1. Management Summary

Die autonome Kampfdrohne des Jahres 2036 ist so gebaut, dass der Verlust ihrer Verbindungen sie nicht aufhält: Sie erkennt ihr Ziel an Bord, findet und zerstört es selbsttätig und navigiert funkstill — gegen elektronische Störung damit weitgehend immun. Eine vorausgegangene Studie hat diese Bedrohung vermessen; die vorliegende fragt nach der Antwort: Welche Abwehr ist 2036 möglich?

Die Kernaussage lautet: Es gibt kein Silberkugel-System. Wirksam ist allein eine gestaffelte, vernetzte Verteidigung aus vier ineinandergreifenden Funktionen — Sehen, Entscheiden, Wirken, Schützen.

Sehen. Weil Radar die kleinen, langsamen, funkstillen Ziele im Clutter verliert, trägt nur die Fusion vieler Sensoren (Radar, elektrooptisch/infrarot, akustisch, passive Funkdetektion, LiDAR) das Lagebild und die Frühwarnung.

Entscheiden. Eine KI-gestützte Planungsautomatisierung löst die Waffen-Ziel-Zuordnung bei Sättigung in Echtzeit, während der Mensch über der Schleife die Freigabe behält.

Wirken. Ein volles Effektor-Programm: Hochleistungsmikrowellen dünnen den Schwarm flächig aus (und wirken gerade weil sie nicht den Funk stören, sondern die Schaltkreise treffen); Hochenergielaser und programmierbare Splitterwolken fangen die Leckage einzeln auf; kinetische Interzeptoren und Netzfänger greifen selbst im totalen Funkschweigen.

Schützen. Eine störfeste, EW-sichere Verbundkommunikation hält das vernetzte Feuer zusammen, und ein gestaffelter Eigenschutz — Mikrowelle, Laser, Netz, Härtung — verteidigt die Kommandostrukturen, die das System führen.

Die ehrlichen Grenzen sind benannt: keine Schicht ist dicht (Restleckage ist Designparameter), sehr grosse Schwärme stossen an Magazintiefe und Energie, der Mikrowelleneinsatz im eigenen Raum bedroht die eigene Elektronik (Fratrizid), und die Ökonomie entscheidet — eine «vergoldete» Abwehr kehrt die Kostenasymmetrie wieder gegen den Verteidiger.

Das Schlusskapitel führt das System in eine Organisation über: den Aufbau eines Drohnenabwehr-Bataillons der Schweizer Armee (geführt von einem Oberstleutnant, unterstellt der BODLUV Br 33, gegliedert in Stab S1–S6 und sechs Batterien von der Sensor-/Frühwarn- über die Effektorbatterien für gerichtete Energie und Abwehrdrohnen bis zur Logistik). Die amtlichen Bausteine — Air2030 mit Patriot und IRIS-T SLM, die Securiton-Sofortbeschaffung gegen Mini-Drohnen, die Taskforce Drohnen — sind real und werden klar von der Projektion auf 2036 getrennt.

Die Quintessenz beider Studien: Der Weg von der Bedrohung zur Abwehr ist technisch gangbar, aber er verlangt Architektur statt Wunderwaffe, Disziplin statt Eskalation — und die Entscheidung über Leben und Tod muss beim Menschen bleiben. Die Technik wartet nicht.

2. Ausgangslage: die Bedrohung 2036

Diese Studie ist die Kehrseite einer anderen. Eine vorausgegangene Untersuchung hat vermessen, wie weit die autonome Kampfdrohne bis zum Jahr 2036 gediehen ist — und ist zu einem unbequemen Schluss gekommen: Sie ist so gebaut, dass der Verlust ihrer Verbindungen sie nicht aufhält. Wer sie abwehren will, muss zuerst verstehen, wogegen er steht. Dieses Kapitel zeichnet die Bedrohung nach, auf die alle folgenden Kapitel antworten.

2.1 Die autonome Kampfdrohne — Stand 2036

Die Drohne von 2036 ruht auf vier gereiften Säulen. Ihr inertiales Rückgrat misst Beschleunigung und Drehrate ohne jede äussere Referenz; taktische MEMS-Inertialsensoren erreichen die nötige Güte bei einem Bruchteil früherer Grösse und Kosten [1]. Ihr künstliches Auge sieht, wo Satelliten schweigen: ereignisbasierte Kameras mit rund 140 dB Dynamikumfang und Mikrosekunden-Latenz [2], gekoppelt mit geländereferenzierter Navigation, die noch in fünftausend Metern Höhe gegen gespeicherte Karten abgeglichen wird [3]. Ihr Gehirn denkt an Bord, im einstelligen Wattbereich: ternäre Sprachmodelle ohne Gleitkomma-Multiplikation [4] und neuromorphe Recheneinheiten, die pro Entscheidung Bruchteile eines Millijoule verbrauchen [5]. Und ihr Nervensystem vernetzt sie verdeckt über elektronisch geschwenkte Phased-Array-Richtstrahlen, die kaum abzuhören und schwer zu stören sind.

2.2 Die ausfallsichere Wirkkette des Angreifers

Aus diesen Säulen erwächst eine geschlossene Angriffskette, die ohne Menschen auskommt. Die Drohne klassifiziert ihr Ziel an Bord: tiefe neuronale Netze erkennen militärische Ziele aus Radar-, elektrooptischen und Infrarotdaten, ohne dass ein Datenlink zur Auswertestelle nötig wäre [6]. Sie findet das Ziel selbst und verteilt es im Verbund — die Waffen-Ziel-Zuordnung im Schwarm ist als lernendes Entscheidungsproblem gelöst [7] —, und kooperierende Schwärme fliegen dabei an den physikalischen Grenzen, jenseits dessen, was ein Mensch steuern könnte [8]. Sie zerstört das Ziel automatisch, und sollte unterwegs der Funk ausfallen, ist das gleichgültig: Eine gestaffelte Eigennavigation trägt die Mission allein zu Ende — vom Satellitensignal über bild- und geländegestützte Ortung bis hinunter zur reinen Trägheit. Diese ist zwar prinzipiell instabil und driftet mit der Zeit [9], doch über die wenigen Sekunden des Endanflugs bleibt ihr Fehler kleiner als der Zielradius [10]. Der Angreifer hat die Verwundbarkeit, die ihn früher angreifbar machte — den Draht zum Operateur —, schlicht durchtrennt.

2.3 Warum sie so schwer zu bekämpfen ist

Genau diese Autonomie macht die klassische Luftabwehr stumpf. Vier Eigenschaften greifen ineinander:

Funkstille und EW-Resistenz. Eine Drohne, die optisch und inertial navigiert und ihr Ziel an Bord erkennt, empfängt nichts, was man stören könnte. Elektronische Kriegsführung — über Jahre das billigste und flächigste Mittel der Drohnenabwehr — läuft gegen einen funkstillen, autonomen Schwarm ins Leere [11]. Selbst raffinierte Satellitentäuschung kontert der Angreifer aktiv: Empfänger wie SemperFi entlarven das Falschsignal durch ein erzwungenes Flugmanöver und stellen die wahre Position in Sekundenbruchteilen wieder her [12].

Niedrige Signatur. Die kleinen, langsamen, tieffliegenden Ziele (in der Fachsprache «Low, Slow, Small») verschwinden im Radar-Clutter zwischen Vögeln und Geländeechos.

Sättigung. Ein Schwarm verwandelt Quantität in eine qualitativ neue Bedrohung: Eine Abwehr, die ein Einzelziel sicher trifft, wird wirkungslos, wenn zwanzig oder zweihundert Ziele gleichzeitig einlaufen — ihr gehen Zeit und Geschosse aus.

Kostenasymmetrie. Auf der Angreiferseite stehen viele billige, ersetzbare Glieder, auf der Verteidigerseite wenige teure Effektoren. Modellrechnungen aus jüngeren Konflikten nennen Kosten-Austausch-Verhältnisse bis 190:1 zuungunsten des Verteidigers [13] — als Schätzung zu lesen, in der Grössenordnung jedoch der ökonomische Kern des Problems.

Die unbequeme Summe: Gegen die autonome, funkstille, in Masse auftretende Drohne versagt jedes Einzelmittel. Es gibt, wie ein US-Verantwortlicher es formulierte, kein «Silberkugel-System». Wirksam ist nur eine gestaffelte, vernetzte Abwehr aus vielen komplementären Schichten — und genau deren Bausteine vermisst diese Studie.

2.4 Fragestellung, Methodik und Aufbau

Die Untersuchung fragt: Welche Abwehrmassnahmen gegen die autonome Drohnenbedrohung sind im Jahr 2036 möglich — und wie fügt man sie zu einem funktionierenden Ganzen? Sie ist eine Literatur- und Technologiesynthese; ihre Faktenbasis stammt, wo immer möglich, aus wissenschaftlichen Primärpublikationen, ergänzt um Behörden- und Institutsberichte sowie — für die schweizerische Organisation — amtliche Quellen, die als solche gekennzeichnet sind. Sie übernimmt die belegte Grundlage der vorangegangenen Drohnen-Studie und erweitert sie um eigene Tiefenrecherche zur Abwehr.

Der Aufbau folgt der Logik des Gefechts. Teil I behandelt das Sehen und Entscheiden: Detektion und Frühwarnung (Kapitel 3) sowie Lagebild, Führung und Planungsautomatisierung (Kapitel 4). Teil II entfaltet das volle Effektor-Programm: Hochleistungsmikrowellen (5), Hochenergielaser (6), programmierbare Splitterwirkung (7), kinetische Interzeptoren (8), physischer Netzschutz (9) und elektronische Kriegsführung (10). Teil III widmet sich der Vernetzung und dem Eigenschutz: EW-sichere Verbundkommunikation (11), der Schutz der Kommandostrukturen selbst (12) und die Ökonomie der Abwehr (13). Teil IV integriert das Ganze: die Synthese eines gestaffelten Systems samt Szenario (14), die rechtliche Einordnung (15) und — als Schlusskapitel — der konkrete Aufbau eines Drohnenabwehr-Bataillons der Schweizer Armee (16).

3. Frühwarnung gegen das funkstille, kleine, schwärmende Ziel

Jede Abwehr beginnt mit dem Sehen. Was die Kampfdrohne von 2036 an Bord leistet — autonom erkennen, verdeckt vernetzen, ausfallsicher navigieren —, muss die Abwehr in ihrem Nervensystem nachvollziehen: Sie muss das kleine, langsame, funkstille Ziel erfassen, bevor es wirkt. Der eigentliche Engpass der Drohnenabwehr liegt nicht beim Effektor, sondern eine Stufe davor — in der Frühwarnung. Wer nicht rechtzeitig sieht, dem nützt die schärfste Waffe nichts.

3.1 Warum ein einzelner Sensor scheitert

Die Fachliteratur fasst die Drohne als Detektionsproblem unter dem Kürzel LSS zusammen — «low, slow, small». Jede einzelne Sensorgattung stösst an diesem Ziel an eine eigene Grenze: Der Radarquerschnitt ist winzig, die Wärmesignatur schwach, die Geschwindigkeit liegt nahe der Clutter-Schwelle, und ein dauerhaftes Funksignal sendet die autonome Drohne gar nicht erst. Die massgeblichen Übersichtsarbeiten kommen übereinstimmend zum selben Schluss: Kein Sensor allein schliesst die Lücke, nur die mehrschichtige Multi-Sensor-Fusion [11], [14], [15].

Die Stärken und Schwächen der Gattungen ergänzen sich geradezu lehrbuchhaft [16], [17]:

Funkdetektion (RF) wirkt passiv und früh — aber blind gegen die funkstille, autonome Drohne, die nichts sendet.

Radar ist allwetterfähig und reichweitenstark — aber kämpft mit dem schwachen Radarquerschnitt und verwechselt die Drohne mit Vögeln.

Elektrooptik/Infrarot (EO/IR) liefert die Identifikation — aber nur in Sichtlinie und bei gutem Wetter.

Akustik ist günstig und funktioniert unabhängig vom Funkschweigen — aber nur im Nahbereich und empfindlich gegen Wind und Lärm.

Jede ernstzunehmende C-UAS-Architektur zerfällt deshalb in drei Schichten: Sensorik (Detektion, Identifikation, Lokalisierung, Verfolgung), Führung (C2) und Wirkung [11]. Die ersten beiden sind der Kern dieses und des nächsten Kapitels — und der wunde Punkt der ganzen Kette.

