Kamerabasierte Vogelkollisionsvermeidung & Abschaltsteuerung für Windenergieanlagen

Das Kollisionsrisiko für geschützte Vögel wie den Rotmilan blockiert oder beschränkt Windprojekte in vielen EU-Regionen. Kamerasysteme (oft kombiniert mit Radar) erkennen und klassifizieren Zielarten im Umfeld der Anlage, sagen die Flugbahn voraus und weisen die Anlage an, langsamer zu werden oder zu stoppen, bevor der Vogel den Rotor erreicht. In Deutschland gelten solche Systeme im naturschutzrechtlichen Rahmen als anerkannte Schutzmaßnahme, was Genehmigungen für Standorte ermöglichen kann, die sonst abgelehnt würden.

Problem & Nutzen

• Heute: Das Kollisionsrisiko wird über Abstandsregeln zu Horsten, feste saisonale oder tageszeitliche Abschaltungen (zum Beispiel bei Ernte- oder Mahdereignissen) und Schlagopfersuchen nach der Errichtung behandelt. Pauschale Abschaltungen kosten Ertrag; Schlagopfersuchen zählen tote Vögel erst im Nachhinein.
• KI-Nutzen: Abregeln nur dann, wenn ein empfindlicher Vogel tatsächlich gefährdet ist, sodass Schutz und Energieertrag beide erhalten bleiben; eine dokumentierte, messbare Minderungsmaßnahme, die Genehmigung und Repowering unterstützt.
• Evidenz (gemischt, Quelle prüfen): Eine begutachtete Studie aus Wyoming stellte fest, dass kamerabasierte automatische Abregelung (IdentiFlight) die Todesfälle bei Adlern gegenüber einer Kontrollanlage verringerte, die Zahl der Abregelungen aber deutlich erhöhte [2]. Der Hersteller nennt größere Reduktionen (82 % steigend auf 85 %) gegenüber menschlichem Biomonitoring [3] — als Herstellerangaben behandeln. Eine deutsche Studie im WindForS-Testfeld berichtete 90 % der Detektionen innerhalb von 750 m bei klarem Wetter und 91 % innerhalb von 600 m bei schlechter Sicht und stellte fest, dass tief fliegende Zielvögel relativ oft übersehen wurden [4].
• Politischer Kontext: Der EU-Vorstoß zum beschleunigten Ausbau erneuerbarer Energien erhöht den Druck, Konflikte mit dem Artenschutz schnell zu lösen; § 45b BNatSchG regelt in Deutschland die Bewertung des Kollisionsrisikos und die Minderung bei Windenergieanlagen [5].

Varianten

• Windenergie an Land, Greifvögel (Rotmilan, Seeadler, weitere): der Kernfall; eine Einheit je Anlage oder je Anlagengruppe.
• Offshore / Küste: Seevögel, Zugspitzen; Radar plus Kamera, härtere Wartungsbedingungen.
• Fledermausorientierte Abregelung: akustisch und wetterbasiert, nicht kamerabasiert — siehe SPEECH-015.
• Reines Detektions-Monitoring: dieselbe Hardware, um Nachweise vor oder nach der Errichtung ohne Eingriff in die Anlage zu sammeln (verwandt mit VIS-032).
• Andere Infrastruktur: Flughäfen, Solarparks und Stromleitungen mit derselben Erkennungslogik.

So funktioniert es

1. Kameras (Stereo / 360°) [+ Radar]
2. Erkennung fliegender Objekte vor Ort
3. Klassifikation nach Art / Größe (Zielvögel vs. andere Vögel, sonstige Objekte)
4. Mehrfachansichts-3D-Triangulation + Tracking
5. Vorhersage der Flugbahn
6. Prüfung der Risikozone (Abstand zum Rotor, Geschwindigkeit, Kurs, Genehmigungsregeln)
7. Abregelungsbefehl an die Anlagensteuerung (SCADA/SPS)
8. Wiederanlauf, wenn frei
9. Protokollierung, Beweisclips, regelmäßiger Bericht an die Behörde

