FIRENET Open Smoke: Bürger*innen sammeln Rauchdaten für KI-gestützten Waldbrandschutz

In Deutschland fehlen Videodaten von Rauchentwicklung aus größerer Entfernung, die für eine zuverlässige automatisierte Waldbrandfrüherkennung benötigt werden. Bisherige Datensätze stammen überwiegend aus den USA und lassen sich nur eingeschränkt auf deutsche Wälder und Landschaften übertragen. In unserem Projekt sammeln Bürger*innen Rauchvideos aus deutschen Wäldern und Landschaften ab ca. 150 m Distanz. Diese Daten werden von Forschenden genutzt, um ein Open-Source-KI-Modell zu trainieren, das Wildland-Bildmaterial in Echtzeit analysiert und frühe Rauchentwicklung erkennt.

Bürger*innen können aktiv zur Waldbrandfrüherkennung beitragen, indem sie Rauchvideos aus deutschen Wäldern und Landschaften aufnehmen. Dabei ist es wichtig, dass alle Aufnahmen legal und in Absprache mit den lokalen Behörden erfolgen. Geeignete Gelegenheiten sind z. B. Feuerwehrübungen zu Vegetationsbränden, Lager- oder Grillfeuer an genehmigten Grillstellen oder kommunal organisierte Events wie Osterfeuer. Idealerweise werden die Rauchentwicklungen aus einer Distanz von 150 bis 500 m, abhängig von der Größe des Feuers, aufgenommen. Natürliche Erhöhungen wie Bäume, Hügel oder Aussichtstürme bieten dafür gute Standpunkte. 
Besonders hilfreich sind Video- oder Bildsequenzen, die den Bereich sowohl vor der Rauchentwicklung als auch während der Rauchentwicklung zeigen. Die Videos können anschließend mit Standort- und Kontextangaben (DD.MM.YYYY_Bundesland_Aufnahmeort_Feuerart_Distanz), z. B.:
01.01.2026_Bayern_Hochsitz_Lagerfeuer_200m auf der Projektseite (https://firenet-ai.github.io/) hochgeladen werden.

Die aufgenommenen Videos werden anschließend analysiert und weiterverarbeitet: Um die Rauchentwicklung für das KI-Modell sichtbar zu machen, werden sogenannte Bounding Boxes um die Rauchquellen gezeichnet. So entstehen strukturierte Trainingsdaten, die die KI für die frühe Erkennung von Rauch nutzt. Der vollständige Datensatz wird der Öffentlichkeit frei zugänglich gemacht und auf Plattformen wie Kaggle, Roboflow oder GitHub veröffentlicht. So können Forschende, Entwickler*innen und interessierte Bürger*innen die Daten für eigene Analysen, Trainings oder Forschungsprojekte nutzen.

Die Forschung trägt dazu bei, eine verlässliche Waldbrandfrüherkennung für die interessierte Öffentlichkeit aufzubauen. Durch die Erstellung eines umfangreichen, annotierten Datensatzes wird das KI-Modell trainiert, Rauchentwicklung frühzeitig zu erkennen. Der Datensatz ist Teil von FIRENET (Fire Incident Risk Evaluation & Networked Early Tracking), einem System, das Überwachung über kostengünstige Edge-Devices ermöglicht. Diese Geräte bestehen aus Solarpanel, Batterie, Kamera und Raspberry Pi und werden an natürlichen Erhebungen wie Bäumen, Hügeln oder Aussichtspunkteninstalliert. Sobald Rauch erkannt wird, kann die lokale Behörde sofort informiert werden, wodurch ein mögliches Feuer frühzeitig entdeckt und bekämpft werden kann.