Elektronische Fernüberwachung (REM) von Fischereifahrzeugen mit KI-Auswertung von Fang- und Rückwurfaufnahmen

Menschliche Beobachter an Bord von Fischereifahrzeugen sind teuer, decken nur einen winzigen Teil der Fangreisen ab und sind an Bord nicht immer willkommen. Die elektronische Fernüberwachung (Remote Electronic Monitoring, REM) setzt stattdessen manipulationssichere Kameras und Sensoren ein, doch das entstehende Videomaterial ist riesig, und die manuelle Auswertung ist der Engpass. KI erkennt Hievvorgänge, identifiziert und zählt Arten und markiert mögliche Rückwürfe, sodass Prüfer nur markierte Segmente ansehen müssen. Die überarbeitete EU-Fischereikontrollverordnung macht REM für definierte Hochrisikofahrzeuge verpflichtend und macht aus dem Pilotvorhaben damit eine Compliance-Infrastruktur.

Problem & Nutzen

• Heute: Die Einhaltung der EU-Anlandeverpflichtung (Rückwurfverbot) wird über Hafenkontrollen, Patrouillen auf See, Logbuch-Abgleiche und eine kleine Zahl von Fangreisen mit menschlichen Beobachtern geprüft. Die Abdeckung ist gering, und Beobachterdaten sind teuer. Pilotprogramme für REM (z. B. in Dänemark, den Niederlanden, Deutschland, Irland und Spanien) lieferten Videomaterial, das menschliche Analysten manuell auswerten, meist als Stichprobe von Fangreisen oder Hols.
• KI-Nutzen: Die automatische Ereigniserkennung (Beginn/Ende des Hols, Fang auf dem Förderband, Aktivität an der Rückwurfrutsche) verringert das Videomaterial, das Menschen ansehen müssen; die Artklassifikation unterstützt den Logbuch-Abgleich; einheitliche Prüfkriterien über alle Analysten hinweg; schnellere Rückmeldung an Kapitäne und Behörden.
• Regulatorischer Treiber: Die Verordnung (EU) 2023/2842 ändert die Kontrollverordnung (EG) Nr. 1224/2009 und führt eine verpflichtende (kamerabasierte) REM für Fahrzeuge in Kategorien mit hohem Risiko der Nichteinhaltung der Anlandeverpflichtung ein, dazu einen gestaffelten Rahmen für andere Fahrzeuge. Die EFCA hat technische Leitlinien zu REM-Spezifikationen und Datenhandhabung veröffentlicht [1][2]. Genaue Fahrzeugkategorien und Fristen sind im Verordnungstext und in den nationalen Durchführungsvorschriften zu prüfen.
• Hier wird keine überprüfte Zahl zu Genauigkeit oder Einsparung genannt; veröffentlichte Pilotprojekte berichten je nach Art und Kameraaufbau unterschiedliche Genauigkeiten. Messen Sie daher an Aufnahmen der eigenen Flotte.

Varianten

• Prüfzentrum unter Leitung einer Behörde: Die nationale Fischereikontrollbehörde nimmt Daten vieler Fahrzeuge entgegen.
• Selbstüberwachung durch Flotte / Erzeugerorganisation: Betreiber nutzen REM für Zertifizierung (MSC), Sorgfaltspflichten und Beifang-Dokumentation und teilen die Ergebnisse mit Behörden.
• Fischereispezifisch: Schleppnetz (Förderband/Sortierung), Ringwade, Langleine (Haken- und Beifangereignisse, geschützte Arten), Stellnetz/Reuse (Hol- und Beifangzählung).
• Beifang und geschützte Arten: Seevögel, Meeressäuger, Schildkröten (z. B. nach Habitat- und Vogelschutzrichtlinie sowie MSRL), mit Überschneidung zu VIS-032.
• Außerhalb der EU: USA, Kanada, Australien, Neuseeland und pazifische Thunfischflotten betreiben größere REM-Programme.

