Künstlerische Darstellung eines Synthetic-Aperture-Radar-Satelliten im Orbit

Wie Software die Nutzung von Radar verändert: Von KI-Autos über Drohnenabwehr bis zur Erdbeobachtung

Radar galt lange als klassische Hardware-Technologie: Antennen, Mikrowellen, reflektierte Signale, Bildschirme mit Punkten. Doch genau das verändert sich gerade radikal. Moderne Radarsysteme werden nicht mehr nur durch bessere Antennen oder stärkere Sender leistungsfähiger, sondern vor allem durch Software: Signalverarbeitung, künstliche Intelligenz, Sensorfusion, Cloud-Auswertung, digitale Zwillinge und lernende Algorithmen machen aus Radar eine datengetriebene Wahrnehmungsmaschine.

Die aktuellsten Entwicklungen zeigen: Radar wird softwaredefiniert. Das bedeutet, dass viele Fähigkeiten, die früher fest in Hardware eingebaut waren, heute über Chips, Prozessoren, Firmware, KI-Modelle und zentrale Fahrzeug- oder Cloud-Software verändert werden können. Radar erkennt nicht mehr nur, dass „etwas“ da ist, sondern soll zunehmend verstehen, was es sieht: Auto, Fußgänger, Kind auf dem Rücksitz, Drohne, Schiff, Waldbrand, Bodenbewegung oder Überschwemmung.

1. Was bedeutet „softwaredefiniertes Radar“?

Ein klassisches Radar sendet elektromagnetische Wellen aus und misst, wie diese von Objekten zurückgeworfen werden. Daraus lassen sich Entfernung, Geschwindigkeit und Richtung ableiten. Bei modernen digitalen Radarsystemen beginnt die eigentliche Arbeit aber erst nach dem Empfang des Signals. Die Rohdaten werden gefiltert, komprimiert, interpretiert und mit anderen Sensordaten kombiniert.

Softwaredefiniertes Radar bedeutet daher nicht, dass die Hardware unwichtig wird. Im Gegenteil: Hochfrequenzchips, Antennenarrays und Signalprozessoren bleiben entscheidend. Aber die Differenzierung verschiebt sich. Entscheidend ist zunehmend, welche Algorithmen aus verrauschten Radardaten ein brauchbares Lagebild erzeugen.

Diagramm: Vom Radarecho zur Software-Entscheidung

Radarsignal

→

Digitale Signalverarbeitung

→

KI-Erkennung

→

Sensorfusion

→

Entscheidung

Moderne Radarsysteme liefern nicht nur Messwerte, sondern strukturierte Daten: Punktwolken, Objektlisten, Bewegungsmodelle und Risikoabschätzungen.

2. Der wichtigste Trend: Radar wird zur „Punktwolken-Kamera“

Eine der wichtigsten Entwicklungen ist das sogenannte 4D-Imaging-Radar. Der Begriff „4D“ meint in diesem Zusammenhang meist Entfernung, horizontale Richtung, vertikale Richtung und Geschwindigkeit. Solche Systeme erzeugen eine Art räumliche Punktwolke. Sie ähneln damit teilweise Lidar-Systemen, arbeiten aber mit Radiowellen statt mit Licht.

Der Vorteil: Radar funktioniert auch bei Dunkelheit, Regen, Nebel, Staub oder Rauch deutlich robuster als Kameras. Genau deshalb wird Radar für autonome Fahrzeuge, Robotik, Drohnenabwehr und Katastrophenschutz immer interessanter.

Radarantenne als Beispiel für klassische Radartechnik

3. Automotive: Software macht Radar zum Schlüssel für autonomes Fahren

Besonders stark ist der Wandel in der Automobilindustrie. Fahrerassistenzsysteme nutzten Radar lange vor allem für Abstandsmessung, adaptive Geschwindigkeitsregelung und Notbremsassistenten. Jetzt geht es um deutlich mehr: Fahrzeuge sollen mit Radar Fahrspuren, Fahrzeuge, Fußgänger, Zweiräder, verlorene Ladung und Objekte auch bei schlechter Sicht zuverlässig erkennen.