3.2 Multi-Sensor-Fusion: was sich heute messen lässt

Die Fusion ist kein Versprechen, sondern messbar. Ein offenes Forschungs-Framework von 2026 verschmilzt sechs Verarbeitungsschichten — Funkklassifikation, akustische Motorsignatur, KI-Bilddetektion, evidenzgewichtete Sensorfusion, eine Verhaltensklassifikation und ein Schwarmmodul auf Basis eines Graph-Neural-Network. Auf drei realen Datensätzen erreicht es 96,1 % Detektionsgenauigkeit bei 3,2 % Fehlalarmrate und einer Ende-zu-Ende-Latenz von 142 Millisekunden auf handelsüblicher Hardware; die Verhaltensanalyse liefert eine prädiktive Vorwarnzeit von rund 30 Sekunden [18]. Das ist die Grössenordnung, in der ein autonomes Frühwarnsystem 2036 arbeitet: scharfe Erkennung, geringe Fehlalarmrate, Reaktion im Sekundenbruchteil.

Die Komplementarität der Gattungen ist auch im Freifeld belegt. Auf einem von der US-Forschungsförderung betriebenen Testbett wurden ein Netz passiver Funksensoren und ein Ku-Band-Radar über einen Kalman-Filter fusioniert; das Ergebnis zeigt, dass Radar und Funk unter wechselnder Geometrie einander auffangen — die Fusion unterdrückt grosse Einzelfehler und erhöht die Verfolgungsabdeckung, ohne gegenüber den Einzelsensoren an Leistung zu verlieren [19].

Solange die Drohne irgendetwas sendet, kann die Vorklassifikation sehr scharf werden. Ein funkbasierter Fingerabdruck-Detektor erreicht bei 10 dB Störabstand 99,8 % Detektion bei 2,8 % Fehlalarm; ein Klassifikator unterscheidet 15 Steuerungstypen mit 98,1 % Genauigkeit — selbst neben WLAN- und Bluetooth-Störern [20]. Sendet die Drohne gar ihre Kennung, wird die Frühwarnung trivial: Die Dekodierung der Drone-ID liefert Echtzeit-Telemetrie auf 1,3 bis 3,7 Kilometer [21]. Genau das aber ist der einfache Fall. Der harte Fall ist die Drohne, die schweigt.

Abbildung 1: Schichtmodell der Drohnenabwehr-Frühwarnung: kein Sensor allein schliesst die LSS-Lücke. Quelle: Kapitel 3.

3.3 Wenn die Drohne schweigt: Akustik und dichte Sensornetze

Gegen das Funkschweigen gibt es keine Wunderwaffe, aber zwei tragfähige Antworten. Die erste ist die Akustik, die unabhängig von jedem Funksignal wirkt. Der Propellerantrieb einer Drohne ist laut, und sein Geräusch verrät sie, auch wenn sie elektromagnetisch schweigt: Ein Mehrknoten-Akustiksystem mit lernender Signalauswertung erreicht seine maximale Reichweite ohne tote Winkel bei einer halbkreisförmigen Anordnung der Knoten in rund 75 Metern Abstand zum Schutzobjekt [22] — ein konkreter Planungswert für die Stellung eines Sensornetzes.

Aus diesem Prinzip wird im Verbund ein nationales Akustik-Sensor-Netzwerk: ein flächendeckendes Netz vieler, einzeln sehr billiger Mikrofon-Knoten, die ihre Geräuschdetektionen über Mobilfunk an ein zentrales Lagebild melden, das aus der Vielzahl der Meldungen Spur und Flugrichtung des Ziels rekonstruiert. Das Vorbild ist das ukrainische System Sky Fortress: tausende über das Land verteilte Akustiksensoren zu je rund 400 bis 1’000 US-Dollar, die mehr als ein Fünftel aller anfliegenden Ziele beisteuern — gerade gegen die niedrig und langsam fliegende, propellergetriebene Angriffsdrohne vom Typ Shahed, die ein klassisches Radar im Bodenclutter kaum fasst [23]. Der Wert eines solchen Netzes liegt nicht in der Präzision des einzelnen Knotens, sondern in seiner Dichte und Billigkeit: Es ist die kostengünstigste Schicht, um ein ganzes Land mit einer ersten, funkstille-tauglichen Frühwarnung zu überziehen, und es ergänzt das passive Radar (PCL) und die übrigen Sensorgattungen, statt sie zu ersetzen.

Die zweite Antwort ist die Dichte. Wenn ein einzelner billiger Sensor zu sehr rauscht, hilft die Zahl: Erst die Vielheit gestreuter Knoten macht aus unsicheren Einzelmessungen ein verlässliches Bild. Wie dicht das Netz sein muss, lässt sich rechnen — für einen pegelbasierten Detektor liefern geschlossene Ausdrücke die kritische Sensordichte, welche die mittlere Detektionswahrscheinlichkeit bei vorgegebener Fehlalarmrate maximiert [24]. Die Faustregel dahinter ist die Wurzel-N-Logik der Statistik: Mittelt man N unabhängige, verrauschte Messungen, sinkt der zufällige Fehler mit der Wurzel aus N. Vier Sensoren halbieren das Rauschen, hundert drücken es auf ein Zehntel. Frühwarnung gegen den Schwarm ist deshalb eine Frage der Streuung vieler billiger Augen, nicht eines einzelnen teuren.

3.4 Radar gegen LSS: starrender Blick und Detektion vor der Schwelle

Das Radar bleibt der Arbeitspferd-Sensor — aber nur in neuer Bauart. Statt einer mechanisch rotierenden Antenne setzt sich das starrende (holografische) Radar durch: ein digital voll abgetastetes Array, das jede Raumzelle kontinuierlich im Blick behält. Die lange Verweilzeit ist entscheidend, um die schwachen Echos eines LSS-Ziels über die Zeit aufzuintegrieren. Im urbanen Verbund mehrerer solcher Radare liefern bistatische und monostatische Anordnungen vergleichbare Genauigkeit; das eigentliche Problem ist die Synchronisation des Netzes, gelöst über die Auswertung des Direktsignals [25]. Verfolgt das Radar zugleich die rotorinduzierte Mikro-Doppler-Signatur, trennt es Drohne von Vogel deutlich zuverlässiger [26].

Bei den oft genannten hohen Klassifikationsraten ist Vorsicht geboten: Sie stammen meist aus hohem Störabstand unter Laborbedingungen; unter realem niedrigem Störabstand, in Clutter und mit Vogelverwechslung weichen die operativen Werte ab [27]. Genau hier setzt das wirkungsvollste Radarverfahren gegen LSS an: Track-before-detect (TBD). Statt erst eine Schwelle zu setzen und dann zu verfolgen, integriert TBD das Rohsignal entlang der hypothetischen Flugbahn und entscheidet erst danach — der einzige Weg, Ziele unterhalb der klassischen Detektionsschwelle zu fassen, die ein gewöhnlicher CFAR-Detektor verwerfen würde [28], [29]. Das kohärente TBD integriert über mono-, bi- und multistatische Anordnungen beliebig lange und detektiert Ziele, «die mit konventionellen Techniken nicht detektierbar sind» [30]. Im verteilten Sensornetz, das die Wellenformen aller Knoten gemeinsam auswertet, sinkt der Lokalisierungsfehler real erprobt auf 20 bis 42 Zentimeter bei voller Detektionsrate in Clutter [31]. Und wo das eigene Sensornetz überlastet oder gestört wird, fangen software-definierte Knoten über fremde Signale (Signals of Opportunity) den Detektionsausfall passiv auf — Frühwarnung übersteht eine Teilstörung [32].

3.5 Passives Radar (PCL): sehen, ohne zu senden

Es gibt eine Radargattung, die das Kernproblem der funkstillen Bedrohung aus der entgegengesetzten Richtung löst — indem sie selbst funkstill bleibt. Passive Coherent Location (PCL) sendet nichts; sie nutzt die bereits vorhandenen Sendesignale von Rundfunk- und Mobilfunknetzen als Beleuchter (Illuminators of Opportunity) und wertet deren Reflexionen am Ziel aus [33]. Das Prinzip ist bistatisch oder multistatisch: Sender und Empfänger sind räumlich getrennt; gemessen werden die bistatische Laufzeitdifferenz (TDOA) und der bistatische Doppler (FDOA). Eine konstante Laufzeitdifferenz definiert ein Rotationsellipsoid mit Sender und Empfänger als Brennpunkten, auf dem das Ziel liegt; erst der Schnitt von mindestens drei solchen Ellipsoiden ergibt die 3D-Position, gelöst über gewichtete kleinste Quadrate oder geschlossene Ansätze und verfolgt mit einem (erweiterten) Kalman-Filter [34], [35], [36]. Die Fusion von Laufzeit und Doppler unterdrückt dabei Geisterziele, weil ein echtes Ziel zugleich geometrisch und kinematisch konsistent sein muss [37].

Für diese Studie ist PCL aus drei Gründen die vielleicht eleganteste Antwort auf die funkstille Drohne. Erstens ist sie selbst emissionsfrei: Sie kann nicht gestört und nicht über ihre eigene Abstrahlung geortet werden — der Verteidiger sieht, ohne sich zu verraten. Zweitens trifft sie genau das harte Ziel: Die langsam und niedrig fliegende, propellergetriebene Angriffsdrohne mit kleinem Radarquerschnitt, die ein klassisches Radar im Bodenclutter verliert, lässt sich durch lange kohärente Doppler-Integration herausarbeiten; und niederfrequente Beleuchter im VHF-Band (UKW, DAB+) erzeugen bei Strukturgrössen im Meterbereich Resonanzeffekte, die sogar signaturarme Ziele sichtbar machen [38]. Drittens arbeitet sie mit bestehender ziviler Infrastruktur und ist damit billig und souverän einsetzbar — ein gewichtiges Argument gerade für einen neutralen Staat mit dichtem Sendernetz.

Die Wahl des Beleuchters bestimmt den Kompromiss aus Reichweite und Auflösung [33]. UKW-Rundfunk (VHF, hohe Sendeleistung) reicht über 150 Kilometer, löst aber wegen geringer Bandbreite räumlich nur grob auf — was sich durch Entfaltungsverfahren verbessern lässt [39]. DAB+ (Bandbreite ~1,5 MHz, rauschähnliches OFDM-Signal mit nahezu idealer Unschärfefunktion) liefert rund 100 Meter Auflösung im Regionalbereich [40]. DVB-T/T2 (8 MHz) erreicht 20 bis 40 Meter für präzises Tracking [38], und 5G New Radio verspricht über die stets gesendeten Synchronisationsblöcke (SSB) meternahe Auflösung im Drohnen-Nahbereich [41], [42]. Die zentrale technische Hürde ist die Direct Path Interference — das Direktsignal des Senders ist 60 bis 100 dB stärker als das Echo —, die mit dem Extensive Cancellation Algorithm und seinen Doppler-empfindlichen Varianten herausgefiltert wird [43], [44]; empfängerseitiges Beamforming und lernende Ressourcenzuteilung im Sensornetz steigern die Leistung weiter [45], [46].

Operativ ist die Reife belegt. In der NATO-Messkampagne SET-258 (Polen, September 2024, mit Schweizer Beteiligung) detektierte ein passives System vom Typ Hensoldt TwInvis Ziele vom Leichtflugzeug bis zur ballistischen Rakete auf bis zu 300 Kilometer und speiste seine Spuren erstmals in ein militärisches Netz ein — die Fusion aktiver und passiver Radardetektion im Verbund [47], [48]. Für die Schweiz ist die Ausgangslage günstig: Ein dichtes DAB+-Gleichwellennetz und nahezu flächendeckende 5G-Versorgung bilden ein geradezu ideales PCL-Umfeld [49], und armasuisse erforscht mit dem Projekt RadCom bereits die gemeinsame Nutzung von Sensorik und Kommunikation [50]. PCL ersetzt das aktive Radar nicht, aber es füllt dessen Lücken — vor allem im topografisch abgeschatteten Alpenraum — und fügt der gestaffelten Frühwarnung eine Schicht hinzu, die der Gegner weder stören noch orten kann.

3.6 Der Übergabepunkt: vom weiten zum engen Sensor

Detektion ist nicht Wirkung. Zwischen beiden steht die Sensor-Übergabe — die geordnete Kette vom weiten, groben Sensor zum engen, präzisen. In der erprobten Form führt das Radar die Erstdetektion, ein Weitwinkel-Infrarotsensor übernimmt das Grob-Tracking, und ein Feinsensor auf einem schnell schwenkenden Spiegel das Fein-Tracking, zunehmend KI-gesteuert [51]. Schon mit zwei Kameras gelingt das ressourcenschonend: Eine statische Weitwinkelkamera detektiert das kleine Ziel, eine zoomende Kamera auf einem Schwenkturm wird darüber geführt [52]. Diese Übergabe ist der eigentliche Kern jeder Engagement-Kette — und sie lässt sich vor dem Bau modellieren: Simulationsmodelle für Detektionswahrscheinlichkeit, Fehlalarm und Messfehler aktiver wie passiver Sensoren erlauben es, ein Frühwarnnetz zu dimensionieren, bevor der erste Mast steht [53]. Die Lehre aus der Flughafendoktrin gilt für die militärische Stellung gleichermassen: Nur die geschichtete Multi-Sensor-Fusion schliesst die LSS-Lücke, eingebettet in ein gemeinsames Lagebild [54].

