Künstliche Intelligenz gegen alte Munition?

KI birgt das Potenzial, auch für jahrzehntealte Umweltsünden nutzbar zu sein, gleichwohl dürfte die Bergung nach heutigem Stand der Technik Handarbeit bleiben.

Munitionsaltlasten in Nord und Ostsee, eine lange verdrängte Hinterlassenschaft

Die Idee zu diesem Artikel erfasste den Autor beim Hören eines Podcast bei Heise online. Der inspirierende Podcast handelte von Bestrebungen, Künstliche Intelligenz beim Aufspüren von Minenfeldern und Munitionsaltlasten in Nord und Ostsee einzusetzen. Wir wissen, es handelt sich um alte Seeminen, Bomben, Granaten und weitere Kampfmittel aus den Weltkriegen. Ein seit Jahren schwelendes Thema an der Küste: wir erinnern uns an Bund-Länder-Streitereien, an Phosphor-Unfälle, Schweinswalbeschützer und endlich: ein politischer Wille und fortschreitende Technologie Entwicklung. Werden wir mit der KI nun die Hinterlassenschaften aus dem Zweiten Weltkrieg suchen, orten und finden – gar vernichten? Sicher nicht, aber die Detektion, Klassifikation und teilweise Vorbereitung der Bergung von Munitionsaltlasten in Nord und Ostsee hat ein hohes Aufkommen an Lagebildern, Daten und Ergebnissen. Mit KI kann man das unterstützen. Diese Unterscheidung ist wichtig, weil Begriffe wie Mine, Munition, Blindgänger und Altlast in der öffentlichen Debatte häufig unscharf verwendet werden.

Das Ausmaß dieser Altlasten ist erheblich. Die Bundesregierung beziffert die Munitionsaltlasten in deutschen Meeresgewässern mit rund 1,6 Millionen Tonnen. Davon entfallen etwa 1,3 Millionen Tonnen auf die Nordsee und rund 300.000 Tonnen auf die Ostsee. Mit zunehmender Korrosion setzen diese Altlasten Schadstoffe frei und bergen Risiken für Umwelt, Fischerei, Schifffahrt und Küstenräume. Wir wissen das, denn es ist vor unseren Haustüren. Die Lübecker Bucht, die Mecklenburger Bucht und die Kieler Außenförde. Manch Strand zeigt Warnschilder vor Phosphor, bitte nicht mit Bernstein verwechseln!

Künstliche Intelligenz unterstützt die Suche im Sediment

Der Mehrwert von KI liegt in der Auswertung großer Datenmengen. Autonome und ferngesteuerte Systeme erzeugen umfangreiche Sonar-, Video-, Multibeam-, Magnetik- und weitere Sensordaten, die ohne automatisierte Vorverarbeitung nur mit hohem personellem Aufwand auswertbar wären. KI unterstützt dabei, Objekte zu erkennen, zu klassifizieren und von natürlichen Strukturen zu unterscheiden. Dadurch lassen sich Verdachtsflächen schneller eingrenzen und Einsätze gezielter planen, ohne dass die physische Bergung dadurch bereits automatisiert wäre.

Ein deutscher Bezugspunkt ist das DFKI-Projekt CleanSeas, in dem robotische Systeme entwickelt werden, die Altmunition unter Wasser autonom erfassen und für die weitere Bergung vorbereiten sollen. Das Bundesministerium für Forschung, Technologie und Raumfahrt nennt zudem Förderprojekte wie CONMAR, BASTA, ExPloTect, AMMOTRACe und ProBaNNt, in denen Erkennung, chemische Nachweisverfahren und robotische Munitionssuche weiterentwickelt werden. Das Projekt KALMAR zeigt den Effekt exemplarisch, dort konnte die Zeit bis zur ersten Objekterkennung von 30 Minuten auf 6 Minuten reduziert werden.

