Baumschäden erkennen mit Drohnenbildern

Das echte Ausmaß des Problems

Zwischen 2018 und Ende 2024 sind in deutschen Wäldern knapp 308 Millionen Festmeter Kalamitätsholz angefallen — durch Sturm, Dürre und Borkenkäfer. Mehr als 282 Millionen Festmeter davon entfielen auf Nadelhölzer, also vor allem auf Fichten (Quelle: BMLEH, Stand Februar 2025). Das entspricht über 20 Prozent des gesamten deutschen Fichtenvorrats, wie er in der Bundeswaldinventur 2012 erhoben wurde. Eine Generation Fichtenbestand, in sieben Jahren vernichtet.

2024 zeigte zwar in einigen Bundesländern leichte Entspannung — doch in Baden-Württemberg wurden weiter “immense Schäden” gemeldet (Stuttgarter Nachrichten, 2024), und in NRW waren Insekten mit 59,5 % die häufigste Schadursache überhaupt (IT.NRW, 2024). Die Waldzustandserhebung 2024 des BMLEH zeigt: 36 Prozent aller deutschen Bäume weisen deutliche Kronenverlichtung auf — ein 40-Jahres-Tiefstand bei der Waldgesundheit.

Der entscheidende Hebel liegt im Erkennungszeitpunkt. Borkenkäfer durchlaufen nach dem Einbohren eine sogenannte Grünangriffs-Phase (Green Attack): Die Nadeln verfärben sich noch nicht, aber die Bäume geben veränderte physiologische Signale ab. Dieses Fenster dauert je nach Temperatur und Befall vier bis acht Wochen. Wer in dieser Phase eingreift — Käferbäume fällt, entrindete Stämme aus dem Bestand bringt — unterbricht den Vermehrungszyklus, bevor die nächste Käfergeneration schlüpft. Wer zu spät kommt, zahlt zweifach: für die Fällung befallener Bäume und für den Wertverlust des Holzes durch Verfärbung.

Die manuelle Begehung eines 500 ha großen Reviers dauert 3–5 Arbeitstage — und erfasst dabei nur, was auf Augenhöhe sichtbar ist. Kronenschäden im Oberstand bleiben oft unentdeckt, bis sie unverkennbar sind.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Grünangriff-Erkennung nur mit Multispektral- oder Hyperspektralkamera und gutem Referenzdatensatz; RGB-Drohnen erkennen erst ab sichtbarer Verfärbung — also kaum früher als Bodenbegehung.
² Durch frühzeitigen Einschlag lassen sich 40–80 € Mehrerlös je Festmeter gegenüber bluem Käferholz erzielen — je nach Marktlage und Holzart (Erfahrungswert, variiert stark).

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5)
Eine Drohnenbefliegung von 200–400 ha in einem Flugtag, kombiniert mit KI-Auswertung in 24–48 Stunden, ersetzt 3–5 Arbeitstage Fußbegehung. Der Effekt ist real und wiederholbar, solange Wetter und Drohneninfrastruktur stimmen. Nicht maximal bewertet, weil Vor- und Nachbereitung (Flugplanung, Kalibrierung, Klassifikationsprüfung) nicht trivial sind und sich nur für regelmäßige Einsätze lohnen.

Kosteneinsparung — hoch (4/5)
Früherkennung erhält den Holzwert und senkt Folgekosten. Ein Borkenkäfer-Sanierungsfall bei 5 ha Befall (120 Festmeter) unterscheidet sich ökonomisch erheblich, je ob du vier Wochen früher oder nach vollständiger Verfärbung eingreifst. Gleichzeitig: Die Einmalkosten für Hardware und Software sind substanziell (Drohne, Multispektralkamera, Auswertungssoftware). Kosteneinsparung ist realistisch, aber erst ab dem zweiten oder dritten Saisoneinsatz.

Schnelle Umsetzung — niedrig (2/5)
12–20 Wochen bis zum ersten produktiven Einsatz ist kein schlechtes Zeichen — es ist die Realität. Hardware-Beschaffung, Pilotenlizenz (EU-Drohnenkategorie A2/A3 oder “speziell”), Genehmigungen für besondere Zonen, Modelltraining auf eigene Baumbestände und Bewertung der ersten Ergebnisse durch erfahrene Forstkräfte — das alles braucht Zeit. Wer das in sechs Wochen verspricht, verspricht zu viel.

