Project Ocean Oasis entwickelt solarbetriebene Edge-Einheiten mit Unterwasserkameras und Hydrofonen, die an Stegen, Plattformen und autonomen Bojen eingesetzt werden. Ultralytics YOLO läuft direkt auf dem Gerät und liefert über Starlink oder eine Mobilfunkverbindung eine jahrelange Überwachung der Meere in wissenschaftlicher Qualität.
Da marine Ökosysteme beispiellosen Bedrohungen durch den Klimawandel, Verschmutzung und Überfischung ausgesetzt sind, war der Bedarf an skalierbaren, evidenzbasierten Erkenntnissen über die Meere noch nie so groß. Project Ocean Oasis (PO2), eine australische gemeinnützige Organisation, stellt sich dieser Herausforderung direkt, indem sie autonome Überwachungssysteme entwickelt, die jahrelang unter rauen Meeresbedingungen betrieben werden können.
Durch die Integration von Ultralytics-YOLO-Modellen in seine Edge-to-Cloud-Pipeline und die Nutzung der Ultralytics Platform legt PO2 den Grundstein für eine neue Ära der kontinuierlichen, KI-gestützten Überwachung von Korallenriffen und der biologischen Vielfalt.
Die Grundlage für Erkenntnisse über die Meere schaffen#
Project Ocean Oasis entwickelt autonome, KI-gestützte Systeme für langfristige Erkenntnisse über die Meere. In Zusammenarbeit mit WASSOC (einem Unternehmen für Unterwassertechnik mit über 40 Jahren Erfahrung), AWS und Ultralytics stellt PO2 eine durchgängige Plattform bereit, die robuste Hardware, KI am Edge und in der Cloud sowie wissenschaftlich validierte Datensätze kombiniert, um den evidenzbasierten Schutz mariner Ökosysteme zu unterstützen.
Jede PO2-Einheit ist darauf ausgelegt, mehrere KI-Modelle gleichzeitig auszuführen und verfügt über ausreichende interne Reserven für zukünftige Erweiterungen. Die Systeme sind so konstruiert, dass sie Strömungsspitzen an Korallenriffen, Korrosion und Biofouling standhalten. Sie arbeiten jahrelang wartungsfrei und lassen sich in unterschiedlichen Umgebungen skalieren.
Die Herausforderung der langfristigen, autonomen Überwachung von Korallenriffen#
Die großflächige Überwachung von Korallenriffen und der biologischen Vielfalt im Meer bringt besondere Herausforderungen mit sich. Herkömmliche Methoden beruhen auf Tauchern, Booten und der manuellen Datenerfassung. Sie sind teuer, erfolgen nur in unregelmäßigen Abständen und stören häufig die untersuchten Ökosysteme. Da sich der Zustand der Korallenriffe weltweit verschlechtert, wird die Lücke zwischen den Daten, die Wissenschaftler benötigen, und den Daten, die sie realistisch erfassen können, immer größer.
Auch wenn Computer Vision und Edge-KI zunehmend zugänglicher werden, bringt der Einsatz dieser Technologien unter Wasser neue Einschränkungen mit sich. Die Geräte müssen solar- und batteriebetrieben sein, mehrere KI-Modelle parallel ausführen können und robust genug sein, um jahrelang im Salzwasser zu überdauern, ohne aktiv gewartet zu werden. Energieeffizienz ist entscheidend: Bei nur etwa 600 Wattstunden täglich 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.
Für PO2 fehlte ein Modell-Framework, das flexibel genug war, um auf einer großen Bandbreite von Edge-Hardware zu laufen, präzise genug für die Erfassung der biologischen Vielfalt im Meer und einfach genug, um es weiterzuentwickeln, während die Plattform über mehrjährige Einsätze hinweg ausgebaut wurde.
Vom Edge bis zur Cloud mit Ultralytics YOLO#
Die Überwachungsplattform von PO2 kombiniert Unterwasserkameras, Hydrofone und weitere Sensoren, die an autonomen Bojen mit Solarmodulen, Batterien und Satellitenverbindung angebracht sind.
Für Audio läuft das PO2 HydroPulse (kundenspezifischer eingebetteter Hydrofon-Sensor am Edge) auf handelsüblicher ARM-Hardware mit etwa 1,3 W – niedrig genug für einen langfristigen Einsatz mit Solar- und Batteriebetrieb.
Die Ultralytics-YOLO-Modelle sollen auf den Kameras und der Edge-Hardware des Systems eingesetzt werden und Videoströme in Echtzeit auf Objekte erkennen und verfolgen, um Fische und andere Meereslebewesen direkt unter Wasser zu identifizieren und zu verfolgen.
Das YOLO-Tracking verknüpft dasselbe Individuum über mehrere Einzelbilder hinweg, sodass es nur einmal gezählt wird. Seine Erkennung mit der höchsten Konfidenz wird als Datensatz für diesen Fisch übernommen. Ein einzelner Datensatz sieht im Wesentlichen so aus:
{
"label": "Acanthurus triostegus",
"confidence": 0.94,
"length_cm": 18
}mit sitzungsbezogenen MaxN-Zählungen und zugehörigem Umweltkontext. So entstehen standardisierte, wissenschaftlich nutzbare Daten statt Videomaterial, das später gesichtet werden muss.
