DATAVSN ist die von HYPERVISUAL entwickelte Digital-Signage-Software: zuerst ein CMS, das um die anonyme Publikumserkennung ergänzt werden kann. Dieser Artikel erklärt, was DATAVSN misst (anonyme Zählung, Stopprate, Verweildauer, Geschlecht und Altersgruppe), wie die Bilder vor Ort verarbeitet werden, ohne jemanden zu identifizieren, und wie Sie die Zahlen nutzen, um Ihre Inhalte zu verbessern.
Auf dieser Seite
Das Wichtigste in Kürze
- DATAVSN ist zuerst ein CMS; die anonyme Publikumserkennung baut darauf auf, danach folgt die Interaktivität
- Metriken: anonyme Zählung, Stopprate und Verweildauer, dazu eine anonyme Verteilung nach Geschlecht und Altersgruppe
- Verarbeitung vor Ort (Edge Computing): Die Bilder werden auf dem Gerät ausgewertet, nie gespeichert, und niemand wird identifiziert
- Messbare Optimierung: Verweildauer und Stopprate, Bildschirm für Bildschirm und Woche für Woche verglichen
- Zahlen werden aggregiert, bevor sie den Standort verlassen; Daten in der Schweiz gehostet
Was DATAVSN misst
Die Basis ist das CMS: Der Kunde spielt seine Inhalte aus, plant sie und aktualisiert sie aus der Ferne. Darauf baut die anonyme Publikumserkennung auf, danach folgt die Interaktivität. Mit der Publikumserkennung wissen Sie in Echtzeit, wie viele Personen Ihre Bildschirme sehen, wie viele stehen bleiben und wie lange sie hinschauen, ohne dass jemand identifiziert wird.
Bei der Messung von Digital-Out-of-Home-Werbung (DOOH) fehlen noch einheitliche Standards: Im Juli 2025 hat das IAB seinen DOOH-Messleitfaden veröffentlicht, gerade um Käufern und Verkäufern einen gemeinsamen Bewertungsrahmen zu geben. Klare Definitionen sind deshalb wichtig: Jede Metrik von DATAVSN wird unten erklärt.
Warum das Publikum eines Bildschirms messen?
Laut Grand View Research (Ausgabe Juni 2026) dürfte der globale Digital-Signage-Markt bis 2033 ein Volumen von 58,4 Milliarden USD erreichen, bei einem jährlichen Wachstum von 8,2 % ab 2026. Ein Bildschirm bringt aber nur dann Ergebnisse, wenn er das richtige Publikum zum richtigen Zeitpunkt erreicht, und viele Netzwerke laufen im Blindflug, weil ihr Publikum aus dem Besucheraufkommen geschätzt wird, statt vor dem Bildschirm gemessen zu werden. DATAVSN misst dieses Publikum in Echtzeit, damit sich die Inhalte auf der Grundlage von Daten verbessern lassen.
Die Plattform wird von HYPERVISUAL entwickelt, einem Schweizer Integrator. Sie verbindet die Verarbeitung vor Ort (Edge Computing) mit der anonymen Publikumserkennung und liefert verwertbare Zahlen, ohne Bilder zu speichern oder jemanden zu identifizieren.
So funktioniert es
Verarbeitung vor Ort (Edge Computing)
Anders als Cloud-Analytics, die Videostreams an entfernte Server senden, verarbeitet DATAVSN alles vor Ort. Eine Kamera am Bildschirm sieht nur die Personen davor, und die Bilder werden lokal ausgewertet, auf dem Gerät, das mit dem Bildschirm installiert wird. Weder Bilder noch personenbezogene Daten verlassen den Standort.
Diese Architektur bietet drei Vorteile. Erstens erfolgt die Verarbeitung in Echtzeit vor Ort: Der Bildschirm kann auf das anwesende Publikum reagieren, ohne von einem entfernten Server abzuhängen. Zweitens bleibt der Bandbreitenbedarf minimal, da nur aggregierte, anonyme Zahlen an die Plattform übertragen werden. Drittens ist der Datenschutz in der Architektur selbst verankert, statt von Richtlinien zum Umgang mit Daten abzuhängen.
