Leitfaden zur Beschaffung von Drohnenerkennung und Radarüberwachung in niedriger Höhe (2026)

Zusammenfassung

Die Auswahl eines Radaranbieters für Drohnenerkennung und Tiefflugüberwachung ist eine der folgenschwersten Beschaffungsentscheidungen einer Sicherheitsorganisation. Diese Systeme schützen Flughäfen, Seehäfen, Energieanlagen, Industrieparks, Öl- und Gasanlagen, Energieversorger, Smart-City-Infrastruktur und öffentliche Einrichtungen vor unbefugter Drohnenaktivität – 24 Stunden am Tag bei allen Wetterbedingungen.

Wichtige Erkenntnisse:

• Radarspezifikationen sollten niemals vor der Definition eines Bedrohungsmodells bewertet werden. Eine „Erfassungsreichweite von 20 km“ ist ohne ein Ziel bedeutungslos. RCS value.

· Consumer-Drohnen (DJI Phantom-Klasse) haben eine RCS von etwa 0.01 m² – also die gleiche Größenordnung wie ein großer Vogel. Die AI-basierte Genauigkeit der Mikro-Doppler-Klassifikation ist wichtiger als der rohe Erkennungsreichweite.

· AESA (Solid-State-)Radar kostet anfangs mehr, hat aber einen Lebenszyklus von 10–15 Jahren mit nahezu keiner mechanischen Wartung und führt zu geringeren Gesamtkosten als mechanische Scansysteme über einen Zeitraum von 10 Jahren.

· Einzelsensorlösungen (nur RF, nur Kamera) können vorprogrammierte RF-stille Drohnen nicht erkennen. Nur radarprimäre oder radar-RF Fusionsarchitekturen bieten eine umfassende Abdeckung.

· Open-API/SDK-Unterstützung (GB/T 28181, ONVIF, RTSP, RESTful) ist für Systemintegratoren, die bestehenden VMS- oder PSIM-Plattformen eine Radarschicht hinzufügen, nicht verhandelbar.

· Der globale Markt für Drohnenerkennung soll von $3.2 billion im Jahr 2025 auf $19.8 billion bis 2033 wachsen (CAGR 25.2%).

Branchenstatistiken: Warum Investitionen in Drohnenerkennung zunimmt

· Globaler Markt für Drohnenerkennung: $3.2B im Jahr 2025 → $19.8B bis 2033 bei CAGR 25.2%

· Drohnenvorfälle an Flughäfen stiegen zwischen 2022 und 2024 44 % an (Quelle: EUROCONTROL)

· FAA wurden in den USA bis 2025 über 1.7 Millionen Drohnenregistrierungen in den USA registriert

· Über 2,000 Drohnensicherheitsvorfälle, die an europäischen Flughäfen zwischen 2018 und 2024 aufgezeichnet wurden (Quelle: EUROCONTROL DRONE_IQ)

Markt nach vertikalem Segment (2025):

Vertikal	Teilen	Haupttreiber
Flughafen & Luftfahrt	28%	FAA/ICAO/EASA regulatorischer Druck
Grenze und Umfang	22%	Staatliche Investitionen in Infrastruktur
Kritische Infrastruktur	18%	Energiesektor, Rechenzentren, Versorgungsunternehmen
Öl und Gas	14%	Anlagenschutz
Hafen & Schifffahrt	10%	Frachtsicherheit, Schmuggelprävention
Öffentliche Sicherheit	5%	Ereignissicherheit, städtische Überwachung
Sonstiges	3%	Forschung, Smart Cities

Regulatorische Rückenwinde (2026):

· FAA (USA): Die vorgeschlagene Regel (Mai 2026) richtet ein formelles Petitionsverfahren für Betreiber kritischer Infrastruktur ein, um Drohnenausschlusszonen zu schaffen.

· ICAO: Doc 10019 (Handbuch zu RPAS) bietet den internationalen Rahmen für die Erkennung von Drohnen an Flughäfen.

· EU: Die EU-Drohnenverordnung (EU 2019/945, EU 2021/664) schreibt Registrierungs- und Betriebskategorien vor.

· EUROCONTROL: DRONE_IQ Initiative sammelt systematisch Daten zu Drohnenvorfällen, um die Leistungsstandards für Erkennungsgeräte zu informieren.

 

 

Inhaltsverzeichnis

1. Warum Beschaffung oft scheitert

2. Schritt 1 – Definiere dein Bedrohungsmodell

3. Schritt 2 – Verstehe die drei Radarkategorien

4. Schritt 3 – Bewertung der technischen Kernspezifikationen

5. Schritt 4 — Multisensor-Fusionsarchitektur

6. Schritt 5 – Zertifizierungen & Konformität

7. Schritt 6 — Feldversuche: Neun Standardszenarien

8. Schritt 7 — Lieferanten-Erfolgsbilanz & Support

9. Häufige Beschaffungsfehler

10. Gesamtkosten des Eigentums (TCO)

11. Wie man Lieferanten vergleicht

12. Beschaffungsreise & Prozess

13. Fallstudien: Fünf vertikale Anwendungen

14. ROI-Rahmenwerk

15. Vollständige Bewertungscheckliste

16. Glossar

17. FAQ (15 Fragen)

18. Ressourcen herunterladen

Warum die Beschaffung von Drohnenerkennung oft fehlschlägt

Die fünf Hauptursachen für Beschaffungsfehler treten konsequent an Flughäfen, kritischer Infrastruktur und an Grenzstationen auf:

1. Bedrohungsmodell übersprungen. Die Beschaffung beginnt mit Lieferantendemonstrationen und nicht mit betrieblichen Anforderungen. Die Systeme werden anhand von Preis- und Marketingmaterialien ausgewählt, nicht nach der Missionsanpassung.

