> ## 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.

# Einführung

> Erste Schritte mit der Avala Plattform für Physical AI Daten

Avala ist die Plattform, auf der Robotik-, autonome Fahrzeug- und Physical AI Teams ihre Sensordaten visualisieren, erkunden und annotieren — alles an einem Ort.

Laden Sie MCAP-Aufnahmen, LiDAR-Scans, Kamerafeeds oder Gaussian Splat Szenen hoch. Spielen Sie diese in einem GPU-beschleunigten Multi-Sensor-Viewer mit synchronisierten Zeitleisten und konfigurierbaren Panel-Layouts ab. Wenn Sie bereit zum Labeln sind, wechseln Sie in den Annotationsmodus für dieselben Daten — keine Exporte, kein Werkzeugwechsel, kein erneutes Hochladen. Die Plattform deckt den gesamten Lebenszyklus ab, von Rohdaten der Sensoren bis hin zu gelabelten Trainingsdatensätzen.

## Wer nutzt Avala

* **Autonome Fahrzeugteams** — Labeln Sie Kamerabilder, LiDAR-Punktwolken und synchronisierte Multi-Sensor-Aufnahmen für das Training von Wahrnehmungsmodellen. Visualisieren und debuggen Sie MCAP/ROS-Daten mit Multi-Kamera-Projektion.
* **Robotik-Unternehmen** — Annotieren Sie Wahrnehmungsdaten für Navigation, Manipulation und Szenenverständnis. Erkunden Sie 3D-Punktwolken mit GPU-beschleunigtem Rendering.
* **Physical AI / Spatial Computing Teams** — Arbeiten Sie mit Gaussian Splat Szenen, dichten Punktwolken und multimodalen Sensordaten für 3D-Weltverständnis und Sim-to-Real-Transfer.
* **KI/ML-Teams** — Erstellen Sie Trainingsdatensätze für Objekterkennung, Segmentierung, Klassifikation und Tracking über Bilder, Video und 3D-Daten hinweg.
* **Forschungslabore** — Erstellen Sie gelabelte Datensätze für Computer Vision und 3D-Wahrnehmungsforschung mit professionellen Annotationswerkzeugen und Qualitätskontroll-Workflows.

## Plattformfähigkeiten

### Visualisierung

Die Visualisierungsengine von Avala läuft vollständig im Browser, angetrieben durch WebGPU und WebGL.

* **Multi-Sensor MCAP/ROS-Wiedergabe** — Öffnen Sie MCAP-Dateien mit Kamera-, LiDAR-, Radar- und IMU-Daten. Der Viewer erkennt automatisch Topics und weist Paneltypen aus 8 verfügbaren zu: Bild, 3D / Punktwolke, Plot, Rohnachrichten, Log, Karte, Anzeige und Zustandsübergänge.
* **GPU-beschleunigtes 3D-Punktwolken-Rendering** — Rendern Sie Punktwolken mit 6 Visualisierungsmodi: Neutral, Intensität, Regenbogen, Label, Panoptisch und Bildprojektion. WebGPU Compute Shader übernehmen Frustum Culling und Level-of-Detail-Auswahl auf der GPU.
* **Gaussian Splat Viewer** — Untersuchen Sie 3D-Szenenrekonstruktionen in einem WebGPU-beschleunigten Gaussian Splat Viewer mit Szenenhierarchie, Eigenschaftenpanel und Statistik-Overlay.
* **Multi-Kamera synchronisierte Wiedergabe** — Betrachten Sie mehrere Kamerastreams synchron mit LiDAR-zu-Kamera-Projektionsüberlagerungen. Unterstützt Pinhole- und Double-Sphere- (Fisheye-) Kameramodelle.
* **Konfigurierbare Multi-Fenster-Layouts** — Drag-and-Drop-Panelanordnung mit veränderbaren geteilten Ansichten. Das Standardlayout platziert eine Topics-Seitenleiste, Inhaltspanels und ein Dateiinfo-Panel in einer horizontalen Stammkonfiguration.
* **Zeitleistenbasierte Navigation** — Bildweises Durchgehen, Zeitstempel-Suche und Wiedergabegeschwindigkeitskontrolle über alle synchronisierten Sensorstreams.

