Die Häufung von Extremwetterereignissen stellt Rettungsdienste und ihre Leitstellen vor neue Herausforderungen. Wie Künstliche Intelligenz, datenbasierte Prognosen und simulationsgestützte Planung Leitstellen dabei unterstützen können, Notfälle auch unter Extremwetterbedingungen sicher und effizient zu bewältigen, wurde in einem vom Bundesministerium für Verkehr (BMV) über drei Jahre geförderten Forschungsprojekt in der Modellregion Lausitz untersucht. Die Ergebnisse des Forschungsprojekts mit Partnern aus Politik, Wirtschaft und Wissenschaft bestärken die Björn Steiger Stiftung in ihren Forderungen zur Weiterentwicklung der Leitstellenlandschaft in Deutschland.
Das Forschungsprojekt AIRCIS (Artificial Intelligence in Rescue Chains) wurde vom Bundesministerium für Verkehr mit knapp 3 Millionen Euro gefördert. Projektpartner waren das Brandenburgische Institut für Gesellschaft und Sicherheit (BIGS), die Industrieanlagen Betriebsgesellschaft mbH (IABG), die Brandenburgische Universität Cottbus-Senftenberg (BTU), das Start-up MOXI und die Integrierte Regionalleitstelle Lausitz (IRLS) mit Sitz in Cottbus. Die Projektkoordination lag bei der Björn Steiger Stiftung.
Das Projekt zeigt, dass Leitstellen über große Datenmengen verfügen, deren systematische Nutzung durch Künstliche Intelligenz jedoch besser ausgeschöpft werden kann. Im Forschungsprojekt wurden dazu erstmals reale Leitstellendaten, Wetter- und Geodaten sowie Mobilitätsinformationen in einem integrierten Modell zusammengeführt. Die entwickelten KI-basierten Prognosen und Simulationen erlauben es, Einsatzaufkommen, Ressourcenbedarf und Engpässe sowohl im Regelbetrieb als auch bei Extremwetterlagen wie Hitze oder Starkregen vorausschauend abzubilden.
Erkenntnisse aus der Modellregion Lausitz
Die Stadt Cottbus/Chóśebuz und die Integrierte Regionalleitstelle Lausitz werden durch die im Projekt erzielten Ergebnisse in die Lage versetzt, Personal und Ressourcen künftig noch gezielter und effizienter einzusetzen. Mithilfe der entwickelten Simulationswerkzeuge lassen sich sowohl prognostizierte Ereignisse als auch die verfügbaren Ressourcen abbilden und bewerten. Dadurch wird die Ergebnisqualität planbarer und operative Entscheidungen können datenbasiert nachvollzogen werden. Gerade bei erwarteten Einsatzspitzen – etwa infolge von Extremwetter oder Großveranstaltungen – ermöglicht die Simulation ein frühzeitigeres und besser abgestimmtes Handeln. Zudem hat sich gezeigt, dass eine konsequente Standardisierung von Daten essenziell für das Zusammenspiel komplexer Hilfeleistungssysteme ist. Nur durch gemeinsame Standards und eine enge Kooperation lassen sich die zukünftigen Aufgaben im Rettungswesen effizient und resilient bewältigen. Darüber hinaus möchte die Integrierte Regionalleitstelle Lausitz die im Projekt entwickelten Erkenntnisse und Werkzeuge allen brandenburgischen Leitstellen zur Nutzung zur Verfügung stellen, um die gewonnenen Ansätze landesweit praktisch nutzbar zu machen und Synergieeffekte zu fördern.
Quelle: Björn Steiger Stiftung, 2026
Handlungsempfehlungen für die Notfallversorgung von morgen
Belastbare Szenarien, Frühwarnindikatoren und abgestimmte Einsatzkonzepte wurden im Projekt als wichtige Voraussetzung für eine systematische Planung auch unter extremen Bedingungen identifiziert. Durch KI-gestützte Prognose- und Simulationswerkzeuge konnten Ressourcen effizienter eingesetzt und Reaktionszeiten verbessert werden. Technisch modern ausgestattete und überregional vernetzte Leitstellen können demnach deutlich resilienter auf außergewöhnliche Lagen reagieren als kleinteilige, heterogene Strukturen. Voraussetzung für eine ganzheitliche Analyse und Steuerung der Rettungsketten sind aber bundesweit harmonisierte Datenmodelle und Schnittstellen.
Insbesondere in Städten, wo die Auswirkungen des Klimawandels besonders spürbar werden, sieht AIRCIS in Digitalen Zwillingen, simulationsbasierten Trainings und vorausschauender Planung einen entscheidenden Beitrag, um die Versorgung auch unter Stressbedingungen aufrechtzuerhalten.
Der Abschlussbericht des Projekts leitet daraus konkrete Handlungsempfehlungen ab, die weit über die Modellregion hinausreichen: Eine Stärkung und Bündelung der Leitstellenstrukturen, die verbindliche Nutzung datenbasierter Entscheidungsunterstützung, die Integration von Extremwetter- und Klimarisiken in die Einsatzplanung und die Standardisierung von Daten.
Die im Projekt entwickelten Ansätze sind grundsätzlich auf andere Regionen übertragbar. Bund und Länder sind gefordert, die gewonnenen Erkenntnisse in dauerhafte Strukturen, Regelwerke und Förderprogramme zu überführen.
„AIRCIS hat eindrucksvoll gezeigt, dass wir Notfallversorgung neu denken müssen: datenbasiert, vernetzt und resilient gegenüber den Folgen des Klimawandels,“ erklärt Joachim von Beesten, Geschäftsführer der Björn Steiger Stiftung für Innovation, Forschung und Sonderfahrzeuge. „Die Handlungsempfehlungen des Projekts bestätigen unsere langjährigen Forderungen nach leistungsfähigen Leitstellenstrukturen in Deutschland. Jetzt kommt es darauf an, diese Erkenntnisse konsequent in politische Entscheidungen und praktische Umsetzung zu überführen – zum Schutz der Menschen, gerade in urbanen Räumen und bei Extremwetterlagen.“
Die Stiftung bekräftigt vor diesem Hintergrund ihre Forderung nach klaren Mindeststandards, funktionalen Zuständigkeitsräumen und einer stärkeren Zusammenarbeit von Leitstellen über kommunale Grenzen hinweg. Außerdem fordert die Stiftung, dass KI-gestützte Prognose- und Simulationswerkzeuge fester Bestandteil der Leitstellenarbeit werden – nicht nur im Katastrophenfall, sondern auch zur strategischen Personal- und Fahrzeugplanung im Alltag.
In dem Abschluss von AIRCIS sieht die Björn Steiger Stiftung einen weiteren substanziellen Beitrag zur Modernisierung der Rettungslandschaft in Deutschland. Die Erkenntnisse dienen als eine belastbare Grundlage, um Leitstellen zukunftsfähig aufzustellen und die Notfallversorgung nachhaltig zu stärken.
Link zur Studie aus dem Forschungsprojekt: https://www.bigs-potsdam.org/publikationen/staerkung-der-rettungskette-unter-extremwettereinfluessen/