• Erkennung und Klassifikation: kleine Objektdetektoren und Klassifikatoren auf Edge-GPUs am Mast; schwierig ist, einen weit entfernten Ziel-Greifvogel bei wechselndem Licht von anderen Vögeln, Insekten und Störechos zu unterscheiden.
• 3D-Tracking: zwei oder mehr kalibrierte Ansichten liefern Entfernung und Höhe; ein Bewegungsmodell sagt voraus, ob der Vogel innerhalb der Abbremszeit der Anlage in den vom Rotor überstrichenen Bereich gelangt.
• Geschlossener Regelkreis: Der wesentliche Unterschied zum passiven Monitoring ist, dass das System eine sicherheitsrelevante Maschine ansteuert; Latenz, Verfügbarkeit und ausfallsicheres Verhalten (was passiert, wenn das System offline ist) sind Teil der Genehmigung.
• Mensch-in-der-Schleife (Human-in-the-Loop): Betreiber und Ornithologen prüfen protokollierte Ereignisse, stimmen Risikozonen und Empfindlichkeit ab und validieren die Leistung in der von der Behörde geforderten Erprobungsphase.

Datenaufbereitung

Benötigte Daten: Kameraaufnahmen und Radarspuren vom Anlagenstandort, SCADA-Zustände der Anlage (Rotordrehzahl, Abregelungsereignisse), Genehmigungsparameter des Standorts (Risikozonen, Zielarten) und Referenzbeobachtungen von Ornithologen. Sie liegen auf Edge-Rekordern, im SCADA/Historian sowie in Gutachten und Tabellen von Beratern auf Dateiablagen oder in E-Mails.

Typische Lücken: keine gelabelten Flugspuren, wenige Beispiele seltener Ziel-Greifvögel, nicht synchronisierte Uhren zwischen Kameras und SCADA, mangelhafte Kalibrierdokumentation und über PDF-Scans verstreute Genehmigungsauflagen.

Schritte der Aufbereitung: Kamerageometrie kalibrieren und dokumentieren; Zeitquellen synchronisieren; Clips mit Ornithologen sammeln und labeln, einschließlich negativer Beispiele wie Insekten und andere Vögel (CVAT, Label Studio; siehe PREP-018, PREP-020); Genehmigungsauflagen in eine Regeltabelle überführen (PREP-006, PREP-011); festlegen, wer auf Beweisclips zugreifen darf und wie lange (PREP-025). Dateninventur und Lückenanalyse helfen bei der Abgrenzung (PREP-001, PREP-002, PREP-005).

Grober Anteil am Aufwand: mittel. Bei einem gekauften System besteht die Aufbereitung überwiegend aus Standortkalibrierung und der von der Behörde geforderten Validierung in der Erprobungsphase; bei Eigenentwicklung dominieren Labeling und Validierung.

Umsetzungswege

Welcher Weg für wen

• Unternehmen (Windparkbetreiber): A, weil Genehmigungsbehörden auf anerkannte Systeme mit dokumentierten Erkennungsraten je Art achten und die Schnittstelle zur Anlage sowie der Servicevertrag Teil des Produkts sind.
• Entwickler: C, weil offene Detektoren und Tracker auf HW1-Edge-GPUs eigene Forschung und Integrationen erlauben, die Akzeptanz durch die Genehmigungsbehörde aber dennoch eine Erprobungsphase braucht.
• Öffentlicher Sektor (Behörden, Naturschutzstellen): C, weil es für die Bewertung und Validierung von Systemen mehr auf offene, reproduzierbare Pipelines und unabhängige Testdaten ankommt als auf ein Produkt; souveränes Hosting der Beweisdaten wird bevorzugt.

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

Schlüsselfertige Systeme einschließlich Kameras, Edge-Rechner, Anlagenschnittstelle und Serviceverträgen. Typische Anbieter: IdentiFlight (USA, Kamerasystem mit laut Anbieter bestehender Anerkennung in Deutschland/KNE [3]), DTBird (Liquen, Spanien, EU), BirdVision (Bioseco, Polen, EU) sowie radarbasierte Angebote wie Robin Radar (Niederlande, EU) und Swiss Birdradar (Schweiz). Prüfen: Anerkennung durch die zuständige Landesbehörde, dokumentierte Erkennungsraten je Art, Integration in Ihren Anlagenhersteller, Servicelevel und Dateneigentum. Wählen Sie A für im Wesentlichen alle Betreiber; die Zertifizierung und die Genehmigungsreferenzen sind das Produkt.

