Drohnendetektion per Mikrofon: Joanneum Research hört den Luftraum passiv ab

Das typische Summen einer Drohne nimmt das menschliche Ohr kaum wahr – ein Mikrofonarray dagegen erfasst es präzise. Darauf baut die Drohnendetektion von Joanneum Research auf: Die Forschenden entwickeln Systeme, die den Luftraum „abhören” und dabei selbst keine Signale aussenden. Künstliche Intelligenz bringt der Technologie bei, Geräuschmuster auseinanderzuhalten, damit unerlaubte Flugobjekte zuverlässig erkannt werden.

Aus mehreren europäischen Ländern werden seit einigen Wochen vermehrt unbekannte Drohnen gemeldet. Vor allem der Norden und Osten Europas verzeichneten Zwischenfälle, bei denen Lufträume zeitweise gesperrt und Flüge umgeleitet werden mussten. Woher viele dieser Fluggeräte stammen, ist weiterhin offen; zum Teil wird vermutet, dass sie mit Aufklärungs- oder Störaktionen zusammenhängen.

Je mehr solche Vorfälle auftreten, desto deutlicher zeigt sich, wie sehr es auf ein verlässliches und frühes Erkennen unbemannter Flugobjekte ankommt. Langjährige Erfahrung mit akustischer Erkennung von Drohnen bringt bei Joanneum Research die Forschungsgruppe Intelligente Akustische Lösungen mit – ein Verfahren, das gegenüber anderen Erkennungstechnologien einige Vorzüge hat.

Projektleiter Martin Blass beschreibt den Unterschied so: „Im Gegensatz zu aktiven Systemen wie Radar arbeitet die akustische Methode passiv – sie sendet selbst keine Signale aus und bleibt dadurch unentdeckt. Das macht sie besonders wertvoll in sicherheitskritischen Szenarien”. Derzeit konzentriert sich die Entwicklung auf halbkugelförmige 3D-Mikrofonarrays, mit denen sich Drohnen auch in der Höhe genau lokalisieren lassen. KI sorgt dafür, dass das System laufend besser wird: Trainiert mit den akustischen Signaturen unterschiedlicher Drohnentypen, erkennen die Modelle charakteristische Geräuschmuster sicher – auch wenn ringsum starker Hintergrundlärm herrscht.

„Mithilfe von Mikrofonarrays werden Schallquellen aus unterschiedlichen Richtungen aufgenommen, und aus den Laufzeitunterschieden der Signale lässt sich die Position einer Drohne bestimmen.” So erläutert es Franz Graf, der die Forschungsgruppe leitet und die sogenannten „Tunnelohren” (akustische Unfalldetektion in Tunneln – AKUT) erfunden hat.

„Im Gegensatz zu aktiven Systemen wie Radar arbeitet die akustische Methode passiv – sie sendet selbst keine Signale aus und bleibt dadurch unentdeckt. Das macht sie besonders wertvoll in sicherheitskritischen Szenarien.“
Projektleiter Martin Blass

Drohnendetektion mit verteilten Sensorknoten: Projekt UAS-Check Point

Auf die ersten langfristigen Erfolge folgt der nächste Entwicklungsschritt: Im Dezember 2025 startet das Projekt UAS-Check Point. Geplant sind verteilte, multimodale Sensorknoten, die als sogenannte Checkpoints auf Gebäuden, Masten oder Fahrzeugen montiert werden und mit Batterien energieautark laufen. In jedem Knoten stecken Module für Audio, Video, globales Satellitennavigationssystem (GNSS) und Remote-ID sowie eine Recheneinheit (Edge-Computing). So lassen sich unbemannte Flugobjekte im sogenannten U-Space multisensorisch verifizieren.

Die Vorzüge dieses Ansatzes im Überblick:

• Weiträumige Überwachung: Dank verteilter Sensorik lassen sich Drohnenbewegungen auf großer Fläche erfassen und über längere Distanzen verfolgen.
• Robustheit: Weil die dezentralen Systeme energieautark sind, hängen sie nicht von zentraler Infrastruktur ab und funktionieren selbst dann, wenn Strom- und Kommunikationsnetze ausfallen.
• Taktische Sicherheit: Akustische Sensoren arbeiten passiv, sind klein und leicht zu tarnen – für potenzielle Angreifer sind sie deshalb nicht erkennbar.

Am Projekt UAS-Check Point beteiligt sind das AIT Austrian Institute of Technology, Airlabs Austria, die Frequentis AG und Austro Control, außerdem die Drohnenhersteller Twins GmbH und Flightec GmbH. Die Förderung stammt aus Mitteln der FFG, vergeben im Programm Take Off 2024.

Fundament all dieser Entwicklungen ist das Know-how von Joanneum Research in akustischer Signalverarbeitung und KI-basierter Auswertung. „Wir verbinden physikalisches Verständnis mit datengetriebener Intelligenz”, hebt Blass hervor. „So schaffen wir Systeme, die nicht nur hören, sondern auch verstehen, was sie hören.”