Drohnenerkennung & Counter-UAS für Flughäfen & kritische Infrastruktur

Kleine unbemannte Luftfahrzeuge sind billig, leise und schwer zu sehen, doch eine einzige Sichtung kann eine Flughafen-Piste sperren oder eine Justizvollzugsanstalt, ein Stadion oder ein Kraftwerk lahmlegen. Multisensor-Erkennungssysteme verbinden Radar-, Funk- (RF), Kamera- und Akustikdaten mit ML, um Drohnen zu erkennen und zu klassifizieren, die Pilotenposition zu schätzen und dem Personal ein gewichtetes Lagebild zu liefern. Diese Datei behandelt die Ebene Erkennung, Klassifizierung und Entscheidungsunterstützung; kinetische oder elektronische Abwehr ist eine hoheitliche bzw. polizeiliche Aufgabe und wird nur auf der Ebene der Rahmenbedingungen besprochen.

Problem & Nutzen

• Heute: Flughäfen und Betreiber kritischer Infrastruktur verlassen sich auf Sichtungen des Personals, Anrufe bei der Polizei und CCTV. Sichtungen kommen spät, sind ungeprüft und oft falsch (Vögel, Ballons, Flugzeuglichter). Jede Störung führt zu Umleitungen, gesperrten Pisten und teuren Sicherheitseinsätzen.
• KI-Nutzen: laufende automatische Erkennung kleiner, langsamer, tief fliegender Ziele; Klassifizierung (Drohne, Vogel oder Störecho; Modellerkennung über den RF-Fingerabdruck); Spurfusion über mehrere Sensoren; weniger Fehlalarme; Nachweise für Behörden; schnellere, einheitlichere Entscheidungen des Personals.
• Warum jetzt in der EU: Die Mitteilung der Europäischen Kommission zur Drohnenabwehr (2023) und Folgearbeiten (darunter Leitlinien zum Schutz kritischer Einrichtungen) haben die Drohnenbedrohung auf die politische Agenda gesetzt, und wiederholte Störungen an Flughäfen in Europa 2025 haben die Nachfrage nach dauerhafter Erkennung an Flughäfen und anderen Standorten erhöht [1][2]. In Deutschland testeten DFS, Fraport und der Flughafen München 2020 vier Monate lang sechs Drohnendetektionssysteme in Frankfurt und München und fanden keine Einheitslösung; die Bundespolizei betreibt am Flughafen Frankfurt seit etwa dem Jahreswechsel 2024/25 ein Drohnenabwehrsystem [10][11].
• Nutzenzahlen: Öffentliche, unabhängig geprüfte Statistiken zu Erkennungs- oder Fehlalarmraten sind rar; behandeln Sie Herstellerangaben als standortabhängig und testen Sie am eigenen Standort (siehe Erste Schritte).

Varianten

• Flughäfen: Erkennung in An- und Abflugkorridoren und rund um den Zaun, Integration mit Flugsicherung, Flughafenbetrieb (A-CDM) und Polizei; enge Abstimmung mit der nationalen Luftfahrtbehörde, weil RF-Sender Luftfahrtsysteme stören können.
• Kritische Infrastruktur (KRITIS / kritische Einrichtungen): Kraftwerke, Umspannwerke, Raffinerien, Rechenzentren, Häfen und Wasserwerke; Erkennung plus Meldepflichten bei Vorfällen nach NIS2 / CER sowie die Leitlinien der Kommission zur Drohnenabwehr für kritische Einrichtungen [3][4].
• Justizvollzugsanstalten und gesicherte Standorte: Erkennung von Schmuggellieferungen, Schwerpunkt auf geringer Höhe und kurzer Reichweite, oft RF- und kameralastig.
• Veranstaltungen und Stadien: temporäre Einsätze mit tragbaren Sensoren, Abstimmung mit der öffentlichen Sicherheit, strenge Datenschutzgrenzen für den Kameraeinsatz.
• Mobile Nutzung/Konvoi und Grenze: fahrzeugmontierte Systeme; militärische Anwendungen sind hier nicht Gegenstand (für ISR-Bildmaterial siehe VIS-051).