2. Erkennungsreichweite falsch eingeschätzt. “20 km Erkennungsreichweite” bedeutet, gegen ein Ziel mit RCS ≥ 1 m² – einer Person oder einem Fahrzeug – 20 km. Gegen eine Consumer-Drohne (RCS ≈ 0.01 m²) kann die effektive Reichweite 3–8 km betragen. Dieses einzelne Missverständnis verursacht die größte Enttäuschung nach der Einführung in der Branche.

3. Falschalarmrate ignoriert. Ein System, das 50+ Falschalarme pro Stunde aufgrund von Vögeln erzeugt, wird innerhalb weniger Wochen von den Bedienern deaktiviert. Niemand fragt während der Beschaffung nach Falschalarmraten, weil niemand daran denkt, nachzufragen.

4. RF nur denken. RF-/Spektrumerkennung ist blind für vorprogrammierte autonome Drohnen, die kein RF Signal senden. Organisationen, die reine RF-Systeme einsetzen, haben eine systematische Erkennungsblinde Stelle für eine zunehmend verbreitete Bedrohungsklasse.

5. Integration unterschätzt. Ein Radar, das keine Verbindung zu bestehenden VMS oder PSIM Plattformen herstellen kann, erfordert parallele Arbeitsabläufe. Integrationsfristen von 6–18 Monaten – ursprünglich auf 4–6 Wochen geschätzt – sind üblich, wenn API Dokumentation unzureichend ist.

Schritt 1: Definiere dein Bedrohungsmodell

Bevor Sie einen Lieferanten kontaktieren, muss Ihr Bedrohungsmodell sechs Dimensionen berücksichtigen:

Drohnenklasse und RCS

Drohnenklasse	Typische RCS	Geschwindigkeit	RF lautlos fähig?	Beispiel
Nano / Mikro-UAV	0.001–0.005 m²	5–15 m/s	Ja	Custom FPV (Carbonfaser)
Mini / Verbraucher UAV	0.005–0.02 m²	5–20 m/s	Zunehmend	DJI Mini 4 Pro
Standard-Verbraucher UAV	0.01–0.05 m²	10–25 m/s	Meistens nein	DJI Phantom 4, Matrice 300
Gewerbliche / große UAV	0.05–0.5 m²	15–50 m/s	Ja	Einsatzflugzeug mit Starrflügel
Große UAV	0.5–5 m²	20–80 m/s	Ja	Regierungsqualität

RF Profil (Kritische Dimension)

RF Profil	RF Sensor effektiv?	Radarwirksam?
Standardprotokoll RC (2.4/5.8 GHz)	Ja	Ja
Verschlüsselte proprietäre Verbindung	Teilweise	Ja
RF-stille (GPS vorprogrammiert)	Nein	Ja

Betriebsumgebung

Umwelt	Vorwahlherausforderung	Was priorisieren sollte
Offene Grenze / Wüste	Lange Reichweite, Staubeingang	IP67, Reichweite bei RCS 0.01 m², Temperaturbereich
Dichte Stadt	Gebäudeüberlastung, Mehrweg	Clutter-Ablehnung, Winkelgenauigkeit
Küsten- / Seeschifffahrt	Meeresstörung in niedriger Höhe	CFAR Algorithmus, Höhenfilter
Flughafen	Flugverkehr RF Staus	TCAS-Integration, Spektrumfreigabe
Gebirge / Hochgebirge	Geländemaskierung, extreme Wetterbedingungen	Betriebstemperatur, Abdeckungsgeometrie
Große öffentliche Veranstaltung	Temporärer Einsatz, städtisches Durcheinander	Schneller Aufbau, niedrige Falschalarme

Schritt 2: Verstehen Sie die drei Radarkategorien 

Schneller Auswahlleitfaden:

Drei Fragen bestimmen Ihre Kategorie:

(1) Ist die Hauptbedrohung eine Drohne oder ein Bodeneindringling?

(2) Welcher Erfassungsbereich ist erforderlich?

(3) Ist 360° kontinuierliche Abdeckung erforderlich?

Kategorie 1: Tiefflug- UAV Detektionsradar

Technologie	Scan-Methode	Vorteile	Einschränkungen
Mechanischer Scan (FMCW)	Rotierende Antenne	Niedrigere CapEx, längere maximale Reichweite pro Kosten	Bewegliche Teile, langsamere Aktualisierungsrate
AESA	Elektronische Strahlsteuerung	Keine beweglichen Teile, 0.25 ist TAS Update, softwarekonfigurierbar	Höhere Investitionskosten
PESA	Elektronische Strahlsteuerung	Keine beweglichen Teile, günstigere Kosten als AESA	Weniger flexible Strahlverwaltung

Midradar Produktreferenz:

Modell	Technologie	Erkennungsreichweite (RCS 0.01 m²)	360°	Strecken-Update
MR-RDT10K	Ku-Band Mechanisch + DBF	~3–5 km	✅	2–3 s
MR-RDT20K	Ku-Band Mechanisch + DBF	~5–10 km	✅	2–3 s
MR-RDA10K-4R	X-band AESA (4 Paneele)	~5–8 km	✅	0.25 ist TAS
MR-RDA15K-4R	X-band AESA (4 Paneele)	~8–15 km	✅	0.25 ist TAS