Viele scharfe Einzelspuren ergeben aber noch kein Lagebild. Sie müssen zu einem erkannten Luftbild verschmelzen, gemeinsam gedeutet und einem Entscheider in einer Form vorgelegt werden, die er unter Zeitdruck versteht. Das ist die Arbeit der Führung — und Gegenstand des nächsten Kapitels.

4. Lagebild, Führung und Planungsautomatisierung

Die Abwehr gewinnt nicht am stärksten Effektor, sondern an der kürzesten, robustesten Schleife zwischen Sehen und Wirken. Hat das vorige Kapitel gezeigt, wie die Abwehr das funkstille Ziel überhaupt erfasst, so behandelt dieses, was zwischen Erfassung und Wirkung geschieht: das Verschmelzen vieler Spuren zu einem Luftbild, das automatisierte Verteilen knapper Wirkmittel auf viele Ziele und das Weiterführen all dessen, wenn die eigene Vernetzung selbst gestört wird. Hier entscheidet sich der Kampf gegen den Sättigungsschwarm.

4.1 Das eine erkannte Luftbild

Militärische Führung ist verteilte, dynamische Entscheidung unter Unsicherheit — Sensoren, Kommunikation, Rechner und Effektoren müssen zu einem Prozess zusammengeführt werden, dessen Leistung sich messen lässt [55]. Das Lagebild ist deshalb kein Bildschirm, sondern die fusionierte Entscheidungsgrundlage: das eine erkannte Luftbild (Recognized Air Picture), in dem alle Einzelspuren zu einer gemeinsam gedeuteten Lage zusammenfliessen. Voraussetzung dafür ist eine gemeinsame Datensemantik — ohne eine standardisierte Führungssprache gibt es kein gemeinsames Luftbild und keine schnelle Übergabe zwischen Sensor und Schütze; das RAND-Programm für eine universelle C2-Sprache adressiert genau diese Interoperabilität über Systemgrenzen hinweg [56].

Der Engpass gegen LSS-Schwärme ist dabei nicht der Effektor, sondern die Verkürzung der Entscheidungsschleife. Die NATO-Doktrin und ihre Analysen betonen übereinstimmend, dass die Beschleunigung des OODA-Zyklus — beobachten, orientieren, entscheiden, handeln — über Sieg oder Niederlage entscheidet; die Integration unbemannter Systeme «könnte die Zeit für das Engagement verkürzen und die Präzision erhöhen» [57], [58]. Die einzige hart belegte Ende-zu-Ende-Zahl bleibt die Detektionslatenz von 142 Millisekunden und die Vorwarnzeit von 30 Sekunden eines fusionierenden Frühwarnsystems [18]; die volle Schleifenverkürzung in Sekunden ist operativ und meist klassifiziert. Die Richtung aber ist eindeutig: Wer schneller vom Sehen zum Wirken kommt, gewinnt.

4.2 Architektur des Battle-Management-Systems

Damit ein verteiltes Lagebild trägt, braucht es eine dienstorientierte, lose gekoppelte Architektur: skalierbar, wiederverwendbar, überlebensfähig und interoperabel über einen gemeinsamen Datenbus, sodass der Kommandeur eine dynamische, robuste Lage führen kann [59]. Dass diese Interoperabilität keine Theorie ist, zeigen die technischen Interoperabilitätsübungen der NATO: Über vier Editionen wurden je 60 bis 70 Systeme — Sensoren, Effektoren, Störer, Bedrohungsdrohnen — live auf Detektion, Identifikation und Neutralisation und auf ihr Zusammenspiel über Herstellergrenzen hinweg geprüft [60]. Die Ende 2023 verabschiedete erste NATO-C-UAS-Doktrin rät den Mitgliedsstaaten ausdrücklich zu geschichteten Ansätzen und gemeinsamer Operatorausbildung; erprobt wurde sie unter realer Störumgebung in einer Übung am Schwarzen Meer [58], [61]. Die Doktrin hinkt der Bedrohung allerdings hinterher: Die Planung gegen Schwärme verlangt eine tiefere Neuverteilung von Rollen über alle Bereiche, als die bestehenden Kräftestrukturen sie hergeben [62].

4.3 Planungsautomatisierung: Waffen-Ziel-Zuordnung bei Sättigung

Ist das Luftbild fusioniert, stellt sich beim Sättigungsangriff die eigentlich harte Frage: Welcher Effektor bekämpft welches Ziel zuerst? Bei Dutzenden gleichzeitiger Spuren übersteigt diese Zuordnung die menschliche Echtzeitfähigkeit — hier beginnt die Planungsautomatisierung. Die Waffen-Ziel-Zuordnung (Weapon-Target Assignment, WTA) ist «die entscheidende Entscheidungsunterstützung in Führung und Einsatz». Gegen schwärmende, billige, eigenrisikoarme Ziele versagt die klassische Punkt-zu-Punkt-Sättigungssalve ökonomisch; das Problem muss für Flächenziele und unter realen Einsatzbeschränkungen neu formuliert werden — Kollateralschaden, Sicherheitsabstand, Schadensschwelle, Präferenzzuweisung [63]. Der nächste Schritt koppelt Sehen und Wirken in einem Optimierungsproblem: Das dynamische Sensor-und-Waffen-Ziel-Zuordnungsmodell vereint Bedrohungsbewertung, Detektionswahrscheinlichkeit, Schadenswahrscheinlichkeit und Entscheidungszeitpunkt und löst sie über einen evolutionären Algorithmus [64].

Abbildung 2: Waffen-Ziel-Zuordnung bei Sättigung: vom Angriffsschwarm über den Optimierer zu heterogenen Effektoren. Quelle: Kapitel 4.

4.4 Wenn Lernen die Heuristik schlägt

Der Schlüsselbefund der jüngeren Forschung: Gegen Kamikaze-Schwärme schlägt eine lernende Policy die handgefertigte Regel. Ein Reinforcement-Learning-Agent lernt in hochauflösender Simulation, mehrere Effektoren zu koordinieren und die Abfangpriorität zu optimieren; gegen eine regelbasierte Vergleichslösung erzielt er über Hunderte Angriffsszenarien hinweg konsistent geringeren Durchschnittsschaden und höhere Verteidigungseffizienz beim Schutz kritischer Zonen — als strategische Schicht, die bestehende Feuerleitsysteme ergänzt, nicht ersetzt [65]. Der Befund ist robust: Verbesserte Deep-RL-Verfahren schlagen klassische dynamische WTA-Löser in Siegrate, Belohnung und Ressourceneffizienz [66], und schwarmintelligente Varianten skalieren die Zuordnung in «grossräumige Extrembedingungen» hinein [67]. Statt einer einzigen Lösung legt die mehrkriterielle Optimierung dem Entscheider einen Pareto-Satz von Alternativplänen vor, der Kollateralschaden und Ressourcenverbrauch zugleich minimiert [63] — sie nimmt ihm die Last der Echtzeit-Berechnung ab, ohne ihm die Wahl zu nehmen.

4.5 Effektor-Koordination und Schwarm gegen Schwarm

Die Zuordnung allein genügt nicht; die Effektoren müssen sich auch koordinieren. Ein vernetzter Verteidigungsschwarm organisiert seine Abfangformation bei Detektion selbst, verfolgt das feindliche Fluggerät über selbstbalancierendes Clustering und bleibt widerstandsfähig gegen Kommunikationsverluste — ein vollständig dezentraler Ansatz, der ohne zentrale Instanz weiterführt [68]. Der Engpass kooperativer Mehragentensysteme ist die Kommunikation selbst: Verfahren, die Nachrichten auf erreichbare Nachbarn beschränken und die Partnerwahl unter Störung optimieren, sind direkt auf koordinierte Effektoren im umkämpften Spektrum übertragbar [69], [70]. Selbst die Reihenfolge, in der die Effektoren ihre Entscheidungen treffen, ist ein lernbarer Faktor, der die Gesamtleistung beeinflusst — wichtig, wenn knappe Wirkmittel sequenziell zugeteilt werden müssen [71].

4.6 Der Mensch über der Schleife

Damit ist die entscheidende Frage gestellt: Warum überhaupt die Maschine entscheiden lassen — und warum trotzdem nur unter menschlicher Kontrolle? Die Antwort liegt in der Zeit. Ein fusionierendes Frühwarnsystem schliesst seine Detektions- und Klassifikationsschleife in rund 142 Millisekunden [18]; ein Mensch braucht allein zum Wahrnehmen, Entscheiden und Handeln bei einem einzigen Reiz Bruchteile einer Sekunde bis zu mehreren Sekunden — und ein Vielfaches davon, um Dutzende gleichzeitiger Spuren zu bewerten und ihnen Wirkmittel zuzuordnen. Gegen einen Sättigungsschwarm, der in Sekunden anflutet, ist die Maschine damit nicht graduell, sondern um Grössenordnungen schneller. Diese Geschwindigkeitslücke ist keine Bequemlichkeit, sondern eine harte Grenze: Die Waffen-Ziel-Zuordnung bei Sättigung übersteigt die menschliche Echtzeitfähigkeit prinzipiell, weshalb sie automatisiert werden muss [63], [65]. Wer die Maschine hier nicht rechnen lässt, verliert — nicht aus Schwäche des Personals, sondern weil die Physik des Anflugs schneller ist als die menschliche Kognition.

Genau deshalb aber gehört die Automatisierung unter Kontrolle. Je mehr die Maschine die Zuordnung übernimmt, desto schärfer stellt sich die Frage nach der Rolle des Menschen. Bei einer Schleife, die in Millisekunden schliesst, ist «der Mensch in der Schleife» — jede Wirkung einzeln freigebend — nicht mehr durchhaltbar; die Rolle verschiebt sich zum Menschen über der Schleife, der die Einsatzregeln setzt, den automatisierten Vorschlag überwacht und jederzeit übersteuern und abbrechen kann. Genau so beschreibt der Hersteller des Patriot-Systems seinen Betrieb: «automatisierte Operation mit Übersteuerungsmöglichkeit» [72]. Und genau hier liegt die Gefahr. Die hochautomatisierten Patriot-Fratrizide von 2003 — der Abschuss eigener und alliierter Flugzeuge — waren ein Gemisch aus menschlichem und maschinellem Versagen; ihre Kernlehre lautet, dass die Übersteuerung zur Fiktion wird, sobald der Operateur die automatischen Spuren nicht mehr verifizieren kann [73], [74]. Der Automatisierungs-Bias ist kein theoretisches Risiko: Systeme, die die operative Komplexität nicht abbilden, «töten Verbündete» — mit unmittelbaren Folgen für die Verantwortung der Operateure [75], [76].

Es gibt einen konstruktiven Ausweg. Entscheidungsunterstützung, welche die menschlichen Handlungsoptionen adaptiv auf eine von der KI vorausgewählte, sinnvolle Teilmenge verengt, liess Menschen in einer kontrollierten Grossstudie deutlich besser abschneiden als allein — Beleg, dass «Mensch über der Schleife» mit gezielter Optionsverengung funktioniert, statt zwischen voller Autonomie und voller manueller Überlast wählen zu müssen [77]. Dabei sind Vertrauen und Verlass sauber zu trennen: Das Vertrauen in das Abwehrsystem ist eine schwankende, über die Zeit gemessene Grösse mit eigenen Schwellen, kein statischer Schalter — und jede Behauptung über «Vertrauen in die Automatik» muss diese Dynamik abbilden [78], [79]. Die normative Tiefe dieser Frage behandelt das Rechtskapitel; für die Führung gilt der nüchterne Kern: Die Maschine beschleunigt das Erkennen und Vorschlagen, der Mensch behält die Freigabe.

4.7 Führung im gestörten Netz

All das setzt voraus, dass das Führungssystem überhaupt noch funktioniert. Der Angreifer von 2036 wird genau das angreifen — die Vernetzung der Abwehr selbst. Künftige Führung muss deshalb unter DDIL-Bedingungen arbeiten: denied, degraded, intermittent, limited — verweigerter, verschlechterter, unterbrochener, begrenzter Kommunikation. Die aus dem Industriezeitalter stammenden, linearen Führungspraktiken sind zu langsam, um den Vorsprung zu halten; gefordert sind robuste Mensch-KI-Partnerschaften und ein gestraffter Führungsprozess [80]. Zugleich mahnt die ehrliche Gegenstimme: Die Delegation von Führungsfunktionen an eine KI kann die Fragilität des Systems sogar erhöhen und zu katastrophalen Fehlern führen. Das Gegenmittel ist ein Entwurfsprinzip aus Agilität und Antifragilität — ein System, das aus Schocks lernt und gestärkt aus ihnen hervorgeht, statt zu brechen [81], [82].

