KI-gestütztes Frühwarnsystem im Tennenloher Forst erkennt Waldbrände frühzeitig: Projekt SmartForestFire

ERLANGEN | NÜRNBERG (DEUTSCHLAND): Schon wenige Minuten können darüber entscheiden, ob aus einer ersten Rauchentwicklung ein großflächiger Waldbrand wird. Steigende Temperaturen und lange Trockenperioden haben das Risiko für solche Vegetationsbrände in den vergangenen Jahren deutlich erhöht.

Das Projekt SmartForestFire entwickelt laut Aussendung vom 21. Juli 2026 deshalb ein KI gestütztes Frühwarnsystem zur automatisierten Waldbranddetektion. Kameras, Sensorik und drahtlose Kommunikationstechnologien werden mit KI-Modellen so kombiniert, dass Rauch und potenzielle Feuergefahren frühzeitig und effizient erkannt, bewertet und an Einsatzkräfte und Behörden übermittelt werden können. Das System wird derzeit im Tennenloher Forst bei Erlangen unter realen Bedingungen erprobt.

Ziel von SmartForestFire ist, Brände schneller zu erkennen, Fehlalarme zu reduzieren und insbesondere kleinere oder kritische Waldgebiete effizient überwachen zu können. Die Lösung nutzt georeferenzierte Bild- und Sensordaten, um automatisiert ein umfassendes, aktuelles Lagebild zu erstellen. Die Daten werden über die Funktechnologie mioty® energieeffizient übertragen, und durch speziell trainierte KI-Modelle analysiert. Einsatzkräfte erhalten relevante Informationen und Visualisierungen über eine zentrale Plattform.

Am Pilotprojekt SmartForestFire des Fraunhofer Cluster für kognitive Technologien CCIT beteiligt sind das Fraunhofer-Institut für Integriertes Schaltungen IIS und das Fraunhofer-Institut für Materialfluss und Logistik IML. Die Kreisbrandinspektion Erlangen Höchstadt, das Amt für Katastrophenschutz der Stadt Erlangen, die Integrierte Leitstelle Nürnberg, der Bundesforst und die Bayerischen Staatsforsten bringen ihre Praxisexpertise ein.

Früherkennung reduziert Risiken und Einsatzaufwand

Meist reichen schon kleine Unachtsamkeiten wie weggeworfene Zigaretten oder Lagerfeuer am Waldrand. Aber auch Altmunition im Waldboden – wie sie im Tennenloher Forst noch zu finden ist – kann unbemerkt Brände auslösen. Solche Feuer breiten sich gerade in Trockenperioden schlagartig aus, was Einsatzkräfte nicht nur technisch und logistisch fordert, sondern auch oft in Gefahr bringt. Laut WWF richteten Waldbrände 2025 Schäden von rund 2 Mrd. Euro an und vernichteten 1,4 Mio. Hektar Wald.

Das Bundesinformationszentrum Landwirtschaft konkretisiert die Zahlen für Deutschland: In deutschen Wäldern wurden in den letzten Jahren im Durchschnitt über 1.100 Brände registriert und dabei 840 Hektar zerstört. Jeder Löscheinsatz verursacht hohe Kosten und belastet die oft ehrenamtlichen Einsatzkräfte. Je früher Brände und mögliche Fehlalarme erkannt werden, desto effizienter und sicherer können die zuständigen Feuerwehren arbeiten.

Brandprävention »made in Franken«: frühe Rauchdetektion und zuverlässige Lagebewertung

Für eine wirksame Brandbekämpfung sind eine frühe Rauchdetektion und eine umfassende Lagebewertung entscheidend. Terrestrische, kamerabasierte Systeme bieten dafür schon heute ein gutes Verhältnis aus Kosten, Abdeckung und Reaktionsgeschwindigkeit. Manche Systeme nutzen bereits KI-gestützte Auswerteverfahren. Mit den aktuellen Entwicklungen in der Künstlichen Intelligenz lassen sich jedoch Präzision, Automatisierung und Wirtschaftlichkeit signifikant weiter steigern. Das vom Fraunhofer Cluster für kognitive Technologien CCIT geförderte Projekt SmartForestFire entwickelt deshalb einen Ansatz, der modernste KI-basierte Bildanalyse mit kostengünstiger Hardware und robuster, flexibler Übertragungstechnologie verbindet.

KI-basierte Bildanalyse und Visualisierungsplattform für eine präzise Brandüberwachung auch von kleinen Gebieten

Die kamerabasierte Bildanalyse ist ein zentraler Bestandteil von SmartForestFire. Speziell trainierte, mehrstufige KI-Modelle erkennen Rauch frühzeitig und unterscheiden ihn zuverlässig von Störfaktoren wie Wolken, Nebel oder Staub. Durch die intelligente Verknüpfung von Sensor-, Bild- und Geoinformationen und damit von Kontextdaten aus unterschiedlichsten Quellen, kann die Zahl von Fehlalarmen zusätzlich deutlich reduziert werden. Gleichzeitig erlaubt moderner KI-basierte Bilderkennung den Einsatz wirtschaftlicherer Hardwarekomponenten und eröffnet damit auch neue Möglichkeiten für die kostengünstige Überwachung kleinerer, gefährdeter Flächen.