 

Kategorie 2: Bodenüberwachungsradar

Modell	Technologie	Besetzung	Fahrzeug	Schiff
MR-RDG06K	Ku-Band	2–6 km	5–10 km	5–15 km
MR-RDG20K	X-Band 1D-AESA	8–15 km	15–20 km	20–30 km
MR-RDG50K	X-Band 1D-DBF	12–15 km	20–25 km	30–50 km

 

Kategorie 3: Radar-Vision-Fusionssysteme

Modell	Personenbereich	Kamera	Thermik	Am besten für
MR-RDS500-4R	500 m	43× HD	—	Städtische Perimeterposten
MR-RDS500-50M-4R	500 m	30× HD	50 mm	Nachtüberwachung
MR-RDS1000-307M	1,000 m	37× HD	—	Mittelstrecken-Kontrollpunkte
MR-RDS2000-100M	2,000 m	50× HD	100 mm	Langstreckengrenzknoten

Schritt 3: Bewertung der technischen Kernspezifikationen

3.1 Erkennungsreichweite nach Ziel RCS

Objekt-/Eindringlingstyp	Typische RCS	Was man wünschen sollte
Großfahrzeug	~5–10 m²	Bodenüberwachungs-Benchmark
Person (stehend)	~0.5 m²	Perimeter-Eindringungserkennung
Große UAV	~0.1–0.5 m²	Kommerzielle oder betriebliche Drohne
Consumer-Drohne (DJI Phantom)	~0.01 m²	Primärer UAV Detektions-Benchmark
Mini-Drohne / FPV	~0.001–0.005 m²	Hochrisiko- / Hochsicherheitsumgebungen

 

Herrschaft: Akzeptieren Sie niemals eine unqualifizierte Nachweisreichweite. Fordern Sie immer eine Reichweite bei RCS 0.01 m² für Drohnenerkennungsanwendungen an.

3.2 Track-Update-Rate

Aktualisierungsrate	Anwendung
2–3 s	Standardmechanischer Scan; Langsame/schwebende Ziele
0.5–1 s	Schnell, mechanisch oder PESA; Verbesserte Nachverfolgung
0.25 s (TAS)	AESA Spur-nach-Scan; Schnell manövrierfähige Drohnen

3.3 Reichweite und Winkelgenauigkeit

• · Reichweitengenauigkeit ≤ 5 m RMS – hält das Ziel bei 1 km innerhalb des Kamera-FOV
• · Winkelgenauigkeit ≤ 0.5° RMS — 8.7 m seitlicher Fehler bei 1 km
• · Geschwindigkeitsgenauigkeit ≤ 0.5 m/s – erforderlich für die Trajektorienvorhersage

3.4 Falschalarmrate und AI Klassifikation

Falschalarm-Kaskadenausfall:

Hohe Falschalarmrate → Ermüdung des Bedieners → Echter Störungsalarm wird ignoriert → Sicherheitsverletzung → System deaktiviert → Nullschutz

 

Operative Schwellenwerte:

• · < 1/Tag: Bester seiner Klasse; Erforderlich für automatisierte Einsatzsysteme
• · < 5/Stunde: Akzeptabel für besetzte Betriebszentren
• · 50/Stunde: Das System wird innerhalb weniger Wochen betrieblich aufgegeben.

AI Klassifikation, die auf Mikro-Doppler-Bibliotheken mit Millionen Proben trainiert wird, erreicht >95%ige Vogel-/Drohnen-Diskriminierung unter Feldbedingungen (Midradar Spezifikation).

3.5 Gleichzeitige Gleiskapazität

Szenario	Minimale benötigte Gleise
Einzelstandort-Einrichtung	50–200
Flughafen (Mischverkehr)	500+
Grenz-Multi-Ziel	200–1,000
Schwarmreaktion	1,000–2,000+

Schritt 4: Multisensor-Fusionsarchitektur

Vergleich der Sensorschicht

Sensor	RF-Stille Erkennung	All-Weather	Bietet Identität	Verbreitung
Überwachungsradar	Ja	Ja	Nein	Länge (km)
RF Spektrumsensor	Nein	Ja	Teilweise	Mittel
EO/IR PTZ Kamera	(kurze Reichweite)	Teilweise	Ja	Kurz–Mittel
Akustischer Sensor	Ja	Ja	Teilweise	< 1 km

 

Slew-to-Cue-Prozess

1. Das Radar erkennt und verfolgt Objekte (Entfernung, Azimut, Elevation)
2. Die C2-Software wandelt Koordinaten in PTZ Schwenk-/Neigungswinkel um
3. PTZ Kamera schwenkt automatisch zur berechneten Position
4. AI Visionssystem erfasst und klassifiziert Objekte auf dem Bildschirm
5. Ziel: < 5 Sekunden von der Erkennung bis zur visuellen Bestätigung des Bedieners

Checkliste für Integrationsprotokolle

Protokoll	Anwendungsfall
Das System kann standardisierte Video- und Plattformintegrationsmethoden wie GB/T 28181, ONVIF, RTSP, RESTful APIs und SDKs unterstützen, sofern die Projektarchitektur dies zulässt. Dies hilft Kunden, Grenzüberwachungsdaten mit VMS, PSIM, Kommandozentren oder Sicherheitsplattformen von Drittanbietern zu verbinden.	IP-Kamera / Recorder-Integration
ONVIF Profil S/T	Interoperabilität von IP-Kameras
RTSP	Videostream für VMS
RESTful API	C2 / PSIM / benutzerdefinierte Integration
SAPIENT ICD	Multi-Vendor-Regierungsplattform
ASTERIX Cat 240/48	Flughafen-ATM-Integration

Schritt 5: Zertifizierungen und Compliance

Zertifizierung	Erforderlich für
CE (RED)	Einsatz der EU-Mitgliedstaaten
FCC Teil 15/90	Vereinigte Staaten
UKCA	Vereinigtes Königreich
ISO 9001	Weltweite Regierungsbeschaffung
IP66 / IP67	Außenbetrieb 24/7 Allwetterbetrieb
IEC 60068-2	Umwelttests
EMC (EN 55032)	Elektromagnetische Verträglichkeit

Betriebstemperatur: Minimum −40°C bis +55°C für umgebungsübergreifende Einsätze.

