> ## Documentation Index
> Fetch the complete documentation index at: https://avala.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Architektur

> Wie die Avala Plattform aufgebaut ist

Diese Seite bietet einen Überblick darüber, wie die Avala Plattform organisiert ist und wie ihre Komponenten zusammenwirken.

<img src="https://mintcdn.com/avala/QI4wcFsXqwG8KGbR/images/reference/architecture-system-overview-light.svg?fit=max&auto=format&n=QI4wcFsXqwG8KGbR&q=85&s=2e7d5ce34b4db810adebeec241a97e6a" alt="Avala Systemarchitektur" className="block dark:hidden w-full" width="480" height="100" data-path="images/reference/architecture-system-overview-light.svg" />

<img src="https://mintcdn.com/avala/QI4wcFsXqwG8KGbR/images/reference/architecture-system-overview.svg?fit=max&auto=format&n=QI4wcFsXqwG8KGbR&q=85&s=92d58f56f725d7b1a535b1d95323fe10" alt="Avala Systemarchitektur" className="hidden dark:block w-full" width="480" height="100" data-path="images/reference/architecture-system-overview.svg" />

## Systemübersicht

<Steps>
  <Step title="Mission Control" icon="browser">
    Web-UI unter [avala.ai](https://avala.ai) — Visualisierung, Annotation, Projektmanagement, Qualitätskontrolle, Datensatzverwaltung
  </Step>

  <Step title="Visualisierungsengine" icon="display">
    GPU-beschleunigtes Rendering — Multi-Sensor-Viewer, 3D-Punktwolken-Viewer, Gaussian Splat Viewer, WebGPU/WebGL-Rendering-Pipeline
  </Step>

  <Step title="REST API" icon="server">
    `api.avala.ai/api/v1` — Datensätze, Projekte, Aufgaben, Exporte, Organisationen. Zugriff über HTTP/cURL, Python SDK, TypeScript SDK oder CLI.
  </Step>

  <Step title="Backend-Dienste" icon="gears">
    Asynchrone Verarbeitung — MCAP-Parsing, Videokonvertierung, Exportgenerierung, Aufgabenverarbeitung, Inferenz-Pipeline
  </Step>

  <Step title="Speicher" icon="database">
    Persistente Daten — Datensatz-Dateien, Annotationen, Exporte, Modellartefakte
  </Step>
</Steps>

## Komponenten

### Mission Control

Mission Control ist die Webanwendung von Avala unter [avala.ai](https://avala.ai). Sie bietet:

* **Datenvisualisierung** — GPU-beschleunigte Viewer zum Erkunden von Sensordaten vor, während und nach der Annotation. Multi-Sensor-Wiedergabe, 3D-Punktwolken-Rendering und Gaussian Splat Szenennavigation — alles im Browser.
* **Annotationseditor** — Speziell entwickelte Werkzeuge zum Labeln von Bildern, Video, Punktwolken und Multi-Sensor-Daten mit Unterstützung für Bounding Boxes, Polygone, Quader, Segmentierung, Polylinien und Keypoints.
* **Projektmanagement** — Erstellen und konfigurieren Sie Annotationsprojekte, definieren Sie Label-Taxonomien, weisen Sie Arbeit an Teammitglieder zu und überwachen Sie den Fortschritt.
* **Qualitätskontrolle** — Überprüfen Sie eingereichte Annotationen, markieren Sie Probleme, verfolgen Sie Akzeptanzraten und führen Sie Konsens-Workflows durch.
* **Datensatzverwaltung** — Laden Sie Daten hoch, organisieren Sie Elemente in Sequenzen, durchsuchen Sie Datensätze und verwalten Sie Zugriffsberechtigungen.

### Visualisierungsengine

Die Visualisierungsengine läuft im Browser und bietet GPU-beschleunigtes Rendering für Sensordaten:

* **Multi-Sensor-Viewer** — Synchronisierte Wiedergabe von MCAP- und ROS-Aufnahmen mit acht Paneltypen: Bild, 3D / Punktwolke, Plot, Rohnachrichten, Log, Karte, Anzeige und Zustandsübergänge. Automatische Topic-Erkennung und intelligente Layout-Komposition ordnen Panels basierend auf Ihren Daten an.
* **3D-Punktwolken-Viewer** — Rendert LiDAR-Daten mit sechs Visualisierungsmodi (Neutral, Intensität, Regenbogen, Label, Panoptisch, Bildprojektion). Vogelperspektive, Perspektiv- und Seitenansichten. WebGPU Compute Shader übernehmen Frustum Culling und Level-of-Detail-Rendering für hohe Bildraten bei dichten Scans.
* **Gaussian Splat Viewer** — WebGPU-beschleunigtes Rendering von 3D Gaussian Splat Szenenrekonstruktionen. GPU-Radix-Sortierung, Buffer-Pooling und Pipeline-Vorkompilierung liefern Echtzeitnavigation durch fotorealistische Umgebungen.
* **Rendering-Pipeline** — WebGPU wird bevorzugt mit automatischem WebGL-Fallback für breitere Browserunterstützung. Feature Flags steuern Compute Shader, Render Bundles und WGSL-Shader-Kompilierung.
* **Multi-Fenster-Layout** — Konfigurierbare Panelanordnungen mit Drag-and-Drop. Ein baumbasiertes Layoutsystem mit automatischem Ausgleich ermöglicht es Ihnen, die Panel-Organisation anzupassen, oder lassen Sie den Layout-Composer eine optimierte Anordnung aus Ihren Daten erstellen.

