Magazin · KI im Bergwald
Der unabhängige Pool für Künstliche Intelligenz und digitale Verfahren im Bergwald, Schutzwald und in der modernen Forstwirtschaft. Er verbindet Forschung, Technologie und Praxis vor Ort.
Jeder Eintrag folgt demselben Steckbrief, ordnet den Reifegrad ein, nennt Grenzen und belegt seine Quellen.
Pool durchsuchen
Ein FAO-Beitrag vom Februar 2026 ordnet Anwendungen von KI in der nationalen Waldüberwachung ein, von Risikoanalysen über Chatbots bis zur Waldstruktur aus LiDAR und Sentinel-2, und nennt Voraussetzungen und Vorsichtsmaßnahmen.
Das EU-Projekt FORSAID unter Leitung der Universität Padua kombiniert Insektenfallen mit Bildübertragung, Deep Learning, DNA-Barcoding und Drohnensensoren, um Forstschädlinge früh zu erkennen.
Fraunhofer IIS und IML testen bei Erlangen ein Frühwarnsystem aus Rauchkameras mit KI, Temperatur- und Feuchtesensoren und Funk über mioty. Bis Ende 2026 soll es rund 200 Quadratkilometer abdecken.
Eine Studie der FU Berlin testet Deep Learning auf Sentinel-2-Zeitreihen in Luxemburg, Österreich und Deutschland. Das Ergebnis dämpft Erwartungen: Binnen zehn Wochen nach Befall ist die flächige Erkennung allein aus dem Satellitenbild kaum möglich.
Meta und das World Resources Institute stellen eine KI-basierte Karte der Baumhöhen mit 1 Meter Auflösung bereit, die auch Wälder erfasst, die bisherige 10-Meter-Daten übersehen, etwa alpine Wälder.
Die FVA Baden-Württemberg prüft, ob autonome Audiorekorder und automatische Lautanalyse das Monitoring von Waldvögeln wie der Waldschnepfe erleichtern.
Das SLF untersucht gemeinsam mit dem Kanton Graubünden, mit welchen Fernerkundungsindizes sich Borkenkäferbefall in Bergfichtenwäldern früh erkennen lässt.
Die JKU Linz kombiniert Airborne Optical Sectioning mit einer trainierten KI, um Wärmebilder von Drohnen durch das Blätterdach zu korrigieren. Getestet wurde mit der Feuerwehr in Oberösterreich.
Das Programm von SmartForest 2026 behandelte, wie Monitoringdaten in betriebliche Entscheidungen und Planungen einfließen können.
Das LWF-Projekt SANDRO untersucht, wie Luftbilder und LiDAR-Daten das Schutzwaldmonitoring im alpinen Gelände ergänzen können.
Das Forschungsprojekt DraAuf erprobt, wie Geländedaten, KI und ein Pflanzroboter Wiederbewaldung in schwer zugänglichen Lagen unterstützen können.
Das BFW wertete Sentinel-2-Daten für Osttirol und Oberkärnten aus und machte die Schadkette aus Sturm, Schneebruch und Borkenkäfer flächig sichtbar.
Die WSL entwickelt ein Monitoring, das Waldstörungen mit Radardaten wetterunabhängig und in kurzen Abständen erfassen soll.
BOKU und BFW modellieren die Entwicklung des Buchdruckers täglich und verbinden sie mit Wasserversorgung, Gefährdung und Schadholz.
Die LWF verglich fünf Satellitensysteme und mehrere Lernverfahren, um sichtbare Borkenkäferschäden an Fichte automatisiert zu erfassen.
Ein U-Net-Modell der LWF klassifiziert Buche, Eiche, Fichte und Kiefer auf Einzelbaumebene aus Orthophotos mit 20 Zentimetern Auflösung.
Die WSL leitet aus Sentinel-2-Bildern mit einem neuronalen Netz jährliche Vegetationshöhenmodelle für die Schweiz ab – mit Blick auf den ganzen Alpenbogen.
Karten potenzieller Waldtypen, ein Handbuch für die Feldansprache und dynamisierte Klimaachsen geben der Tiroler Forstpraxis eine gemeinsame Planungsgrundlage.
Auf 56 Flächen in der Schweiz, davon mehrere in Graubünden, testen WSL und BAFU 18 Baumarten – begleitet von Klimastationen und regelmäßigen Inventuren.
Das BFW-Projekt Safe Forest untersuchte Traktionswinden im Steilgelände, Personenerkennung per Sensor und Hilfswinden für die Holzernte.
Redaktion
KI-Anwendungen sind keine Wundermittel. Deshalb benennt jeder Steckbrief auch Grenzen wie Datenqualität, Empfang im Gebirge oder Akkulaufzeit bei Kälte.
Schlagen Sie ein dokumentiertes Forschungsprojekt, ein Open-Source-Werkzeug oder eine marktreife Anwendung für den Bergwald vor. Wir prüfen es und stellen es mit Quellen und fachlicher Einordnung vor.