Mobileye meldete 2025, dass ein großer globaler Autohersteller Mobileyes Imaging Radar für ein künftiges Level-3-System ausgewählt habe. Das System soll ab 2028 für „eyes-off, hands-off“-Funktionen bei Autobahngeschwindigkeit eingesetzt werden. Mobileye betont dabei, dass Imaging Radar als Redundanz zu Kamera- und anderen Sensorsystemen dienen soll, insbesondere bei Regen, Nebel oder schwierigen Lichtverhältnissen.

NXP stellte 2025 mit der S32R47-Familie neue Imaging-Radar-Prozessoren vor. Laut NXP richten sie sich an Level-2+- bis Level-4-Anwendungen und sollen mehr Rechenleistung für hochauflösende Radaranwendungen liefern. Entscheidend ist hier nicht nur der Chip selbst, sondern die Fähigkeit, Radardaten in softwaredefinierten Fahrzeugarchitekturen zu verarbeiten.

Texas Instruments wiederum präsentierte 2025 einen 60-GHz-mmWave-Radarsensor mit Edge-KI für den Fahrzeuginnenraum. Solche Systeme können erkennen, ob sich Kinder, Erwachsene, Haustiere oder Gegenstände im Fahrzeug befinden. Radar kann dabei Privatsphäre schonender sein als Kameras, weil es keine normalen Bilder erzeugt, aber dennoch Bewegung, Anwesenheit und Position erfassen kann.

4. Firmen, die den Radarwandel prägen

Firma	Schwerpunkt	Bedeutung
Mobileye	4D Imaging Radar, autonomes Fahren	Radar als Redundanzsensor für automatisiertes Fahren
NXP	Radarprozessoren und Fahrzeugchips	Rechenplattformen für softwaredefinierte Fahrzeuge
Texas Instruments	mmWave-Radar mit Edge-KI	Innenraumüberwachung und Sicherheit im Auto
Arbe Robotics	Hochauflösendes Automotive-Radar	Radar-Punktwolken für ADAS und autonomes Fahren
Uhnder	Digitales Automotive-Radar	Digitale Radararchitektur für bessere Trennung von Objekten
Echodyne	Kompakte elektronische Radarsysteme	Drohnen, Sicherheit, Luftüberwachung
Chaos Industries	Drohnenabwehr und Verteidigungsradar	Softwaregestützte Erkennung kleiner UAVs
ICEYE, Capella Space, Umbra, Synspective	SAR-Satelliten	Radarbilder der Erde bei Nacht und durch Wolken

5. Drohnenabwehr: Radar wird durch Software schneller und empfindlicher

Ein weiterer Bereich mit enormer Dynamik ist die Drohnenabwehr. Kleine Drohnen sind für klassische Luftverteidigungsradare schwer zu erkennen: Sie sind klein, fliegen niedrig, bewegen sich manchmal langsam und können mit Vögeln oder anderen Störungen verwechselt werden.

Hier wird Software entscheidend. Moderne Systeme analysieren Radarechos nicht nur nach Größe und Geschwindigkeit, sondern nach Bewegungsmustern, Signaturen und Kontext. KI-Modelle können helfen, Drohnen von Vögeln, Fahrzeugen oder Hintergrundrauschen zu unterscheiden. Gleichzeitig müssen die Systeme extrem schnell reagieren, weil Drohnen oft in Schwärmen oder sehr niedrig fliegen.

2025 sorgte Chaos Industries für Aufmerksamkeit, weil das Unternehmen laut Reuters in einer großen Finanzierungsrunde 510 Millionen US-Dollar einsammelte und mit mehreren Milliarden US-Dollar bewertet wurde. Das zeigt, wie stark der Markt für softwaregestützte Radar- und Drohnenabwehrsysteme wächst.

6. Satellitenradar: Software macht die Erde auch bei Nacht sichtbar

Bei Synthetic Aperture Radar, kurz SAR, wird Radar von Satelliten oder Flugzeugen aus eingesetzt. Der große Vorteil: SAR funktioniert unabhängig von Sonnenlicht und kann Wolken, Rauch und teilweise Vegetation besser durchdringen als optische Kameras. Dadurch eignet es sich für Katastrophenschutz, Landwirtschaft, Klimaforschung, Schiffsüberwachung, Bergbau, Infrastrukturkontrolle und militärische Aufklärung.