Für Munition, die tief im Sediment liegt, reicht eine einzelne Sensormethode allerdings selten aus. Üblich ist ein Mehrsensor-Ansatz, bei dem hydroakustische Verfahren wie Multibeam-Echolot, Seitensichtsonar und Subbottom-Profiler mit geophysikalischen und robotischen Methoden kombiniert werden. Magnetometer sind für eisenhaltige Kampfmittel zentral, elektromagnetische Verfahren wie TDEM ergänzen die Suche dort, wo neben der Ferromagnetik auch die allgemeine Leitfähigkeit eines Objekts von Bedeutung ist. Mit zunehmender Vergrabungstiefe sinkt die Entdeckungswahrscheinlichkeit erheblich, da Bodenbeschaffenheit, Bewuchs, Objektgröße und Korrosionszustand die Signatur verändern. Deshalb gilt die Kombination mehrerer Verfahren als notwendig.

Grenzen der Modelle und der Blick über den Tellerrand

Die größte Herausforderung besteht weniger im Algorithmus als in der Datenbasis. Für Munitionstypen werden große Mengen sauber gelabelter Beispiele benötigt, die unterschiedliche Lagen, Vergrabungstiefen, Korrosionszustände, Sichtbedingungen und Sensorperspektiven abdecken. Hinzu kommt eine ungleiche Verteilung der Munitionsarten, seltene, aber operativ kritische Typen werden von Modellen leichter mit natürlichen Objekten verwechselt.

Synthetische Trainingsdaten könnten diese Lücke schließen, da sie schwer zugängliche Szenarien gezielt nachbilden können und eine automatische Annotation ermöglichen. Mehrere Quellen betonen jedoch, dass synthetische Daten reale Daten nicht vollständig ersetzen, sondern deren Abdeckung ergänzen. Beim sogenannten Transfer Learning wird ein Modell zunächst mit synthetischen Daten trainiert und anschließend mit realen Sensordaten aus dem tatsächlichen Einsatzgebiet feinjustiert, um die Domänenlücke zwischen Simulation und Wirklichkeit zu verringern.

International verfolgen auch humanitäre Minenräumprogramme einen vergleichbaren Ansatz, etwa im Kontext der Ukraine, wo Drohnen, Computer Vision und KI zur schnelleren Erfassung von Verdachtsflächen eingesetzt werden. Auch hier ersetzen die Systeme nicht den Menschen, sondern erhöhen die Aufklärungsgeschwindigkeit und die Qualität der Priorisierung. Für den maritimen Einsatz ist die Deutsche Marine mit ihrer klassischen Minenabwehrfähigkeit relevant, etwa durch das 3. Minensuchgeschwader mit Minenjagdbooten der Frankenthal-Klasse. Klassische Minenabwehr und KI-gestützte Detektion adressieren dieselbe Grundaufgabe, gefährliche Objekte im maritimen Raum schneller und sicherer zu erkennen, auch wenn die verfügbaren Quellen zu diesem konkreten Bezug nicht primär auf KI fokussiert waren.

Conclusio

Künstliche Intelligenz verändert die Auseinandersetzung mit Munitionsaltlasten im maritimen Raum nicht durch vollständige Autonomie, sondern durch eine verbesserte Detektion, Klassifikation und Priorisierung von Verdachtsflächen. Der Fortschritt entsteht aus dem Zusammenspiel von Unterwasserrobotik, Sensorfusion, synthetischen Trainingsdaten und Transfer Learning. Wie belastbar dieser Fortschritt im praktischen Einsatz ist, hängt von der Qualität der Trainingsdaten, der Robustheit unter realen Bedingungen und der sicheren operativen Kette ab. Die abschließende Bewertung von Verdachtsobjekten und die eigentliche Bergung bleiben Aufgabe von Fachpersonal, KI dient hier als unterstützendes Werkzeug für die Lageerzeugung und die Entscheidungsvorbereitung.

Daniel Angres

Quellen

• Bundesumweltministerium, Munitionsaltlasten im Meer, https://www.bundesumweltministerium.de/themen/meeresschutz/munitionsaltlasten-im-meer, abgerufen am 01.08.2026
• BMFTR, FAQ Munition im Meer, https://www.bmftr.bund.de/SharedDocs/FAQs/DE/munition-im-meer.html, abgerufen am 01.08.2026
• deutschland.de, Künstliche Intelligenz in der Meeresforschung, https://www.deutschland.de/de/topic/umwelt/kuenstliche-intelligenz-in-der-meeresforschung, abgerufen am 01.08.2026
• YouTube, Terra X, Bomben im Meer, https://www.youtube.com/watch?v=-NAeTd8ETPs, abgerufen am 01.08.2026
• bwi Magazin, KI sorgt unter Wasser für Durchblick, https://www.bwi.de/magazin/artikel/ki-sorgt-unterwasser-fuer-durchblick, abgerufen am 01.08.2026
• mind-verse, Neue Technologien zur Detektion küstennaher Unterwasser-Blindgänger, https://www.mind-verse.de/news/neue-technologien-detektion-unterwasser-blindgaenger-kuestrnahe, abgerufen am 01.08.2026
• news.north.io, Offshore UXO Data Quality Control, https://news.north.io/de/offshore-uxo-data-quality-control, abgerufen am 01.08.2026
• LUBW Baden-Württemberg, Methoden, https://www.lubw.baden-wuerttemberg.de/wasser/methoden, abgerufen am 01.08.2026
• BFR-KMR, Anhang 3.1.1, https://www.bfr-kmr.de/anhang_3.1.1.html, abgerufen am 01.08.2026
• Fraunhofer IOSB, Tracking im maritimen Bereich, https://www.iosb.fraunhofer.de/de/kompetenzen/bildauswertung/video-exploitation-systems/Leistungen/tracking-im-maritimen-bereich.html, abgerufen am 01.08.2026
• heise online, Multispektrale Sensortechnik und KI finden Unterwasser-Blindgänger, https://www.heise.de/news/Multispektrale-Sensortechnik-und-KI-finden-Unterwasser-Blindgaenger-11354350.html, abgerufen am 01.08.2026
• focalx, KI-Modelltraining, https://focalx.ai/de/kunstliche-intelligenz/ki-modelltraining/, abgerufen am 01.08.2026
• activemind, KI eigene Trainingsdaten, https://www.activemind.de/magazin/ki-eigene-trainingsdaten/, abgerufen am 01.08.2026
• exxeta, Trainingstechniken für KI-Modelle, https://exxeta.com/blog/trainingstechniken-fuer-ki-modelle, abgerufen am 01.08.2026
• de.shaip, Synthetic Data and AI, https://de.shaip.com/blog/synthetic-data-and-ai/, abgerufen am 01.08.2026
• Universität Stuttgart, ELIB-Publikation, https://elib.uni-stuttgart.de/bitstreams/6422cb55-686d-4b24-89bb-b5651e985a8f/download, abgerufen am 01.08.2026
• öffentliche-it.de, Synthetische Daten, https://www.oeffentliche-it.de/blog/synthetische-daten/, abgerufen am 01.08.2026
• KIT-Publikation, https://publikationen.bibliothek.kit.edu/1000194829, abgerufen am 01.08.2026
• IBM, Transfer Learning, https://www.ibm.com/de-de/think/topics/transfer-learning, abgerufen am 01.08.2026
• MathWorks, Transfer Learning, https://de.mathworks.com/discovery/transfer-learning.html, abgerufen am 01.08.2026
• the-decoder, KI-gesteuerte Drohnen zur Minenräumung in der Ukraine, https://the-decoder.de/ki-gesteuerte-drohnen-koennten-bei-der-minenraeumung-in-der-ukraine-helfen/, abgerufen am 01.08.2026
• Welt Ohne Minen, KI und humanitäre Minenräumung, https://www.wom.ch/de/neuigkeiten/aktuelles/ki-und-humanitaere-minenraeumung/, abgerufen am 01.08.2026
• WirtschaftsWoche, Iran-Krieg, wie fähig Deutschland zur Sicherung der Straße von Hormus ist, https://www.wiwo.de/politik/ausland/iran-krieg-wie-faehig-deutschland-zur-sicherung-der-strasse-von-hormus-ist/100208931.html, abgerufen am 01.08.2026