So funktioniert es

1. sensors: radar + RF receiver + Remote ID receiver + EO/IR PTZ camera + acoustic array
2. per-sensor detection (radar micro-Doppler classifier, RF protocol/fingerprint, camera detector, acoustic classifier)
3. track association and multi-sensor fusion (Kalman/IMM filters, learned association)
4. classification & threat scoring (drone type, cooperative vs. non-cooperative, zone, behaviour)
5. deconfliction (ADS-B, registered Remote ID, authorised operations list)
6. operator console: map, camera slew-to-cue, alert, evidence recording
7. human decision and escalation (airport ops, police, ATC); any mitigation by authorised bodies only

• Radar: kleine 3D-Radare erkennen Ziele an der Doppler-Signatur; ML auf der Mikro-Doppler-Signatur trennt Rotorblätter von Vogelflügelschlägen.
• RF: Breitbandempfänger erkennen Steuer- und Videolinks und dekodieren Protokolle (und Remote-ID-Aussendungen); ML erkennt bekannte Modelle am Fingerabdruck. Vollautonome oder vorprogrammierte Drohnen senden wenig oder gar kein RF und erfordern Radar/EO/Akustik.
• EO/IR-Kameras: Detektoren für kleine Objekte (YOLO-Klasse, Transformer-Detektoren) und Tracker, vom Radar angewiesen, die PTZ-Kamera auszurichten; Wärmebildkanal für die Nacht.
• Akustik: Mikrofon-Arrays klassifizieren Rotorgeräusche auf kurze Distanz; begrenzt durch Wind und Flughafenlärm.
• Mensch-in-der-Schleife (Human-in-the-Loop): Das Personal bestätigt die Klassifizierung und entscheidet über die Eskalation. Automatisches Alarmieren ist in Ordnung; automatische Abwehrmaßnahmen sind keine Aufgabe des Erkennungssystems oder seines Bedieners, und die Rechtsgrundlage unterscheidet sich je Mitgliedstaat.

Datenaufbereitung

Die Daten stammen von den Sensoren selbst (Radarspuren, RF-Scans, EO/IR-Video, Akustik-Arrays) sowie aus Standortinformationen: Karten, Flugverbotszonen, Flugdaten und genehmigte Drohnenregistrierungen. Sie liegen im Herstellersystem, in einem Videomanagementsystem und in Lageplänen auf Dateiablagen oder Papier. Die Datenaufbereitung betrifft daher weniger Archive als Standorteinrichtung und Kalibrierung.

Typische Lücken: keine aufgezeichnete Grundlinie der normalen Luftraumaktivität (Vögel, Hubschrauber, genehmigte Drohnen), unkalibrierte Sensorpositionen, keine gelabelten Aufnahmen echter Drohnenereignisse, fehlende Zeitsynchronisation zwischen den Sensoren und verstreute Vorfallprotokolle. Zugriffsrechte auf Video und Protokolle sind oft unklar.

Schritte der Aufbereitung: (1) über mehrere Wochen eine Grundlinie aufzeichnen und Fehlalarmquellen labeln, siehe PREP-020 und PREP-018; (2) Sensoruhren und Koordinaten synchronisieren und den Standortaufbau dokumentieren; (3) Lagepläne, Whitelists und Verfahren digitalisieren, siehe PREP-006 und PREP-010; (4) Zugriffsrechte und Aufbewahrung für Video und Protokolle festlegen, siehe PREP-024; (5) für das Training verwendete Daten pseudonymisieren oder maskieren, siehe PREP-022; (6) Rückmeldungen des Personals zu Alarmen erfassen, siehe PREP-021. Etwa ein Drittel des Aufwands entfällt auf Daten und Kalibrierung. Prüfen Sie mit GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• Enterprise: Weg A, weil Flughäfen und KRITIS-Betreiber zertifizierte, erprobte Sensorsuiten mit Akzeptanz der Aufsicht und Herstellersupport brauchen, bei denen die Integration wichtiger ist als die Algorithmen.
• Public: Weg A, weil Behörden zertifizierte, zugelassene Systeme mit klarer Verantwortung einsetzen müssen und der betriebliche Sicherheitskontext Eigenbauten ausschließt.
• Developer: Weg C, weil Integratoren und Forschende Fusion und Klassifizierung auf Open-Source-Modellen für Tracking und Erkennung aufbauen können, die auf Edge-Hardware (HW2) laufen, mit voller Kontrolle über die Sensordaten.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• Integrierte Erkennungssuiten: Dedrone (inzwischen Teil von Axon; USA mit großer europäischer Basis), Hensoldt (DE), Rohde & Schwarz ARDRONIS (DE), Robin Radar Systems (NL), Weibel (DK) Radare, DroneShield (AU), Blighter (UK), Thales und Leonardo (große Rüstungskonzerne) sowie weitere EU-Start-ups, die in den Markt eintreten. Kennzeichnen Sie EU-Anbieter in Beschaffungs-Shortlists aus Gründen der Souveränität und der Exportkontrolle.
• Auswahlkriterien: unabhängige Testergebnisse (z. B. nationale Testzentren), Frequenzzuteilung für RF-Aussendungen, Zertifizierung für den Einsatz im Luftseitenbereich, offene Schnittstellen (ASTERIX, SAPIENT, ONVIF, REST), Betrieb On-Premises und Datenstandort, Support-SLAs.
• A wählen, wenn: Sie ein Flughafen, ein KRITIS-Betreiber oder eine Behörde sind; Integration, Zertifizierung und Akzeptanz der Aufsicht wiegen schwerer als die Algorithmen.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Für die Echtzeit-Erkennung selten geeignet (Latenz, Verfügbarkeit, Geheimhaltungsstufe). Die Cloud passt zu Offline-Analysen: Auswertung von Vorfällen, VLM-gestützte Videozusammenfassung (VIS-031), Berichtswesen und Flottenverwaltung der Sensoren. Nur EU-Regionen nutzen; kein Sensor-Regelkreis in der Cloud.