Zeitraum für die Frequenzzulassung: 6–18 Monate an großen Flughäfen. Starten Sie das Verfahren BEFORE, also bevor die Beschaffung abgeschlossen ist.

Schritt 6: Feldversuche – Neun Standardszenarien

#	Testszenario	Was es testet	Schlüsselmetrik
1	Schwebendes Objekt – 60 steht bei 500 m, 1 km, 3 km	Minimal-Doppler-Spurkontinuität	Kein Gleisabfall
2	Erratisches Manöver — Schneller Zickzack- und Höhenunterschied	Nichtlineare Bewegungsverfolgung	Kein Gleisabfall
3	Mehrstreckenanflug — Horizonthöhe, dann ansteigen	Vertikale Abdeckungslücken	Detektion in allen Höhenlagen
4	Slew-to-Cue-Timing — Erkennung für Kamerabildaufnahme	Übergabegenauigkeit und Geschwindigkeit	< 5 s, target in frame
5	Langsamflug — 1–4 m/s (Nutzlastträgerprofil)	Dopplerfilter mit niedriger Geschwindigkeit abschalten	Nachweis bestätigt
6	Nacht / thermisch — Radar + Wärmebildkamera-Bestätigung	Thermische Wirksamkeit auf Entfernung	Ziel identifiziert
7	Ungünstiges Wetter — Regen ≥ 10 mm/stunde, Wind ≥ 40 km/h	Allwetter-Verifikation	Gleise instand gehalten
8	RF-stille Objekt — Vorprogrammierter autonomer Flug	Radar-reine Erkennung	Erkennung ohne RF
9	Schwarm — Drei oder mehr gleichzeitige Objekte	Multi-Ziel-Spur-ID-Zuweisung	Eindeutige ID pro Objekt

Kritische Anforderung: Testen Sie in Ihrer Betriebsumgebung – nicht am Demonstrationsstandort des Lieferanten.

Schritt 7: Erfolgsbilanz und Support des Lieferanten

Fragen zur Qualifikation:

· Gesamtzahl der Installationen nach Geografie und Umgebungstyp?

· Kernkomponenten (TR-Module, GMTI-Algorithmen, C2-Software), die intern entwickelt wurden?

· Algorithmus-Aktualisierungsfrequenz und Fernübertragungsfähigkeit?

· Inklusive Standortuntersuchung, RF Ausbreitungsmodellierung und Akzeptanztests?

· 24/7 Ferndiagnoseunterstützung verfügbar?

Warnsignale:

Rote Flagge	Risiko
Unqualifizierter Erkennungsreichweite (kein RCS)	Systematische Übertreibung des Reichweitenbereichs
Alle Bezüge in einer Geografie	Leistung in deiner Umgebung nicht verifiziert
Keine Algorithmus-Update-Historie	Die Klassifizierung verschlechtert sich, wenn neue Drohnen auf den Markt kommen.
API Dokumentation erst nach dem Kauf verfügbar	Integration ist weitaus schwieriger als dargestellt
Nur RF oder nur Kamera als Primärsensor	Detektionstotwinkel für RF-stille Objekte

Häufige Beschaffungsfehler

Fehler 1: Auswahl nach maximaler Erkennungsreichweite

“25 km Erkennungsreichweite” bezieht sich auf ein Fahrzeug mit 1 m² Durchmesser. Gegen eine 0.01 m²-Drohne kann die effektive Reichweite 4–8 km betragen. Lösung: Verlangen Sie RCS-qualifizierte Bereiche in allen RFI-Antworten.

Fehler 2: Die Bildwiederholrate des Tracks ignorieren

Bei einer Aktualisierungsrate von 2 Sekunden bewegt sich ein Objekt mit 20 m/s zwischen zwei Updates um 40 m und damit aus jedem PTZ-FOV. Abhilfe: 0.25 s TAS für AESA verbindlich fordern.

Fehler 3: Falschalarmrate bis zum Einsatz ignorieren

100+ Vogelalarme/Tag→ Bediener deaktivieren das System → null Schutz. Behebung: Erfordert die Messung der Falschalarmrate als formale Angebotsanforderung.

Fehler 4: Nur RF-Erkennungssysteme

Vorprogrammierte autonome Objekte haben keine RF Emission. Lösung: Radar-Primärerkennung als nicht verhandelbar.

Fehler 5: Unterschätzung der Spektrumlizenzierung

Radar bestellt, Einsatztermin festgelegt, Frequenzkoordination nicht gestartet: 12 Monate Verzögerung. Abhilfe: Zulassungsverfahren BEFORE, also vor Abschluss der Beschaffung, einleiten.