So funktioniert es

1. Kameras + Sensoren am Fahrzeug (GPS, Hydraulik, Trommeldrehung)
2. Rekorder an Bord (manipulationssicher, verschlüsselter Speicher, ereignisgesteuerte Aufzeichnung)
3. Auslesen im Hafen / Satelliten- oder 4G-Upload ausgewählter Clips
4. KI-Pipeline: Hol-Erkennung (Sensor + Video)
5. Fisch-/Rückwurf-Erkennung und Tracking
6. Artklassifikation und Zählung
7. Ereignisprotokoll
8. Regeln: aus dem Video abgeleitete Ereignisse mit dem E-Logbuch abgleichen, Auffälligkeiten markieren (nicht gemeldete Rückwürfe, verdeckte Kamera, Geräteereignisse)
9. menschlicher Prüfer kontrolliert markierte Segmente (+ zufällige Audit-Stichprobe)
10. Compliance-Bericht
11. Fallbearbeitung durch Behörde / Betreiber

• Erkennung und Tracking: Detektoren der YOLO-Klasse oder Transformer-Detektoren mit Mehrobjekt-Tracking verfolgen einzelne Fische über Förderband oder Deck; gezählt wird je Spur, nicht je Einzelbild.
• Artbestimmung: Feinkörnige Bildklassifikatoren, oft hierarchisch (erst Gruppe, dann Art), weil Fische verdeckt, nass, aufgehäuft und bei wechselndem Licht zu sehen sind; für eine lange Reihe seltener Arten braucht es eine Open-Set-Behandlung („unbekannt“ geht an Menschen).
• Sensorfusion: Hydraulik- und Windensensoren legen Hols günstig und zuverlässig fest; die KI arbeitet innerhalb dieser Zeitfenster.
• Kameraintegrität: Modelle erkennen verdeckte, verschmutzte, verstellte oder ausgeschaltete Kameras.
• Mensch-in-der-Schleife (Human-in-the-Loop): Prüfer bestätigen jeden möglichen Verstoß; die KI-Ausgabe allein ist ein Indikator, kein Beweis für eine Zuwiderhandlung. Zufällige Stichproben nicht markierter Videos messen übersehene Ereignisse.
• Edge vs. Land: Inferenz am Rand (Edge) auf dem Rekorder (z. B. NVIDIA-Jetson-Klasse) verringert den Upload; aufwendige Artmodelle laufen an Land.

Datenaufbereitung

Die wichtigsten Daten sind Mehrkamera-Videos von Deck und Verarbeitungslinie sowie Sensorströme (GPS, Hydraulik, Trommeldrehung), Meldungen aus dem E-Logbuch und VMS-/AIS-Spuren. Das Video liegt auf manipulationssicheren Rekordern und wird im Hafen oder per Satellit/4G ausgelesen; Logbücher liegen in nationalen Kontrollsystemen oder in der Flottensoftware des Betreibers; Referenzbilder von Arten und Quotenregeln sind meist verstreute PDFs und Expertenwissen.

Typische Lücken: verschmutzte oder falsch ausgerichtete Kameras, nicht synchronisierte Zeitstempel zwischen Video und Sensoren, fehlende Artlabels, eine lange Reihe seltener Arten und strenge Zugriffsrechte, weil Besatzungsmitglieder auf den Aufnahmen zu sehen sind.

Schritte der Aufbereitung: Uhren synchronisieren und Sensorereignisse den Hol-Zeitfenstern zuordnen; einen Artenkatalog aufbauen und mit Fischereiexperten eine repräsentative Stichprobe je Fischerei labeln (CVAT oder Label Studio); einen Hold-out-Satz vollständig von Menschen geprüfter Fangreisen für die Evaluierung zurückhalten (zum Gewinnen von Labels aus Logbüchern siehe PREP-018 und PREP-020); Aufbewahrung, Maskierung von Gesichtern und rollenbasierten Zugriff vor jeder KI-Verarbeitung festlegen (PREP-022, PREP-025); Datenquellen und Lücken erfassen (PREP-001, PREP-002, PREP-005).

Grober Anteil am Aufwand: hoch; bei einem Projekt nach Weg B/C entfällt typischerweise mehr als die Hälfte auf Labeling, Validierung und Daten-Governance; bei Weg A schrumpft er auf Einführung, Kameraplatzierung und Zugriffsregeln.