Weg B — Auf Cloud-KI-Diensten aufbauen

Für den Regelkreis nicht geeignet (Latenz, Offline-Sicherheit). Cloud-Nutzung ist nur für das Backoffice sinnvoll: Prüfung protokollierter Clips mit einem multimodalen Modell, Entwurf von Behördenberichten, Trendanalysen über mehrere Parks.

Weg C — Selbst betreiben (Open Source)

Forschungs- und Pilotniveau: Open-Vocabulary- und YOLO-Detektoren, auf Vogelbildern feingetunte Klassifikatoren, OpenCV-Stereokalibrierung und Mehrobjekt-Tracker, betrieben auf Edge-Geräten der Jetson-Klasse (HW1) mit ONNX/TensorRT. Nützlich für Hochschulen, reine Detektionsstudien und Nachweiserhebung; ein selbst gebautes System erhält ohne Validierungsstudie keine behördliche Anerkennung.

Weg D — Eigenes Training

Anbieter trainieren auf großen, standortspezifischen gelabelten Bibliotheken von Flügen der Zielarten. Betreiber tragen bei, indem sie gelabelte Ereignisse und Fehlalarm-Clips liefern. Nötig sind Tausende verifizierter Spuren je Art über Jahreszeiten, Licht und Hintergründe; die unabhängige Validierung gegen menschliche Beobachter ist der teure Teil.

Stand der Technik (2026)

• Erkennungsreichweite, Artunterscheidung und Flugbahnvorhersage haben sich mit Deep Learning und Stereo- Geometrie verbessert, die Leistung hängt aber von Standort, Wetter, Hintergrund und Vogelgröße ab. Veröffentlichte Tests zeigen bei klarem Wetter Reichweiten von mehreren hundert Metern und schwächere Ergebnisse bei tief fliegenden Vögeln und schlechter Sicht [4].
• Behörden und Stellen wie das Kompetenzzentrum Naturschutz und Energiewende (KNE) prüfen die Evidenz und veröffentlichen Erwartungen an Validierung und Betrieb [1]; unabhängige Validierungsstudien und Arbeiten bayerischer Landesbehörden werden im Rahmen der Anwendungsfamilie als Referenz genannt.
• Zielkonflikt: Empfindliche Einstellungen schützen Vögel, erhöhen aber die Abregelung, sodass der Ertragsverlust der wichtigste Betriebskostenfaktor ist [2].
• Grenzen: Falsch-negative Ergebnisse bei kleinen oder tief fliegenden Zielen, Falsch-positive durch andere Objekte, Nebel/Regen/Blendung und Abhängigkeit von der Reaktionszeit der Anlage. Systeme ergänzen Standortwahl und Habitatmaßnahmen, ersetzen sie aber nicht.

Gemeinsame Bausteine & Kombinationen

• Teilt Objekterkennung, Tracking und Edge-Bereitstellung mit VIS-010 und VIS-044 (Drohnenabwehr, ähnliche Sensorfusion).
• Naheliegende Kombination mit VIS-032 (Artbestimmung, Wildkameras), SPEECH-015 (Bioakustik, Fledermäuse), VIS-003 (Anlageninspektion mit Drohnen) und VIS-030 (Anonymisierung, wenn Kameras Personen oder Grundstücke erfassen können).

Aufwand, Kosten & Kennzahlen

• Weg A: Monate für Abstimmung der Genehmigung, Installation, Kalibrierung und eine Erprobungsphase; laufende Servicegebühren; Ertragsverlust durch Abregelung.
• Weg C/D: ein Forschungsprojekt über mindestens eine Saison; die Validierung erfordert einen Vergleich mit menschlichen Beobachtern.
• Kennzahlen: Erkennungsrate nach Art und Entfernung, Fehlalarmrate, Abregelungsminuten und entgangener Energieertrag, Systemverfügbarkeit, Reaktionslatenz im Vergleich zur Rotorstoppzeit, Ergebnisse der Schlagopfersuche.

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung für den Business Case und die Abregelungsverluste ein, die Standort- oder Anlagenleitung als Prozessverantwortliche, IT- und OT-Personal für die SCADA-Schnittstelle, die IT-Sicherheit für die Regelkreisverbindung zu einer sicherheitsrelevanten Maschine, Legal/Compliance und früh die Genehmigungsbehörde sowie die Dateneigentümer der SCADA- und Monitoringdaten.