Fehler 6: Einzelgeografische Referenzbasis

500 Installationen in einer Klimazone sagen nicht die Leistung in Ihrer Küsten-, Stadt- oder Arktis voraus. Lösung: Benötigt Referenzen in vergleichbaren Umgebungen, telefonisch erreichbar.

Analyse der Gesamtkosten der Eigentumskosten (TCO)

10-Jahres-Kostenvergleich (Indexiert: Mechanische Investitionskosten = 100)

Kostenkategorie	Mechanischer Scan	AESA Radar	Anmerkungen
Kauf (CapEx)	100	160	AESA typischerweise 1.3–1.6× mechanisch
Jährliche Wartung	80	20	Mechanische Mechaniken benötigen einen Drehmechanismusservice
Ersatzteile (10 Jahre)	60	15	Mechanik: Motoren, Lager, Encoder
Ausfallzeitkosten (10 Jahre)	50	15	Mechanische MTBF ~12,000 h; AESA >65,000 h
Insgesamt 10 Jahre TCO	390	210	AESA ~46 % niedrigere TCO für 24/7-Deployments

 

TCO Modelleingaben für Ihre Website:

· Betriebsstunden/Jahr (24/7 = 8,760 H)

· Wartungskosten pro Stunde in deiner Region

· Erforderliche Systemverfügbarkeit (% Verfügbarkeitszeit-SLA)

· MTBF vom Lieferanten angegeben (Anfrageverifizierung)

· Lieferzeit für Ersatzteile in Ihrer Einsatzregion

Wie man Lieferanten vergleicht

Sensorfähigkeitsmatrix

Leistungsfähigkeit	Low-Alt UAV Radar	Bodenradar	RF Erkennung	EO/IR Kamera
Drohnenerkennung	⭐⭐⭐⭐⭐	⭐	⭐⭐⭐	⭐⭐
RF-stille Dröhnen	✅	✅ (groß)	❌	✅ (kurz)
Vogeldiskriminierung	AI ≥95%	N/A	N/A	AI-basiert
Schwarm (3+ Objekte)	✅	❌	❌	❌
Allwetter	✅	✅	✅	⚠️
Nachtbetrieb	✅	✅	✅	Nur thermisch
Personenerkennung	❌	✅ 2–15 km	❌	✅ Begrenzt
Fahrzeugerkennung	❌	✅ 5–25 km	❌	✅ Begrenzt
Schiffserkennung	❌	✅ 5–50 km	❌	✅ Begrenzt
Identitätsbestätigung	❌	❌	⭐⭐	✅

Lieferanten-Scorecard (bearbeitbar – gewichtet jede Dimension 1–3×)

Bewertungsdimension	Gewicht	Lieferant A	Lieferant B	Lieferant C
Erkennungsreichweite (RCS 0.01 m²)	3×	/10	/10	/10
Falschalarmrate (Felddaten)	3×	/10	/10	/10
Spuraktualisierungsrate	2×	/10	/10	/10
Slew-to-Cue-Performance	2×	/10	/10	/10
RF-stille Erkennung	2×	/10	/10	/10
Einbindung (API/SDK)	2×	/10	/10	/10
Zertifizierungen	1×	/10	/10	/10
Mehrgeografische Referenzen	2×	/10	/10	/10
Algorithmus-Aktualisierungshäufigkeit	2×	/10	/10	/10
10-Jahres-TCO Schätzung	3×	/10	/10	/10
Support-Reaktionszeit	1×	/10	/10	/10
Feldprüfungsergebnis	3×	/10	/10	/10
Gewichtete Gesamtsumme

Beschaffungsreise und -prozess

 

PHASE 1 — REQUIREMENTS (Anforderungen)
Bedrohungsanalyse → Umweltbewertung → Budgetplanung → Abdeckungsgeometrie
↓
PHASE 2 — MARKET ENGAGEMENT (Marktansprache)
RFI ausgeben → technische Antworten sammeln → 3–5
⚠️ STARTEN SIE HIER MIT DER SPECTRUM-LIZENZIERUNG
↓
PHASE 3 — TECHNICAL EVALUATION (technische Bewertung)
Datenblatt-Überprüfung → Referenzstandortbesuche → API Dokumentationsprüfung
↓
PHASE 4 — FIELD TRIALS (Feldtests)
9 Standardszenarien · Punktzahl pro Matrix
Falschalarmmessung ≥ 72 Stunden in der Zielumgebung
↓
PHASE 5 — COMMERCIAL EVALUATION (kaufmännische Bewertung)
Analyse 10 Jahre TCO · SLA-Verhandlung
Vor dem Vertrag definierte Akzeptanztestkriterien
↓
PHASE 6 — DEPLOYMENT (Implementierung)
Standortbegutachtung + Abdeckungsplanung + Installation
Kalibrierung + Bedienerschulung + Akzeptanztest
↓
PHASE 7 — LIFECYCLE MANAGEMENT (Lebenszyklusmanagement)
Algorithmus-Updates · Vierteljährliche Leistungsbeurteilungen
Integration von Bedrohungsintelligenz · Erweiterungsplanung

Fallstudien: fünf vertikale Anwendungen

Fallstudie 1: Internationaler Flughafen — Drohnenerkennung und Luftraumüberwachung

Herausforderung: Ein großer internationaler Flughafen mit über 60 Millionen jährlichen Passagieren verzeichnete in 18 Monaten einen Anstieg der unautorisierten Drohnenangriffe von 300 %. Bestehende RF Überwachung erkannte nur 60 % der Vorfälle; vorprogrammierte RF-stille Drohnen waren unsichtbar. Der Betrieb wurde 31 Mal innerhalb eines einzigen Jahres unterbrochen.

