Bevor ein Feuer heiß genug für eine Wärmebildkamera ist, riecht es bereits. Ein Netz kostengünstiger „elektronischer Nasen“ erkennt die flüchtigen organischen Verbindungen (VOC) der beginnenden Verbrennung und schlägt in Echtzeit Alarm.
Schwelende Vegetation setzt eine Fahne flüchtiger organischer Verbindungen frei — den chemischen Fingerabdruck eines Feuers — Minuten bis Stunden bevor genug Hitze oder Rauch für Kameras und Satelliten vorhanden ist. Eine elektronische Nase liest diesen Fingerabdruck an der Quelle, am Boden, wo das Feuer entsteht.
Brauchen eine sichtbare Rauchfahne oder Wärmesignatur — sie sehen ein Feuer erst, wenn es bereits etabliert ist und Sichtverbindung besteht.
Riecht die ersten flüchtigen Verbrennungsverbindungen am Boden, im Dunkeln, hinter Bergrücken — das früheste mögliche Signal.
Ein Gassensor-Array beprobt die Luft fortlaufend auf das VOC-Gemisch der beginnenden Verbrennung, zusammen mit Temperatur, Luftfeuchte und Luftdruck.
Ein eingebettetes Machine-Learning-Modell, trainiert auf den spezifischen Geruch eines Karst-Waldbrands, trennt ihn von gewöhnlicher Umgebungsluft, um Fehlalarme gering zu halten.
Bei positiver Erkennung sendet der Knoten eine Warnung über reichweitenstarkes LoRaWAN — Kilometer Reichweite durch den Wald, ohne Mobilfunkabdeckung.
Die Plattform lokalisiert den Knoten, löst einen Echtzeit-Alarm für die Einsatzkräfte aus und setzt den Standort auf die Einsatzkarte.
Jeder Sensor wird an einem Baum in einer strategischen, gefährdeten Zone montiert — und ist für den unbeaufsichtigten Betrieb gebaut.
Gassensor-Array für flüchtige organische Verbindungen plus eine Mikroklima-Suite — dieselben Daten bereichern auch die Brandmodelle.
Reichweitenstarkes, energiesparendes Funknetz — Kilometer Reichweite, ohne SIM oder Netzstrom, mesh-fähig über ein straßenloses Plateau.
Ein kleines Photovoltaikpanel und ein Akku halten den Knoten durch Nacht und Saison am Leben — ohne Verkabelung, ohne Wartungsbesuche.
Kein einzelner Sensor erfasst jeden Waldbrand. Der Karst-Firewall-Ansatz verbindet fünf ergänzende Ebenen — jede ist zu einem anderen Zeitpunkt besonders stark — sodass die operative Plattform jedes zuerst ausgelöste Signal in Sekunden in einen Einsatzhinweis umwandelt.
Erkennt den chemischen Fingerabdruck früher Verbrennung am Boden — auch hinter Geländekanten oder im Dunkeln.
Feste Langstrecken-Wärmebildkameras auf Höhenmasten erfassen Tag und Nacht Wärmesignaturen in Tälern mit Sichtlinie.
Von Operatoren gestartete multispektrale Drohnen bestätigen einen Alarm, bestimmen den genauen Umriss und führen Einsatzkräfte zum Zündpunkt.
Sentinel-2-, MODIS- und VIIRS-Daten (Copernicus + EFFIS) erkennen aktive Brände und kartieren verbrannte Flächen im gesamten AOI.
Wandernde, Landwirte und Anwohner melden Rauch oder Flammen über 112 / 113 und die Projekt-App — jeder Anruf wird geokodiert und erscheint zusammen mit den Sensoren auf der operativen Karte.
Alle fünf Ebenen laufen im selben operativen Cockpit zusammen. Die Plattform dedupliziert gleichzeitige Signale, priorisiert nach KFWI-Risiko in der jeweiligen Zelle und leitet einen einzigen bestätigten Alarm an das zuständige Zivilschutzteam weiter — per E-Mail, SMS und WhatsApp. Wie Satelliten und Drohnen eingebunden sind →
Eine Live-Momentaufnahme der operativen elektronischen Nasen und der LoRaMIP-Gateways, die ihre Daten in die Plattform übertragen.
| Sensor | Status | Temp (°C) | RF (%) | Druck (hPa) | Zuletzt gesehen | Gateway |
|---|---|---|---|---|---|---|
| office | offline | 32.6 | 38 | 980.9 | 40 d | — |
| demo-sgonico-N | offline | 25.7 | 55 | 1,006.8 | 63 d | d0000001 |
| demo-sgonico-S | offline | 25.3 | 58 | 1,004.4 | 63 d | d0000001 |
| demo-lipica-N | offline | 25.4 | 64 | 1,006.9 | 63 d | d0000002 |
| demo-lipica-S | offline | 25.5 | 65 | 1,004.9 | 63 d | d0000002 |
| Test_Ufficio_pcb_v2 | offline | 30.4 | 35 | 974.8 | 25 d | — |
| ufficio ext2 | offline | 27.0 | 41 | 981.2 | 4 d | — |
| ufficio ext | offline | 29.5 | 45 | 982.3 | 20 d | — |
| ufficio ext3 | offline | 31.6 | 34 | 977.5 | 1 d | — |
| test_deploy_5 | offline | 25.0 | 50 | 1,013.3 | 2 d | — |
| test_deploy_3 | never | — | — | — | — | — |
| test_deploy_4 | never | — | — | — | — | — |
| test_deploy_1 | never | — | — | — | — | — |
| test_deploy_2 | never | — | — | — | — | — |
| test_deploy_6 | never | — | — | — | — | — |
| testbench | offline | 29.6 | 33 | 979.5 | 6 d | — |
| 0000012d | live | 28.6 | 36 | 974.0 | 1 min | 000000ae |
| 000000e2 | live | 28.2 | 37 | 973.7 | 2 min | 000000ae |
| 00000131 | live | 28.6 | 34 | 973.6 | 3 min | 000000ae |
| 0000012c | live | 28.4 | 36 | 973.7 | 2 min | 000000ae |
| Gateway | Modell · Firmware | Netzwerk | MQTT | InfluxDB | Gekoppelt | MQTT-Nachrichten | Zuletzt gesehen |
|---|---|---|---|---|---|---|---|
| KF-gateway-Aurisina 000000ae |
loramip · 02000005 | connected | connected | live | 60 | 3113208 | 31 s |
Quelle: Live-Inventar in der operativen Plattform (iot_sensor + iot_gateway). Statusfelder werden von kf50-observation-ingest alle 60 s von jedem Gateway übertragen; die Aktualität vergleicht die letzte Messung mit dem erwarteten Meldeintervall des Sensors.
Über den sofortigen Alarm hinaus speist der kontinuierliche Strom von Temperatur, Feuchte, Druck und Luftchemie vor Ort den digitalen Zwilling von Karst Firewall. Echtes Mikroklima aus dem Wald macht den Feuerausbreitungs-Simulator präziser — und dasselbe Netz dient zugleich als dichtes Umweltmonitoring-Gitter.
VOC-Erkennung vor Flamme oder Rauchfahne.
Dort platziert, wo die Gefahr am größten ist.
Jahre im Gelände, unbeaufsichtigt.
Trainiert, den Waldbrandgeruch zu erkennen.