### Annotation

Professionelle Annotationswerkzeuge für jede Datenmodalität, unterstützt durch Qualitätskontrolle und Team-Workflows.

* **Bounding Boxes** — 2D-Rechteckbereiche für Objekterkennung
* **Polygone** — Beliebige Formen für präzise Objektgrenzen
* **3D-Quader** — 3D-Bounding Boxes in Punktwolken- und Multi-Sensor-Daten mit Vogelperspektive, Perspektiv- und Seitenansichten
* **Segmentierung** — Pixelgenaue Klassifikationsmasken
* **Polylinien** — Pfad-, Spur- und Kantenannotationen
* **Keypoints** — Landmarken- und Posenannotationen
* **Klassifikation** — Labels auf Szenen- und Objektebene

Die Qualitätskontrolle umfasst mehrstufige Prüf-Workflows, Annotationsproblem-Tracking, Inter-Annotator-Agreement-Metriken und Konsens-Workflows. Objekt-Tracking bietet konsistente IDs über Video- und Sequenzbilder hinweg.

Managed Labeling Services stehen für Teams zur Verfügung, die professionelle Annotatoren benötigen, die auf ihre Domäne geschult sind.

## Unterstützte Datentypen

Avala verarbeitet fünf Datenmodalitäten, jeweils mit speziell entwickelten Visualisierungs- und Annotations-Workflows:

| Datentyp        | Formate         | Beschreibung                                                                                                         |
| --------------- | --------------- | -------------------------------------------------------------------------------------------------------------------- |
| **Bilder**      | JPEG, PNG, WebP | Einzelbild-Visualisierung und Annotation mit allen 2D-Werkzeugen                                                     |
| **Video**       | MP4, MOV        | Konvertiert in Bildsequenzen für Wiedergabe, Bild-für-Bild-Annotation und Objekt-Tracking                            |
| **Punktwolken** | PCD, PLY        | 3D-LiDAR-Scans mit GPU-beschleunigtem Rendering und Quader-Annotation                                                |
| **MCAP / ROS**  | MCAP            | Multi-Sensor-Container mit Kamera-, LiDAR-, Radar- und IMU-Daten; Multi-Panel-Wiedergabe und Multi-Kamera-Projektion |
| **Splat**       | Gaussian Splat  | 3D-Szenenvisualisierung und -annotation in WebGPU-gerenderten Gaussian Splat Umgebungen                              |

## SDKs

<CardGroup cols={2}>
  <Card title="Python SDK" icon="python" href="/docs/de/sdks/python">
    Installation mit `pip install avala` — vollständige Type Hints und Async-Unterstützung.
  </Card>

  <Card title="TypeScript SDK" icon="js" href="/docs/de/sdks/typescript">
    Installation mit `npm install @avala-ai/sdk` — funktioniert in Node.js und Browsern.
  </Card>
</CardGroup>

## Die Plattform erkunden

<CardGroup cols={3}>
  <Card title="" href="/docs/de/visualization/overview">
    <div style={{display: 'flex', justifyContent: 'center', marginTop: '16px'}}>
      <img src="https://mintcdn.com/avala/kIZkZ6dvKYAB1M8O/images/visual-mission-control.svg?fit=max&auto=format&n=kIZkZ6dvKYAB1M8O&q=85&s=153fe7ef2c3b060912af0b39299e2a9f" alt="Visualisierung" style={{height: '80px'}} className="hidden dark:block" width="70" height="55" data-path="images/visual-mission-control.svg" />

      <img src="https://mintcdn.com/avala/kIZkZ6dvKYAB1M8O/images/visual-mission-control-light.svg?fit=max&auto=format&n=kIZkZ6dvKYAB1M8O&q=85&s=81a6905e18fe108c2962b3c20e1cd68e" alt="Visualisierung" style={{height: '80px'}} className="dark:hidden" width="70" height="55" data-path="images/visual-mission-control-light.svg" />
    </div>