Betriebsrat: im Normalfall nein, weil die Kameras auf den Himmel und den Rotorbereich gerichtet sind, nicht auf Beschäftigte. Relevant wird er (abhängig), wenn Techniker regelmäßig aufgezeichnet werden oder Leistungsdaten abgeleitet werden; dann gilt § 87 Abs. 1 Nr. 6 BetrVG, und § 90 Abs. 1 Nr. 3 verlangt Unterrichtung bei geänderten Arbeitsabläufen, zum Beispiel neuen Abschaltroutinen für Serviceteams. Öffentlicher Sektor: Personalrat. Datenschutz: personenbezogene Daten nur beiläufig; lassen Sie dies von der oder dem Datenschutzbeauftragten bestätigen, eine DSFA ist meist nicht nötig, Personen in gespeicherten Clips maskieren.

KI-Kompetenz: Fördern Sie (KI-Verordnung Art. 4) Betreiber und Ornithologen mit Schulungen zu Erkennungsgrenzen und ausfallsicherem Verhalten. Kommunizieren Sie den Zweck an Nachbarn, Standortpersonal und Naturschutzgruppen; führen Sie einen Pilotbetrieb an ein oder zwei Anlagen mit der von der Behörde geforderten Erprobungsphase durch. Typische Sorge: entgangener Energieertrag durch Fehlalarme; begegnen Sie ihr mit vereinbarten Kennzahlen zur Empfindlichkeit. Menschen validieren protokollierte Ereignisse und verantworten Änderungen an Risikozonen.

Siehe GUIDE-009, GUIDE-013 und GUIDE-011.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt von der Nutzung ab. Ein System, das eine Sicherheitskomponente bei der Verwaltung und dem Betrieb kritischer digitaler oder Energieinfrastruktur ist, kann unter Anhang III (kritische Infrastruktur) fallen; ein Vogelschutz-Controller, der nur die Drehzahl einer Anlage senkt, liegt wohl außerhalb davon, prüfen Sie daher die Konformitätsaussage des Anbieters. Keine nach Art. 5 verbotene Praxis. Für die Schnittstelle zur Anlage gelten außerdem Maschinen- und Funktionssicherheitsvorschriften [6].
• DSGVO: in erster Linie keine personenbezogenen Daten; Weitwinkelkameras können Personen oder Nachbargrundstücke erfassen, daher Maskierung und begrenzte Aufbewahrung einsetzen.
• Naturschutz: Genehmigungsauflagen (§ 45b BNatSchG, Landesleitfäden) legen Zielarten, Validierung und Rückfallbetrieb fest [5]; die EU-Vogelschutzrichtlinie gilt.
• Risiken und Gegenmaßnahmen: übermäßiges Vertrauen in Erkennungsraten (unabhängige Validierung einfordern), Ausfallzeiten (ausfallsichere Abregelung festlegen), Anbieterabhängigkeit (Datenexport, offene Schnittstellen).

Erste Schritte

1. Klären Sie mit der Genehmigungsbehörde, welche Systeme akzeptiert werden und welche Validierung erwartet wird.
2. Stellen Sie die Arten am Standort, Horststandorte und den Zielkonflikt zwischen Vermeidung und Ertrag zusammen.
3. Fordern Sie von 2–3 Anbietern Tests und Referenzen unter standortähnlichen Bedingungen an.
4. Planen Sie Anlagenschnittstelle, Netzwerk und ausfallsicheres Verhalten mit dem Hersteller.
5. Führen Sie eine Erprobungsphase mit Beobachtern durch und stimmen Sie die Empfindlichkeit ab, bevor Sie andere Einschränkungen verringern.

Quellen

1. KNE — Minimizing bird collisions with wind turbines (conference proceedings) — https://www.naturschutz-energiewende.de
2. McClure et al. — Effectiveness of an artificial intelligence-based curtailment system (PLOS ONE) — https://journals.plos.org/plosone/article/file?id=10.1371%2Fjournal.pone.0278754&type=printable
3. IdentiFlight — Performance (vendor) — https://www.identiflight.com/performance/
4. Test of IdentiFlight on the WindForS test field (Tethys) — https://tethys.pnnl.gov/publications/test-automatic-bird-detection-system-identiflight-test-field-windfors-context-nature
5. BNatSchG §45b — https://www.gesetze-im-internet.de/bnatschg_2009/__45b.html
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj