Project Ocean Oasis entwickelt solarbetriebene Edge-Geräte mit Unterwasserkameras und Hydrophonen, die an Piers, Plattformen und autonomen Bojen eingesetzt werden. Ultralytics YOLO läuft direkt auf dem Gerät und überträgt Daten per Starlink oder Mobilfunk. So ermöglicht das System über Jahre hinweg wissenschaftliche Meeresüberwachung.
Da Meeresökosysteme durch den Klimawandel, Verschmutzung und Überfischung beispiellosen Bedrohungen ausgesetzt sind, war der Bedarf an skalierbaren, evidenzbasierten Informationen über die Meere noch nie so groß. Project Ocean Oasis (PO2), eine gemeinnützige Organisation mit Sitz in Australien, stellt sich dieser Herausforderung mit autonomen Überwachungssystemen, die für einen jahrelangen Betrieb in rauen Meeresumgebungen ausgelegt sind.
Indem PO2 Ultralytics YOLO-Modelle in seine Edge-to-Cloud-Pipeline integriert und die Ultralytics Platform nutzt, schafft das Unternehmen die Grundlage für eine neue Ära der kontinuierlichen, KI-gestützten Überwachung von Riffen und Biodiversität.
Die Grundlage für Informationen über die Meere schaffen#
Project Ocean Oasis entwickelt autonome, KI-gestützte Systeme, um langfristig Informationen über die Meere zu gewinnen. PO2 entstand in Zusammenarbeit mit WASSOC, einem Ingenieurbüro für Unterwassertechnik mit mehr als 40 Jahren Erfahrung, AWS und Ultralytics. Das Unternehmen bietet eine durchgängige Plattform, die robuste Hardware, KI am Netzwerkrand und in der Cloud sowie wissenschaftlich validierte Datensätze vereint, um evidenzbasierten Schutz von Meeresökosystemen zu unterstützen.
Jede PO2-Einheit ist für den gleichzeitigen Betrieb mehrerer KI-Modelle ausgelegt und bietet genügend interne Kapazität für künftige Erweiterungen. Die Systeme sind so konstruiert, dass sie Brandung an Riffen, Korrosion und Bewuchs standhalten. Sie laufen jahrelang wartungsfrei und lassen sich in unterschiedlichen Umgebungen einsetzen.
Die Herausforderung einer langfristigen, autonomen Riffüberwachung#
Die Überwachung von Riffen und der marinen Biodiversität in großem Maßstab bringt besondere Herausforderungen mit sich. Herkömmliche Methoden stützen sich auf Taucher, Boote und die manuelle Datenerfassung. Sie sind teuer, erfolgen nur unregelmäßig und stören oft die untersuchten Ökosysteme. Während sich der Zustand der Riffe weltweit verschlechtert, wächst die Lücke zwischen den Daten, die Forschende benötigen, und den Daten, die sie realistisch erfassen können.
Auch wenn Computer Vision und Edge AI zunehmend zugänglich werden, gelten beim Einsatz dieser Technologien unter Wasser zusätzliche Einschränkungen. Die Geräte müssen mit Solarenergie und Batterien betrieben werden, mehrere KI-Modelle parallel ausführen können und robust genug sein, um jahrelang ohne aktive Wartung Salzwasser ausgesetzt zu sein. Energieeffizienz ist entscheidend: Bei nur etwa 600 Watt verfügbarer Energie pro Tag muss jede Komponente – von der Kamera bis zum Inferenzchip – sorgfältig ausgewählt werden, um die Betriebszeit zu maximieren und gleichzeitig genaue Erkenntnisse in Echtzeit zu liefern.
PO2 fehlte ein flexibles Modell-Framework, das auf einer Vielzahl von Edge-Geräten läuft, genau genug für die Erfassung der marinen Biodiversität ist und sich im Zuge der Weiterentwicklung der Plattform über mehrjährige Einsätze hinweg leicht anpassen lässt.
Vom Netzwerkrand bis in die Cloud mit Ultralytics YOLO#
Die Überwachungsplattform von PO2 kombiniert Unterwasserkameras, Hydrophone und weitere Sensoren, die an autonomen Bojen mit Solarpanels, Batterien und Satellitenverbindung angebracht sind.
Für die Audioverarbeitung läuft das PO2 HydroPulse (ein speziell entwickeltes, integriertes Edge-Hydrophon) mit rund 1,3 W auf handelsüblicher ARM-Hardware – wenig genug für einen langfristigen Betrieb mit Solarenergie und Batterien.
Für den Einsatz auf den Kameras sollen Ultralytics YOLO-Modelle auf Edge-Hardware innerhalb des Systems laufen und Videostreams in Echtzeit auf Objekte erkennen und nachverfolgen, um Fische und andere Meereslebewesen direkt unter Wasser zu identifizieren und zu verfolgen.