Weg C — Selbst betreiben (Open Source)

• Kameraebene: Ultralytics-YOLO- oder RT-DETR-Varianten, für kleine Luftziele feingetunt, Tracker wie ByteTrack/BoT-SORT, Bereitstellung über TensorRT/OpenVINO auf Edge-Geräten; der Anti-UAV-Benchmark liefert offene Daten [5].
• RF-/Radar-Ebene: softwaredefinierte Funkgeräte (USRP, HackRF-Klasse) mit offenen DSP-Toolchains für Forschung und Test; Fusion über ROS 2 oder eigene Streaming-Dienste. Offene Stacks erreichen Labor- und Pilotniveau; produktionsreife Radarhardware wird gekauft.
• Hardware: HW1 am Sensorrand (Klasse Jetson), HW2 für Fusions-/Bedienerserver.

Weg D — Eigenes Training

Lohnt sich bei standortspezifischen Störechos (Vögel, Windräder, Kräne) und bei neuen Drohnentypen: eigene Radar-, RF- und Videoaufnahmen über Monate, Jahreszeiten und Wetterlagen sammeln und labeln. Die Daten werden meist selbst aufgezeichnet; synthetische Daten und Flüge befreundeter Drohnen ergänzen seltene Fälle. Ein Nachtraining muss vor dem Produktivgang an einem festen Testsatz validiert werden.

Stand der Technik (2026)

• Multisensor-Fusion ist der anerkannte Ansatz; kein einzelner Sensor genügt. Radargeführte Kameras und RF-Fingerprinting sind in kommerziellen Suiten zu Standardoptionen geworden.
• Remote ID und U-space in der EU machen kooperative Drohnen identifizierbar und verlagern das Problem auf nicht kooperative oder gefälschte Ziele [6].
• Interoperabilitätsstandards (z. B. NATO SAPIENT für die Sensorintegration) breiten sich in der zivilen Beschaffung aus.
• Offene Benchmarks wie Anti-UAV (Infrarot-Tracking) existieren, doch die Leistung in der Praxis hängt von den Störechos am Standort ab [5].
• Grenzen und Fehlerbilder: Vögel und Insekten (Fehlalarme bei Radar und Kamera), städtisches RF-Rauschen, Wind und Flugzeuglärm (Akustik), autonome funkstille Drohnen, glasfasergesteuerte Drohnen (kein RF), geringer Radarquerschnitt auf kurze Entfernung und schwache Pilotenortung, wenn RF fehlt. Angaben zur Erkennungsreichweite hängen stark von Drohnengröße, Gelände und Wetter ab. Erkennung ist weder Zuordnung noch Befugnis zum Handeln.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (Objekterkennung + Tracking + Streaming): VIS-010 Perimeter- und Einbruchvideo, VIS-012 Verkehrsanalytik, VIS-031 Suche in natürlicher Sprache und Zusammenfassungen über Kamera-Feeds, VIS-060 kamerabasierte Vogelschlagvermeidung (gleiches Problem der Unterscheidung von Vogel und Drohne).
• Akustikebene: SPEECH-009 Erkennung von Audioereignissen.
• Nachbarn: ROBO-006 (die fliegende Drohne selbst), VIS-045 Röntgen-Sicherheitskontrolle und VIS-051 ISR-Bildmaterial für das weitere Sicherheitsbild.
• Hardware: Edge-GPU-Boxen (HW1) je Sensorgruppe und ein HW2-Fusionsserver können mit anderer Analytik zur Standortsicherheit geteilt werden.

