Der Begriff „Sensor zu Schützen" ist die Kurzform für die Schleife, die mit einem Sensor beginnt, der ein Objekt von Interesse erkennt, und mit einem Effektor endet, der Wirkung gegen dieses Objekt einsetzt. Die prägende Eigenschaft moderner Verteidigungs-KI besteht darin, dass sie diese Schleife komprimiert — manchmal von Minuten auf Sekunden, manchmal von Stunden auf Minuten — indem sie die kognitiven Schritte automatisiert, die ein menschlicher Bediener andernfalls ausführen würde. Diese vierteilige Serie geht durch, wo KI in der Schleife Platz findet, wo nicht und wie man die Grenzen zwischen beiden ingenieurmäßig gestaltet. Teil 1 etabliert die Schleife selbst.

Diese Serie ergänzt den architektonischen Vollständigen Leitfaden zu KI und Edge-KI in Verteidigungssoftware sowie den breiteren C2-Systeme-Pillar. Diese Leitfäden vermessen das Feld; diese Serie wird operativ.

Was die Sensor-zu-Schützen-Schleife tatsächlich ist

Die Schleife hat Stufen. Verschiedene Teilstreitkräfte und Doktrinen benennen sie leicht unterschiedlich; die kanonischen Stufen lauten in dieser Reihenfolge find (finden), fix (lokalisieren), track (verfolgen), target (zielzuweisen), engage (bekämpfen), assess (bewerten) — manchmal zu F2T2EA abgekürzt. Die OODA-Schleife (Observe, Orient, Decide, Act) bildet sich auf diese Stufen ab, wobei Observe-Orient find/fix/track abdeckt, Decide target abdeckt und Act engage abdeckt. Assess ist die Rückkopplung, die die Schleife schließt.

Jede Stufe beantwortet eine spezifische Frage:

  • Find (finden) — hat ein Sensor etwas erfasst?
  • Fix (lokalisieren) — wo genau befindet es sich, mit welcher Sicherheit?
  • Track (verfolgen) — wie bewegt es sich, und wie lautet die Prognose der nächsten Position?
  • Target (zielzuweisen) — ist es das richtige Objekt, mit ausreichend hoher Priorität, in einem zulässigen Bekämpfungskontext?
  • Engage (bekämpfen) — welcher Effektor kommt zum Einsatz, mit welchem Timing, mit welcher Autorisierung?
  • Assess (bewerten) — was war das Ergebnis, und was lernen wir für den nächsten Zyklus?

Vor der KI war jede Stufe menschlich vermittelt, wobei Software als Anzeige- und Nachrichtenleit-Infrastruktur fungierte. KI ändert das. Die Frage lautet nicht mehr „kann KI an der Schleife teilnehmen" — sie kann es — sondern „auf welchen Stufen, mit welchen Leitplanken, und welche Schwellen erfordern ausdrückliche menschliche Bestätigung".

Wo KI die Schleife komprimiert

Die operativ ehrliche Zuordnung von KI-Fähigkeiten zu Schleifenstufen im Jahr 2026:

Find — starker KI-Einsatz, geringe Kontroverse. Computer Vision auf UAV-Full-Motion-Video (FMV). Akustische Detektion. Klassifizierung von Radar-Plots. Extraktion von SIGINT-Signalen von Interesse. Die Kompression ist hier dramatisch: ein 12-stündiger UAV-Flug, der 90 Sekunden operativ relevantes Bildmaterial erzeugte, erreicht den Analysten jetzt vormarkiert, mit nach Relevanz geordneten 90 Sekunden. Das Engineering-Muster wird in KI für ISR-Datentriage behandelt, die Computer-Vision-Spezifika in Computer Vision in Verteidigungssystemen.

Fix — moderater KI-Einsatz, gut begrenzt. Track-Lokalisierung aus Multi-Sensor-Eingaben, Geo-Rektifizierung von FMV-Detektionsboxen, Identitätsauflösung über überlappende Sensoren hinweg. Die Kompression ist real, aber durch die Grundlagen der zugrunde liegenden Sensorphysik begrenzt — KI kann die Messgenauigkeit eines Radars nicht verbessern, sondern nur dessen Zuordnung zu anderen Meldungen.

Track — moderater KI-Einsatz, hybrid mit klassischen Methoden. Track-zu-Track-Korrelation verfügt über klassische statistische Verfahren (JPDA, MHT), die die operative Basis bleiben; ML-native Tracker erweitern sie, statt sie zu ersetzen. Das Hybridmuster — ML schlägt Zuordnungen vor, eine statistische Engine validiert sie — ist der operative Kompromiss. Siehe Militärische Datenfusion erklärt für die zugrunde liegende Disziplin.

