Wasserabwurf aus der Luft bei Waldbränden optimieren

Projektziel: Ein lernendes System für präzisere Brandbekämpfung aus der Luft

Wir entwickeln in »Forest Shield« ein integriertes System, das:

• die Brandsituation mittels einer Sensorplattform in Echtzeit erfasst (sichtbar und Infrarot, geo-referenziert)
• den besten Abwurfzeitpunkt vorschlägt
• die reale Wirksamkeit bewertet
• den Einsatzkräften direktes Feedback liefert

Ziel ist es, Abwürfe nicht nur zu analysieren, sondern aktiv zu unterstützen, sodass jeder Abwurf seine volle Wirksamkeit entfalten kann. Das Ergebnis des Projekts ist ein Demonstrator, der Sensordaten, Simulation und Echtzeitvorhersagen in einem System kombiniert und die Abwurfeffizienz anschaulich darstellt.

Die Besonderheit des Projekts liegt in der Kopplung eines kompakten und schnellen Echtzeitvorhersagesystems mit mächtiger, aber rechenaufwändiger Simulation. Relativ kleine Machine Learning Surrogatmodelle – also vereinfachte Modelle, die komplexe Simulationen näherungsweise und deutlich schneller abbilden – lernen aus Simulationsdaten und erfassen die komplexe Abwurfdynamik statistisch. Im Einsatz liefern sie schnelle Vorhersagen direkt im Feld. Anschließend fließen die aufgezeichneten realen Abwurfdaten zurück in das Simulationssystem und verbessern die Vorhersagemodelle kontinuierlich. So entsteht ein lernendes Gesamtsystem. 

Unser Ansatz: Simulation und Sensordaten intelligent verknüpfen

Die Abwurfdynamik ist komplex, da viele Faktoren wie die Hubschraubergeschwindigkeit, Abwurfbehälteröffnung, Wind und Flammentemperatur Einfluss auf die Löschwirkung des Wassers haben. Diese komplexe Dynamik lässt sich mittels unserer Simulationssoftware MESHFREE abbilden: Unsere Software simuliert den Weg der Wassertröpfchen vom Abwurfbehälter bis zum Brand am Boden inklusive aller Umweltfaktoren. Die Grundlage für die Modellierung in der Simulation sind Daten, die von der Sensorplattform geliefert werden. So entsteht ein Digitaler Zwilling, d.h. eine virtuelle Kopie der Realität. Damit kann die Realität aber nicht nur nachgebildet werden, sondern es können auch verschiedene andere Szenarien und Entscheidungen durchgespielt werden (»Was wäre wenn?«). Dies holt noch mehr Wissen aus jedem Einsatz heraus und vervielfacht die Vorhersagekraft des Gesamtsystems.

Sensorik als Datenbasis: Die Plattform von CAURUS Technologies

Die Datengrundlage für »Forest Shield« bildet die von unserem Projektpartner CAURUS Technologies entwickelte Sensorplattform. Sie wird während des Flugs eingesetzt und erfasst geo-referenzierte Bilddaten im sichtbaren und infraroten Spektralbereich. Ein wesentlicher Vorteil besteht im einfachen Einsatz: Die Plattform wird lediglich zusammen mit dem Abwurfbehälter an den Hubschrauber gehängt, weitere Installationen sind nicht erforderlich. Sie ist so konzipiert, dass sie sich flexibel in unterschiedliche Trägersysteme integrieren lässt und ohne zusätzliche Besatzung betrieben werden kann. Sie liefert hochwertige Daten direkt aus dem Einsatzgeschehen, die eine notwendige Grundlage für unsere Modellierung und Auswertung schaffen.

Unsere Kernkompetenz: Simulation mit MESHFREE

Ein zentraler Baustein von »Forest Shield« ist zudem unsere Simulationssoftware MESHFREE, die wir im Projekt gezielt anwenden. Mit ihr bilden wir das Verhalten von Löschmitteln unter realen Einsatzbedingungen physikalisch fundiert virtuell ab. Im Gegensatz zu klassischen Verfahren arbeitet MESHFREE ohne festes Rechengitter und nutzt stattdessen Punktwolken, die sich dynamisch an die jeweiligen Strömungsprozesse anpassen. Dadurch lassen sich auch komplexe Wechselwirkungen, etwa zwischen Tropfen, Luftströmung und Umgebungseinflüssen, effizient und präzise simulieren.

Unsere langjährige Erfahrung mit dieser Technologie, beispielsweise im Wassermanagement von Fahrzeugen, ermöglicht es uns, die Methode auf die Vegetationsbrandbekämpfung zu übertragen und für diesen neuen Anwendungsfall einzusetzen.