ROI-Sicherheit — mittel (3/5)
Der ROI hängt fundamental davon ab, wie oft in deinem Revier tatsächlich Borkenkäferbefall auftritt. In Hochlagen-Fichtenbeständen mit aktiver Kalamität: sehr guter ROI. In durchmischten Laub-/Mischwäldern mit niedrigem Befallsdruck: fragwürdig. Obendrein erfordert jede KI-Prognose eine Bodenverifikation — der Drohnenbefund ist kein Einschlagsbefehl. Das reduziert die reine Effizienzrechnung.

Skalierbarkeit — sehr hoch (5/5)
Ein einmal trainiertes Modell lässt sich auf beliebig viele Flugrouten, Reviere und Bundesländer ausrollen. Die Grenzkosten je zusätzlichem Hektar sinken drastisch. Für Forstdienstleister, die Reviere für Dritte kartieren, ist das der stärkste Hebel: eine KI-Pipeline für viele Kunden.

Richtwerte — stark abhängig von Reviergröße, Befallsdruck und vorhandener Hardware-Infrastruktur.

Was die Drohnen-KI konkret macht

Der Ablauf läuft in drei technischen Schritten, die aufeinander aufbauen:

Schritt 1 — Befliegung und Bilderfassung
Eine Drohne mit Computer Vision-tauglicher Kamera befliegt das Revier nach einem vorausberechneten Raster (80–85 % Längs- und Querüberlappung) in 50–100 m Höhe. Je nach Kameratyp entstehen dabei RGB-Bilder (günstig, für Sturmschäden und fortgeschrittenen Käferbefall geeignet) oder Multispektralbilder (4–10 Bänder inkl. NIR, nötig für Grünangriff-Erkennung).

Schritt 2 — Photogrammetrie und Orthofoto
Die Rohbilder werden per Photogrammetrie-Software (z. B. Agisoft Metashape oder WebODM) zu einem georeferenzierten Orthofoto zusammengesetzt — einer millimetergenauen Luftaufnahme mit GPS-Koordinaten je Pixel. Multispektralbilder erlauben zusätzlich die Berechnung von Vegetationsindizes wie NDVI oder NDRE: Kennzahlen, die den Chlorophyllgehalt und Trockenstress der Baumkronen messen.

Schritt 3 — KI-Klassifikation auf Einzelbaumebene
Ein trainiertes Modell erkennt auf dem Orthofoto Bäume mit abweichenden Signaturwerten — verfärbte Kronen, Käfernester, liegendes Totholz, Windwurfflächen. Das Ergebnis ist eine georeferenzierte Schadkarte: jeder als verdächtig eingestufte Baum mit GPS-Koordinate, zugewiesener Schadklasse und Konfidenzwert. In QGIS oder ArcGIS lässt sich diese Karte direkt in die Betriebskarte einlegen.

Ein wichtiger Unterschied: Die KI findet Auffälligkeiten — sie ersetzt nicht das Revierförsterurteil. Jede Markierung braucht eine Bodenverifikation, bevor ein Einschlagsauftrag ergeht.

Kameratyp entscheidet alles — RGB vs. Multispektral vs. Hyperspektral

Das ist der häufigste Planungsfehler: Forstbetriebe kaufen eine Drohne mit RGB-Kamera (die normale Fotodrohne), erwarten Borkenkäfer-Früherkennung — und wundern sich, warum die Ergebnisse kaum besser sind als die Bodenbegehung.

Für die meisten Forstbetriebe ist Multispektral der realistische Einstiegspunkt. Kameras wie die MicaSense RedEdge-MX (ca. 6.000–8.000 €) oder die Parrot Sequoia liefern NDVI-Daten mit ausreichender Genauigkeit für die Praxis. Hyperspektral lohnt sich erst bei sehr großen Waldflächen und intensivem Forschungsinteresse.

Eine Drohne (z. B. DJI Matrice 350 RTK, ca. 10.000–14.000 €) plus Multispektralkamera plus Auswertungssoftware — das ist eine Gesamtinvestition von 20.000–35.000 € für ein vollständiges Setup. Wer nicht selbst kaufen will: Es gibt spezialisierte Dienstleister (u. a. in Bayern, NRW und Thüringen), die revierweise Drohnenbefliegung und KI-Auswertung als Service anbieten, ab ca. 8–15 € je Hektar.

