runt met tientallen camera's per locatie? Of een bouwbedrijf met cameras op de bouwplaats? De belofte is dat je niet langer afhankelijk bent van iemand die uren beeldmateriaal terugkijkt, of van dure gespecialiseerde videosoftware.
NVIDIA richt zich met kant-en-klare blueprints op drie sectoren: warehouse operations, smart city en public safety. Het warehouse-blueprint detecteert bijvoorbeeld heftrucks, volgt personen en signaleert bijna-ongelukken. Voor retail noemt NVIDIA toepassingen als het verminderen van winkeldiefstal, het signaleren van lege schappen en het analyseren van klantgedrag.
Ik denk dat de drempel voor het MKB op dit moment nog hoog ligt. Je hebt NVIDIA GPU-hardware nodig en een ontwikkelaar die de blueprints kan implementeren. Dit is geen plug-and-play oplossing die je morgen op je laptopje installeert. Maar het feit dat NVIDIA de modulaire opzet zo nadrukkelijk promoot — alleen installeren wat je nodig hebt, deployment in minder dan vijf minuten volgens hun eigen documentatie — laat zien dat ze de toegankelijkheid bewust proberen te vergroten.
Een concreet voorbeeld
Stel dat je als ondernemer een distributiecentrum hebt met dertig camera's. Een medewerker glijdt uit in een gangpad. Normaal gesproken komt dat incident misschien pas boven water als iemand het meldt of als er achteraf beelden worden bekeken na een klacht. Met VSS 3 zou je een agent kunnen instellen die continu bewaakt op valincidenten en direct een melding stuurt — inclusief het relevante videofragment. Dat is het verschil tussen reactief en proactief omgaan met veiligheid.
Ik wil benadrukken: dit is een denkbaar scenario. Ik heb het niet zelf getest in een magazijn. Maar de technische bouwstenen die NVIDIA hier aanbiedt, maken dit type toepassing realistisch.
Wat maakt dit anders dan bestaande camerasoftware?
Er zijn al jaren bedrijven die slimme camerasoftware verkopen. Wat VSS 3 anders maakt, is de combinatie van drie dingen:
- Natuurlijke taal als interface. Je hoeft geen regels te programmeren. Je beschrijft wat je zoekt in gewone zinnen.
- Vision Language Models (VLMs). De AI "begrijpt" wat er in beeld gebeurt, niet alleen of er beweging is. Het verschil is als tussen een rookmelder en iemand die daadwerkelijk kan vertellen wat er brandt.
- Integratie met coding agents. Ontwikkelaars kunnen de volledige setup en configuratie uitvoeren via een AI-assistent, wat de implementatietijd drastisch kan verkorten.
Linker Vision, een partner van NVIDIA, gebruikt het platform volgens NVIDIA inmiddels voor meer dan 30.000 stadscamera's, met plannen om op te schalen naar 50.000. Zij rapporteren een reductie van incidentresponstijden met 80%. Dat zijn indrukwekkende cijfers, al moet ik erbij zeggen dat dit komt uit NVIDIA's eigen communicatie — onafhankelijke verificatie heb ik niet kunnen vinden.
Privacy en regelgeving: de olifant in de kamer
Wat ik in NVIDIA's aankondiging mis, is een expliciete behandeling van privacy. In Nederland en de EU gelden strenge regels rondom camerabewaking en de verwerking van beeldmateriaal via de AVG. Een AI die continu camerabeelden analyseert raakt al snel aan vragen over doelbinding, bewaartermijnen en de rechten van medewerkers en klanten.
Dat wil niet zeggen dat de technologie onbruikbaar is — maar het betekent wel dat je als ondernemer niet zomaar een AI-agent op je camerasysteem kunt loslaten zonder juridisch huiswerk. Ik zou zelf willen weten hoe NVIDIA en zijn partners omgaan met de Europese privacywetgeving voordat ik hier als bedrijf mee aan de slag ga.
Een stille verschuiving
Voor mij is dit vooral een signaal dat videoanalyse bezig is aan dezelfde verschuiving die we eerder zagen bij tekst en data: van specialistische software naar AI die je aanstuurt met gewone taal. De technologie is er. De vraag is niet meer óf dit kan, maar wanneer het betaalbaar en toegankelijk genoeg wordt voor het gemiddelde Nederlandse bedrijf met een handvol camera's. Ik denk dat we daar dichterbij zijn dan de meeste ondernemers vermoeden.