Einsatzunterstützung durch Machine Learning im Feld

Auf Basis der gewonnenen Sensor- und Simulationsdaten entwickeln wir Machine Learning Modelle für den Einsatz im Feld. Die kompakten Modelle lernen die Abwurfdynamik statistisch und ermöglichen schnelle Vorhersagen zur Wirksamkeit von Löschmittelabwürfen.

Besonders wichtig ist die Echtzeit-Anwendung: Einsatzkräfte erhalten direkt im Feld Rückmeldungen zu Abwürfen und können ihre Entscheidungen darauf stützen. Damit gehen wir über bestehende Ansätze hinaus, die häufig auf nachgelagerte Analysen oder vorberechnete Szenarien beschränkt sind. Durch die enge Verzahnung von Simulation und Machine Learning entsteht ein Cloud-Edge-System, das kontinuierlich dazulernt und seine Vorhersagen mit jeder neuen Datengrundlage weiter verbessert.
 

Perspektive: Zusammenführung aller Interessenslagen bei der Brandbekämpfung

»Forest Shield« ist Teil der »Forest Fire Fighting Transfer Laboratory« (FFFLab) Innovationscommunity, welche den Anspruch hat, alle beteiligten Parteien über die Feuerwehr hinaus zusammenzubringen, wie z.B. Forstämter und Naturschutzbünde. Hier laufen viele verschiedene Interessenslagen zusammen, sodass Brandbekämpfung als umfassendes Thema verstanden wird, welche diverse Ziele verfolgt. Diese Sicht spiegelt sich auch in unserem Projekt wider.

Unser Softwaresystem ist ein erster Schritt in Richtung eines Digitalen Zwillings, der viele Aspekte der Brandbekämpfung umfasst. So sollen in Zukunft alle Teile des Einsatzortes abgebildet werden, z.B. Fahrzeuge und Personen, um die Sicherheit von Einsatzpersonal sowie von betroffenen Personen zu verbessern, oder auch Baumbestände, um besonders brandgefährliche oder schützenswerte Zonen zu identifizieren. Unser Ziel ist ein langfristig lernendes System, das sich kontinuierlich an neue Einsatzbedingungen anpasst. Die gewonnenen Erkenntnisse sollen in eine langfristige Roadmap einfließen, mit der wir zusätzliche Funktionen in der Community erschließen und die datenbasierte Einsatzunterstützung zum Wohle aller Beteiligten kontinuierlich ausbauen. 

Projektlaufzeit, Förderung und Partner

Das Projekt »Forest Shield« wird im Rahmen des »Forest Fire Fighting Transfer Laboratory« (FFFLab) durch das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) gefördert – mit dem Ziel, innovative Forschung schneller in die praktische Anwendung zu überführen.

Wir arbeiten dabei eng mit unserem Projektpartner CAURUS Technologies zusammen, der seine Expertise in der Sensorik und Datenerfassung einbringt. Unser Team am Fraunhofer ITWM verantwortet insbesondere die Simulation, Datenanalyse und Entwicklung der Machine Learning Modelle.

Die Staatliche Feuerwehrschule Würzburg (SFSW) ist ein Kompetenzzentrum unter anderem für die Ausbildung im Schwerpunkt der luftgestützten Brandbekämpfung. Mit ihrer wertvollen Praxiserfahrung beteiligt sich die SFSW an der Auswertung der Demonstrator-Tests und setzt Prioritäten für die Weiterentwicklung bestehender und zukünftiger Verfahren der luftgestützten Brandbekämpfung.

Die Verwaltung Landesforsten Rheinland-Pfalz, bzw. das Forstamt Johanniskreuz, bringt waldwirtschaftliche Expertise und Daten als assoziierter Projektpartner ein. Des Weiteren besteht eine enge Kooperation mit dem Referat »Feuerwehr und Katastrophenschutz« der Stadt Kaiserslautern, dem Oberzentrum der Westpfalz sowie den umliegenden Feuerwehren. Damit bündelt die Verwaltung des Landesforsten wichtiges Wissen zu beteiligten Parteien und unterstützt bei der Weiterentwicklung des Systems.

Die Arbeiten bauen auf bestehenden Technologien und umfangreichen Vorentwicklungen auf. Erste marktfähige Teilfunktionen sind ab 2027 geplant. Die Projektlaufzeit ist vom 01.05.2026 bis zum 31.07.2027 angesetzt.