Lösung: Vier A-Serie AESA-Radarplatten Bereitstellung einer 360°-Abdeckung bis zu 8 km, integriert mit HF-Spektrumüberwachung und PTZ-Thermokameras. Die ASTERIX-Cat-240-Schnittstelle schloss die PSIM-Integration in 11 Tagen ab.

Ergebnis: Die Erkennungsabdeckung stieg auf 98 % einschließlich RF-stille Objekte. Falschalarmrate auf < 3 pro Tag gesunken. Die Störungen der Startbahn gingen in den ersten 12 Monaten um 89 % zurück. Wichtige Spezifikation: A-Serie AESA · 8 km bei RCS 0.01 m² · < 3 Falschalarme/Tag · Slew-to-cue < 4 s

Fallstudie 2: Nationale Landgrenze – Überwachung des Perimeters

Herausforderung: Ein 380 km Landgrenzabschnitt erforderte 24/7 Überwachung von Bodenübergängen, Fahrzeugübergängen und drohnenbasierten Paketlieferungen. Die Umgebung erstreckt sich über Wüstenebenen, Flussüberquerungen und dichtes Buschland bei −25°C bis +52°C.

Lösung: G-Serie Radare (MR-RDG20K) mit 18 km Abstand zur Personal-/Fahrzeugerkennung, T-Serie an hochfrequenten Punkten zur Drohnenerkennung, alle speisen eine zentrale C2-Plattform mit GIS Überlagerung.

Ergebnis: Die durchschnittliche Reaktionszeit wurde von 42 Minuten auf 8 Minuten reduziert. Die Erkennungsrate des Personals bei 10 km überstieg 94 %.

Fallstudie 3: Hafen- und Maritime Einrichtung – Multi-Bedrohungsüberwachung

Herausforderung: Ein Containerhafen, der jährlich 8 Millionen TEU abwickelt, erforderte eine gleichzeitige Überwachung des Anflugs von Schiffen, Perimeter-Eindringen und Drohnenaktivität über Frachtbereichen.

Lösung: G-Serie (MR-RDG50K) für Schiffserkennung bis 50 km und Bodenabdeckung bis 25 km, integriert mit der T-Serie für Drohnenerkennung und Radar-Vision-Fusion an Perimeterposten.

Ergebnis: Die Reaktionszeit des Schiffs verbesserte sich von 18 Minuten auf < 2 Minuten. Die Bodeneinbruchserkennung stieg von 67 % auf 97 %.

Fallstudie 4: Öl- und Gas-Offshore-/Onshore-Anlagen

Herausforderung: Kombinierte Bedrohung: unbefugte Überwachung der Plattform an Deck sowie Annäherung des Schiffs zur Sperrzone, in einer hohen Seeaufreihung / Salzspray / 24/7-kritischer Umgebung.

Lösung: G-Serie mit See-Clutter-CFAR zur Schiffserkennung bis 30 km, A-Serie AESA für Drohnenerkennung, IP67-versiegelt mit beheizten Gehäuse, integriert mit DCS/SCADA.

Ergebnis: In den ersten 90 Tagen wurden zwei unautorisierte Drohnenannäherungen entdeckt, darunter ein RF-stille vorprogrammiertes Objekt.

Fallstudie 5: Großes öffentliches Ereignis – Temporärer Einsatz

Herausforderung: Mehrtägige internationale Veranstaltung, 120,000 tägliche Zuschauer, keine dauerhafte Infrastruktur, 48-stündiges Aufbaufenster, null Toleranz gegenüber Falschalarmen, die öffentliche Evakuierung auslösen könnten.

Lösung: Tragbares T-Series-Radar an vier Perimeterpunkten des Veranstaltungsorts, RF Überwachung, PTZ Wärmebildkameras, alle mit einem mobilen Kommandofahrzeug verbunden. AI Klassifikationsschwellenwert, abgestimmt auf die städtische Umgebung in einer 24-stündigen Vor-Event-Kalibrierung.

Ergebnis: Falschalarmrate: 0 pro Tag während der gesamten Veranstaltung. Das vollständige System wurde innerhalb von 31 Stunden eingesetzt und kalibriert.

ROI-Rahmenwerk für Investitionen in Drohnenerkennung

ROI-Kategorie 1: Vorfallkostenvermeidung

Vorfalltyp	Durchschnittskosten pro Ereignis	Jährlich vermieden Vorfälle	Jahreswert
Start- und Landebahn für den Flughafen	150.000–500.000 $	25–40/Jahr	$3.75M–$20M
Ermittlungen zum Diebstahl von Hafenfracht	50.000–200.000 $	8–15/Jahr	400.000–3 Millionen Dollar
Auslöser der kritischen Infrastrukturinspektion	20.000–80.000 $	15–30/Jahr	$300K–$2.4M

 

ROI-Kategorie 2: Betriebswirtschaftliche Effizienz

Gegenstand	Manuelles Patrouillenmodell	Radarmodell	Jährliche Ersparnisse
Sicherheitspatrouillenpersonal (Perimeter)	12–20 FTE × $60K	3–5 FTE-Überwachung	540.000–900.000 $
CCTV-Überwachungspersonal	4–8 FTE	1–2 FTE	180.000–360.000 $

Einfaches Rückzahlungsmodell (Flughafenbeispiel)