Die erfassten Daten laufen in einer zentralen Visualisierungsplattform zusammen. Dort werden sie in einer übersichtlichen Gesamtdarstellung für die Leitstelle aufbereitet. Zur Verfügung gestellt werden beispielsweise Bild- und Videosequenzen aus unterschiedlichen Zeithorizonten, Perspektiven und Zoomstufen. Aber auch integrierte Analysen und Daten zu Lage, Wald-Zustand, Wetter und Erreichbarkeit können abgerufen werden. So entsteht ein aktuelles Lagebild – sowohl zur Bewertung der Waldbrandgefahr als auch zur Alarmierung im Ereignisfall und zur sicheren, effizienten Einsatzplanung.

mioty® – Funkkommunikation für robuste Datenübertragung auch ohne »Netz«

Die von Fraunhofer IIS entwickelte Low-Power-Wide-Area-Funktechnologie (LPWAN)
mioty® ist durch das patentierte Telegram Splitting extrem robust, resilient gegen Störungen, flexibel bei der Standortwahl, lässt sich leicht skalieren und arbeitet energieautark. Eigenschaften, die für das Projekt SmartForestFire entscheidend sind. So kann mioty® Sensordaten wie Lufttemperatur, Wind, Bodenfeuchte oder Rauch an die Leitstellen auch im Ernstfall stabil übertragen – beispielsweise in der Umgebung anderer Funksysteme, wenn weite Strecken zu überbrücken sind oder wenn die vorhandene Infrastruktur brandbedingt ausfällt.

Unter Praxisbedingungen wird im Forschungsprojekt SmartForestFire auch die Positionsbestimmung von Sensoren über Funk getestet und erforscht. Dies wird über sogenannte Laufzeitdifferenzmessung der mioty-Funksignale realisiert. Dazu nutzt das Forscherteam die drei mioty-Basisstationen in Marloffstein, in Tennenlohe und im Erlanger Süden und spannt damit eine Fläche von ca. 200 Quadratkilometern auf, um die möglichst exakte Position der ausgebrachten Sensoren jederzeit ermitteln zu können.

Je nachdem, welche Sensoren Ereignisse melden, kann so auch ein »einfaches« Tracking erfolgen bzw. eine Ausweitung der Alarmursache nachverfolgt werden. Außerdem wird das bestehende mioty®-Sensorsystem für das Projekt um zusätzliche Sensoren für Messewerte wie Luft- und Bodenfeuchte, Temperatur oder CO₂ erweitert, um das Lagebild weiter präzisieren zu können.

»Unser Ziel ist es, Waldbrände so früh wie möglich, zuverlässig und effizient zu erkennen. Dafür reicht eine einzelne Technologie nicht aus. Erst das Zusammenspiel von moderner KI-basierter Bildanalyse, geeigneter Sensorik, robuster Funkkommunikation und der Erfahrung der Einsatzkräfte ermöglicht ein System, das unter realen Bedingungen verlässlich und wirtschaftlich funktioniert. Genau diese Kompetenzen bringen wir im Projekt zusammen«, erläutert Tobias Raczok, wissenschaftlicher Mitarbeiter am Fraunhofer IIS und Projektkoordinator von SmartForestFire.

Pilotprojekt Tennenloher Forst

Teile Frankens zählen aufgrund ihrer trockenen Nadelwälder zu den besonders waldbrandgefährdeten Regionen Bayerns. Löscharbeiten werden in manchen Gebieten dort zusätzlich durch schwer zugängliches Gelände oder besondere Gefahrenlagen erschwert – wie beispielsweise im munitionsbelasteten Tennenloher Forst im Landkreis Erlangen-Höchstadt.

Da das Fraunhofer IIS seinen Hauptsitz im Erlanger Ortsteil Tennenlohe hat, wurde der Tennenloher Forst als Pilotgebiet für SmartForestFire ausgewählt. Seit September 2025 befindet sich dort die erste Kamera auf einem Funkturm des Instituts im Testbetrieb. Technisch und organisatorisch wird sichergestellt, dass keine personenbezogenen Daten erhoben werden. Die Anonymisierung erfolgt unmittelbar auf der Kamera, bevor Bilddaten das Gerät verlassen. Eine nachträgliche Rekonstruktion personenbezogener Informationen ist dadurch ausgeschlossen. Der Schutz personenbezogener Daten besitzt im gesamten System höchste Priorität und wird konsequent berücksichtigt.

Bis Spätsommer 2026 sollen insgesamt drei Kamerastandorte sowie zusätzliche mioty®-Basisstationen und -Sensoren installiert werden, um eine großflächige Überwachung und Erfassung des Waldzustands zu ermöglichen. Durch die für den Tennenloher Forst aufgebaute Infrastruktur können neue KI-Modelle künftig direkt im Realbetrieb evaluiert und mit etablierten Verfahren verglichen werden. Dadurch lassen sich aktuelle Entwicklungen der KI-Forschung schneller in die Praxis übertragen.

Erste Tests belegen bereits die zuverlässige Erkennung von Rauch in frühen Entstehungsstadien – ein entscheidender Zeitgewinn für die Einsatzkräfte. Nach Abschluss der internen Testphase sollen Einsatzkräfte sowie die Integrierte Leitstelle Nürnberg automatisiert über potenzielle Waldbrände informiert werden.