Die formale Grundlage dafür liefert die Regelungstheorie: Verteilte Regelgesetze garantieren widerstandsfähigen Konsens und Kollisionsvermeidung ohne globale Zustandskenntnis, auch bei wechselnder Topologie und fehlerhaften oder feindlich manipulierten Knoten [83], [84]. Und die Frühwarnung selbst übersteht die Teilstörung: Fällt das eigene Netz aus, fangen software-definierte Sensorknoten den Detektionsausfall über fremde Signale passiv auf [32]. Die Abwehr 2036 spiegelt damit die Drohne, die sie bekämpft — wie die Kampfdrohne autonom erkennt, verdeckt vernetzt und ausfallsicher navigiert, muss die Abwehr funkstille Schwärme multisensoriell sehen, zu einem Luftbild verschmelzen, die Zuordnung bei Sättigung automatisiert lösen und das alles im gestörten Netz weiterführen, mit dem Menschen über statt in der Schleife.

5. Hochleistungsmikrowellen (HPM): Flächenwirkung gegen Schwärme

Wenn ein Effektor die autonome, funkstille Drohne nicht entwertet, sondern trifft, dann dieser. Die Hochleistungsmikrowelle ist die einzige Schicht der Abwehr, gegen die das Schweigen des Angreifers kein Schutz ist — und zugleich die einzige, die mehrere Ziele zugleich erfasst. Sie eröffnet deshalb das Effektor-Programm.

5.1 Wirkprinzip: Energie direkt in die Schaltkreise

Die Hochleistungsmikrowelle koppelt elektromagnetische Energie unmittelbar in die Elektronik des Ziels — unabhängig von Softwarearchitektur, Kommunikationsprotokoll oder Autonomiegrad [85]. Genau das ist ihr strategischer Wert: Eine optisch und inertial navigierende Drohne, die nichts empfängt und gegen Jamming immun ist, bleibt gegen einen Mikrowellenpuls verwundbar, weil er nicht ihren Funk angreift, sondern ihre Halbleiter. Der primäre Koppelpfad ist die sogenannte Back-Door-Kopplung: interne Kabelbäume wirken als unbeabsichtigte Empfangsantennen, und die Wirkung setzt lange vor dem Durchbrennen der Halbleiter ein — als Verletzung logischer Schwellen im Signal zwischen Flugrechner und Motorregler [85].

5.2 Leistungsparameter und Flächenwirkung

Eine multiphysikalische Modellierung mit zehntausend Monte-Carlo-Durchläufen beziffert die Wirkung eines 2,45-GHz-Referenzsystems präzise [85]. Die Resonanz ist entscheidend: Motorregler-Signalleitungen von 5 bis 8 cm Länge liegen in Halbwellenresonanz und erfahren eine fünf- bis zehnfach höhere induzierte Spannung als andere Leitungslängen. Im Dauerstrichbetrieb von 25 kW liegt die Kill-Wahrscheinlichkeit bei 51,4 ± 1,0 % auf 20 m und fällt auf 13,1 ± 0,7 % auf 40 m; im Pulsbetrieb mit 500 kW Spitze (1 % Tastverhältnis, thermisch beherrschbare 5 kW Mittelleistung) steigt die 90-%-Kill-Reichweite von rund 18 m auf 88 m [85]. Entscheidend für die Schwarmabwehr ist die Geometrie: Der Strahlkegel erfasst auf 30 m rund 7,5 m Durchmesser — also mehrere dicht fliegende Drohnen gleichzeitig, was die Anforderung an präzises mechanisches Nachführen drastisch senkt [85]. Experimentell bestätigte Quellen wie der Magnetically Insulated Line Oscillator (MILO) liefern 3-GW-Pulse im L-Band als Blaupause fahrzeuggestützter Systeme [86].

Abbildung 3: Hochleistungsmikrowelle gegen Schwärme: Wirkung über Distanz. Quelle: Kapitel 5.

5.3 Systeme

Auf der Industrie- und Behördenseite (als solche zu lesen, da Leistungsdaten überwiegend klassifiziert sind) führt das US-Heer IFPC-HPM containerisiert ein, auf der Technologiebasis des AFRL-Programms THOR und seines Nachfolgers Mjölnir [87]. Epirus Leonidas — ein Festkörper-Phased-Array-HPM, auch auf dem Stryker und als kompakter Pod — wird ausdrücklich gegen funkstille, faseroptisch gesteuerte Drohnen vermarktet. In Europa bietet Diehl mit dem HPEM-Effektor SkyWolf eine Container- oder Fahrzeuglösung an. Allen gemein ist das «unbegrenzte Magazin»: Da der Effektor rein elektrisch wirkt, begrenzt nur die Energieversorgung die Schusszahl.

5.4 Der Vorteil — und seine Grenzen

Strategisch exzelliert die Mikrowelle gegen Elektronik und Schwärme und ist atmosphärisch robuster als der Laser, leidet aber unter begrenzter Reichweite, gegnerischer Härtung und thermischem Management [87]. Ihre «Eins-zu-viele»-Flächenwirkung mildert das Sättigungsproblem, doch gegen sehr grosse Schwärme bleibt Mehrfach-Integration nötig — limitiert durch elektrische Energie und Kühlung. Und sie hat eine ökonomische Achillesferse: Eine billige Vorhut-Drohne kann die teure Mikrowellenwaffe zum Feuern verleiten, deren Wirkungssignatur die nachfolgenden Glieder warnt und ihre Position verrät [88]. Die Mikrowelle ist damit die tragende äusserste Schicht gegen die schwierigste Bedrohung — aber keine Schicht für sich allein. Der nächste Ring gehört dem Laser.

6. Hochenergielaser (HEL): präzise Einzelbekämpfung

Was die Mikrowelle flächig ausdünnt, nimmt der Hochenergielaser einzeln und chirurgisch. Er ist die präzise Mittelschicht der Abwehr — mit einem tiefen Magazin, solange die Energie reicht, aber mit einer harten physikalischen Fessel: Er bekämpft zu jedem Zeitpunkt nur genau ein Ziel.

6.1 Thermophysik der Ablation

Der Laser wirkt durch Wärme. Ein nahinfraroter Strahl (1,06–1,55 µm) wird in mikrometerdünner Tiefe absorbiert, leitet Wärme ein, schmilzt und verdampft das Material, bei extremer Leistungsdichte bis zum Plasma [89]. Das Zielmaterial entscheidet über die Wirkzeit: Aluminiumlegierungen reflektieren zunächst stark, leiten Wärme gut ab und brauchen Energie — die Durchdringung einer 2-mm-Hülle erfordert rund 44,4 kJ, bei über 10 kW/cm² gelingt die Perforation in Sekunden [90]. Kohlefaserverbund (CFRP) dagegen absorbiert stark, leitet Wärme aber kaum quer ab; es kommt zu lokalem thermischem Durchgehen, Delamination und Abplatzen — CFRP versagt deutlich schneller als Metall [91].

6.2 Systemstand und Leistungsklassen

Europa ist hier weit: Rheinmetall und MBDA erprobten einen rund 20-kW-Marinedemonstrator über mehr als ein Jahr auf der Fregatte «Sachsen», mit avisierter Einsatzreife ab 2029 (Industrieangabe). Landgestützt skaliert EOS «Apollo» (Herstellerangabe) von 50 auf 150 kW und beansprucht über 20 Klasse-1-Drohnen pro Minute; kompakte Nahbereichssysteme wie SkyLANX (3–8 kW) durchdrangen im Test 1,2 mm Stahl auf 1.100 m in 10 s. Etabliertes Branchenwissen (als solches zu lesen) sind Rafael Iron Beam (~100 kW), das britische DragonFire (~50 kW) und Lockheed HELIOS (~60 kW). Fiberlaser haben den höchsten Reifegrad für die operative Stationierung; die Leistungs-Roadmap führt von heute praktikablen ~150 kW zur 500-kW-Klasse [92].

Abbildung 4: Hochenergielaser: Wirkzeit gegen Distanz und Leistungsklasse. Quelle: Kapitel 6.

6.3 Das Schwarm-Dilemma

Hier liegt die Grenze des Lasers. Er ist sequenziell: Jeder Effektor bekämpft zu jedem Zeitpunkt nur ein Ziel [93]. Die Verweildauer auf dem Ziel (Dwell Time) beträgt bei 50 kW rund 1,3 s gegen eine Klasse-1- und bis 4,4 s gegen eine Klasse-2-Drohne [90]. Tückischer noch ist die paradoxe Kinematik: Nähert sich der Schwarm, sinkt zwar die nötige Dwell Time, doch der Winkelabstand zwischen den Drohnen wächst, sodass die Nachführzeit (Slew Time) drastisch steigt — Slew und Dwell summieren sich, und ein Sättigungsschwarm wird womöglich nicht vollständig vernichtet, bevor der Rest das Ziel erreicht [90]. Hinzu kommen die Umwelt (atmosphärische Dämpfung, thermisches Blühen) und der Energiespeicher als eigentliche Magazingrenze [94]. Gegen sehr grosse Schwärme ist deshalb Mehrfach-Integration nötig, und eine monolithische Laser-Abhängigkeit ist ausgeschlossen.

6.4 Der Laser im Objektschutz

Trotz dieser Fesseln ist der Laser unverzichtbar: als chirurgische Schicht gegen die Leckage, die die Mikrowelle durchlässt, und gegen gehärtete Einzelziele, gegen die HPM versagt. Sein zentraler Eigenschutz-Vorteil ist die Magazintiefe als Funktion der Energieversorgung, nicht der Munition — bei verfügbarem Generator ist die Schusszahl praktisch unbegrenzt [92]. Was selbst der Laser nicht rechtzeitig niederringt, fällt dem nächsten, kinetischen Ring zu — der programmierbaren Splitterwirkung.

7. Programmierbare Wirkmittel: gesteuerte Splitterwirkung und Flak

Gegen einen dicht gebündelten Schwarm im Nächstbereich ist nicht die gerichtete Energie das wirksamste Mittel, sondern eine alte Idee in neuer Präzision: die Kanone, die ihre Granate genau dort zerlegt, wo der Schwarm fliegt.

7.1 AHEAD: Mündungsprogrammierung und gesteuerte Splitterwolke

Das System Skynex von Rheinmetall/Oerlikon mit 35-mm-AHEAD-Munition (Advanced Hit Efficiency And Destruction) macht aus dem Streuschuss eine gesteuerte Wirkung [95]. Eine Mündungsmessung erfasst die tatsächliche Mündungsgeschwindigkeit jedes einzelnen Projektils und überträgt ihm per Induktionsspule die exakte Zündzeit. Kurz vor dem berechneten Abfangpunkt zerlegt sich die Granate und stösst 152 schwere Wolfram-Subprojektile als kegelförmige Wolke aus, die der anfliegenden Drohne entgegensteht und ihre Aerodynamik, Elektronik und Sensoren kinetisch durchschlägt [95].

Abbildung 5: AHEAD-Wirkprinzip: Mündungsprogrammierung und gesteuerte Splitterwolke. Quelle: Kapitel 7.

7.2 Der Vorteil gegen gebündelte Schwärme

Genau hier liegt die Stärke gegenüber dem Laser: Ein einziger, präzise platzierter Feuerstoss kann mehrere dicht beieinander fliegende Drohnen gleichzeitig neutralisieren, während der sequenzielle Laser sie nacheinander abarbeiten müsste. Bei dichten Formationen im Nahbereich ist die programmierbare Splitterwolke dem Laser damit überlegen — und sie ist wetterunabhängig, wo atmosphärische Dämpfung und thermisches Blühen die gerichtete Energie schwächen.

7.3 Einordnung in das gestaffelte System

Die programmierbare Flak ist nicht die äusserste, sondern die innere Schicht: kurze Reichweite, hohe Wirkdichte, robuste Allwetterfähigkeit. Sie fängt, was Mikrowelle und Laser durchlassen, und sie schliesst die Lücke, die jede gerichtete Energie über kurze Distanz und bei schlechter Sicht offenlässt. Als Nachfolgerin der in der Schweiz auslaufenden 35-mm-Linie bleibt sie deshalb fester Bestandteil eines glaubwürdigen Nahbereichsschutzes. Was ihr im äusseren Anflug entgeht, übernehmen wiederum bewegliche Jäger — kinetische Interzeptoren, denen sich das nächste Kapitel widmet.

8. Kinetische Interzeptoren: die beweglichen Jäger

Was Mikrowelle, Laser und Flak im äusseren Anflug durchlassen, übernehmen bewegliche Jäger — Drohnen, die andere Drohnen abfangen. Sie sind die einzige Wirkschicht, die dem Angreifer auf sein eigenes Feld folgt: in die Luft, in die Bewegung, in den Schwarm hinein. Und sie kehren als einzige kinetische Schicht die ruinöse Kostenkurve der Luftverteidigung um.

