Die Aufgabe
Unbemannte Fluggeräte (UAVs, Drohnen) kommen zunehmend in zivilen und militärischen Bereichen zum Einsatz – vom autonomen Transport bis hin zur Überwachung. Gleichzeitig stellen sie ein Sicherheitsrisiko dar, wenn sie unbemerkt in Sperrzonen oder kritische Infrastrukturen eindringen. Ziel ist die automatische Erkennung und Klassifizierung von UAVs in Echtzeit, um eine präzise und frühzeitige Alarmierung zu ermöglichen – unabhängig von Wetter, Beleuchtung oder Hintergrund.
Die Herausforderung
Drohnen variieren stark in Größe, Form und Flugverhalten. Klassische Radarsysteme stoßen bei niedrigen Flughöhen oder kleinen Objekten an ihre Grenzen, und optische Verfahren müssen mit wechselnden Lichtverhältnissen, Bewegungsunschärfe und Hintergrundobjekten umgehen. Eine KI muss deshalb lernen, UAVs zuverlässig von Vögeln, Flugobjekten oder Sensorartefakten zu unterscheiden – und dies mit minimaler Rechenlast und höchster Zuverlässigkeit direkt im Feld.
Die Lösung
Unsere KI-Lösung erkennt UAVs anhand charakteristischer Merkmale wie Silhouette, Bewegung und Propellerstruktur.
Das Modell läuft direkt auf einem System-on-Module (SoM) und verarbeitet bis zu 60 Bilder pro Sekunde in Echtzeit.
Es nutzt eine kompakte Architektur mit nur 2 MB Modellgröße und 1,4 GOPs Rechenkomplexität, optimiert für den Embedded-Einsatz.
Durch synthetische Trainingsdaten kann das System flexibel an verschiedene Fluggeräte und Szenarien angepasst werden – von offenen Arealen bis zu urbanen Umgebungen oder Schutzbereichen.
Technische Eckdaten
Parameter |
Wert |
Modellgröße |
ca. 2 MB |
Komplexität |
ca. 1,4 GOPs |
Plattform |
SoM / Embedded |
Bilder pro Sekunde |
60 FPS |
Testgenauigkeit |
98,3 % |

Der Mehrwert
Die UAV-Detektion ermöglicht eine zuverlässige Überwachung sensibler Lufträume, ohne dass große Recheneinheiten oder Cloud-Anbindungen nötig sind.
Die KI läuft vollständig lokal, ist robust gegen Witterungseinflüsse und liefert präzise Ergebnisse auch bei wechselnden Lichtbedingungen.
Dadurch können Sicherheits- und Überwachungssysteme frühzeitig reagieren, Risiken minimieren und operative Prozesse automatisieren.
Das Ergebnis: eine schnelle, energieeffiziente und nachvollziehbare Objekterkennung – direkt am Ort des Geschehens.