Aufwand, Kosten & Kennzahlen

• Weg A: 3–12 Monate von Standorterhebung und Frequenzzuteilung bis zum Betrieb; Kosten bestimmt durch Radaranzahl, Kameraköpfe, Integration und Personalbesetzung (nicht allein durch Softwarelizenzen).
• Weg C/D: 12+ Monate und ein Spezialteam; meist geeignet für Forschung, Testgelände oder ergänzende Kameraanalytik.
• Kennzahlen: Erkennungswahrscheinlichkeit nach Drohnengröße und Entfernung, Fehlalarme pro Tag, Zeit von der ersten Erkennung bis zur Bestätigung durch das Personal, Klassifizierungsgenauigkeit, Spurkontinuität, Erfolgsquote der Pilotenortung, Arbeitsbelastung des Personals, Zahl bestätigter Vorfälle mit verwertbarem Nachweis.

Menschen & Veränderung

Binden Sie zuerst die Geschäftsleitung und die Abteilungsleitung Sicherheit ein, da Drohnenabwehr Haftung und Zuständigkeiten von Luftfahrt oder Polizei berührt. Holen Sie das Sicherheitspersonal, das mit den Alarmen arbeitet, die IT und IT-Sicherheit (Netztrennung, Härtung der Sensoren, siehe GUIDE-013), Recht und Compliance (Funkzulassung, Verantwortlichkeiten gegenüber den Behörden) und die Datenschutzbeauftragte(n) dazu. Kamera- und RF-Daten können Personen und Beschäftigte erfassen, daher ist eine DSFA wahrscheinlich und mit Herstellern ein AVV erforderlich (GUIDE-005).

Betriebsrat: kommt darauf an, oft aber ja. Kameras und Protokollierung in der Leitstelle sind zur Überwachung von Beschäftigten geeignet, daher greift § 87 Abs. 1 Nr. 6 BetrVG nach dem objektiven Eignungstest des BAG; unterrichten Sie ihn nach § 90 Abs. 1 Nr. 3 und vereinbaren Sie den Ausschluss aus der Leistungsbeurteilung (GUIDE-004). In öffentlichen Stellen gilt der Personalrat. Aktive Gegenmaßnahmen sind in Deutschland weitgehend Aufgabe der Behörden, halten Sie die Reaktionskette daher menschengeführt.