Rechtliche Rahmenbedingungen — Drohnenflug im Wald ist nicht einfach

Wer glaubt, er könne einfach die Drohne starten und losfahren, wird von den deutschen Drohnenregulierungen überrascht. Die wichtigsten Punkte:

EU-Drohnenkategorien: Kommerzielle Forstdrohnen über 900 g fallen in die EU-Kategorie “offen/A2” oder “speziell”. Für A2 braucht der Pilot eine Kompetenzprüfung (ca. 50–100 €). Für die Kategorie “speziell” (komplexere Einsätze, BVLOS, Schutzgebiete) ist eine Betriebsgenehmigung der Landesluftfahrtbehörde erforderlich — das dauert 4–12 Wochen.

Naturschutzgebiete und Nationalparks: Nach § 21h LuftVO 2021 sind Drohnenflüge in Naturschutzgebieten, Nationalparks und Natura-2000-Gebieten grundsätzlich genehmigungspflichtig oder verboten. Wer im Nationalpark Harz oder Bayerischer Wald kontrollieren will, muss individuell bei der Schutzbehörde anfragen — und bekommt oft Nein.

Brutvogelschutz: In Deutschland gilt zwischen dem 1. März und 31. Juli ein faktisches Flugverbot über Waldgebieten mit Brutvögeln (Horstschutzklauseln in den Landesforstgesetzen). Das Timing der Borkenkäfer-Befliegung — Mai bis Juli, also genau der kritische Erkennungszeitraum — kollidiert direkt mit dieser Einschränkung. Viele Forstbetriebe lösen das durch Frühmorgen-Flüge vor dem Tagesanbruch oder durch Einzelfallgenehmigungen der unteren Naturschutzbehörde. Eine pauschale Lösung gibt es nicht.

BVLOS-Flüge (Beyond Visual Line of Sight, also über Sichtweite hinaus) sind ohne Sondergenehmigung grundsätzlich unzulässig. Für großflächige Befliegungen ab ca. 100 ha ist BVLOS faktisch nötig — was eine spezielle Betriebsgenehmigung voraussetzt.

Fazit: Plane die Genehmigungsprozesse vor der Hardware-Beschaffung. Wer erst die Drohne kauft und dann fragt, ob er fliegen darf, kann teuer überrascht werden.

Konkrete Werkzeuge — was wann passt

Agisoft Metashape — Der Industriestandard für die Photogrammetrie-Verarbeitung. 3.499 USD Einmallizenz, On-Premise, keine laufenden Kosten. Erzeugt aus den Drohnenrohbildern georeferenzierte Orthofotos, Punktwolken und digitale Geländemodelle. Verarbeitet RGB und Multispektral gleichermaßen. Empfehlung für Betriebe, die regelmäßig und selbst auswerten.

WebODM — Die Open-Source-Alternative. Kostenlos (selbst-gehostet per Docker), DSGVO-unkritisch (alles lokal), aber etwas langsamer und weniger genau als Metashape. Für Forschungsprojekte, Forstbetriebsgemeinschaften mit kleinem Budget oder als Einstieg zum Testen. WebODM Lightning bietet Cloud-Verarbeitung ab ca. 0,03 USD je Bild.

Roboflow — Für die KI-Klassifikation im Anschluss an die Photogrammetrie. Mit Roboflow kannst du eigene Trainingsdaten annotieren (Krone gesund, Krone verfärbt, Totholz, Windwurf), ein Modell trainieren und als API deployen. Der Freemium-Plan reicht für erste Experimente. Einschränkung: US-Datenhosting, bei Produktionseinsatz DSGVO-Prüfung nötig.

Pix4Dfields — Auf Landwirtschaft spezialisiert, aber gut auf Forstmonitoring übertragbar, insbesondere für NDVI-Karten und Stressanalysen. EU-Datenhaltung, ca. 105 USD/Monat, unterstützt MicaSense und andere Multispektralkameras. Stärke: sehr schnelle Feldverarbeitung per mobilem Gerät direkt nach dem Flug.

QGIS — Kostenlos, Open Source, für die GIS-Ausgabe unverzichtbar. Hier landen alle Orthofotos und Schadkarten, werden visualisiert, mit Betriebskarten überlagert und als Arbeitsgrundlage für den Revierdienst exportiert. QGIS hat spezialisierte Plugins für Forstwirtschaft (qForst, ForestMetrix) und liest WMS-Dienste der Landesforstverwaltungen direkt ein.