Target — leichter KI-Einsatz, starker Human-in-the-Loop (HITL). Hilfsmittel zur Zielpriorisierung existieren. Empfohlene Bekämpfungslisten existieren. Autonome Zielentscheidungen sind selten und durch Doktrin eng begrenzt. Die Engineering-Implikation: KI erzeugt hier nach Priorität geordnete Kandidatenlisten mit Erklärungen; Menschen bestätigen. Die strukturelle Grenze kann nicht allein als Richtlinie umgesetzt werden — sie muss in die Plattform einkodiert sein.

Engage — minimale autonome KI, ausgereifte Entscheidungsunterstützung. Effektoren feuern, wenn Menschen sie autorisieren. KI unterstützt bei der Entflechtung von Bekämpfungszonen, bei der Vermeidung eigener Kräfte und bei der Effektorauswahl, aber der Auslöser liegt beim Menschen. Diese Grenze wird nicht durch KI-Ethikprüfung durchgesetzt (obwohl davon reichlich vorhanden ist), sondern durch Akkreditierung, Doktrin und Beschaffungsanforderungen, die in allen NATO-angeglichenen Streitkräften identisch aussehen.

Assess — starker KI-Einsatz. Schadensbewertung, Beauftragung einer zweiten UAV-Sichtung, automatisierte Battle-Damage-Berichterstattung. Die Kompression schließt die Schleife und speist sich in die find-Stufe des nächsten Zyklus zurück.

Kernerkenntnis: Die glaubwürdige KI-Kompression sitzt an den Enden der Schleife — find und assess — und ist in der Mitte flach. Das ist konsistent mit dem Vertrauensgradienten: es ist operativ akzeptabel, dass KI einen Kandidaten zur Anzeige bringt oder ein Ergebnis zusammenfasst; es ist noch nicht akzeptabel, dass KI eine Bekämpfung autorisiert. Die Engineering-Gestalt der Plattform spiegelt dies wider.

Latenzbudgets: Was „Maschinengeschwindigkeit" tatsächlich bedeutet

„Maschinengeschwindigkeit" ist die Marketingformel. Die Engineering-Realität sind Latenzbudgets pro Stufe, die sich zu einer Gesamtschleifenzeit zusammensetzen.

Typische Budgets für ein taktisches Luftverteidigungsszenario auf Brigadeebene:

  • Find — Sensor zu Detektion: ~100 ms für einen Edge-KI-Detektor auf Radar/FMV; ~1 s für zentralisierte Stapelverarbeitung.
  • Fix und Track — Fusion-Engine kombiniert: 500 ms 95. Perzentil, 1,5 s 99. Perzentil.
  • Target — menschliche Prüfung des Kandidaten, Entscheidung: 5-30 Sekunden für Routine, länger für hochriskante Fälle.
  • Engage — Befehlsweitergabe an den Effektor: 1-5 Sekunden je nach Funk.
  • Assess — erste Bombenschadensmeldung: 30 s bis 5 min je nach Sensor-Revisit.

Langsame Funkstrecken und menschliche Prüfung dominieren die Gesamtzeit. KI-Kompression bewirkt an den KI-fähigen Stufen einen spürbaren Unterschied, aber die Schleife wird durch die langsamste Stufe getaktet. Eine Plattform, die find von 5 Minuten auf 100 ms komprimiert, ist beeindruckend; wenn die target-Stufe immer noch 30 Sekunden menschlicher Prüfung benötigt, wird die Gesamtschleifenzeit von menschlicher Kognition dominiert, nicht von KI-Inferenz.

Die Implikation ist beschaffungsrelevant. Aussagen zu „Kompression der Sensor-zu-Schützen-Schleife" sollten an der langsamsten Stufe gemessen werden, nicht an der vermarkteten Stufe. Für die meisten Verteidigungsanwendungen ist die langsamste Stufe beabsichtigt — menschliche Prüfung bei target — und sie weiter zu komprimieren erfordert eine Änderung der Doktrin, nicht der Software.

Domänenüberlegungen: Die Schleife unterscheidet sich nach Domäne

Dasselbe architektonische Muster wird in den verschiedenen operativen Domänen unterschiedlich instanziiert.

Land. Langsamere Schleife, mehr menschliche Prüfung, komplexe urbane Umgebungen, die Sensoren in die Irre führen. KI-Kompression konzentriert sich auf die find-Stufe (UAV-Bildgebung, akustische Detektion) und die assess-Stufe (Schadensmeldung).

Luftverteidigung. Schnellere Schleife, engere Latenzbudgets, gut verstandene Sensormodelle. Die KI-Beteiligung ist breiter — Track-Klassifizierung, Bedrohungspriorisierung — aber nach wie vor durch menschliche Bekämpfungsautorisierung getaktet. Die Link-16-Integration trägt die taktischen Daten; siehe Link 16 taktische Datenlinks.