· Gesamtkosten des AESA-Systems: $800K–$1.2M

· 12 Landebahn-Holds/Jahr vermieden mit durchschnittlich 250.000 $ pro Jahr = 3 Mio. $ pro Jahr Vermeidungswert

· Einfache Rückzahlung: 3–5 Monate

Vollständige Bewertungscheckliste

Technische Leistung

·  Erkennungsreichweite bei RCS 0.01 m² (UAV) — kein unqualifizierter Bereich

· Erkennungsreichweite bei RCS 0.005 m² für Hochsicherheitsstandorte

· Track-Update-Rate ≥ 0.25 s (AESA TAS) oder ≥ 2 s (mechanisch)

·  Reichweitengenauigkeit ≤ 5 m RMS; Winkelgenauigkeit ≤ 0.5° RMS

· Geschwindigkeitsgenauigkeit ≤ 0.5 m/s

·  Die Spurkapazität entspricht der erwarteten Objektdichte

·  Falschalarmrate ≤ 5/Stunde (besetzt) oder ≤ 1/Tag (automatisiert)

· Mikro-Doppler-Klassifikationsgenauigkeit ≥ 90 %

·  RF-stille Detektion mit Felddaten (nicht Labordaten) demonstriert

Systemarchitektur

·  Multisensor-Fusion verfügbar (Radar + RF + EO/IR)

· Slew-to-cue < 5 Sekunden; Ziel im Bild ohne manuelle Suche ·  Einsatzflexibilität: fest + Fahrzeugmontiert + tragbar ·  AESA anmutige Abbau oder mechanische MTBF gesagt

Integration

· API/SDK Dokumentation, die vor dem Vertrag bereitgestellt wurde

· GB/T 28181 / ONVIF / RTSP / RESTful API bestätigt

· SAPIENT ICD bestätigt (staatliche Einsätze)

· ASTERIX Cat 240/48 bestätigt (Flughafeneinsätze)

· Zentralisierte Überwachung an mehreren Standorten bestätigt

Zertifizierungen

·  CE (RED) / FCC / UKCA je Einsatzregion

·  ISO 9001; ISO 14001; ISO 45001

· IP66 / IP67; Betriebstemperatur deckt die Umgebung ab

·  Antragsverfahren für Spectrum-Lizenz bestätigt

Lieferantenqualifikation

· Verifizierte Einsätze in vergleichbaren Umgebungen

· Referenzseite in Ihrer Region erreichbar

·  Kernkomponenten intern (TR-Module, Algorithmen, C2)

·  Dokumentierte Aktualisierungshäufigkeit des Algorithmus

·  24/7 Fernsupport bestätigt

Kommerziell

· 10 Jahre TCO Analyse abgeschlossen

· Vor dem Vertrag definierte Akzeptanztestkriterien

· Software-Update-Verpflichtungen in Vertragsbedingungen

· Exportkontrollklassifizierung bestätigt

 

Glossar

AESA: Aktives elektronisch gescanntes Array. Festleiter-Radarantenne mit Sende-/Empfangsmodulen pro Element – keine beweglichen Teile.

ASTERIX: Eurocontrol-Standarddatenformat für ATM-Radardatenaustausch. Cat 240 für Radarvideo; Cat 48 für Zielmeldungen.

CFAR: Konstante Falschalarmrate. Erkennungsschwellenalgorithmus, der sich anpasst, um eine konstante Falschalarmwahrscheinlichkeit aufrechtzuerhalten.

DBF: Digitales Beamforming. Digitale Signalverarbeitung ermöglicht gleichzeitige Strahlen bei mehreren Höhenwinkeln.

FMCW: Frequenzmodulierte Dauerwelle. Radarwellenform, die gleichzeitige Entfernungs- und Geschwindigkeitsmessung ermöglicht.

GMTI: Anzeige für bodenbewegtes Ziel. Erkennt und verfolgt bodenbewegte Ziele durch Doppler-Filterung von stationärem Clutter.

IP66 / IP67: Eintrittsschutz-Bewertungen. IP66: staubdicht + Hochdruckwasserstrahl. IP67: staubdicht + 1 m temporäre Immersion.

Mikro-Doppler: Frequenzmodulationen von rotierenden/oszillierenden Unterkomponenten. Drohnenpropeller und Vogelflügel erzeugen unterschiedliche Muster, die AI Klassifizierung ermöglichen.

MTBF: Mittlere Zeit zwischen Ausfällen. Mechanischer Scan: 8,000–15,000 Uhr typisch. AESA: Typischerweise > 65,000 H.

RCS: Radarrückstrahlfläche. Messen Sie in m², wie effektiv ein Ziel die Radarenergie reflektiert. DJI Phantom 4 ≈ 0.01 m².

SAPIENT: Sensing für den Schutz von Vermögenswerten mit integrierter elektronischer Netzwerktechnologie. Offener Schnittstellenstandard für die Interoperabilität von Drohnendetektionssystemen.

Slew-to-Cue: Automatisierter Prozess, der eine PTZ Kamera auf die Position eines radardetektierten Objekts lenkt. Leistung: < 5 Sekunden. TAS (Track-After-Scan): AESA Modus, der eine dedizierte Beam-Dwell-Zeit für bestätigte Spuren bereitstellt und so 0.25 Update-Rate erreicht. TCO: Gesamtkosten des Besitzes. CapEx + OpEx über einen definierten Lebenszykluszeitraum. TWS (Track-While-Scan): Radarmodus, der Spuren aufrechterhält und gleichzeitig nach neuen Entdeckungen sucht.