8.1 Die ökonomische Umkehr

Der Lenkflugkörper trifft fast sicher, kostet aber das Tausendfache seines Ziels — gegen Masse ist das untragbar (vgl. Kapitel 13). Die Interzeptor-Drohne dreht dieses Verhältnis: Mit Stückkosten in der Grössenordnung von 1’200 bis 3’500 USD liegt sie auf Augenhöhe mit der Angriffsdrohne und macht die Abwehr erstmals skalierbar [96]. Sie ist damit die kinetische Antwort auf die Kostenasymmetrie: nicht eine teure Rakete gegen eine billige Drohne, sondern ein billiger Jäger gegen einen billigen Angreifer. Damit das aufgeht, muss der Jäger zwei Dinge können — präzise treffen und in der Zahl skalieren. Beides ist heute Gegenstand belastbarer Forschung.

8.2 Die Kunst, in der Luft zu treffen

Ein Ziel im Flug mit einer eigenen Plattform zu rammen oder mit einem Netz zu fangen, ist ein hartes regelungstechnisches Problem: Das Ziel manövriert, die Bildverarbeitung verzögert, der Wind stört. Der Durchbruch heisst bildbasierte visuelle Servoregelung (Image-Based Visual Servoing, IBVS). Sie entkoppelt die Flugdynamik des Jägers von der Ausrichtung seiner Kamera und kombiniert sie mit Proportionalnavigation und einem verzögerungskompensierenden Kalman-Filter. In Simulation erreicht das Verfahren einen Trefferradius von 0,089 Metern — fast 73 Prozent besser als der beste Vergleichswert —, im Freifeld eine Abfangquote über 80 Prozent bei Wind unter 4 m/s und eine Endgeschwindigkeit von 20 m/s [97]. Eine robuste Variante mit fest verbauter Kamera bestätigt diese Terminalleistung gegen manövrierende Ziele in Hardware-in-the-Loop- und Freiflugtests [98]. Und die Reichweite wächst: Eine 2026 vorgestellte Sektor-Sichtlinienlenkung auf einem Lifting-Wing-Quadrocopter mit blosser Monokamera fängt agile Ziele bei realem Wind noch in bis zu 138 Metern ab — rund die Hälfte mehr nutzbarer Schub als bei konischen Lenkverfahren [99]. Der Jäger von 2036 trifft nicht zufällig, er trifft berechenbar.

8.3 Drei Arten zu wirken: Netz, Rammstoss, Splitter

Wie der Jäger sein Ziel niederringt, fächert sich auf. Das Netz ist die kollateralärmste Wirkung: Das Wirkprinzip ist Verwicklung statt Zerstörung — das Netz umschlingt Rotoren und Zelle, blockiert den Vortrieb und bringt das Ziel zu Boden, ohne Sprengung, mit erhaltener Beweismittelkette [14]. Wissenschaftlich ist das Drohne-gegen-Drohne-Netzfangen als autonomes Mehr-UAV-Verteidigungssystem validiert [100], und die einzige peer-reviewte Hardware-Studie charakterisiert den Werfer selbst [101]. Wie gross das Netz sein muss, ist keine Konstante, sondern eine Funktion der Zielkinematik — und der zentrale Befund lautet: Je schneller der Jäger zustellt, desto kleiner das Netz, das er braucht [102]. Der Rammstoss verzichtet ganz auf eine Nutzlast: Die DLR-Interzeptordrohne CUSTODIAN detektiert, verfolgt und schaltet das feindliche Fluggerät durch einen autonomen Stoss in der Luft aus [103]. Und der Splitter schliesslich macht den Jäger selbst zum Flugkörper: Diehls elektrischer Interzeptor CICADA ist dual ausgelegt — wahlweise mit Splittergefechtskopf (letal) oder Fangnetz (nicht-letal) [104]. Ein Wirkprinzip für jede Lage, von der forensiktauglichen Festnahme bis zur harten Vernichtung.

8.4 Operative Systeme

Die Familie ist real und im Feld. Die radargeführte Plattform Fortem DroneHunter F700 fängt voll autonom mit getethertem oder freiem Netz, detektiert über ihr eigenes Bordradar auf rund 3 Kilometer und schleppt gefangene Ziele ab [105]. Der Delft Dynamics DroneCatcher mit pneumatischer Netzkanone steht seit 2017 bei der niederländischen Polizei im Dienst und holt Kleindrohnen aus sensiblem Luftraum [106]. Für den schnellen, schweren Angreifer existieren kinetische Hochgeschwindigkeitsjäger: Ein System wie MARSS erreicht rund 290 km/h und damit genug, um Shahed-artige Angriffsdrohnen (~185 km/h) einzuholen [96]; die US-Pendants Coyote Block 2 und Roadrunner-M stehen in derselben Klasse wiederverwendbarer kinetischer Interzeptoren. Den bodengebundenen Rand deckt der schultergeführte Netzwerfer SkyWall Patrol (bis ~100 m) und der automatische SkyWall 300 mit rechnergestützter Verfolgung (250 m, 8-m²-Netz, Nachladung in Sekunden) [107], [108] — beide wirken ohne jede elektronische Gegenmassnahme, dort wo Jamming rechtlich ausscheidet.

Der peer-reviewte Kernbeleg für die funkstille Bedrohung modelliert genau den Fall dieser Studie: eine GPS-denied, bombentragende, unkontrollierte Kamikaze-Drohne über urbaner Infrastruktur. Die vorgeschlagene Lösung sind zwei Netzkanonen-Drohnen — die erste fängt die Drohne, die zweite die abgeworfene Last —, von denen eine zusätzlich eine EMP-Waffe trägt, um die Fangzeit zu verkürzen; gegenüber dem Stand der Technik sinken Neutralisierungszeit und Gesamtkosten messbar [109].

Abbildung 6: Kinetische Interzeptoren: Reichweite und Trägerplattform. Quelle: Kapitel 8.

8.5 Die Sequentialitätsfalle und die Antwort des Schwarms

Hier liegt die harte Grenze. Ein einzelner Jäger — ob Bodenwerfer oder Interzeptordrohne — bekämpft pro Schuss genau ein Ziel. Gegen einen Sättigungsschwarm verliert der lineare Einzelfänger strukturell, dieselbe Falle wie beim sequenziellen Laser. Die Spieltheorie macht es streng: Beim k-capture gelingt der Fang nur, wenn das Ziel im Inneren der Hülle der Verfolger liegt — gegen ein agiles Ziel braucht es deshalb eine Mehrzahl koordinierter Jäger, nicht einen [110]. Und ist der Jäger langsamer als das Ziel, existiert eine Barriere, jenseits derer der Angreifer garantiert durchkommt — Geschwindigkeitsüberlegenheit ist keine Komfortgrösse, sondern Existenzbedingung [111].

Die Antwort auf den Schwarm ist deshalb der Schwarm. Ein autonomer Verteidigungs-Drohnenschwarm organisiert seine Abfang- und Fangformation selbst, wirkt GPS-frei und resilient gegen Kommunikationsverluste — also selbst gegen die elektronische Störung gehärtet [112]. Eine criticality-getriebene Online-Zuordnung mit nachweisbar endlicher Zeit bis zum ersten Fang erreicht 85,6 Prozent Neutralisierung bei unsicherer Sensorik und 99,9 Prozent bei deterministischer [113]. Damit sich die Jäger dabei nicht selbst behindern, ordnet ein kollisionsbewusstes ganzzahliges Optimierungsverfahren die Verteidiger den Angreifern so zu, dass die Summe der Fangzeiten minimal bleibt und Eigenkollisionen vermieden werden [114]; wo der Schwarm sich aufspaltet, wird wahlweise abgefangen oder in eine sichere Zone gehirtet [115], und eine hierarchische Abfangkette skaliert das Verfahren explizit gegen «grossangelegte, hochmanövrierfähige Schwarmeindringlinge» [116]. Über allem orchestriert eine lernende Priorisierungsschicht, welcher Jäger welches Ziel zuerst nimmt, und senkt den Durchschnittsschaden konsistent unter den einer regelbasierten Steuerung [65].

8.6 Das containerisierte Loitering-Magazin

Aus diesen Bausteinen — billiger Jäger, präzise Endphasenlenkung, Mesh-Koordination und 1:1-Zuweisung — fügt sich eine Abwehrform zusammen, die den Reaktionszeit-Wettlauf gegen den Sättigungsschwarm zugunsten des Verteidigers kippt: das containerisierte Loitering-Magazin. Man stelle es sich vor wie eine bodengebundene Patrone aus fliegenden Fängern.

Im Ruhezustand warten die Abwehrdrohnen verpackt in wetterfesten Startbehältern — einem Magazin aus senkrecht startenden Röhren, verteilt um das Schutzobjekt, energetisch bereit, aber unsichtbar und emissionsarm. Erkennt die gestaffelte Frühwarnung (Kapitel 3 und 4) den anfliegenden Schwarm und schätzt seine Stärke, löst die Feuerleitung einen bedrohungsangepassten Salvenstart aus: Nicht das ganze Magazin fliegt, sondern genau so viele Fänger, wie die Waffen-Ziel-Zuordnung gegen die erkannte Zahl der Angreifer fordert — eine kostenbewusste Dosierung, die teure Übersättigung vermeidet und Reserven für die zweite Welle hält. Die gestarteten Drohnen steigen nicht sofort zum Angriff, sondern gehen in einen Loitering-Modus über: Sie sammeln sich in einer wartenden Schicht zwischen Magazin und erwartetem Anflugkorridor, halten Position und Energie und vernetzen sich über ein Mesh-Funknetz zu einem Verband. Dieses Warten ist der eigentliche Trick — es entkoppelt den (langsamen) Start vom (schnellen) Abfang und stellt die Fänger bereits in eine günstige geometrische Ausgangslage, bevor der Gegner in Reichweite ist.

Im Mesh handeln die Fänger die Zielverteilung dezentral aus: Jede Abwehrdrohne nimmt sich genau eine gegnerische Drohne vor, Doppelbelegungen und Eigenkollisionen werden über den Verband aufgelöst — eine verteilte, kollisionsbewusste Zuordnung, die ohne zentrale Instanz auskommt und einen Ausfall einzelner Knoten verkraftet [114], [112]. Fällt ein Fänger aus oder taucht ein zusätzliches Ziel auf, wird in Echtzeit neu zugeteilt [113]; eine lernende Priorisierung entscheidet, welcher Fänger zuerst stösst, und eine hierarchische Abfangkette skaliert das Verfahren gegen grosse, hochmanövrierfähige Schwärme [65], [116]. Erst im richtigen Moment — wenn das zugewiesene Ziel in die optimale Abfanggeometrie eintritt — verlässt die Drohne den Loitering-Punkt und geht mit bildbasierter Endphasenlenkung in den Endanflug [97], [99], wo sie ihr Ziel per Netz oder Rammstoss niederringt (8.3). Geschwindigkeitsüberlegenheit im Terminalstoss bleibt Existenzbedingung, denn ein langsamer Fänger verliert gegen das schnelle Ziel garantiert [111], [110].

Operativ zeichnet sich diese Architektur in real entwickelten, wiederverwendbaren bodengestarteten Interzeptoren bereits ab — Systeme der Coyote- und Roadrunner-Klasse starten aus Behältern, können verweilen und kehren, wenn sie nicht eingesetzt werden, zur Wiederverwendung zurück [96]. Der Reiz des Konzepts liegt in der Summe seiner Eigenschaften: Es ist EW-unabhängig im Effekt (es kapert keinen Funk, es fängt mechanisch), ökonomisch skalierbar (billige Fänger, dosierter Start), funkstille-tauglich (es braucht kein Signal vom Ziel) und antifragil (Mesh statt zentraler Steuerung). Genau diese Kombination macht das containerisierte Loitering-Magazin zur vielleicht überzeugendsten kinetischen Antwort auf den autonomen Sättigungsschwarm von 2036.

Abbildung 7: Containerisiertes Loitering-Magazin: bodengestartete Abfangdrohnen, Mesh-koordinierte 1:1-Zuweisung gegen den Schwarm. Quelle: Kapitel 8.

8.7 Einordnung

Der kinetische Jäger ist die kostenehrlichste Schicht der Abwehr und die einzige, deren Effekt die elektronische Störung nicht entwertet — denn ein Netz fragt das Ziel nicht nach seinem Funkkanal. Sein Preis ist die Skalierung: Ein Jäger fängt eine Drohne; gegen den Schwarm braucht es einen Schwarm von Jägern, schnell genug und zahlreich genug, um die Hülle zu schliessen. Was er nicht fängt, fällt zu Boden — und genau dort, beim herabstürzenden Trümmer und beim überspannten Schutzraum, setzt das nächste Kapitel über den rein physischen Schutz an.

9. Physischer Schutz: Schutznetze und Käfige

Es gibt eine Wirkschicht, die jede elektronische und jede aktive Abwehr überlebt, weil sie auf nichts davon angewiesen ist. Sie sendet nicht, sie zielt nicht, sie zählt nicht — sie steht einfach da. Der passive physische Schutz dreht das Prinzip der Abwehr um: Nicht das Ziel wird gefangen, sondern der geschützte Raum wird mit einer Barriere überspannt, die jede Drohne stoppt, die hineinfliegt. Es ist die schlichteste und zugleich robusteste Antwort auf den funkstillen Schwarm.