Maritim. Langsame Schleife, große Suchgebiete, Bedenken hinsichtlich AIS-Spoofing. KI-Kompression an der find-Stufe (AIS/ADS-B-Integration, siehe AIS- und ADS-B-Integration) und Pattern-of-Life-Erkennung (Pattern-of-Life-Analyse).

Cyber. Eine eher angrenzende als identische Schleife — Detektion, Attribution, Reaktion. Die find-Stufe ist KI-lastig (Anomalieerkennung auf Netzwerk-Telemetrie); die target/engage-Stufen sind doktrin- und rechtslastig. Siehe Plattformen für Cyber-Lagebewusstsein.

Weltraum. Aufkommend, langsame Schleife, dünne Sensorabdeckung. Frühe KI-Beteiligung auf den Sensorfusion-Stufen; die engage-Stufe bleibt nahezu vollständig menschlich.

Multi-Domain-Operationen erfordern harmonisierte Schleifen über diese Domänen hinweg. Das JADC2-Architekturmuster ist der US-amerikanische Ausdruck davon; europäische Pendants folgen ähnlichen Konturen. Siehe Europäische JADC2-Anbieter.

Wo die Human-in-the-Loop-Grenze verläuft

Die strukturelle Grenze zwischen KI-Handeln und menschlichem Handeln ist nicht verhandelbar. Sie ist in den Prinzipien der NATO AI Strategy, in nationalen Doktrinen und im humanitären Völkerrecht in seiner Anwendung auf autonome Systeme verankert. Die Engineering-Implikation: die Grenze wird als Code umgesetzt, nicht als Richtlinie.

Die Muster, die funktionieren:

Autorisierung pro Entscheidung. Jede Aktion mit operativer Konsequenz — ein Bekämpfungsbefehl, eine Änderung der Track-Klassifizierung, eine Aufgabenanweisung — erfordert ausdrückliche menschliche Bestätigung. Die Plattform weigert sich, ohne sie fortzufahren. Die Bestätigung wird mit der Bediener-Identität für die Nachbereitung protokolliert.

Abgestufte Autonomie. Innerhalb eines einzigen Workflows haben unterschiedliche Entscheidungen unterschiedliche Autorisierungsgates. Ein Track-Erstellungsereignis ist autonom; eine Track-Bekämpfungsentscheidung wird menschlich bestätigt; eine Track-Stornierung holt die Autorisierung erneut ein. Die Grenze ist entscheidungs-spezifisch, nicht workflow-spezifisch.

Eskalation bei Fehlermodi. Wenn die Konfidenz der KI in eine Empfehlung unter einen Schwellenwert fällt, eskaliert der Workflow an einen Menschen höherer Autorität, statt mit reduzierter Konfidenz fortzufahren. Dieses Muster ist am wichtigsten, wenn die KI unter beeinträchtigten Bedingungen arbeitet — Sensorstörung, adversariale Eingaben, Modelldrift.

Die breitere Behandlung von Doktrin und Ethik für Verteidigungs-KI findet sich in NATO AI Strategy für Verteidigungssoftware. Die LLM-spezifischen Leitplanken für analystenorientierte Workflows sind in LLMs in der Nachrichtendienst-Triage für die Verteidigung beschrieben.

Was diese Serie behandelt

Die verbleibenden drei Teile durchlaufen die Schleife in technischer Tiefe.

Teil 2: Sensorseitige KI geht auf die find- und fix-Stufen ein. Edge-Inferenzarchitektur, Modell-Deployment auf UAV-Nutzlasten und Bodenfahrzeuge, die Hardware-Entscheidungen, die Datenpipeline, die die Modelle stützt. Dies ist das KI-lastige Ende der Schleife und der Ort, an dem der größte Engineering-Aufwand landet.

Teil 3: Entscheidungsunterstützung und Course-of-Action-KI behandelt die target-Stufe und das analystenorientierte Werkzeug rund um sie. Empfohlene Bekämpfungslisten, Hilfsmittel zur Course-of-Action-Analyse, LLM-erweiterte Briefing-Werkzeuge und die strukturellen Muster, die Menschen in der Schleife halten.

Teil 4: Wirkungen, Effektor-Integration und Human-in-the-Loop-Grenzen schließt die Schleife. Wie KI an engage und assess teilnimmt, ohne die Linie zu autonomen Wirkungen zu überschreiten. Die Realitäten von Akkreditierung, Doktrin und Beschaffung, die die Grenze fixieren.

Jeder Teil setzt die Schleifen-Rahmung aus Teil 1 voraus und wird operativ.