KI-Kompetenz: Das Personal braucht Übungen zu Alarmarten, Klassifizierungsfehlern und Eskalationsregeln (Art. 4 KI-Verordnung (AI Act), Maßnahmen zur Förderung der Kompetenz, GUIDE-006). Führen Sie einen Pilot im reinen Beobachtungsmodus an einem Standort durch (GUIDE-009). Typische Sorge: Alarmmüdigkeit und unklare Verantwortung. Begegnen Sie ihr mit abgestimmten Schwellenwerten, klaren Eskalationsplänen und dem Grundsatz, dass Menschen über jede Reaktion entscheiden. Zu den Pflichten aus der KI-Verordnung siehe GUIDE-014.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt von der Nutzung ab. Sicherheitskomponenten bei Verwaltung und Betrieb kritischer Infrastruktur (Anhang III Nr. 2) können KI-Systeme zu Hochrisiko-Systemen machen; der Einsatz für Strafverfolgung unterliegt den Pflichten nach Anhang III Nr. 6. Das Erkennen von Objekten (Drohnen) ist für sich keine verbotene Praxis, aber die Verbote nach Art. 5 sind zu prüfen, wenn Kameras zur biometrischen Echtzeit-Fernidentifizierung von Personen (z. B. Identifizierung von Piloten per Gesicht) im öffentlichen Raum zu Strafverfolgungszwecken eingesetzt werden, was außer in engen Ausnahmen verboten ist [7]. Fügen Sie Drohnenerkennungs-Kameras keine Gesichtserkennung hinzu. Rein militärische Systeme oder Systeme der nationalen Sicherheit fallen nicht unter die Verordnung.
• DSGVO: Drohnenpiloten und Umstehende können über Video, Remote ID (das die Betreiber-ID aussendet) und RF-Protokolle identifiziert werden. Datenschutz-Folgenabschätzung, Zweckbindung, kurze Aufbewahrung von Video ohne Vorfall, Maskierung nicht benötigter Bereiche, Beschilderung und Beteiligung des Betriebsrats, wo Beschäftigte gefilmt werden.
• Luftfahrt- und Frequenzrecht: Radar- und RF-Geräte brauchen Frequenzzuteilungen; Störungen von Luftfahrtsystemen müssen ausgeschlossen sein; der EU-Drohnenrahmen (VO 2019/947) definiert den rechtmäßigen Drohnenbetrieb [6]. Stören oder Übernehmen von Drohnen ist nur befugten Stellen erlaubt; in Deutschland sind die Rollen von Polizei und Bundeswehr bundesgesetzlich geregelt, und Betreiber von Flughäfen oder Anlagen dürfen Drohnen nicht selbst abwehren.
• NIS2 / CER: Erhebliche Vorfälle müssen gemeldet werden; Maßnahmen zu physischer Sicherheit und Resilienz kritischer Einrichtungen sollten Drohnenbedrohungen berücksichtigen [3][4].
• Sicherheitsrisiken: Die Sensor-Feeds sind selbst Ziele (Spoofing von Remote ID, GNSS-Spoofing, Adversarial Patterns). Netze segmentieren, alle Alarme protokollieren und die Eskalation in menschlicher Hand halten.
• Gegenmaßnahmen: dokumentiertes Betriebskonzept mit Polizei und Luftfahrtbehörde, regelmäßige aufgezeichnete Testflüge, Schwellenwertabstimmung je Standort, Audit-Protokolle und Rückfall auf manuelle Verfahren.

Erste Schritte

1. Eine Bedrohungs- und Rechtsbewertung mit der Luftfahrtbehörde, der Polizei und (bei KRITIS) der zuständigen Aufsicht durchführen; festlegen, wer auf Alarme reagieren darf.
2. Den Standort erheben: Luftraumgeometrie, RF-Umfeld, Vogelaktivität, Strom und Netz an den Sensorpositionen.
3. 2–3 Suiten in die engere Wahl nehmen (auch EU-Anbieter); offene Schnittstellen und einen Live-Test mit kontrollierten Testflügen verlangen.
4. Erkennung, Fehlalarme und Zeit bis zur Bestätigung über mehrere Wochen vor dem Produktivgang messen; DSFA und Betriebsanweisung schreiben.
5. Mit der Sicherheitsleitstelle, dem Flughafenbetrieb und der Vorfallmeldung integrieren; regelmäßige Übungen planen.

Quellen

1. European Commission — Communication "Countering threats posed by drones" (COM(2023) 659) — https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52023DC0659
2. European Commission DG HOME — Counter-drone policy and resources — https://home-affairs.ec.europa.eu/index_en
3. Directive (EU) 2022/2555 (NIS2) — https://eur-lex.europa.eu/eli/dir/2022/2555/oj
4. Directive (EU) 2022/2557 (Critical Entities Resilience) — https://eur-lex.europa.eu/eli/dir/2022/2557/oj
5. Anti-UAV benchmark — https://github.com/ZhaoJ9014/Anti-UAV
6. Implementing Regulation (EU) 2019/947 on rules for the operation of unmanned aircraft — https://eur-lex.europa.eu/eli/reg_impl/2019/947/oj
7. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
8. Ultralytics YOLO — https://github.com/ultralytics/ultralytics
9. Dedrone — https://www.dedrone.com
10. aerotelegraph — In Frankfurt und München starten Drohnen-Abwehr-Tests (DFS, 2020) — https://www.aerotelegraph.com/in-frankfurt-und-muenchen-starten-drohnen-abwehr-tests
11. LOGISTIK HEUTE — Frankfurt Airport: Bundespolizei setzt Drohnen-Detektionssystem ein — https://logistik-heute.de/news/frankfurt-airport-bundespolizei-setzt-drohnen-detektionssystem-ein-277737.html