9.1 Das umgekehrte Prinzip: überspannen statt fangen

Ein gespanntes Netz über Munitionslager, Gefechtsstand, Schützengraben oder Versorgungsroute wirkt rein mechanisch — und damit vollständig unabhängig von der elektromagnetischen Domäne und gleichgültig gegen die Schwarmgrösse. Es unterscheidet nicht zwischen einer und hundert anfliegenden Drohnen; es fängt jede, die in es hineinfliegt [117]. Das ist kein Konzept, sondern Feldrealität: Eine Felduntersuchung des russisch-ukrainischen Krieges hält fest, dass Laser, Hochleistungsmikrowellen und Funkstörer die waffenfähigen Drohnen nicht zuverlässig neutralisieren — und dass beide Seiten deshalb zu Metallgittern und Nylon-Netzbarrieren greifen, die «Drohnen bis zu einem gewissen Grad zerstören und stoppen» [117]. Der Bildbeleg dafür stammt aus einem militärmedizinischen Fachjournal: eine gegnerische FPV-Drohne, die ein gepanzertes Sanitätsfahrzeug angriff und samt ihrer angehängten Munition im Schutznetz hängenblieb [118]. Das Netz hat getan, wozu kein Störsender fähig war.

9.2 Maschenweite, Last und die Physik der Auslegung

So einfach das Prinzip, so präzise die Auslegung. Der zentrale Parameter ist die Maschenweite gegen die Drohnengrösse: Die Masche muss kleiner sein als der kleinste umschliessbare Querschnitt von Rotor und Zelle des erwarteten Bedrohungsmusters, sonst durchschlägt die Drohne das Netz. Zugleich treibt eine feinere Masche Gewicht, Windlast und Sichtbehinderung in die Höhe, und die Tragstruktur — Masten, Seilverspannungen, Rahmen — muss die dynamische Einschlagslast plus Eigengewicht aufnehmen [117]. Die zugrunde liegende Trefferphysik ist dieselbe wie beim aktiven Netzfang und analytisch fassbar: aus der Zielkinematik folgt, welche Fläche eine Barriere abdecken und welche Last sie tragen muss [102]. Die Auslegung eines Schutznetzes ist damit ein Ingenieurproblem mit klaren Stellgrössen, kein Behelf.

9.3 Der Schutzkäfig: passiver Schutz mit harter Datenbasis

Wo das Netz auf Verwicklung setzt, setzt der Schutzkäfig (Cope Cage) auf Vorabdetonation. Die belastbarste peer-reviewte Quelle zum passiven Schutz untersucht Käfigstrukturen gegen FPV-Kamikaze-Drohnen, die aus nahezu senkrechtem Winkel auf dünn gepanzerte Turm- und Dachzonen einschlagen. Mit expliziter Detonationssimulation werden Materialien verglichen; die optimierte mehrschichtige Konfiguration senkt den übertragenen Druck um 78 Prozent und die Verschiebung um 96,5 Prozent gegenüber der ungeschützten Struktur, wobei hochfester niedriglegierter Stahl die beste Festigkeits-Verformungs-Bilanz liefert und Hybriddesigns mit Faserverbund die beste Druckabschwächung [119]. Käfig und Netz ergänzen sich: Der Käfig bringt die Hohlladung zur Vorabzündung im Abstand (Standoff), das Netz fängt die niedrig anfliegende Drohne durch Verwicklung, bevor sie zündet. Beide sind passiv, mechanisch und störungsunabhängig — sie decken nur unterschiedliche Bedrohungen ab [119], [117].

Abbildung 8: Passiver physischer Schutz: Schutzkäfig und Schutznetz im Vergleich. Quelle: Kapitel 9.

9.4 Der strukturelle Vorteil und seine Grenze

Hier liegt der eigentliche Wert dieser Schicht. Der passive Schutz ist schwarm-indifferent: Anders als jeder aktive Effektor mit endlicher Feuerrate reagiert die Barriere nicht auf Zahl, Koordination oder Autonomiegrad der Angreifer, sondern allein auf den physischen Einschlag. Es ist der seltene Fall einer Abwehr, deren Wirkung mit wachsender Schwarmgrösse nicht zerfällt — während Laser, Flak und Interzeptor an der Sättigung scheitern, bleibt das überspannte Netz für jede einzelne eintreffende Drohne gleich wirksam.

Der Preis dieser Robustheit ist die Reichweite des Schutzes. Eine Netz-Überspannung deckt eine Fläche oder ein Objekt, keinen Luftraum — sie ist Punkt- und Objektschutz, kein Gebietsschutz, und sie kostet Sichtbehinderung, Gewicht und Windlast [117], [102]. Sie schützt, was unter ihr liegt, und nichts darüber hinaus. Forschungskonzepte versuchen, die Flächenwirkung in die Luft zu verlagern — etwa die kontrollierte Dispersion einer Wolke biologisch abbaubarer Klebe-Mikrofasern, die mehrere Rotoren zugleich verwickeln soll —, doch dies bleibt eine Konzeptstudie ohne Prototyp, wetterempfindlich und in Höhe wie Zivilumgebung ungeprüft; als Forschungsrichtung interessant, als System noch nicht verfügbar [120]. In gestaffelten Verteidigungskonzepten bildet der passive Schutz deshalb die innerste, störungsunabhängige Rückfallebene hinter Detektion, Führung, elektronischer und kinetischer Bekämpfung [121].

9.5 Die Versicherungspolice

Physischer Schutz und Netzfang sind die Versicherungspolice gegen die autonome, funkstille Drohne von 2036 — die Wirkkette, die greift, wenn jede elektronische Gegenmassnahme am stummen, eigenständig navigierenden Ziel abprallt [109]. Der passive Schutz ist dabei die einzige Komponente, deren Wirkung mit der Angreiferzahl nicht zerfällt, erkauft mit der Beschränkung auf den Punkt, den er überspannt. Kein Verteidiger wird sein ganzes Operationsgebiet vernetzen; aber jeder Gefechtsstand, jedes Lager, jeder hochwertige Knoten kann unter ein Netz gestellt werden, das die teuren aktiven Schichten entlastet — und genau diese Verschränkung von aktivem und passivem Schutz führt zum Eigenschutz der Kommandostrukturen, dem das übernächste Kapitel gilt.

10. Elektronische Kriegsführung als Abwehr — Möglichkeiten und harte Grenzen

Über Jahre galt die elektronische Kriegsführung als das billigste und flächigste Mittel der Drohnenabwehr: Wer den Funk stört, holt die Drohne vom Himmel. Gegen die autonome Drohne von 2036 stösst dieser Ansatz an eine prinzipielle Grenze — und doch bleibt er ein Werkzeug, dessen Stärken und Schwächen man genau kennen muss.

10.1 Wirkprinzip: Jamming und Spoofing der Abwehr

Die klassische Soft-Kill-Abwehr übersättigt den Steuerlink der Drohne (typisch 2,4/5,8 GHz) oder überlagert ihr Satellitensignal. Verliert eine ferngesteuerte Drohne ihren Link, greift ihr Notverhalten — Schweben, Landen, Rückkehr; wird ihr GNSS gefälscht, lässt sie sich auf eine Falschposition lenken [11]. Der Reiz liegt in der Ökonomie: sehr geringe Kosten pro Einsatz, grosse Flächenabdeckung. Genau deshalb ist EW heute die erste Wahl ziviler wie militärischer Drohnenabwehr.

10.2 RF-Cyber-Übernahme: Soft-Kill ohne Jamming

Eine raffiniertere, kollateralärmere Spielart des Soft-Kill verzichtet auf das brachiale Übertönen des Funks und übernimmt stattdessen die Drohne über ihr eigenes Steuerprotokoll. Diese protokollbasierte Funkübernahme (RF-Cyber-Takeover) zählt zur Soft-Kill-Familie der Drohnenabwehr und arbeitet in drei Schritten: Sie detektiert und lokalisiert die Drohne passiv an ihrem Funkverkehr, identifiziert anhand einer Signatur-Bibliothek das verwendete Steuerprotokoll und greift dann gezielt in den Steuerkanal ein, um die Kontrolle zu übernehmen — die Drohne kontrolliert zu landen, zum Startpunkt zurückzuschicken oder aus der Schutzzone zu lenken [11], [14]. Der grosse Vorzug gegenüber dem breitbandigen Störsender ist die Schonung der Umgebung: Weil nichts übertönt, sondern nur der eine Steuerkanal gekapert wird, bleiben Satellitennavigation, Behördenfunk und legitime Drohnen im Umfeld unbehelligt — was diesen Systemtyp für sensible, zivil mitgenutzte Räume wie Flughäfen, Innenstädte und kritische Infrastruktur attraktiv macht.

So elegant das ist, so scharf sind seine Grenzen — und sie sind für diese Studie die entscheidenden. Die Übernahme setzt zweierlei voraus, das die autonome Drohne von 2036 gerade verweigert. Erstens braucht sie einen aktiven Funk-Steuerkanal, in den sie eingreifen kann; eine Drohne, die optisch und inertial navigiert und im Funkschweigen fliegt, bietet keinen Kanal zur Übernahme — es gibt schlicht nichts zu kapern. Zweitens lebt das Verfahren von einer Bibliothek bekannter Drohnenprotokolle; gegen unbekannte, proprietäre, verschlüsselte oder frequenzsprungbasierte Protokolle, die nicht hinterlegt sind, läuft die Übernahme ins Leere. Damit teilt die protokollbasierte Übernahme das prinzipielle Schicksal jedes Soft-Kill: hochwirksam gegen die grosse Masse handelsüblicher, ferngesteuerter Drohnen — und wirkungslos gegen die funkstille, autonome Speerspitze, um die es in dieser Studie geht. Sie ist die bestmögliche Antwort auf die Drohne von gestern, nicht auf die von 2036.

Die drei Soft-Kill-Verfahren lassen sich nach Wirkprinzip, Kollateral und ihrer gemeinsamen harten Grenze gegenüberstellen:

Alle drei wirken gegen die ferngesteuerte Masse — keines gegen die funkstille, autonome Spitze.

10.3 Detektion und Lokalisierung über die Emission

Sendet die Drohne, verrät sie sich. Passive Funkdetektion erkennt und lokalisiert Steuer- und Telemetrielinks und kann sie als Auslöser für eine gezielte Störung oder eine kinetische Bekämpfung nutzen [11]. Gegen Spoofing wiederum existiert eine ausgereifte Detektion auf der Empfängerseite — von Signalmerkmalen bis zu lernenden Verfahren —, die die Abwehr robuster macht [122].

10.4 Die absolute Grenze

Hier endet die Reichweite der elektronischen Kriegsführung. Eine Drohne, die optisch und inertial navigiert, ihr Ziel an Bord erkennt und im Funkschweigen fliegt, empfängt nichts, was man stören könnte — gegen sie ist EW wirkungslos [11]. Selbst eine raffinierte Satellitentäuschung kontert der hochentwickelte Angreifer aktiv: Empfänger wie SemperFi entlarven das Falschsignal durch ein erzwungenes Manöver und gewinnen die wahre Position in Sekundenbruchteilen zurück [12]. Die elektronische Kriegsführung bleibt damit wirksam gegen die grosse Masse einfacher, ferngesteuerter Drohnen — aber nicht gegen die autonome Speerspitze, um die es in dieser Studie geht.

10.5 Konter und Kollateral

Zwei weitere Schranken kommen hinzu. Erstens der eigene Raum: breitbandiges Jamming in zivil mitgenutzten Räumen (Flughäfen, Grossveranstaltungen) stört Behörden- und Notfallkommunikation und ist deshalb genehmigungspflichtig und örtlich begrenzt [11]. Zweitens die gegnerische Anpassung: Eine billige Vorhut-Drohne kann die Abwehr zum Senden oder Wirken verleiten und so die nachfolgenden, funkstillen Glieder warnen [88]. Die nüchterne Schlussfolgerung: EW ist eine wertvolle, kostengünstige Schicht gegen die Masse — aber sie kann den autonomen Schwarm nicht allein aufhalten. Sie braucht die kinetischen und energetischen Schichten der vorigen Kapitel und vor allem ein Nervensystem, das auch unter Störung trägt. Diesem wenden sich die folgenden Kapitel zu.

11. EW-sichere Kommunikation zwischen den Verbänden

Eine Abwehr ist nur so stark wie das Netz, das ihre Teile zusammenhält. Sensoren, Effektoren und Gefechtsstände wirken erst dann als ein System, wenn sie Spuren, Befehle und Feuerfreigaben in Echtzeit austauschen — und genau dieses Verbundnetz greift der Gegner von 2036 an, mit Störung, Täuschung und der Niederkämpfung des Satellitensignals. Wo das fliegende Nervensystem des Schwarms (Kapitel 2) auf schnelleres Schwärmen zielt, zielt das terrestrische Rückgrat der Abwehr auf das Gegenteil: härter halten. Es muss genau dann tragen, wenn es gestört wird.