Zusammenfassung: Wann welcher Ansatz

• Professioneller Einsatz, volle Kontrolle, Off-Premise-Verarbeitung → Agisoft Metashape + QGIS
• Kein Budget, Forschungsprojekt, Datenschutz-First → WebODM + QGIS (komplett kostenlos, lokal)
• NDVI-Karten schnell im Feld → Pix4Dfields
• KI-Klassifikation eigener Schadensmuster trainieren → Roboflow (Pilot), danach ggf. On-Premise-Lösung

Datenschutz und Datenhaltung

Drohnenaufnahmen von Forstflächen enthalten in der Regel keine personenbezogenen Daten im DSGVO-Sinne — solange keine erkennbaren Personen oder Kfz-Kennzeichen abgelichtet werden. Forstliche Bestandsdaten (Stammzahlen, Holzvorräte, Schadenslage) sind jedoch als Betriebs- und Geschäftsgeheimnisse schützenswert. Insbesondere wenn die Schadkartierung Rückschlüsse auf den Zustand und Wert des Waldbesitzes erlaubt, sollte die Datenverarbeitung in kontrollierten Umgebungen stattfinden.

Empfehlungen nach Werkzeug:

• Agisoft Metashape + QGIS: Vollständig On-Premise. Bilder und Ergebnisse verbleiben auf dem eigenen Server oder Laptop. Kein DSGVO-Risiko, keine Cloud-Abhängigkeit.
• WebODM (selbst-gehostet): Ebenfalls On-Premise. Bei der Cloud-Option “WebODM Lightning” liegen Daten auf US-Servern — für sensitive Bestandsdaten nicht zu empfehlen.
• Roboflow: US-Hosting per Standard. Für Trainingsbilder aus weniger sensitiven Beständen mit Freemium/Starter-Plan vertretbar; für Produktionseinsatz mit vollständigen Befliegungsdatensätzen: Enterprise-Plan mit AVV oder On-Premise-Alternative prüfen.
• Pix4Dfields: EU-Datenhaltung (Schweiz), DSGVO-konform, AVV erhältlich.

Wer Drohnenbefliegungsdienstleistungen beauftragt (externer Pilot, externe Auswertung), schließt mit dem Dienstleister einen Vertrag, der Regelungen zur Datenweitergabe und Löschung enthält. Bei forstlichen Schadkartierungen empfiehlt sich zudem eine klare vertragliche Festlegung, ob und wie lange Rohdaten beim Dienstleister gespeichert bleiben.

Was es kostet — realistisch gerechnet

Eigenleistung: Vollständiges eigenes Setup

Als Dienstleistung: Externe Befliegung und KI-Auswertung durch spezialisierte Anbieter: ca. 8–15 € je Hektar je Befliegung. Für ein 500 ha großes Revier sind das 4.000–7.500 € pro Saison — ohne eigene Hardware oder Pilotenlizenz.

Was du dagegenrechnen kannst:
Ein Borkenkäfer-Sanierungsfall, der vier Wochen früher erkannt und als Einschlag vermarktet werden kann, erzielt pro befallener Fichte typischerweise 40–80 € Mehrerlös gegenüber bluem Käferholz (Marktpreisdifferenz, stark variierend). Bei einem typischen Erstbefall von 20–30 Festmetern pro Befallsnest sind das 800–2.400 € Mehrerlös je vermiedenem Verfärbungsschaden. Ab dem zweiten erkannten Schadherd pro Saison ist das eigene Setup bei aktivem Befallsdruck in der Regel wirtschaftlich.

Wie du den ROI tatsächlich misst:
Vergleiche Holzerlöse aus Früh-Einschlag (per Drohne identifiziert) mit historischen Erlösen aus Reaktion auf sichtbaren Befall. Das erfordert sorgfältige Dokumentation über zwei bis drei Saisons — aber dann hast du echte Zahlen, keine Hochrechnung.

Drei typische Einstiegsfehler

1. RGB-Kamera kaufen und Borkenkäfer-Früherkennung erwarten.
Das ist das häufigste Missverständnis in diesem Feld. RGB-Drohnen erkennen Kronenschäden erst, wenn die Nadeln sich deutlich verfärbt haben — also ungefähr so spät wie eine gute Bodenbegehung. Für Früherkennung im Grünangriff-Stadium ist eine Multispektralkamera mit NIR-Band zwingend. Wer das nicht weiß und die günstigere Option kauft, kauft falsch.

