Feuerwehr Hackathon 2026: Bevölkerungsschutz und Zivile Verteidigung

Schnelle Aktivierung von Spezialisten und Experten in der Bürgerschaft

Wenn bei einem Großschadensereignis plötzlich zehn Zimmerleute, zwanzig Notärztinnen oder fünfzehn Netzwerkspezialisten gebraucht werden, sind diese schwer zu identifizieren und nicht zu erreichen, besonders wenn es mal schnell gehen soll. Genau hier setzt die Challenge Helferaktivierung an. Das Team entwickelte eine mobile App, mit der Einsatzkräfte gezielt Freiwillige mit Spezialfähigkeiten aus der Bürgerschaft aktivieren können.

Es muss nur der Einsatzort und ein Alarmierungsradius eingegeben werden, die benötigten Qualifikationen und die Dringlichkeit. Die App sendet sofort Push-Benachrichtigungen an alle registrierten Helferinnen und Helfer, die das gesuchte Profil erfüllen. Diese können direkt antworten: Ich bin dabei, ich bin unterwegs, oder: Ich habe heute keine Zeit. Die Kartenansicht zeigt in Echtzeit, wer sich gemeldet hat und von wo aus die Anfahrt beginnt.

Das System verwaltet eine vollständige Liste registrierter Helferinnen und Helfer mit Qualifikationsprofilen und Kontaktdaten. In einer Weiterentwicklung soll die App auch die Einsatzsteuerung vor Ort unterstützen – inklusive Zuweisung konkreter Aufgaben an die eintreffenden Freiwilligen.

Crowd-basierte Bewertung von Kellern als Schutzräume

Wer weiß, wo in seiner Nachbarschaft ein geeigneter Schutzraum ist? Und wie können Bevölkerungsschutzdienste im Ernstfall einen Überblick darüber haben, wo Menschen Schutz suchen können und wo derzeit noch Lücken in der Versorgung bestehen? Mit diesen Fragen beschäftigte sich das Team der Challenge Schutzraum-Keller – und entwickelte eine funktionierende Web-Plattform.

Die Anwendung bietet zwei Perspektiven: Bürgerinnen und Bürger können ihren eigenen Keller selbst erfassen und anhand einer strukturierten Checkliste bewerten – zum Beispiel ob er vollständig unterirdisch liegt, ob er Splitter- und Luftschutz bieten kann und wie viele Personen er aufnehmen könnte. Die Daten landen auf einer Karte, die Schutzräume als Cluster visualisiert und gleichzeitig Lücken in der Abdeckung sichtbar macht. Diese Kartensicht ist auch für Einsatzkräfte und Führungsstäbe zugänglich: Im Krisenfall wissen sie so, wo Schutzkapazitäten vorhanden sind und in der Vorbereitung darauf, wo noch Bedarf besteht.

Das Potenzial der gesammelten Daten geht weit über den einfachen Schutzraum-Finder hinaus. Denkbar ist eine Integration in öffentliche Informationssysteme – etwa in ÖPNV-Leitsysteme, die Passanten im Ernstfall auf den nächsten Schutzraum hinweisen. Gebäudeeigentümer könnten gezielt angesprochen werden, wo die Datenlage dünn ist. Damit entsteht aus einer simplen Bürger-App ein strategisches Planungswerkzeug für den Bevölkerungsschutz.

Monitor für Kapazitäten in Krankenhäusern und Transport

Wenn ein Massenanfall von Verletzten eintritt, steht der Rettungsdienst vor einer komplexen Logistikaufgabe: Welches Krankenhaus hat noch freie Kapazitäten? Welche Sichtungskategorie darf wohin verlegt werden? Und wie entwickelt sich die Gesamtlage in den nächsten Stunden? Das ist bei spontanen und seltenen Ereignissen bereits heute eine Herausforderung, in der Planung für Zivilschutzszenarien ist es essenziell.Die Challenge Gesundheitslagebild adressierte genau dieses Problem – und lieferte gleich zwei ineinandergreifende Lösungen.

Die erste Teillösung übernimmt die digitale Transportlogistik: Ausgehend von einem definierten Einsatzort werden eintreffende Verletzte anhand ihrer Sichtungskategorie auf Krankenhäuser im Umkreis verteilt. Das System ist dabei nicht nur eine theoretische Simulation, sondern berücksichtigt die konkreten Faktoren im Realfall, z. B. Transportzeiten, verfügbare Transportmittel und aktuelle Auslastungen der Krankenhäuser und weist sogar zu, ob ein Rettungswagen oder ein Taxi für einen Patient geeignet ist. Jede Patientin und jeder Patient erhält eine nachverfolgbare ID, um auch bei mehreren Verlegungen und Sekundärtransporten den Überblick zu behalten