Umsetzungswege

Welcher Weg für wen

• Öffentlicher Sektor (Kontrollbehörden): C, weil Aufnahmen von Besatzungen sensibel sind und Souveränität sowie Vergaberecht offene, prüfbare Detektoren und Prüfwerkzeuge bevorzugen, die in einer EU- oder deutschen Behördencloud betrieben werden; zertifizierte Produkte (A) bleiben eine Option, wo die Behörde sie vorschreibt.
• Unternehmen (Flottenbetreiber): A, weil zertifizierte REM-Hardware mit Manipulationsnachweis, EFCA-konforme Prüfsoftware und Service ein Standardangebot sind, das Betreiber sinnvollerweise nicht nachbauen.
• Entwickler: C, weil offene Detektoren und Tracker auf HW2-Edge-/Land-Hardware plus eigene gelabelte Daten volle Kontrolle über Artmodelle je Fischerei geben.

Weg A — Kaufen (Standardsoftware) (empfohlen für Flottenbetreiber)

• REM-System- und Analyseanbieter: Anchor Lab (Dänemark, EU), Satlink (Spanien, EU), Marine Instruments (Spanien, EU) bieten Bordsysteme mit Software zur Auswertung an; Archipelago Marine Research (Kanada) und Saltwater Inc. (USA) sind etablierte REM-Anbieter außerhalb der EU. Mehrere ergänzen oder erproben KI-gestützte Auswertung; prüfen Sie den aktuellen Funktionsstand in Demos.
• Prüfen: Einhaltung der EFCA-Spezifikationen, Manipulationsnachweis, Verschlüsselung, DSGVO-Datenschutzfunktionen (Maskierung, Zugriffsprotokollierung), Integration in nationale Kontrollsysteme und E-Logbuch.
• A wählen, wenn: Sie schnell zertifizierte Hardware plus Software und einen Prüf-Workflow brauchen.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Nutzen Sie Cloud-Objektspeicher in EU-Regionen für Clips; verwaltetes Training/Inferenz (Azure ML, Google Vertex AI, AWS SageMaker, souveräne EU-Clouds wie OVHcloud, Scaleway, STACKIT) für Detektoren.
• Multimodale LLMs/VLMs (Gemini, Claude, GPT, Mistral) können Clip-Zusammenfassungen erstellen oder Fragen zu einem Segment beantworten („Wurde etwas zurückgeworfen?“), sind aber für das Zählen von Arten nicht zuverlässig genug; nutzen Sie sie nur für die Vorsortierung und zur Unterstützung der Prüfer.
• Gut geeignet für Analyseschichten von Behörden, die auf den vom Anbieter gelieferten REM-Daten aufsetzen.

Weg C — Selbst betreiben (Open Source)

• Erkennung/Segmentierung/Tracking: Ultralytics YOLO (AGPL, Lizenzbedingungen prüfen), RT-DETR, SAM 2 für segmentierungsgestütztes Labeling, Tracker ByteTrack / BoT-SORT; DINOv2- oder CLIP-artige Backbones für Artklassifikatoren. Labeling mit CVAT oder Label Studio.
• Bereitstellung: TensorRT/ONNX Runtime, NVIDIA DeepStream für Video-Pipelines; offene VLMs wie die Qwen-VL-Familie über vLLM für die Beschriftung von Clips.
• Hardware: HW1-Edge-Geräte auf den Fahrzeugen für die Ereigniserkennung; HW2 (eine 24-GB-GPU) an Land für Prüf-Pipelines einer kleinen Flotte; HW3 für Verarbeitung im nationalen Maßstab.
• Aufwand: braucht ML-Ingenieure und Fischereiwissenschaftler; laufendes Neu-Labeling.

Weg D — Eigenes Training

Fast immer in irgendeiner Form erforderlich: Art- und fischereispezifische Modelle brauchen gelabelte Aufnahmen aus der Zielfischerei und dem jeweiligen Kameraaufbau. Datenbedarf: Tausende annotierter Hols oder viele Zehntausende gelabelter Fischbilder je Zielartengruppe, aus mehreren Fahrzeugen, Jahreszeiten und Lichtverhältnissen. Bevorzugen Sie das Feintuning eines vortrainierten Backbones; teilen Sie annotierte Daten über Behörden oder Forschungseinrichtungen (z. B. ICES-Arbeitsgruppen), wo rechtlich möglich.