2. Das Modell auf Beispielbilder aus dem Internet trainieren.
Drohnen-KI-Modelle für Borkenkäfer, die auf tschechischen oder skandinavischen Trainingsbildern basieren, können auf deutschen Fichtenbeständen komplett andere Ergebnisse liefern — wegen unterschiedlicher Lichtverhältnisse, Wuchsformen, Begleitvegetation und lokaler Kameramodelle. Wer kein eigenes Trainings-Dataset aus dem eigenen Revier aufbaut (mindestens 200–400 annotierte Kronensegmente je Schadklasse), muss mit hohen Falschpositivraten rechnen.

Die FVA Baden-Württemberg beschrieb in einem Vergleichsversuch (2017–2018) unter Leitung von John Reinhold genau dieses Problem: Bei 15 mit Pheromonfallen bestückten Fangbäumen (Kontrollbestand) detektierte die Drohne nur 9 korrekt (60 % Erkennungsrate); in einem angrenzenden Pufferstreifen gab es 628 Falschpositive bei null korrekten Treffern. Ursache: Das Modell verwechselte Borkenkäfersignale mit Frostschäden, Manganmangel und altem Totholz. Die Bodenbegehung hatte alle 10 Käferbäume im Pufferstreifen gefunden — bevor die Drohne irgendwas erkannt hatte.

3. Den regulatorischen Zeitaufwand unterschätzen.
Wer in einem Naturschutzgebiet oder einem Nationalpark fliegen will — oder in der Brutvogelzeit (März bis Juli) — braucht Einzelfallgenehmigungen. Das dauert. Wer erst im Mai anfängt, die Papiere einzureichen, fliegt möglicherweise gar nicht in dem Jahr. Genehmigungen müssen parallel zur Hardware-Beschaffung beantragt werden, nicht danach.

4. Drohnen-Befund als Einschlagsbefehl behandeln.
Jede KI-Klassifikation einer Luftaufnahme ist eine Hypothese, keine Diagnose. Borkenkäferbefall auf Einzelbaumniveau muss bodenseitig bestätigt werden — Einbohrmehl, frischer Harzfluss, Spechthacken. Ein System, das das nicht lehrt, erzeugt mittelfristig Misstrauen, weil Forstleute Fehlalarme erleben und das Werkzeug aufgeben. Die Drohne ist Suchmaschine, nicht Orakel.

Was mit der Einführung wirklich passiert — und was nicht

Drohnenbasierte Schadkartierung bringt in Forstbetrieben fast immer denselben Widerstand: “Das zeigt mir doch nichts, was ich nicht selbst sehe.”

Diese Einschätzung stimmt für einfache RGB-Drohnen und sichtbaren Käferbefall. Sie stimmt nicht mehr, wenn der Befliegungszeitpunkt stimmt, die richtige Kamera eingesetzt wird und das Modell auf lokale Bestände kalibriert ist. Aber das muss gezeigt werden, nicht erklärt.

Was konkret hilft:

Starte mit einer Pilotbefliegung in einem bekannten Schadbereich — idealerweise einem Revier, das im Vorjahr Befall hatte und wo du weißt, wo die Risikostellen sind. Zeige Revierpersonal die Schadkarte nebeneinander mit dem Orthofoto: “Hier hat das System eine Auffälligkeit markiert — siehst du, was ich sehe?” Erfahrene Forstleute sind dann oft die besten Kalibratoren für das Modell, weil sie Falschpositive sofort benennen können.

Das erzeugt Mitgestaltung statt Misstrauen. Wer das System mitgeprüft hat, vertraut der nächsten Schadkarte erheblich mehr.

Ein realistisches Bild: Selbst in gut eingeführten Betrieben dauert es zwei bis drei Flugperioden, bis die Erkennungsrate so stabil ist, dass das Revierteam die Ergebnisse ohne dauernde Rückfragen verarbeitet. Erwarte keine Disruption in Saison eins — erwarte eine Lernkurve, die sich auszahlt.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

“Wir haben einen erfahrenen Förster — der sieht das.”
Stimmt — aber nur, was er zu sehen kriegt. Bei 500 ha Revierfläche und wöchentlichen Kontrollen schafft ein Förster maximal Stichproben. Die Drohne schafft Vollflächenkartierung in einem Tag. Das ist keine Frage von Kompetenz, sondern von Zeitbudget.