11.1 Die Anforderung: vernetztes Feuer im umkämpften Spektrum

Vernetztes Feuer — die kohärente Fusion vieler Sensoren und die koordinierte Auslösung verteilter Effektoren — verlangt drei Dinge zugleich: eine störfeste Datenstrecke, eine garantierte, submillisekundenschnelle Zustellung und eine gemeinsame Zeitbasis im Nanosekundenbereich. Jede dieser drei Säulen ist ein eigenes Angriffsziel. Die störfeste Verbundführung ruht deshalb auf vier verschränkten Antworten: gehärteten Datenlinks mit empfängerseitiger Störunterdrückung, einem selbstheilenden Bodennetz, einer GNSS-unabhängigen Zeit und — bei Totalstörung des Funkspektrums — der Flucht in physikalisch schwer störbare Medien.

11.2 Gehärtete Datenlinks und empfängerseitige Nullsteuerung

Das Fundament ist seit Jahrzehnten erprobt. Der taktische Datenlink Link 16 (JTIDS) verdankt seine Störfestigkeit einem Stapel kombinierter Massnahmen — Frequenzsprungverfahren, Direct-Sequence-Spreizung, Jitter, Doppelpuls-Redundanz und Reed-Solomon-Codierung [123] — und behält seine Anti-Jam-Reserve selbst dann, wenn das nutzbare Frequenzband zugunsten der zivilen Luftfahrt beschnitten wird [124]. Sein NATO-Nachfolger SATURN (STANAG 4372) löste ab 2023 die abhörbar gewordenen HAVE-QUICK-Systeme ab und synchronisiert das Netz über eine gemeinsame Zeit [125], während TTNT als jüngste Generation auf zeitkritische, rasch neu vernetzte Ziele zugeschnitten ist — das Anforderungsbild der Drohnenabwehr [126]. Welche Anti-Jam-Massnahme wann greift, ist dabei nicht mehr statisch, sondern ein adaptiv gewählter Mechanismus-Mix [127]; perspektivisch eliminiert Concurrent-Code-Spreizung sogar die Notwendigkeit eines vorab geteilten Schlüssels und damit dessen Angriffsfläche [128].

Dem senderseitigen Verstecken entspricht das empfängerseitige Wegfiltern. Eine Controlled Reception Pattern Antenna (CRPA) formt ihr Empfangsdiagramm adaptiv und legt eine räumliche Null in Richtung des Störers — selbst mit grob quantisierten 2-Bit-Phasenschiebern bis zu 34 dB Störunterdrückung. Der Unterschied ist messbar der zwischen «Netz hält» und «Netz fällt aus»: Bei einem Stör-Nutz-Verhältnis von rund 70 dB hält der geschützte Empfänger ein nutzbares Signal aufrecht, während der ungeschützte an die Tracking-Grenze degradiert [129]. Rekonfigurierbare Metasurface-Antennen erhöhen die Freiheitsgrade weiter, sodass ein einzelner Bodenknoten mehrere Störer gleichzeitig nullen kann [130].

11.3 Das selbstheilende Bodennetz: um den Störer herum, nicht hindurch

Physikalische Störunterdrückung allein genügt im Mehrhopf-Netz nicht. Der wirksamere Hebel ist das Routing: Ein Verbundnetz soll um den Störer herum routen, nicht nur durch ihn hindurch senden. Routing, das die Störumgebung jedes Pfades explizit berücksichtigt, spart Energie und braucht nur die an jedem Knoten gemessene Störung [131]. Darüber legt sich eine selbstheilende Schicht, die Ausfälle im physischen Netz kuriert und die Ansteckung von Kaskadenausfällen eindämmt [132].

Für die zeitkritische Effektor-Auslösung reicht «kommt irgendwann an» nicht — es braucht garantierte Latenz und garantierte Zustellung. Frame Replication and Elimination for Reliability (FRER, IEEE 802.1CB) repliziert jeden Frame auf redundante Pfade und verwirft die Duplikate beim Zusammenführen; in der Simulation eliminiert das den Paketverlust vollständig und erreicht Submillisekunden-Recovery bei Link- und Knotenausfällen [133], [134]. Dieser Gewinn ist nicht gratis: Die Replikation erhöht Burstiness und Paket-Misordering und kann die Verzögerung in durchquerten Knoten erhöhen — eine Warnung vor naiver Redundanz-Auslegung in einem latenzkritischen Netz [135]. Robustheit will dimensioniert, nicht blind verdoppelt sein.

11.4 Die Zeit, die GNSS überlebt

Die heikelste Abhängigkeit ist die Zeit. Vernetztes Feuer braucht eine gemeinsame Zeitbasis mit Nanosekunden-Genauigkeit, und GNSS liefert sie heute — ist aber das erste, was der Gegner stört oder fälscht. Die Antwort ist dreifach. Erstens Holdover: Eine zentimetergrosse Chip-Scale-Atomuhr hält den Takt eines Sensorknotens über Stunden ohne GNSS [136]; als Referenzklasse zeigen Rubidium-Fontänenuhren, dass kontinuierlich laufende Atomuhren über Jahre im Bereich weniger Nanosekunden bleiben [137]. Zweitens die Spoofing-Erkennung, bevor die Zeitbasis vergiftet wird: Schon günstige Empfänger unterscheiden über kombinierte Signalmetriken die Zustände nominal, gestört, gespooft und blockiert [138], und lernende Verfahren erkennen unbekannte Zeit-Manipulationsangriffe proaktiv mit über 97 Prozent Genauigkeit [139]. Dabei gilt eine harte Lehre: Kryptographie allein genügt nicht. Selbst authentifizierte GNSS-Signale lassen sich durch Relay-Angriffe an Orte Tausende Kilometer von der wahren Position verschieben, ohne eine einzige kryptographische Operation zu brechen [140]. Drittens deshalb die netzinterne, GNSS-unabhängige Zeitverteilung: Selbststabilisierende, byzantinisch-fehlertolerante Uhrensynchronisation hält das Netz synchron, auch wenn GNSS ausfällt und einzelne Knoten kompromittiert sind und falsche Zeiten einspeisen [141], [142]. Über ein Glasfaser-Rückgrat verteilt das White-Rabbit-Verfahren Sub-Nanosekunden-Zeit über das ganze Feld — im Grossexperiment auf unter 500 Pikosekunden bei Tausenden Knoten, mit Temperaturkorrektur bis hinab zu 50 Pikosekunden [143].

11.5 Die Flucht in die Physik

Ist das omnidirektionale Funkspektrum vollständig umkämpft, weicht die Verbundführung auf Medien aus, die physikalisch schwer zu stören sind. Gerichteter mmWave-Richtfunk ist zugleich störfest und verdeckt: Die hohe atmosphärische Absorption der oberen Millimeterwellenbänder begrenzt die Reichweite eines Lauschers von selbst, und adaptives Tuning auf diese Absorption schafft verdeckte Kommunikationszonen, die rasch an bewegte Knoten angepasst werden [144]; der enge Strahl und der steile Pfadverlust, in der zivilen Mobilfunkplanung ein Ärgernis, werden hier zum Resilienzmerkmal [145]. Freiraum-Optik (Laserkommunikation) ist praktisch nicht abhörbar und hochkapazitiv; ein städtischer 4,6-Kilometer-Link erreicht 99 Prozent Verfügbarkeit ohne langsame Schwund-Effekte [146], und bodengestützte Terminals rasten heute in unter einer Sekunde aufeinander ein, was die Optik auch für rasch rekonfigurierende Stellungen praktikabel macht [147]. Das immune Fundament unter all dem bleibt die Glasfaser: gegen Funkstörung und Funkaufklärung inhärent unempfindlich und zugleich Träger von Daten und Zeit — die Basis, auf die ortsfeste Gefechtsstände und Radarstellungen ihre drahtlosen, gerichteten und optischen Strecken als letzte Meile aufsetzen.

11.6 Zero Trust gegen den eingeschleusten Knoten

Resiliente Wellenform und redundantes Routing schützen vor dem physikalischen Angriff; gegen den kompromittierten oder eingeschleusten Knoten schützt nur eine Architektur, die keinem Knoten implizit vertraut. Zero Trust überwindet das perimeterbasierte Modell durch fortlaufende Authentifizierung, Mikrosegmentierung und Zugriffskontrolle: Jeder Sensor-, Effektor- und Führungsknoten weist sich kontinuierlich aus, statt einmal «innerhalb des Perimeters» als vertrauenswürdig zu gelten [148]. Im Ad-hoc-Netz braucht es zudem eine gestaffelte Abwehr gegen Knoten, die Pakete verwerfen, und eine verteilte Entscheidungsfindung, die korrekt bleibt, solange die intakten Knoten eine minimale Redundanz besitzen [149], [150]. Dass die Authentifizierungsschicht dabei kosten- und energiebewusst und zugleich quantensicher ausgelegt sein muss, ist für die vielen kleinen, batteriebetriebenen Verbundknoten von 2036 keine akademische Feinheit, sondern eine Auslegungsgrenze [151]. In einem Netz, das den eingeschleusten Knoten als Normalfall behandeln muss, ist das implizite Vertrauen des Perimeters die letzte zu schliessende Lücke — und damit schliesst sich der Bogen zur antifragilen Führung des vierten Kapitels.

12. Eigenschutz der Kommandostrukturen

Ein Gefechtsstand ist ortsfest oder verlegt nur langsam — und damit für die gegnerische Aufklärung berechenbar. Genau auf seine bekannte Position kann ein Sättigungsschwarm angesetzt werden. Der Schutz der Führung ist deshalb kein Sonderfall der Drohnenabwehr, sondern ihr anspruchsvollster: Hier muss die gestaffelte Verteidigung dicht sein, und hier wird die Abwehr selbst zum Ziel.

12.1 Defense-in-Depth: kein Silberkugel-System

Der Schutz eines hochwertigen Objekts folgt einem Mehrschichtenmodell — fünf ringförmige Schichten von der Detektion über Identifikation, Verfolgung und Entscheidung bis zur Bekämpfung [152]. Die Doktrin ist eindeutig: «no silver bullet, no one system to rule them all», sondern ein «system-of-system»-Ansatz aus bewusst diversen Plattformen — kinetisch und nicht-kinetisch, fest und mobil [153]. Eine einzelne Schicht wird ausgehebelt; erst die Kombination schliesst die Lücke.

12.2 Engagement-Reihenfolge HPM → HEL → kinetisch

Die Schichten haben eine natürliche Reihenfolge. Die Mikrowelle dünnt als «Eins-zu-viele»-Waffe den anfliegenden Pulk aus, bevor er die inneren Ringe erreicht; der Laser nimmt als chirurgische Mittelschicht die Einzelziele und die Leckage; der kinetische Restschutz (programmierbare Flak, Interzeptoren) fängt als innerster Ring, was die gerichtete Energie physikalisch nicht rechtzeitig niederringt. Das US-Heer entwickelt seine containerisierte IFPC-HPM ausdrücklich als Partner der IFPC-HEL «as part of a layered defense to protect fixed and semi-fixed sites» [92]. Welche Drohne welcher Effektor in welcher Reihenfolge bekämpft, ist ein NP-schweres dynamisches Zuordnungsproblem, das über Schwarmintelligenz-Heuristiken und Rolling-Horizon-Verfahren in Echtzeit gelöst wird — die formale Grundlage einer KI-orchestrierten Engagement-Reihenfolge [154], [155].

Abbildung 9: Gestaffelter Eigenschutz: Engagement-Reihenfolge und Ausschlusszonen. Quelle: Kapitel 12.

12.3 Mobile Systeme zum Schutz mobiler Gefechtsstände

Verlegt der Gefechtsstand, muss der Effektor mitfahren. Das US-Heer führt einen 50-kW-Laser auf dem Stryker (DE M-SHORAD, im Test gegen Mörsergranaten wirksam) und die Mikrowelle als Stryker-Leonidas; die Luftwaffe schützt Flugplätze mit dem fahrzeuggestützten HELWS (Reichweite bis ~3 km) und der HPM-Komponente CHIMERA [92]. Der entscheidende Eigenschutz-Vorteil mobiler gerichteter Energie ist die Magazintiefe als Funktion der Energieversorgung — beim HELWS Dutzende Schüsse aus einer Ladung, unbegrenzt am Generator [92]. Mobilität ist hier nicht nur Reichweiten-, sondern Überlebensmerkmal: Eine verlegbare Stellung ist schwerer aufzuklären und zu bekämpfen als eine feste.