Die zweite Teillösung geht das Problem auf der Steuerungs-Ebene von Behandlungsressourcen an: Statt einzelne Krankenhäuser abzufragen oder sich auf manuelle Verfügbarkeitsmeldungen zu stützen, sieht die Einsatzleitung auf einem Dashboard in Echtzeit, welche Kapazitäten wo verfügbar sind. Das System erkennt auch angekündigte Lagen, etwa den Einflug von Verwundeten in 240 Minuten, und empfiehlt proaktiv, welche Betten vorausschauend wahrscheinlich freigemacht werden können. Wichtig ist in der großen Dimension der Zivilschutzszenarien nicht die Einzelbetrachtung von Krankenhäusern als individuelle Ressource, sondern die regionale oder nationale Krankenhausinfrastruktur als Gesamtreservoir. Prognosen zur Gesamtentwicklung der Lage runden das Werkzeug ab. Langfristig soll eine Anbindung an die ADT-Datenschnittstellen der Krankenhäuser die Echtzeit-Datenqualität deutlich verbessern.

Sensordatenfusion bei Einsätzen der Analytischen Task Force

Wer schon einmal ein handschriftliches Messprotokoll nach einem CBRN-Einsatz gesehen hat, durchgestrichen, unleserlich, mit wechselnden Handschriften bei jeder Übergabe, versteht das Problem sofort. Die Analytische Task Force (ATF) der Feuerwehr München setzt im Einsatz zahlreiche Messgeräte verschiedener Hersteller ein, die weder eine gemeinsame Schnittstelle noch eine einheitliche Einheit haben. Das führt zu fehleranfälligen, schwer auswertbaren Protokollen. Das Team der Challenge Sensordatenfusion schaffte in 24 Stunden Abhilfe.

Die entwickelte App liest Messwerte direkt vom Display der Geräte aus – per Kamera und optischer Texterkennung. Die Werte werden automatisch dem richtigen Gerät und der richtigen Einheit zugeordnet und in einem zentralen Dashboard dargestellt. Mehrere Messpunkte lassen sich parallel erfassen; Verlaufsgraphen zeigen, wie sich Konzentrationen über Zeit entwickeln. Das gesamte System läuft offline und lokal auf einem eigenen Server, alle sensiblen Einsatzdaten bleiben im System und verlassen es nicht.

Am Ende eines Einsatzes erzeugt die App einen druckbaren Bericht, der an Polizei oder andere Behörden übergeben werden kann. Auch Monate später lässt sich der Einsatz vollständig rekonstruieren. Was bisher ein mit Fehlern behaftetes Papierdokument war, wird so zu einer lückenlosen, strukturierten Einsatzdokumentation.

Monitoring und Filterung bei dynamischen Großereignissen

In einer Krisenlage strömen Informationen aus Dutzenden Quellen gleichzeitig ein: Social-Media-Posts, Sensordaten, Meldungen von Einsatzkräften vor Ort, Bürgerberichte, offizielle Einsatzdaten. Das Problem ist nicht der Mangel an Informationen, sondern ihre große Menge aber auch die Validität und Verwertbarkeit. Das Team der Challenge Social Media Monitoring entwickelte dafür eine integrierte Lagebildplattform mit einem mehrstufigen Vertrauensmodell.

Alle eingehenden Daten erhalten einen Credibility Level von 1 bis 3. Automatisch generierte Daten starten auf Stufe 1, Bürgermeldungen auf Stufe 2, offizielle Einsatzdaten auf Stufe 3. Eine manuelle Freigabe kann jede Meldung weiter aufwerten. Trend- und Anomaliealgorithmen erkennen ungewöhnliche Muster, etwa in Verkehrsdaten, Luftqualitätswerten oder ÖPNV-Auslastungen, und lösen automatisch Hinweise aus.

Hinzu kommt eine App-Integration, mit der Einsatzkräfte vor Ort gezielt als „Augen im Feld“ aktiviert werden können: Sie erhalten eine Alarmierung, melden per Formular, was sie sehen, und speisen damit das Lagebild. Feldinterviews werden automatisch per KI transkribiert und ausgewertet. Das Ergebnis ist ein aus vielen Quellen zusammengesetztes, nach Vertrauenswürdigkeit gefiltertes Lagebild in Echtzeit, auf einer einzigen Karte.

Echtzeit-Analyse von Personenströmen für die Gefahrenabwehr

Wie viele Menschen befinden sich gerade am Eingang der U-Bahn-Station Odeonsplatz? Und wie dicht ist es vor der Bühne beim Stadtfest? Diese Fragen sind für die Gefahrenabwehr bei Großveranstaltungen hochrelevant, aber schwer in Echtzeit zu beantworten. Das Team der Challenge Crowd Control entwickelte einen funktionierenden Prototypen, der Personendichten über Bluetooth-Signale erfasst und als Heatmap visualisiert.