    <p style={{fontWeight: 600, fontSize: '18px', marginBottom: '8px', marginTop: '16px'}}>Visualisierung</p>
    <p style={{fontSize: '14px'}}>GPU-beschleunigter Multi-Sensor-Viewer mit 8 Paneltypen, 6 Punktwolken-Darstellungsmodi und Gaussian Splat Unterstützung.</p>
  </Card>

  <Card title="" href="/docs/de/annotation/overview">
    <div style={{display: 'flex', justifyContent: 'center', marginTop: '16px'}}>
      <img src="https://mintcdn.com/avala/kIZkZ6dvKYAB1M8O/images/visual-mission-control.svg?fit=max&auto=format&n=kIZkZ6dvKYAB1M8O&q=85&s=153fe7ef2c3b060912af0b39299e2a9f" alt="Annotation" style={{height: '80px'}} className="hidden dark:block" width="70" height="55" data-path="images/visual-mission-control.svg" />

      <img src="https://mintcdn.com/avala/kIZkZ6dvKYAB1M8O/images/visual-mission-control-light.svg?fit=max&auto=format&n=kIZkZ6dvKYAB1M8O&q=85&s=81a6905e18fe108c2962b3c20e1cd68e" alt="Annotation" style={{height: '80px'}} className="dark:hidden" width="70" height="55" data-path="images/visual-mission-control-light.svg" />
    </div>

    <p style={{fontWeight: 600, fontSize: '18px', marginBottom: '8px', marginTop: '16px'}}>Annotation</p>
    <p style={{fontSize: '14px'}}>Professionelle Annotationswerkzeuge für 2D-, 3D-, Video- und Multi-Sensor-Daten mit Qualitätskontrolle.</p>
  </Card>

  <Card title="" href="/docs/de/integrations/overview">
    <div style={{display: 'flex', justifyContent: 'center', marginTop: '16px'}}>
      <img src="https://mintcdn.com/avala/kIZkZ6dvKYAB1M8O/images/visual-integrations.svg?fit=max&auto=format&n=kIZkZ6dvKYAB1M8O&q=85&s=83f7317b685230dee23c128d2a4bda0a" alt="Integrationen" style={{height: '80px'}} className="hidden dark:block" width="100" height="80" data-path="images/visual-integrations.svg" />

      <img src="https://mintcdn.com/avala/kIZkZ6dvKYAB1M8O/images/visual-integrations-light.svg?fit=max&auto=format&n=kIZkZ6dvKYAB1M8O&q=85&s=3cd44ed2d6126aade26b2e0645008b87" alt="Integrationen" style={{height: '80px'}} className="dark:hidden" width="100" height="80" data-path="images/visual-integrations-light.svg" />
    </div>

    <p style={{fontWeight: 600, fontSize: '18px', marginBottom: '8px', marginTop: '16px'}}>Integrationen</p>
    <p style={{fontSize: '14px'}}>Verbinden Sie S3, MCP, MCAP/ROS, Webhooks und Inferenz-Pipelines.</p>
  </Card>
</CardGroup>

## Nächste Schritte

<CardGroup cols={2}>
  <Card title="Schnellstart" icon="rocket" href="/docs/de/getting-started/quickstart">
    Erstellen Sie Ihr erstes Annotationsprojekt in unter 60 Sekunden.
  </Card>

  <Card title="Grundkonzepte" icon="book" href="/docs/de/getting-started/concepts">
    Verstehen Sie Datensätze, Projekte, Aufgaben und den Annotationslebenszyklus.
  </Card>

  <Card title="Visualisierung" icon="eye" href="/docs/de/visualization/overview">
    Erkunden Sie den Multi-Sensor-Viewer, den 3D-Punktwolken-Renderer und den Gaussian Splat Viewer.
  </Card>

  <Card title="SDKs" icon="code" href="/docs/de/sdks/overview">
    Installieren Sie das Python oder TypeScript SDK und beginnen Sie mit der Entwicklung.
  </Card>
</CardGroup>