Stand der Technik (2026)

• Kommerzielle REM-Analytik hat sich von Forschungsprototypen hin zu operativer Unterstützung entwickelt: Ereigniserkennung, Rückwurferkennung und Artzählung werden in nationalen Programmen validiert, wobei die menschliche Prüfung Standard bleibt.
• Foundation-Modelle (SAM 2, DINOv2, offene VLMs) verringern den Labeling-Aufwand und helfen bei der Open-Set-Behandlung „unbekannter Arten“.
• Standardisierung: Die technischen Spezifikationen der EFCA und die ICES-Leitlinien zu EM-Daten sind die Referenz für Datenqualität und Prüfprotokolle [2][3].
• Grenzen und Fehlerbilder: Verdeckung und Fischhaufen, Gischt und Kondenswasser auf Linsen, Nachtarbeit und Blendung, ähnlich aussehende Arten, Rückwürfe unter Deck oder über Bord außerhalb des Kamerabildes, Kamerabeeinflussung, Domänenverschiebung zwischen Fahrzeugen und Fanggeräten sowie nicht repräsentative Trainingsdaten für seltene geschützte Arten. Modelle können insgesamt genau wirken und genau bei den seltenen Rückwürfen versagen, auf die es ankommt.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (object-detection + tracking + image-classification + edge-runtime): VIS-032 Artbestimmung und Wildkamera-Monitoring, VIS-014 Nutztierüberwachung, VIS-006 Lebensmittel- Qualitätsklassifizierung, VIS-031 Videosuche in natürlicher Sprache zur Unterstützung der Prüfung.
• Ergänzende Überwachung: ANOM-032 (Erkennung „dunkler“ Schiffe und AIS-Manipulation) deckt Fahrzeuge ohne Bordkameras ab und erkennt verdächtige Routen; kombinieren Sie beides, um Kontrollen gezielt zu planen.
• Datenpipelines: E-Logbuch, VMS- und Anlandedaten speisen den Abgleich; der Stack für Videoannotation und Edge-Bereitstellung wird mit anderer Kameraanalytik geteilt.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis Monate je Flotte für Installation und Einführung; die Kosten bestehen aus Hardware je Fahrzeug plus Prüfservice oder Lizenz. Hier nicht beziffert; holen Sie Angebote ein.
• Weg B/C: 6-12+ Monate für eine validierte Art-/Rückwurf-Pipeline je Fischerei, überwiegend Labeling und Validierung.
• Kennzahlen: Anteil des Videos, der menschlich geprüft werden muss (Reduktion gegenüber vollständiger Prüfung), Recall bei Rückwurfereignissen (gemessen an auditierten, nicht markierten Stichproben), Fehler der Artzählung gegenüber Beobachter- oder Anlandedaten, Abweichungsrate zwischen Logbuch und Video, Prüfzeit je Fangreise, Kameraverfügbarkeit und Rate von Manipulationsereignissen, Zeit vom Reiseende bis zur Rückmeldung.

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung früh für Budget und das rechtliche Mandat ein, die Abteilungsleitung (Flotte oder Kontrolleinheit) als Prozessverantwortliche, die IT für Rekorder, Upload und Integration in Logbuchsysteme sowie Legal/Compliance für Fischereikontrollrecht und Beweisregeln. Die oder der Datenschutzbeauftragte muss vor dem Pilotbetrieb eingebunden werden: Dauervideo von Besatzungen sind personenbezogene Daten, eine Datenschutz-Folgenabschätzung (DSFA, Art. 35 DSGVO) ist sehr wahrscheinlich, und jeder Anbieter braucht einen AVV (Art. 28 DSGVO).

Betriebsrat: ja. Kameras und Analytik, die das Verhalten der Besatzung erfassen, sind objektiv zur Überwachung von Beschäftigten geeignet, daher gilt die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG; § 90 Abs. 1 Nr. 3 verlangt rechtzeitige Unterrichtung, und nach § 80 Abs. 3 kann ein Sachverständiger hinzugezogen werden. Für öffentliche Stellen gilt der Personalrat nach BPersVG oder Landesrecht. Vereinbaren Sie in einer Betriebsvereinbarung Zweckbindung (Fischereiüberwachung, keine Leistungskontrolle), Maskierung, Aufbewahrung und Zugriff.