Im Kern des Systems stehen kleine Sensoren, aktuell Raspberry-Pi-Einheiten, die Bluetooth-Low-Energy-Signale in ihrer Umgebung erfassen. Die Anzahl erkannter Geräte wird zusammen mit Zeitstempel und Position in einer Datenbank gespeichert. Ein React-Frontend mit C#-Backend zeigt die Daten als interaktive Heatmap; die Schwellenwerte für Farb-Alarmstufen sind konfigurierbar. Der Refresh-Zyklus beträgt fünf Sekunden, die Darstellung ist also nahezu live. Beim Hackathon selbst wurde das System live getestet: Die Karte zeigte in Echtzeit, wie viele Teilnehmenden sich im Gebäude aufhielten.

Der Vorteil der Lösung ist eine große Datensparsamkeit, denn es wird zu keinem Zeitpunkt eine Identifikation von Personen nötig oder möglich. Jedoch gibt es noch einige konzeptionelle Herausforderungen, zum Beispiel, dass nicht jedes Bluetooth-Gerät einer Person entspricht und bestimmte Konzentrationen von Signalen kontext- und nicht lageabhängig sind. Für die Weiterentwicklung kann über kleinere, akkubetriebene Sensoren an Straßenlaternen nachgedacht werden, eine Anbindung an WLAN-Zugangspunktdaten sowie eine Übertragung per Funk statt WLAN für ausfallsichere Kommunikation.

KI-Unterstützung für die Stabsarbeit im FUGS

Mitten in der Nacht, laufender Einsatz, Ablösung des Einsatzleiters. Was jetzt folgt, kennen alle, die schon Stabsarbeit gemacht haben: eine langwierige, oft unvollständige Übergabe aus dem Stegreif. Das Team der Challenge FUGS & KI hat dieses Problem in den Mittelpunkt gestellt und innerhalb von 24 Stunden eine KI-gestützte Lösung gebaut, die aus dem Einsatzleitsystem in Sekunden ein strukturiertes Lagebild erzeugt.

Das System liest alle vorliegenden Lagemeldungen aus dem Einsatzleitsystem, fasst sie zu einem kompakten Briefing zusammen und ergänzt es automatisch mit relevanten Kontextdaten: Wetterlage, offene Anforderungen, Einsatzmittelübersicht. Die Einsatzleiterin, die übernimmt, bekommt auf Knopfdruck alles, was sie wissen muss. Weitere Anwendungsfälle wurden live demonstriert: Das System kann aus denselben Daten einen Instagram-Post für die Öffentlichkeitsarbeit erstellen oder ein Briefing für Landräte, jeweils angepasst an Stil und Bedarf der Empfänger.

Besonderes Merkmal: Das gesamte System läuft lokal und vollständig offline. Als Sprachmodell kommt ein open source LLM zum Einsatz, das auf einem lokalen Server installiert und ohne Cloud-Abhängigkeit läuft. Der Code ist als Baukasten konzipiert: Jede Feuerwehr kann das Modell nehmen, an den eigenen Einsatzschwerpunkt anpassen und weiterentwickeln. Das Team hat damit nicht nur ein Tool gebaut, sondern eine Infrastruktur für viele mögliche Anwendungen geschaffen.

Sinnvoll Vorräte anlegen

Die offizielle Empfehlung der Bundesregierung zur Notfallvorsorge ist eine generische Liste mit abstrakten Mengenangaben. Was fehlt, ist ein Werkzeug, das auf den eigenen Haushalt zugeschnitten ist, das realistische Losgrößen vorschlägt und das Menschen tatsächlich dazu bringt, sich schrittweise vorzubereiten. Genau das hat das Team von Vorbereitet.Bayern gebaut.

Die Web-App fragt zu Beginn den Haushalt ab: Wie viele Personen, welche Ernährungsgewohnheiten, Allergien, Unverträglichkeiten, Haustiere und ob das Kochen ohne Strom möglich ist. Auf Basis dieser Angaben generiert die App eine personalisierte Einkaufsliste, die auf Produkte setzt, die der Haushalt ohnehin schon kennt und nutzt. Das reduziert Platzbedarf, Kosten und Lebensmittelverschwendung. Die Liste ist bewusst kurzgehalten: erst drei Tage Grundversorgung, dann weitere Stufen. Ein kleines Level-System belohnt den Fortschritt und hält die Motivation hoch.

Die eingekauften Vorräte lassen sich in der App erfassen, mit Mindesthaltbarkeitsdaten versehen und bei Bedarf erinnern. Für die Zukunft denkt das Team größer: Anonymisierte Aggregatdaten könnten zeigen, wie gut einzelne Stadtbezirke auf einen Notfall vorbereitet sind und wo Behörden gezielt Informations- und Beratungsangebote setzen sollten. Aus einem nützlichen Bürger-Tool wird so ein stadtweites Vorsorge-Barometer.