Die Metriken
DATAVSN liefert drei Metriken und ein anonymes Profil des Publikums. Keine davon beruht auf Gesichtserkennung oder Emotionserkennung: Die Auswertung stützt sich auf anonyme Zähler, die lokal berechnet werden.
Anonyme Zählung
Wie viele Personen am Bildschirm vorbeigehen, gezählt, ohne dass jemand identifiziert wird. Da die Kamera nur den Bereich vor dem Bildschirm sieht, spiegelt die Zählung das Publikum dieses Bildschirms wider und nicht das Besucheraufkommen der ganzen Strasse oder des ganzen Einkaufszentrums.
Stopprate
Der Anteil der Passanten, die stehen bleiben, statt weiterzugehen: das erste Zeichen dafür, dass eine Botschaft den Blick auf sich zieht.
Verweildauer
Wie lange Personen auf den Bildschirm schauen. Zu wissen, dass jemand kurz hingeschaut hat, ist etwas grundlegend anderes, als zu wissen, dass er 12 Sekunden statt 3 hingeschaut hat. Zusammen mit der Stopprate gelesen, ist die Verweildauer das nützlichste Signal, um kreative Inhalte zu testen: Eine Botschaft, an der viele vorbeigehen, vor der aber nur wenige stehen bleiben oder die nur kurz betrachtet wird, ist eine verpasste kreative Chance.
Geschlecht und Altersgruppe
Eine anonyme Verteilung des Publikums nach Geschlecht und Altersgruppe, Stunde für Stunde. Sie erlaubt es, die Ausspielung am tatsächlich anwesenden Publikum auszurichten, wie die folgenden Beispiele zeigen.
Mit den Daten die Inhalte verbessern
Ablauf der Content-Optimierung
Eine wirksame Nutzung der Daten folgt einem systematischen Optimierungszyklus:
Messphase: Zwei bis drei Wochen lang läuft auf dem Bildschirm die bestehende Schleife, während das System zählt, was vor dem Schaufenster geschieht: wie viele vorbeigehen, wie viele stehen bleiben, wie lange sie hinschauen, und die anonyme Verteilung nach Geschlecht und Altersgruppe, Stunde für Stunde. Es geht noch nicht darum, etwas zu beweisen, sondern herauszufinden, welches Publikum das Schaufenster tatsächlich erreicht, und das deckt sich selten mit dem, was die Marke angenommen hat.
A/B-Tests: Setzen Sie Content-Varianten ein und messen Sie die Leistungsunterschiede. Testen Sie Botschaft, Bildsprache, Platzierung des Call-to-Action und Zeitpunkt. Ob ein Unterschied statistisch signifikant ist, hängt vom Besucheraufkommen und von der Grösse des gemessenen Unterschieds ab.
Iteration: Übernehmen Sie die erfolgreichen Varianten und testen Sie weiter die sekundären Elemente. Die Verbesserung summiert sich über die Zeit: Jeder Zyklus verringert den Abstand zwischen dem, was geplant ist, und dem, was tatsächlich Aufmerksamkeit bindet. Unser Leitfaden zur Berechnung des ROI von Digital Signage zeigt, wie sich solche Zahlen in Geschäftswert übersetzen lassen.
Was das System sichtbar macht
Nehmen wir ein Schaufenster in einem Einkaufszentrum. Der Zähler trennt zunächst zwei Gruppen, die üblicherweise vermischt werden: Passanten und Personen, die stehen bleiben. Das Verhältnis zwischen beiden, die Stopprate, zeigt, ob das Schaufenster wirkt oder nur eingeschaltet ist. Dazu kommen die Verweildauer, also die durchschnittliche Zeit, in der auf den Bildschirm geschaut wird, und die Zeiten, in denen sich die Stopps häufen und die nicht immer mit den besucherstärksten Stunden zusammenfallen.