“Die Technologie ist noch nicht reif.”
Teils wahr, teils falsch. RGB-basierte Sturmschadenserkennung und Totholzkartierung funktionieren seit Jahren zuverlässig. Multispektral-Borkenkäfer-Früherkennung im Grünangriff-Stadium ist schwieriger und erfordert sorgfältige Modellkalibrierung — aber sie wird in deutschen Forstbetrieben (u. a. durch das Verbundprojekt PROTECTFOREST der Uni Göttingen, Hochschule Rottenburg und Uni Freiburg) aktiv weiterentwickelt. Die Frage ist nicht, ob es geht — sondern ob es für deinen konkreten Waldtyp und deine Zielsetzung geht.

“Das kostet zu viel.”
Als Dienstleistung: 8–15 € je Hektar. Für ein 500-ha-Revier sind das 4.000–7.500 € pro Saison. Dem gegenüber steht der Wert eines einzigen vermiedenen Ausbreitungsfalles: 20 befallene Zusatzbäume, die vier Wochen früher eingeschlagen werden, können 3.000–6.000 € Mehrerlös bedeuten — plus die Folgeschäden im Umfeld, die damit nicht eintreten. Ob sich das rechnet, hängt am Befallsdruck im konkreten Revier.

Die Zeitfensterfalle — warum Timing alles ist

Der wichtigste Aspekt, den viele Einsteiger unterschätzen: Drohnenbasierte Borkenkäfer-Früherkennung hat ein enges saisonales Fenster. Und das liegt genau dann, wenn Drohnenflug am schwierigsten zu genehmigen ist.

Der Buchdrucker (Ips typographus) beginnt seinen Schwärmflug typischerweise Ende April/Anfang Mai, wenn Bodentemperaturen über 16–17 °C erreichen. Die Grünangriffs-Phase — wenn die Fichte physiologisch reagiert, aber noch keine sichtbaren Nadelverfärbungen zeigt — dauert vier bis sieben Wochen. Wer in dieser Zeit befliegst, kann eingreifen, bevor die erste Folgegeneration schlüpft. Wer vier Wochen später kommt, sieht die Schäden, die er hätte verhindern können.

Die Konsequenz:

• Befliegungstermine für Mai und Juni müssen im Februar/März geplant werden (inkl. Wetteroptionen und Ersatztermin)
• Genehmigungen für Naturschutzgebiete müssen im Januar beantragt sein, nicht im April
• Modelltraining aus dem Vorjahr muss zur neuen Saison vorhanden sein — man kann nicht erst fliegen und dann lernen

Wer das Timing einmal verpasst, wartet ein Jahr. Das ist der schärfste Engpass in diesem Arbeitsfeld — und er wird in keinem Produktprospekt ehrlich kommuniziert.

Woran du merkst, dass das zu dir passt

• Du betreibst Fichten-dominierte Bestände in Mittelgebirgslagen oder vergleichbaren Risikozonen (Harz, Sauerland, Schwarzwald, Bayerischer Wald, Thüringer Wald)
• Dein Revier ist groß genug, dass vollständige Bodenbegehungen nicht in jedem Schlagintervall möglich sind (grob: ab 200–300 ha)
• Du hattest in den letzten drei Jahren mindestens einmal einen Borkenkäfer-Ausbruch, der später erkannt wurde als gewünscht
• Du oder dein Betrieb kann die Investition in Hardware oder den Dienstleister wirtschaftlich rechtfertigen (aktiver Befallsdruck, nicht Vorsorge für ein theoretisches Worst-Case-Szenario)
• Du hast eine Person, die die Koordinaten aus der Schadkarte bodenverifizieren kann — ohne Bodenverifikation ist die Schadkarte wertlos

Wann es sich nicht lohnt — drei harte Ausschlusskriterien:

1. Laubholz-dominierte Mischbestände ohne Fichten-Schwerpunkt. Die KI-Modelle für Borkenkäfer-Früherkennung sind überwiegend auf Picea abies (Gemeine Fichte) trainiert. In Laubwäldern, Buchen-Mischwäldern oder Kiefernforsten ohne aktiven Befallsdruck durch rindenbrütende Käfer sind die Modelle unzuverlässig — und die Investition in Multispektraltechnik ist schwer zu rechtfertigen.