Erstes von Sentinel-1 aufgenommenes Radarbild

Der eigentliche Fortschritt liegt auch hier zunehmend in der Software. SAR-Rohdaten sind komplex. Sie müssen fokussiert, geometrisch korrigiert, entrauscht, interpretiert und häufig mit anderen Datenquellen kombiniert werden. KI kann helfen, Veränderungen automatisch zu erkennen: neue Gebäude, Überschwemmungen, Bodenabsenkungen, Waldschäden, Schiffe oder Bewegungen an Hängen.

Ein wichtiges Beispiel ist NISAR, die gemeinsame NASA-ISRO-Mission. 2025 veröffentlichte NASA erste Radaraufnahmen der Erdoberfläche. NISAR soll globale Veränderungen der Erdoberfläche, Eisflächen, Vegetation, Grundwasser- und Naturgefahrenprozesse beobachten. Auch hier ist Radar nicht nur ein Sensor, sondern Teil einer riesigen Daten- und Softwareinfrastruktur.

7. Warum KI für Radar so wichtig wird

Radardaten sind für Menschen schwerer zu interpretieren als normale Kamerabilder. Ein Foto zeigt sofort erkennbare Formen. Ein Radarsignal dagegen enthält Reflexionen, Mehrwegeeffekte, Rauschen, Doppler-Verschiebungen und Signaturen, die stark vom Material, Winkel und Bewegungszustand abhängen.

Genau hier kommt KI ins Spiel. Maschinelles Lernen kann Muster finden, die mit klassischen Regeln schwer zu beschreiben sind. Besonders relevant sind:

Objekterkennung: Fahrzeuge, Menschen, Drohnen, Schiffe oder Tiere unterscheiden.
Tracking: Bewegungen über mehrere Messungen hinweg stabil verfolgen.
Rauschunterdrückung: falsche Signale reduzieren.
Super-Resolution: aus groben Radardaten feinere Punktwolken berechnen.
Sensorfusion: Radar mit Kamera, Lidar, GPS, Karten und Inertialsensoren kombinieren.
Anomalieerkennung: ungewöhnliche Muster erkennen, etwa bei Brücken, Pipelines oder Deichen.

Vergleich: Klassisches Radar und softwaredefiniertes Radar

Klassisches Radar

Misst Entfernung, Richtung und Geschwindigkeit. Die Interpretation bleibt oft begrenzt oder wird von Menschen vorgenommen.

Softwaredefiniertes Radar

Erzeugt Punktwolken, Objektlisten, Klassifikationen und Prognosen. Die Interpretation erfolgt zunehmend durch Algorithmen.

KI-Radar

Lernt Muster aus großen Datensätzen, erkennt komplexe Szenen und verbessert sich durch Training, Simulation und Updates.

8. Wetterradar: Von der Messung zur lokalen Vorhersage

Auch in der Meteorologie verändert Software die Nutzung von Radar. Wetterradar misst Niederschläge, Gewitterzellen, Hagelstrukturen und Bewegungen von Regengebieten. Moderne Plattformen können Radardaten in nahezu Echtzeit visualisieren und mit Vorhersagemodellen kombinieren. Dadurch entstehen lokale Regenprognosen, Warnsysteme und Apps, die nicht nur zeigen, wo es regnet, sondern wann ein Schauer einen bestimmten Ort erreichen könnte.

Für Hydrologie und Katastrophenschutz ist das besonders wichtig. Starkregenereignisse können lokal extrem unterschiedlich ausfallen. Software hilft, Radarbilder in Warnungen, Pegelprognosen und Einsatzentscheidungen umzuwandeln.

9. Industrie und Robotik: Radar sieht, wo Kameras scheitern

In Fabriken, Häfen, Minen, Lagern und auf Baustellen wird Radar ebenfalls attraktiver. Kameras liefern zwar detailreiche Bilder, haben aber Probleme mit Staub, Nebel, Dunkelheit, Blendung und Datenschutz. Radar kann Bewegungen und Abstände messen, ohne normale Personenbilder aufzuzeichnen.

Anwendungen sind unter anderem:

Abstandsmessung bei autonomen Transportfahrzeugen,
Kollisionsvermeidung bei Robotern,
Füllstandsmessung in Silos und Tanks,
Überwachung von Hafenanlagen,
Erkennung von Personen in Gefahrenbereichen,
präzise Messung von Vibrationen oder Bewegungen an Maschinen.