Das YOLO-Tracking verknüpft dasselbe Individuum über mehrere Frames hinweg, sodass es nur einmal gezählt wird. Als Datensatz für den jeweiligen Fisch dient dabei die Erkennung mit der höchsten Konfidenz. Ein einzelner Datensatz sieht im Wesentlichen so aus:
{
"label": "Acanthurus triostegus",
"confidence": 0.94,
"length_cm": 18
}ergänzt um MaxN-Zählungen auf Sitzungsebene und den jeweiligen Umweltkontext. So entstehen standardisierte, wissenschaftlich nutzbare Daten statt Videomaterial, das später gesichtet werden muss.
Abb. 1: Ultralytics YOLO26 erkennt Arten in Aufnahmen eines hawaiianischen Riffs.
Jede Kameraeinheit erkennt und verfolgt Objekte direkt am Netzwerkrand und sendet anschließend kompakte, strukturierte Ereignisdaten (JSON-Dateien im Kilobytebereich) statt Rohvideo.
Wenn das System ein relevantes Objekt erkennt, werden die Inferenzergebnisse per Satellit an eine Cloud-Architektur gesendet, wo sie zusammengeführt, analysiert und Forschenden sowie Naturschutzpartnern bereitgestellt werden. Dieser Edge-First-Ansatz verringert den Übertragungsbedarf erheblich, spart Energie und ermöglicht den jahrelangen Betrieb der Plattform pro Einsatz – ganz ohne manuelles Eingreifen.
Um das System zukunftssicher zu machen, arbeitete PO2 eng mit Ultralytics zusammen, um die neueste Generation von Edge-AI-Beschleunigern mit NPU zu bewerten. Dank dieser Zusammenarbeit konnte PO2 geeignete Hardwarekombinationen für sein knappes Energiebudget auswählen und zugleich flexibel neue KI-Modelle ergänzen, etwa für die Audioinferenz mit Hydrophondaten, während die Plattform wächst.
Abb. 2: Die Lösung von Ocean Oasis im Überblick.
Früher Nutzer der Ultralytics Platform#
Neben dem Einsatz von Ultralytics YOLO-Modellen in der Produktion wurde PO2 einer der ersten Unternehmenskunden der Ultralytics Platform – der neuen durchgängigen Umgebung, in der YOLO-Modelle an einem Ort annotiert, trainiert und bereitgestellt werden können.
Mit der Ultralytics Platform kann das Team von PO2 Meeresdatensätze verwalten, Standardmodelle und Ultralytics Enterprise YOLO26-Modelle trainieren, die Datenkennzeichnung mit Smart Annotation erheblich beschleunigen und trainierte Modelle für die Bereitstellung auf nahezu jedem Format exportieren, das von der Edge-Hardware unterstützt wird. Dieser einheitliche Arbeitsablauf hat PO2 geholfen, das Projekt schnell weiterzuentwickeln und gleichzeitig Daten, Modelle und Experimente zentral zu verwalten, während das Team wächst.
Warum Ultralytics YOLO wählen?#
Für Project Ocean Oasis geht die Zusammenarbeit mit Ultralytics über die Modellleistung hinaus: Sie bietet Zugang zu Fachwissen und einer einheitlichen Plattform, die das Team in jeder Entwicklungsphase unterstützt. Ultralytics YOLO-Modelle lassen sich flexibel auf einer Vielzahl von Edge-Geräten ausführen, von Mikrocontrollern mit extrem niedrigem Energieverbrauch bis hin zu leistungsstärkeren NPU-Beschleunigern. Gleichzeitig bieten sie die für die Überwachung der Biodiversität unter Wasser erforderliche Genauigkeit.
Durch die enge Zusammenarbeit mit Ultralytics konnte PO2 die komplexe Landschaft der Edge-AI-Beschleuniger erschließen und passende Hardwarepartner für seine mehrjährigen Einsatzpläne finden.
Auf dem Weg zu gesünderen Meeren#
Project Ocean Oasis hat seine ersten Sensoren vollständig validiert – von der Edge-AI-Inferenz bis zum Cloud-Dashboard – und bereitet nun den Einsatz im Wasser vor. Die Hardware ist für den Einsatz mit Partnern bereit, die Cloud-Architektur ist betriebsbereit und wissenschaftliche Forschende stehen an den Einsatzorten bereit.
Ab 2026 wird das Team die Lösung auf weitere Standorte ausweiten, die KI-Funktionen direkt auf den Geräten erweitern und die Grundlage für ein vernetztes globales Überwachungsnetzwerk schaffen.
PO2 ist auf mehrere Generationen ausgelegt. Die kontinuierliche Meeresüberwachung bildet die Grundlage und liefert die Evidenz, die alle nachgelagerten Schritte ermöglicht. Ziel ist nicht, diese Arbeit abzuschließen, sondern sie gut zu beginnen.
Möchtest du eigene Vision-AI-Lösungen entwickeln? Besuche unser GitHub-Repository, um Ultralytics YOLO-Modelle kennenzulernen, erfahre, wie YOLO Innovationen im Bereich KI für den Naturschutz unterstützt, und sieh dir die Ultralytics Platform an, um deine eigenen durchgängigen Arbeitsabläufe für Vision AI aufzubauen.