Abb. 1. Ultralytics YOLO26 führt eine Erkennung auf Artebene in Aufnahmen eines hawaiianischen Korallenriffs aus.
Jede Kameraeinheit erkennt und verfolgt Objekte am Edge und übermittelt anschließend kompakte strukturierte Ereignisse (JSON im Kilobyte-Bereich) statt Rohvideo.
Wenn das System ein relevantes Objekt erkennt, werden die Inferenzergebnisse per Satellit an eine Cloud-Architektur gesendet, wo sie aggregiert, analysiert und Wissenschaftlern sowie Partnern im Naturschutz zugänglich gemacht werden. Dieser Edge-First-Ansatz reduziert den Übertragungsbedarf deutlich, spart Energie und ermöglicht den jahrelangen Betrieb der Plattform pro Einsatz – ohne manuelles Eingreifen.
Um das System zukunftssicher zu machen, arbeitete PO2 eng mit Ultralytics zusammen, um die neueste Generation NPU-betriebener Edge-KI-Beschleuniger zu evaluieren. Diese Zusammenarbeit half PO2, die passenden Hardwarekombinationen für sein strenges Energiebudget einzugrenzen und gleichzeitig die Flexibilität zu bewahren, beim Wachstum der Plattform neue KI-Modelle hinzuzufügen, etwa für die Audio-Inferenz von Hydrofon-Daten.
Abb. 2. Darstellung der Lösung von Ocean Oasis.
Ein früher Nutzer der Ultralytics Platform#
Neben dem produktiven Einsatz von Ultralytics-YOLO-Modellen wurde PO2 eines der allerersten Unternehmen, die die Ultralytics Platform nutzten – die neue durchgängige Umgebung zum Annotieren, Trainieren und Bereitstellen von YOLO-Modellen an einem Ort.
Mit der Ultralytics Platform kann das Team von PO2 maritime Datensätze verwalten, sowohl Standardmodelle als auch Ultralytics Enterprise YOLO26 trainieren, Smart Annotation nutzen, um die Datenkennzeichnung deutlich zu beschleunigen, und trainierte Modelle für praktisch jedes Format exportieren, damit sie auf seiner Edge-Hardware eingesetzt werden können. Dieser einheitliche Workflow hat PO2 geholfen, die Plattform während ihrer Weiterentwicklung schnell anzupassen und gleichzeitig Daten, Modelle und Experimente beim Wachstum des Teams zentral zu verwalten.
Warum Ultralytics YOLO wählen?#
Für Project Ocean Oasis geht die Zusammenarbeit mit Ultralytics über die Modellleistung hinaus und bietet Zugang zu Fachwissen sowie eine einheitliche Plattform, die das Team in jeder Entwicklungsphase unterstützt. Ultralytics-YOLO-Modelle bieten die Flexibilität, auf einer großen Bandbreite von Edge-Geräten zu laufen – von extrem stromsparenden MCUs bis hin zu leistungsfähigeren NPU-Beschleunigern – und liefern gleichzeitig die für die Überwachung der biologischen Vielfalt unter Wasser erforderliche Genauigkeit.
Durch die enge Zusammenarbeit mit Ultralytics konnte PO2 die komplexe Landschaft der Edge-KI-Beschleuniger bewältigen und die passenden Hardwarepartner für seine mehrjährigen Einsatzpläne identifizieren.
Auf dem Weg zu gesünderen Meeren#
Project Ocean Oasis hat seine ersten Sensoren durchgängig validiert – von der KI-Inferenz am Edge bis zum Cloud-Dashboard – und bereitet nun den Einsatz im Wasser vor. Der Hardwareaufbau ist bereit für die Partner, die Cloud-Architektur ist betriebsbereit und wissenschaftliche Untersucher sind an den Einsatzorten verfügbar.
Ab 2026 wird das Team den Einsatz auf weitere Standorte ausweiten, das KI-Angebot auf den Geräten erweitern und die Grundlage für ein vernetztes globales Überwachungsnetzwerk schaffen.
PO2 ist auf einen Zeithorizont über mehrere Generationen hinweg ausgelegt. Die kontinuierliche Überwachung der Meere ist die grundlegende Ebene, die Evidenzbasis, die alles Weitere ermöglicht. Es geht nicht darum, diese Arbeit abzuschließen, sondern sie gut zu beginnen.
Du möchtest eigene Vision-AI-Lösungen entwickeln? Besuche unser GitHub-Repository, um Ultralytics-YOLO-Modelle zu erkunden, zu erfahren, wie YOLO Innovationen im Bereich KI im Naturschutz unterstützt, und dir die Ultralytics Platform anzusehen, um deine eigenen durchgängigen Workflows für Vision AI zu entwickeln.