Die Publikumserkennung liefert zudem eine anonyme Verteilung nach Geschlecht und Altersgruppe und erlaubt es, die Ausspielung an dieses Profil zu koppeln. Ein Händler kann festlegen, dass ein überwiegend weibliches Publikum einer jüngeren Altersgruppe eine Schuhlinie in den Vordergrund holt und ein überwiegend weibliches Publikum einer älteren Altersgruppe auf Gesichtspflege umschaltet. Die Regel schreibt das Marketing, nicht die Kamera: Das System liefert das Profil, der Händler entscheidet über die Antwort.
Im laufenden Betrieb bleibt der Bildschirm im Ruhezustand, solange niemand da ist. Bleibt jemand stehen, liest das System das anonyme Profil vor der Scheibe und startet die Sequenz, die das Verkaufsteam diesem Profil zugeordnet hat; geht die Person weiter, kehrt der Bildschirm in den Ruhezustand zurück. Die Abstimmung zwischen mehreren Personen ist bewusst einfach gehalten: Die zuerst erkannte Person bestimmt die Sequenz, alle weiteren im Erfassungsbereich kommen anschliessend an die Reihe, sobald diese Erkennung abgeschlossen ist. Die Erkennung läuft in Kaskade, statt Profile zu mitteln; so bleibt das Verhalten für diejenigen vorhersehbar, welche die Ausspielregeln geschrieben haben. Das ist zielgerichtete Werbung im gewöhnlichen Sinne des Marketings, die richtige Botschaft für das richtige Publikum, mit einem entscheidenden Unterschied: Die Ausrichtung erfolgt auf ein Profil, nie auf eine Person. Keine Identität, kein gespeichertes Bild, kein Wiedererkennen wiederkehrender Besucher.
Das sind Konfigurationsbeispiele, keine beobachteten Ergebnisse. Leistungszahlen veröffentlichen wir erst, wenn sie aus tatsächlich betriebenen Netzen stammen. Ein konkretes Projekt zeigt unsere Fallstudie zu einem Netz von zehn Pop-up-Stores, bei der die anonyme Publikumserkennung Teil unserer Offerte war.
Datenschutz von Anfang an
Vier Grundsatzentscheide
Publikumsmessung ist nur nützlich, wenn sie die Privatsphäre respektiert. DATAVSN löst diese Aufgabe mit vier Grundsatzentscheiden.
Keine gespeicherten Bilder: Das System speichert nie Fotos oder biometrische Templates. Die Bildanalyse erfolgt in Echtzeit direkt auf dem Gerät und liefert nur anonyme Statistiken; nach der Verarbeitung werden die Bilder verworfen.
Anonyme Aggregation: Alle Metriken werden aggregiert, bevor sie das Gerät verlassen. Das Dashboard zeigt zum Beispiel, wie viele Frauen einer bestimmten Altersgruppe zwischen 14 und 15 Uhr auf den Bildschirm geschaut haben, nie das Verhalten einer einzelnen Person.
Hosting in der Schweiz: Die Daten werden vollständig in der Schweiz gehostet.
Eigene Entwicklung: DATAVSN wird von HYPERVISUAL entwickelt, dem Schweizer Integrator, der es installiert.
Zugang zu den Zahlen
Der Kunde ruft die Zahlen in DATAVSN über einen Webbrowser ab, Bildschirm für Bildschirm und Stunde für Stunde.
Erste Schritte
HYPERVISUAL übernimmt die gesamte Implementierung von DATAVSN: Falls nötig kommen wir vor Ort vorbei, dann installieren wir die Hardware, konfigurieren das System und schulen Ihr Team. DATAVSN ist als Option für feste Bildschirminstallationen erhältlich.
