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.
SCHADENSERKENNUNG · WALDBRAND · DEUTSCHLAND
Steckbrief
Ein Waldbrand lässt sich am leichtesten löschen, solange er klein ist. Das Fraunhofer-Projekt setzt deshalb auf die Erkennung der ersten Rauchzeichen.
Trockene Sommer erhöhen die Waldbrandgefahr auch nördlich der Alpen. Entdeckt wird ein Feuer bisher oft erst, wenn jemand es meldet, und dann ist wertvolle Zeit verstrichen.
Kameras mit KI suchen im Bild nach Rauch. Zusätzliche Sensoren messen Temperatur und Feuchte als Hinweis auf die Gefahrenlage. Die Daten gehen per mioty®, einem energiesparenden Funkstandard mit großer Reichweite, an eine zentrale Plattform. Dort entsteht ein Lagebild für Feuerwehr und Leitstelle. Seit September 2025 läuft eine Kamera im Testbetrieb, bis Spätsommer 2026 sollen zwei weitere Standorte und mehr Funkinfrastruktur folgen. Zusammen sollen sie rund 200 Quadratkilometer abdecken.
Nach Angaben des Projekts bestätigten erste Tests die zuverlässige Erkennung von Rauch im Frühstadium. Das verschafft Einsatzkräften einen Zeitvorsprung. Das Konzept ist auf die Zusammenarbeit mit der Leitstelle ausgelegt, nicht auf eine reine Technikdemonstration.
Das System braucht Funkabdeckung durch mioty®-Basisstationen und muss in die Abläufe von Feuerwehr und Leitstelle eingebunden werden. Belastbare Zahlen zu Fehlalarmen und Erkennungsquote nennt die Projektseite nicht. Im Gebirge mit Sichtschatten und Wolken wäre das Konzept erst zu prüfen.
Fraunhofer IML, Projektseite SmartForestFire.
Quellen: Fraunhofer IML: SmartForestFire · Fraunhofer WIOT: SmartForestFire
Ein U-Net-Modell der LWF klassifiziert Buche, Eiche, Fichte und Kiefer auf Einzelbaumebene aus Orthophotos mit 20 Zentimetern Auflösung.
Die LWF verglich fünf Satellitensysteme und mehrere Lernverfahren, um sichtbare Borkenkäferschäden an Fichte automatisiert zu erfassen.
Das BFW-Projekt Safe Forest untersuchte Traktionswinden im Steilgelände, Personenerkennung per Sensor und Hilfswinden für die Holzernte.