Häufig gestellte Fragen

Wie weit kann ein Drohnen-Detektionsradar eine DJI-Drohne erkennen?

DJI Phantom 4 (RCS ≈ 0.01 m²): etwa 3–10 km für T-Serie mechanische Scans und 5–8 km für A-Serie AESA. In städtischen oder küstennahen Bedingungen ist die effektive Reichweite 30–50 % geringer als die Freiraumwerte.

Welchen RCS-Wert sollte ich in meiner Beschaffungsspezifikation verwenden?

Verwenden Sie RCS = 0.01 m² als primären Benchmark. Fügen Sie RCS = 0.005 m² für Hochsicherheitsstandorte hinzu, die maßgeschneiderte oder Carbonfaserobjekte erwarten.

Warum ist die Aktualisierungsrate der Zielspur für die Drohnenerkennung wichtig?

Bei einer Aktualisierungsrate von 2 Sekunden bewegt sich ein Objekt mit 20 m/s zwischen zwei Updates um 40 m und liegt damit wahrscheinlich außerhalb des PTZ-FOV. Bei 0.25 s TAS sind es 5 m, sodass das Ziel zuverlässig im Bild bleibt.

Was ist der Unterschied zwischen TWS und TAS?

Track-While-Scan aktualisiert alle Objekte mit der Scanrate. Track-After-Scan (nur AESA) bietet bestätigte Objekte mit 0.25 Sekunden eine dedizierte Strahlzeit, während gleichzeitig das volle Volumen von TWS aufrechterhalten wird.

Welche Zertifizierungen sollte ein Anbieter von Drohnenerkennungsradar haben?

Mindestens: CE (RED) für die EU; ISO 9001; IP66 oder IP67. Flughafeneinsätze erfordern zusätzlich Spektrumfreigabe und ASTERIX-Kompatibilität.

Was ist Slew-to-Cue und warum ist es betrieblich wichtig?

Slew-to-cue automatically directs a PTZ camera to a radar-detected object. A well-calibrated system achieves this in < 5 seconds. Failure requires operators to manually search, significantly increasing response time.

Wie sollten Flughäfen Drohnenerkennungsradar beschaffen?

Wichtige Anforderungen: Spektrumkoordination mit der nationalen Luftfahrtbehörde (6–18 Monate), ASTERIX Cat 240/48 Kompatibilität, ILS/DME/ATCRBS Störungsfreigabe und FAA Cert Alert 21-04 / ICAO Doc 10019 Ausrichtung.

Wie vergleiche ich AESA-Radar und mechanisch abtastendes Radar?

AESA: höherer CapEx, keine beweglichen Teile, MTBF > 65.000 h, TAS-Aktualisierung mit 0,25 s, niedrigerer 10-Jahres-TCO bei 24/7-Betrieb. Mechanisch: niedrigerer CapEx, regelmäßige Wartung, Scan-Aktualisierung alle 2–3 s, höchste Abdeckung pro CapEx-Dollar.

Kann Drohnenerkennungsradar Vögel von Drohnen unterscheiden?

Ja, durch Micro-Doppler-Analyse. Vögel erzeugen durch Flügelschlag eine oszillierende Modulation von 3–15 Hz; Drohnenpropeller erzeugen eine höherfrequente (50–200 Hz), mechanisch regelmäßige Modulation. KI erreicht unter Feldbedingungen eine Unterscheidung von > 95%.

Was ist der Unterschied zwischen RF-Erkennung und Radar?

RF Erkennungsmonitore steuern Link-Emissionen – effektiv für Standard-RC-Protokoll-Drohnen, die völlig blind für RF-stille vorprogrammierte Drohnen sind. Radar erkennt jedes Ziel, unabhängig von RF Emission.

Wie viele gleichzeitige Objekte muss ein Drohnenerkennungsradar verfolgen?

Einzelstandort: 50–200. Flughafen/Grenze: 500+. Schwarmszenarien: 1,000–2,000+.

Was sollte ein Abnahmetest für Drohnenradar enthalten?

Minimum: Erkennung des Referenzobjekts an bestimmten RCS/Entfernungen; Streckenkontinuität (60 S-Hover, kein Drop); Slew-to-Cue-Timing; Falschalarmmessung (≥ 72 Stunden in realer Umgebung); RF-stille Erkennung; Multi-Objekt-Kapazitätstest.

Wie berechne ich ein praktikables Budget für die Falschalarmrate?

A single operator can investigate approximately 5–10 alarms/hour before fatigue-induced degradation. Set requirement from staffing model: < 5/hour for single-operator; < 1/hour for part-time; < 1/day for automated-response.

Welche offenen Standards sollte ein Drohnenerkennungsradar unterstützen?

GB/T 28181 (China IP-Kamera-Standard), ONVIF Profile S/T, RTSP, RESTful API, ASTERIX Cat 240/48 (Flughafen), SAPIENT ICD (Multi-Vendor-Regierung). Fordern Sie vor der Beschaffung Dokumentationen zu jedem an.

Was sind die wichtigsten Unterschiede zwischen Drohnenerkennung an Flughäfen und in kritischer Infrastruktur?

Flughäfen benötigen spektrumfreigegebene Ausrüstung, ATM-Integration und Navigationshilfe-Dekonfliktion – sowie eine behördliche Vorabgenehmigung in vielen Rechtsgebieten. Kritische Infrastruktur priorisiert Allwetterzuverlässigkeit, lange Perimeterabdeckung, Multi-Bedrohungserkennung (Drohne + Boden) und SCADA/DCS/PSIM Integration.