2. Betriebe unter ~150–200 ha effektiver Fichtenfläche. Die Setup-Kosten für Hardware oder die Dienstleistungskosten amortisieren sich erst bei regelmäßigen, großflächigen Einsätzen. Wer einmal pro Jahr 50 ha befliegen will, fährt mit einem manuellen Monitoring-System besser — oder gibt die Befliegung an einen Dienstleister ohne eigene Hardware-Investition.

3. Kein Zugang zu Bodenverifikation. Ein Revierförster oder Forsttechniker, der GPS-Koordinaten aus der Schadkarte aufsuchen und einschätzen kann, ist unverzichtbar. Betriebe, die die KI-Klassifikation als autonom handlungsauslösend einsetzen wollen (Einschlag ohne Bodenkontrolle), riskieren Fehleinsätze und Vertrauensverlust beim Personal.

Das kannst du heute noch tun

Der einfachste Einstieg ohne Hardware-Investition: Hol dir einen kostenlosen Testdatensatz. Auf Plattformen wie OpenAerialMap oder dem Roboflow Universe gibt es annotierte Drohnen-Orthophotos von Forstflächen — damit kannst du WebODM und die Klassifikationslogik kennenlernen, bevor du einen Cent für Hardware ausgibst.

Für den nächsten konkreten Schritt: Schreib deiner zuständigen Forschungsanstalt (LWF Bayern, FVA Baden-Württemberg, NW-FVA) an und frage nach aktuellen Pilotprojekten. Viele Landesforstverwaltungen suchen aktiv Praxispartner für Drohnen-KI-Piloten — oft ohne eigene Kosten für den Betrieb.

Und wenn du bereits Drohnenbilder deines Reviers hast und wissen willst, was die KI darin sieht — hier ist ein Prompt, den du direkt in ChatGPT oder Claude laden kannst, um deine ersten Bilder zu analysieren:

Quellen & Methodik

• 308 Millionen Festmeter Kalamitätsholz 2018–2024: Bundesministerium für Landwirtschaft, Ernährung und Heimat (BMLEH), „Wald in Deutschland — Massive Schäden” (Stand Februar 2025), www.bmleh.de
• 36 % der Bäume mit deutlicher Kronenverlichtung: BMLEH, Waldzustandserhebung 2024, zitiert nach BMLEH-Pressemitteilung.
• Borkenkäfer NRW 2024 (59,5 % Schadursache): IT.NRW, „NRW: Holzeinschlag sinkt 2024 das dritte Jahr in Folge” (2025).
• Erkennungsgenauigkeit Multispektral-Drohne: Klouček et al. (2024), „Early detection of bark beetle infestation using UAV-borne multispectral imagery”, Frontiers in Forests and Global Change. 15 % Erkennungsrate bei 5 Wochen Befall, 87 % bei 10 Wochen.
• Fehlklassifikation und Falschpositive (FVA-Studie): John Reinhold, Forstliche Versuchs- und Forschungsanstalt Baden-Württemberg (FVA), Vergleichsversuch 2017–2018, publiziert über waldwissen.net: waldwissen.net — Käferbäume früh erkennen. 628 Falschpositive bei 0 korrekten Treffern im Pufferstreifen; 60 % Erkennungsrate im Kernbestand.
• Festmeter / Waldfee: Österreichisches Startup mit aktiver Nutzung durch Forstbetriebe in Deutschland; Zusammenarbeit mit FFK Gotha (Thüringen), berichtet bei waldwissen.net und forstwirtschaft-in-deutschland.de.
• PROTECTFOREST: Verbundprojekt der Universität Göttingen, Hochschule Rottenburg und Universität Freiburg, gefördert vom Bundeslandwirtschaftsministerium (BMEL), 2024.
• Agisoft Metashape Preise: Agisoft LLC, Online-Shop agisoft.com/buy/online-store, Stand April 2026: 3.499 USD Professional Edition (Einmalkauf, node-locked).
• LuftVO §21h: Luftverkehrs-Ordnung in der Fassung der Bekanntmachung mit EU-Anpassung 2021, Bundesministerium für Digitales und Verkehr.
• Hardware-Preise Drohne und Kamera: Herstellerangaben DJI und MicaSense (Stand April 2026); Marktpreisreferenz aus Händlerangeboten DACH-Region.

Du willst wissen, ob sich Drohnen-KI für dein konkretes Revier lohnt — und was der sinnvollste erste Schritt wäre? Meld dich — das klären wir in einem kurzen Gespräch.