Strömungsberechnung und Koordination von Wasserrettung

Eine Person fällt in die Isar. Der Notruf geht ein. Die Feuerwehr alarmiert die nächste Wasserrettungseinheit … aber: Wo ist die Person jetzt? Wie weit ist sie in der Zwischenzeit abgetrieben? Und welcher Wasserrettungspunkt kann sie noch rechtzeitig erreichen, bevor die Strömung sie an ihm vorbeizieht? Das bestehende System arbeitet mit festen Einsatzpunkten und kann die Dynamik der Tageslage nicht einberechnen. Das Team der Challenge Wasserrettung hat das anders gedacht.

Die entwickelte Anwendung berechnet auf Basis aktueller Pegel- und Strömungsdaten, wie weit eine Person in der Isar abgetrieben sein dürfte – und welche Wasserrettungspunkte beispielsweise von Feuerwache 1 und Feuerwache 5 innerhalb von 3, 6 oder 10 Minuten erreichbar sind. Das Ergebnis wird auf einer Karte visualisiert: Ein grüner Punkt markiert den Meldepunkt, rote Punkte zeigen, wo die Person wahrscheinlich anzutreffen ist. Wasserrettungspunkte, die nicht mehr rechtzeitig zu erreichen wären, werden automatisch ausgeblendet.

Dahinter steckt ein mathematisches Graphenmodell der Isar, das Wahrscheinlichkeiten für verschiedene Treibpfade berechnet und kritische Stellen, z.B. Wehranlagen, Engstellen, als potenzielle Fundorte hervorhebt. Das Team plant, auch Hubschrauber-Einsatzkräfte und reale Flusshindernisse zu integrieren. Die Challenge baut auf einer Vorläufer-Lösung aus dem Hackathon 2024 auf und treibt sie deutlich weiter.

Lagebild zur Übungssteuerung bei Stabsrahmenübungen

Wer schon einmal eine Stabsrahmenübung geleitet hat, kennt das Werkzeug: Stoppuhr, Zettel, Whiteboard, To-do-Listen. Die Übungsleitung notiert manuell, welche Einheiten wo stehen, wie lange sie schon fahren und wann sie eintreffen müssten. Alles von Hand, alles fehleranfällig, und vor allem: für die Übenden unsichtbar. Das Team der letzten Challenge hat das digitalisiert.

Die entwickelte Anwendung liest Einsatzbefehle aus dem Führungs- und Lagesystem automatisch aus und simuliert darauf basierend die Bewegungen aller beteiligten Einheiten in Echtzeit auf einer Karte. Jede Einheit wird mit Symbol, Position, Geschwindigkeit, Besatzungsstärke und Statusübergängen dargestellt und das vollautomatisch. Die Übungsleitung sieht live, was passiert; die Übenden erhalten ein realistischeres Bild der Lage als auf der Papierkarte. Zeitsprünge ermöglichen es, Szenarien zu beschleunigen oder im Nachgang vollständig zu rekonstruieren, das ist wertvoll für die Nachbesprechung.

Als zweite Komponente hat das Team einen KI-Parser für Alarmschreiben entwickelt: Die in Bayern weitgehend standardisierten Alarmmitteilungen werden automatisch eingelesen und strukturiert ausgegeben. Das System ist modular aufgebaut. Verschiedene Kartentools lassen sich über standardisierte Schnittstellen anbinden. Damit ist die Anwendung kein Einzelprodukt, sondern ein offener Baukasten für die Digitalisierung von Übungen und Stabsarbeit.

Der Feuerwehr Hackathon 2026 hat gezeigt: Wenn die richtigen Menschen zusammenkommen und gemeinsam an konkreten Problemen arbeiten, entstehen Ergebnisse, die weit über das hinausgehen, was in 24 Stunden zu erwarten wäre. Alle zehn präsentierten Challenges haben verwertbare, praxisnahe Ergebnisse hervorgebracht. Die Ergebnisse haben wir uns gegenseitig am Ende der Veranstaltung voll Interesse und sichtlich beeindruckt von der gemeinsamen Leistung vorgestellt.

Die Feuerwehr München war Gastgeberin der Veranstaltung und Plattform für eine wirklich großartige Gruppe von Teilnehmerinnen und Teilnehmern, die sich mit viel Engagement, Expertise und Hands-on-Mentalität über 24 Stunden lang vollständig in den Dienst ihrer Challenges gestellt haben. Entscheidend war auch die Unterstützung von Unternehmen und Institutionen, die mit Fachwissen, Infrastruktur und teils auch mit Equipment dazu beigetragen haben, dass die Challenges auf professionellem Niveau stattfinden konnten. Die Feuerwehr München wird den Kontakt zu allen Teams halten und die Ergebnisse in den kommenden Monaten weiterverfolgen.