<Tip>
  Die Visualisierungsengine erfordert keine Plugins oder Downloads. Sie läuft nativ in Chrome 113+, Edge 113+ und anderen WebGPU-fähigen Browsern, mit WebGL-Fallback für ältere Browser.
</Tip>

### REST API

Die REST API unter `api.avala.ai/api/v1` bietet programmatischen Zugriff auf alle Plattformfunktionen. Alle Anfragen authentifizieren sich mit einem API Key im `X-Avala-Api-Key` Header.

Kernressourcen:

| Ressource          | Beschreibung                                                                    |
| ------------------ | ------------------------------------------------------------------------------- |
| **Datensätze**     | Datensätze und ihre Elemente erstellen, auflisten und verwalten                 |
| **Projekte**       | Annotations-Workflows, Label-Taxonomien und Aufgabeneinstellungen konfigurieren |
| **Aufgaben**       | Einzelne Annotationsarbeitseinheiten zuweisen, verfolgen und verwalten          |
| **Exporte**        | Annotierte Daten in verschiedenen Formaten generieren und herunterladen         |
| **Organisationen** | Teams, Mitglieder, Rollen und Berechtigungen verwalten                          |

Die API folgt REST-Konventionen mit JSON-Request- und Response-Bodies, cursorbasierter Paginierung und Standard-HTTP-Statuscodes.

### SDKs

Sie können die REST API direkt aus jeder Sprache mit Standard-HTTP-Clients aufrufen (siehe [REST API](/docs/sdks/rest-api)), oder die offiziellen SDKs verwenden:

* **Python SDK** (`pip install avala`) — Synchrone und asynchrone Clients, Pydantic-Modelle, automatische Paginierung, typisierte Exceptions, CLI-Werkzeug.
* **TypeScript SDK** (`npm install @avala-ai/sdk`) — Vollständig typisierter Client mit Promise-basierter API für Node.js und Edge-Runtimes.
* **CLI** (`curl -fsSL https://avala.ai/install.sh | bash`) — Verwalten Sie Datensätze, Projekte, Exporte und Speicher von Ihrem Terminal aus.

Siehe die [SDKs-Übersicht](/docs/de/sdks/overview) für Details.

### Backend-Dienste

Backend-Dienste übernehmen die asynchrone Verarbeitung, die die Plattform antreibt:

* **MCAP-Parsing** — Extrahiert und synchronisiert Sensorstreams aus MCAP-Aufnahmen, erkennt Nachrichtentypen und erstellt Frame-Indizes für den Multi-Sensor-Viewer.
* **Videokonvertierung** — Teilt hochgeladene Videodateien in Bildsequenzen für Visualisierung und Annotation.
* **Exportgenerierung** — Erzeugt herunterladbare Exporte in JSON, COCO, KITTI und anderen Formaten.
* **Aufgabenverarbeitung** — Generiert und verteilt Annotationsaufgaben basierend auf der Projektkonfiguration.
* **Inferenz-Pipeline** — Führt Modellinferenz für KI-unterstützte Annotation und Vorannotation durch.

### Speicher

Der Speicher verwaltet alle persistenten Daten:

* **Datensatz-Dateien** — Rohbilder, Videobilder, Punktwolken und MCAP-Aufnahmen.
* **Annotationen** — Von Annotatoren produzierte gelabelte Daten (Bounding Boxes, Polygone, Quader, Masken).
* **Exporte** — Generierte Exportdateien zum Download.
* **Modellartefakte** — Gewichte und Konfigurationen für Inferenzmodelle, die beim KI-unterstützten Labeling verwendet werden.

### MCP Server

Der MCP (Model Context Protocol) Server stellt Avala-Werkzeuge für KI-Assistenten wie Claude, Cursor und VS Code Copilot bereit. Er ermöglicht die Interaktion mit Datensätzen, Projekten und Exporten in natürlicher Sprache, ohne Ihre Entwicklungsumgebung verlassen zu müssen.

<Info>
  Das Paket `@avala-ai/mcp-server` ist auf npm verfügbar. Installation mit `npm install -g @avala-ai/mcp-server` oder Verwendung von `npx`. Siehe den [MCP Setup-Guide](/docs/integrations/mcp-setup) für Installationsanweisungen.
</Info>

## Wie die Komponenten zusammenwirken

1. **Benutzer** interagieren mit Avala über Mission Control (Web-UI) oder programmatisch über die REST API und SDKs.
2. **Mission Control** lädt Daten über die REST API und rendert sie mit der Visualisierungsengine direkt im Browser — kein serverseitiges Rendering erforderlich.
3. **Alle Client-Schnittstellen** kommunizieren mit derselben REST API, sodass Aktionen in Mission Control sofort über die API sichtbar sind und umgekehrt.
4. **Die REST API** validiert Anfragen, verwaltet Ressourcen und leitet Arbeit an Backend-Dienste für asynchrone Verarbeitung weiter.
5. **Backend-Dienste** verarbeiten Aufgaben (MCAP-Parsing, Videokonvertierung, Exportgenerierung) und schreiben Ergebnisse zurück in den Speicher.

## Nächste Schritte

<CardGroup cols={2}>
  <Card title="API-Referenz" icon="square-terminal" href="/docs/api-reference/overview">
    Basis-URL, Authentifizierung, Endpoints und Antwortformat.
  </Card>

  <Card title="Avala mit KI nutzen" icon="sparkles" href="/docs/de/getting-started/mcp">
    Verbinden Sie Avala mit Claude, Cursor und VS Code über MCP.
  </Card>

  <Card title="Datentypen" icon="database" href="/docs/de/getting-started/data-types">
    Visualisierungsfähigkeiten und Annotationswerkzeuge für jeden Datentyp.
  </Card>

  <Card title="Grundkonzepte" icon="lightbulb" href="/docs/de/getting-started/concepts">
    Viewer, Panels, Layouts, Zeitleisten und andere Plattformkonzepte.
  </Card>
</CardGroup>