Fördern Sie die KI-Kompetenz von Prüfern und Kapitänen (KI-Verordnung Art. 4) mit kurzen Schulungen dazu, was das System erkennt und wo es irrt. Kommunizieren Sie offen, warum Kameras installiert werden, beginnen Sie mit einer freiwilligen Pilotgruppe von Fahrzeugen, und begegnen Sie Überwachungsängsten mit Transparenz darüber, wer was sieht. Die KI-Ausgabe ist nur ein Indikator: Ein menschlicher Prüfer bestätigt jeden möglichen Verstoß.

Siehe GUIDE-004, GUIDE-005 und GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): typischerweise minimales Risiko: Es ist kein aufgeführter Fall nach Anhang III, und die Kontrolle der Fischerei ist kein Sicherheitsmanagement kritischer Infrastruktur. Neu bewerten, wenn das System das Verhalten der Besatzung bewertet oder profiliert oder mit biometrischen Funktionen kombiniert wird. Vorsicht bei Art. 5: keine Emotionserkennung bei der Besatzung (am Arbeitsplatz verboten) und keine biometrische Kategorisierung. KI-Kompetenz (Art. 4) gilt für Betreiber und Prüfer. Öffentliche Stellen sollten die menschliche Aufsicht dokumentieren.
• DSGVO: Dauerfilmen der Besatzung ist Verarbeitung personenbezogener Daten und ein Thema der Arbeitsplatzüberwachung. Die Verordnung (EU) 2023/2842 und die EFCA-Leitlinien verlangen Datenschutzgarantien; anwenden: Zweckbindung (Fanghandhabung, nicht Leistung der Besatzung), Kameraplatzierung abseits privater Bereiche, Maskierung oder Unkenntlichmachung (siehe VIS-030), begrenzte Aufbewahrung, Zugriffsprotokollierung, Verantwortlichenrollen zwischen Behörde und Betreiber sowie eine DSFA. Nationales Arbeitsrecht und Betriebsräte oder Seeleutevertretungen können beteiligt sein.
• Beweiskraft: KI-Markierungen sind kein Beweis; Entscheidungen über Verstöße brauchen von Menschen verifiziertes, durch Beweiskette gesichertes Video nach nationalem Verfahrensrecht.
• Weitere Risiken: Akzeptanz bei Fischern und empfundene Überwachung, Anbieterabhängigkeit (Vendor-Lock-in), Streit um Dateneigentum, Cybersicherheit der Rekorder, falsche Zuordnung von Rückwürfen zu Fahrzeug/Hol.
• Gegenmaßnahmen: mit der Branche abgestimmte transparente Regeln, Audit-Stichproben, Modellvalidierung je Fischerei, offene Datenformate, Verschlüsselung und manipulationssichere Protokolle.

Erste Schritte

1. Prüfen Sie, ob Ihre Fahrzeuge oder Ihre Flotte unter die verpflichtenden REM-Kategorien der Verordnung (EU) 2023/2842 und der nationalen Durchführungsvorschriften fallen.
2. Lesen Sie die technischen REM-Leitlinien der EFCA und legen Sie Kameraanordnung, Sensoren und Datenaufbewahrung fest.
3. Führen Sie einen Pilotbetrieb auf einigen Fahrzeugen mit einem zertifizierten Anbieter durch; zeichnen Sie mindestens eine ganze Saison an Hols auf.
4. Bauen Sie mit Fischereiwissenschaftlern einen gelabelten Validierungssatz auf und messen Sie den Recall bei Rückwürfen.
5. Schließen Sie die DSFA ab, stimmen Sie sich mit Besatzungsvertretern ab und richten Sie einen Prozess für menschliche Prüfung und Audit ein.

Quellen

1. Regulation (EU) 2023/2842 amending the Fisheries Control Regulation — https://eur-lex.europa.eu/eli/reg/2023/2842/oj
2. EFCA (European Fisheries Control Agency) — https://www.efca.europa.eu/
3. ICES — Electronic monitoring and data standards, working groups — https://www.ices.dk/
4. European Fisheries Control Agency (EFCA) — https://www.efca.europa.eu
5. Satlink — Remote electronic monitoring — https://www.satlink.es
6. Satlink — Electronic monitoring — https://www.satlink.es/
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