Software macht diese Anwendungen flexibler. Ein Sensor kann je nach Softwaremodell verschiedene Aufgaben übernehmen: Bewegungserkennung, Objektklassifikation, Sicherheitszone oder Zustandsüberwachung.

10. Die neue Architektur: vom Einzelsensor zum vernetzten Radarsystem

Früher war ein Radarsensor oft ein relativ isoliertes Gerät. Heute wird Radar Teil größerer digitaler Architekturen. Im Auto wandern Auswertung und Entscheidungslogik zunehmend in zentrale Rechner. In der Verteidigung werden mehrere Radarsensoren zu verteilten Netzwerken verbunden. In der Erdbeobachtung werden SAR-Daten in Cloud-Plattformen analysiert und mit optischen Satellitenbildern, Wetterdaten und Geodaten kombiniert.

Das verändert auch die Wertschöpfung. Nicht nur der Sensorhersteller verdient Geld, sondern auch Anbieter von Chips, KI-Modellen, Datenplattformen, Simulationssoftware, Cloud-Auswertung und branchenspezifischen Analysewerkzeugen.

11. Chancen und Risiken

Die Chancen sind erheblich. Softwaregestütztes Radar kann Verkehr sicherer machen, Naturkatastrophen früher erkennen, Drohnenabwehr verbessern, autonome Maschinen zuverlässiger machen und industrielle Prozesse überwachen. Radar hat dabei einen besonderen Vorteil: Es liefert eine physikalisch andere Sicht auf die Welt als Kameras. Es misst nicht Farbe und Form, sondern Reflexion, Bewegung, Entfernung und Geschwindigkeit.

Es gibt aber auch Risiken. Wenn Radar stärker durch KI interpretiert wird, stellt sich die Frage nach Validierung, Sicherheit und Fehlentscheidungen. Ein autonomes Fahrzeug darf einen Menschen nicht übersehen, nur weil das Modell die Punktwolke falsch klassifiziert. Ein Drohnenabwehrsystem darf keine falschen Ziele verfolgen. Ein SAR-Analysemodell darf bei Katastrophen keine irreführenden Karten erzeugen.

Hinzu kommen Datenschutzfragen. Innenraumradar im Auto kann Leben retten, etwa bei zurückgelassenen Kindern. Gleichzeitig müssen Hersteller klar regeln, welche Daten gespeichert, übertragen oder ausgewertet werden.

12. Ausblick: Radar wird zum Softwareprodukt

Die Richtung ist eindeutig: Radar entwickelt sich von einer spezialisierten Hardwaretechnik zu einer softwaregetriebenen Plattformtechnologie. Der Sensor bleibt wichtig, aber der entscheidende Fortschritt entsteht durch Algorithmen, Rechenleistung und Daten.

In den nächsten Jahren werden drei Entwicklungen besonders wichtig:

Mehr Auflösung: Imaging Radar wird feinere Punktwolken liefern.
Mehr KI: Modelle werden Radardaten besser interpretieren und mit Kameras, Lidar und Karten verbinden.
Mehr Vernetzung: Radarsysteme werden Teil von Cloud-, Fahrzeug-, Satelliten- und Verteidigungsnetzwerken.

Damit wird Radar zu einer Schlüsseltechnologie der nächsten digitalen Infrastruktur. Es ist nicht mehr nur das Auge der Luftfahrt oder der Wetterstation, sondern ein unsichtbarer Wahrnehmungssinn für Autos, Roboter, Satelliten, Städte und Sicherheitssysteme.

Fazit

Software verändert Radar grundlegend. Aus einem Messgerät wird ein intelligentes Sensorsystem. Aus einzelnen Echos werden Punktwolken, Objekte, Prognosen und Entscheidungen. Die wichtigsten Treiber sind autonome Fahrzeuge, Drohnenabwehr, SAR-Satelliten, Edge-KI und softwaredefinierte Fahrzeugarchitekturen.

Gerade weil Radar auch dort funktioniert, wo Kameras an Grenzen stoßen, wird es in einer zunehmend automatisierten Welt wichtiger. Die spannendste Entwicklung ist dabei nicht nur, dass Radar besser wird. Entscheidend ist: Radar wird lernfähig, vernetzbar und updatefähig. Genau darin liegt der eigentliche Wandel.

MacMalschman

Mittwoch, 20. Mai 2026