12.4 Das Abwehrsystem als Ziel

Eine ortsfeste Stellung um ein HQ ist selbst ein hochwertiges Ziel. Ihr Schutz beginnt bei der Härtung der eigenen Elektronik gegen Mikrowellen — Schirmung, Filterung, Architektur, vor allem der internen Verkabelung, die sonst als Empfangsantenne wirkt [156]. Wo Vollhärtung zu teuer ist, helfen Redundanz und schnelle Fehlerreaktion: redundante Kanäle, Online-Fehlererkennung und ein gezieltes «Rapid Power Off» empfindlicher Stufen während eines erkannten Störereignisses [157]. Die modulare, im Feld tauschbare Verstärkerarchitektur mancher Mikrowellensysteme ist von Haus aus eine Überlebenseigenschaft. Und die gestaffelte Sensorkette ist zugleich Redundanz: Fällt ein Sensortyp durch Jamming, Funkstille oder Wetter aus, trägt ein anderer.

12.5 Das Eigenschutz-Paradox: Fratrizid und Ausschlusszonen

Hier liegt die unbequeme Wahrheit des Mikrowelleneinsatzes im eigenen Raum. Die Mikrowelle «could affect all unshielded electronic systems within range» — sie unterscheidet nicht zwischen Freund und Feind, und jede ungeschirmte eigene Elektronik im Wirkbereich, bis hin zum geschützten HQ selbst, ist gefährdet [92]. Zwei Gegenmassnahmen gibt es, beide unvollkommen: Härtung der eigenen Systeme und räumlich-zeitliche Trennung (eigene Systeme ausserhalb der Reichweite oder Feuerpause). Für ein 25-kW-Referenzsystem definieren Sicherheitsabstände von 72 m (Personal) und 161 m (Zivilbevölkerung) die Mindestgeometrie einer Stellung in bewohntem Raum [92]. Software-begrenzte Wirkzonen mildern das, sind aber nur so verlässlich wie das Feuerleitsystem, das sie durchsetzt. Die Schutzwaffe kann das Schutzobjekt gefährden — dieses Paradox ist der Preis der einzigen Schicht, die die funkstille Autonomie des Angreifers nicht entwertet, und es führt unmittelbar zur ökonomischen und rechtlichen Abwägung der folgenden Kapitel.

13. Die Ökonomie der Abwehr

Die technische Wirksamkeit eines Effektors entscheidet nicht über seinen Wert. Eine Abwehr, die jede Drohne trifft, aber pro Treffer ein Vielfaches der Drohne kostet, verliert den Krieg an der Kasse. Die Ökonomie ist deshalb kein Anhang, sondern ein Auswahlkriterium.

13.1 Cost-per-Engagement über fünf Grössenordnungen

Eine Modellrechnung (nicht peer-reviewt, als Schätzung zu lesen) bewertet neunzehn Abwehrsysteme und findet, dass die Kosten pro Bekämpfung über mehr als fünf Grössenordnungen streuen — und dass ein höherer technischer Reifegrad gerade nicht die bessere Ökonomie bedeutet [13]. Die Spannweite reicht vom Lenkflugkörper (1,0 bis 4,75 Mio. USD, höchste Trefferwahrscheinlichkeit, aber gegen Masse ökonomisch untragbar) über die Interzeptor-Drohne (~3’500 USD) und die programmierbare Flak (mehrere Tausend USD pro Feuerstoss) bis zum Hochenergielaser (wenige USD reine Energie, begrenzt durch Sequentialität) und zum Jammer (~0,01 USD, aber wirkungslos gegen die autonome Spitze).

(Werte als Modellschätzung nach [13]; nicht peer-reviewt.)

Abbildung 10: Die Ökonomie der Abwehr: Cost-per-Engagement (Modellrechnung, log-Skala). Quelle: Kapitel 13.

13.2 Magazintiefe, Energie und Industrie

Bei gerichteter Energie ist das Magazin kein Munitionsstapel, sondern der Generator: tiefe Schusszahlen, solange Strom fliesst [94]. Damit verlagert sich der Engpass von der Logistik der Munition zur Logistik der Energie. Über den einzelnen Effektor hinaus wird die Industrie selbst zum strategischen Faktor: In anhaltenden Konflikten gewinnt, wer produzieren, reparieren und im Massstab nachladen kann — Magazintiefe und Nachladbarkeit werden zur entscheidenden Grösse [158]. Vor «vergoldeter» Abwehr ist ausdrücklich zu warnen: Überteuerte Effektoren untergraben die Ökonomie und kehren die Kostenasymmetrie wieder gegen den Verteidiger.

13.3 Das diversifizierte Portfolio als Antwort

Die ökonomisch wie operativ nachhaltige Architektur ist deshalb kein einzelnes System, sondern ein diversifiziertes Portfolio — eine «Layered Air Defence» [159], [87]. Hochvolumige Schwärme werden mit billiger Flächen- und Mehrfachwirkung (Mikrowelle, Flak) bekämpft, teure Raketeninterzeptoren bleiben den wenigen hochwertigen Zielen vorbehalten, und billige Vorhut-Konter dürfen die teuren Schichten nicht ins Leere feuern lassen [88]. Die Zukunft der Drohnenabwehr ist die netzwerkbasierte Orchestrierung vieler Mittel — nicht die Suche nach der einen fehlerfreien Waffe. Wie tragfähig dieses Portfolio ist, hängt damit so sehr von der Vernetzung und vom Eigenschutz ab wie von den Effektoren selbst; die Synthese im nächsten Teil fügt beides zusammen.

14. Synthese: das integrierte Drohnenabwehr-System 2036

Die vorangegangenen Kapitel haben die Abwehr in ihre Bausteine zerlegt — Sensoren, Effektoren, Kommunikation, Eigenschutz. Dieses Kapitel setzt sie wieder zusammen. Denn die zentrale Erkenntnis der ganzen Untersuchung ist eine Aussage über das System, nicht über die Einzelteile: Gegen die autonome, funkstille, in Masse auftretende Drohne gewinnt nicht das beste Gerät, sondern die beste Architektur.

14.1 Die gestaffelte Verteidigung als System

Vier Funktionen greifen ineinander. Sehen — ein verteiltes Multisensor-Netz, das den kleinen, funkstillen Schwarm im Clutter herausschält, weil kein einzelner Sensortyp das allein kann [11]. Entscheiden — ein Lagebild und eine Planungsautomatisierung, die die Waffen-Ziel-Zuordnung bei Sättigung in Echtzeit lösen, während der Mensch über der Schleife die Freigabe behält. Wirken — eine Staffel komplementärer Effektoren, in der Hochleistungsmikrowellen den Pulk flächig ausdünnen, Hochenergielaser und programmierbare Splitterwolken die Leckage einzeln auffangen und Netzfänger selbst im totalen Funkschweigen greifen. Schützen — eine störfeste Verbundkommunikation und ein Eigenschutz, der die Abwehr selbst am Leben hält. Keine dieser Funktionen ist für sich entscheidend; ihr Zusammenspiel ist es. Die offizielle Doktrin bringt es auf die Formel, es gebe «kein Silberkugel-System», sondern nur einen «System-of-System»-Ansatz aus kinetischen und nicht-kinetischen, festen und mobilen Schichten [153].

Abbildung 11: Das integrierte Abwehrsystem 2036: gestaffelte Ringe um das Schutzobjekt. Quelle: Kapitel 14.

14.2 Reifegrade und verbleibende Lücken

Eine ehrliche Synthese trennt das Erprobte vom Erhofften. Reif sind die physikalischen Kernwerte der gerichteten Energie [85], die bildgestützten Interzeptoren [160], die Netz-Fangphysik und die störfesten Datenlinks — vieles davon peer-reviewed belegt. Unreif oder im Aufbau bleiben drei Dinge. Erstens die Leckage: Keine Schicht ist dicht, und Übungsserien zeigen, dass selbst geübte Stützpunktverteidigung mit Lücken operiert — Restleckage ist Designparameter, nicht Ausnahme. Zweitens der Sättigungs-Schwanz: Gegen sehr grosse Schwärme stösst jede Einzelschicht an ihre Magazintiefe oder ihre Energie- und Kühlgrenzen. Drittens das Fratrizid-Paradox des Eigenschutzes: Eine Mikrowellenwaffe trifft im eigenen, oft zivil mitgenutzten Raum auch die eigene ungeschirmte Elektronik, was Ausschlusszonen und Härtung erzwingt. Und über allem schwebt die Kostendisziplin — eine «vergoldete» Abwehr kehrt die Kostenasymmetrie wieder gegen den Verteidiger [13]; der Gegner kann sie zudem mit billigen Vorhut-Drohnen ökonomisch aushebeln, deren einziger Zweck es ist, die teure Abwehr zum Feuern und damit zum Verraten ihrer Stellung zu bewegen [88].

14.3 Szenario 2036: eine abgewehrte Welle

Als Illustration — ausdrücklich konstruiert, gestützt nur auf die belegten Werte dieser Studie — sei der Schutz eines Gefechtsstands skizziert. Der Angriff kommt nicht als einzelne Drohne, sondern als gestaffelte Welle: eine billige Vorhut, dahinter der eigentliche, funkstille Wirkschwarm. Die Vorhut soll die Abwehr triggern. Das verteilte Sensornetz erkennt sie früh genug, dass das Lagebild die Absicht durchschaut und die Mikrowellenschicht zurückhält, statt sich an Ködern zu verraten. Als der Wirkschwarm in den äusseren Ring eintritt, erfasst ein Mikrowellen-Puls ein Dutzend Glieder zugleich — wirksam gerade weil er nicht den Funk stört, den es nicht gibt, sondern die Schaltkreise trifft. Was durchkommt, fällt dem Laser einzeln und der programmierbaren Splitterwolke im Nächstbereich zu; zwei Drohnen, die im toten Winkel der gerichteten Energie bleiben, fängt eine Netz-Interzeptordrohne ab, die keinerlei Funkverbindung des Ziels braucht. Während all dies geschieht, hält die störfeste Verbundkommunikation das vernetzte Feuer synchron, obwohl der Gegner Satellitensignal und Funkband flutet. Die Welle wird gebrochen — nicht von einer Waffe, sondern von der Tiefe der Staffelung. Und doch zeigt dieselbe Vignette die Grenze: Wäre der Schwarm dreimal so gross gewesen, hätte die Magazintiefe der inneren Ringe entschieden, ob die letzten Glieder das Ziel erreichen.

14.4 Grenzen der Studie

Diese Untersuchung ist eine Synthese der Literatur, kein Truppenversuch. Konkrete Schussfolgen, Magazintiefen und Sensorleistungen unter realen Störbedingungen sind operativ klassifiziert; die hier belastbaren Werte stammen aus offener Forschung, Behördenberichten und — für die schweizerische Organisation — amtlichen Quellen, die als solche gekennzeichnet sind. Die Projektion auf 2036 verlängert dokumentierte Entwicklungslinien; sie kann Brüche nicht vorhersehen. Drei Fragen bleiben offen und tragen ins folgende Kapitel: Wie viel Entscheidung darf man der Maschine in der Verteidigung überlassen? Wie wirkt man im eigenen, bewohnten Raum, ohne mehr Schaden zu stiften als der Angreifer? Und wer trägt die Verantwortung, wenn die Abwehr das Falsche trifft?

15. Rechtliche und einsatzrechtliche Einordnung

Die technische Machbarkeit der vorangegangenen Kapitel zwingt zur normativen Frage. Eine Abwehr, die Sensoren, Effektoren und KI verschränkt, berührt unmittelbar das Recht: Wie viel Entscheidung darf die Maschine treffen, und wie wirkt man im eigenen, oft bewohnten Raum, ohne mehr Schaden zu stiften als der Angreifer?

15.1 Autonomie in der Verteidigung

Defensive Autonomie ist rechtlich und ethisch leichter zu rechtfertigen als offensive — und sie hat Präzedenz: Punktverteidigungssysteme bekämpfen anfliegende Bedrohungen seit Jahrzehnten weitgehend automatisch, unter menschlicher Aufsicht. Massgeblich bleibt die funktionale Definition des Internationalen Komitees vom Roten Kreuz: Ein autonomes Waffensystem wählt Ziele aus und wendet Gewalt an, ohne dass ein Mensch das konkrete Ziel, den Ort oder den Zeitpunkt bestimmt [161]. Die elf Leitprinzipien der CCW-Staatengruppe halten fest, dass das humanitäre Völkerrecht voll gilt und dass die menschliche Verantwortung über den gesamten Lebenszyklus erhalten bleiben muss — sie ist nicht auf Maschinen übertragbar [162]. Für die Drohnenabwehr heisst das: Der Mensch bleibt über der Schleife — er überwacht, gibt frei und kann abbrechen —, auch wenn die Zeitknappheit eines Sättigungsangriffs den Druck zur Vollautomatisierung erhöht. Genau diese Verkürzung der Entscheidungszeit ist der gefährliche Hebel, und die Operationalisierung wirksamer menschlicher Kontrolle bleibt ein offenes, aktiv diskutiertes Problem [163], [164].

15.2 Einsatz im eigenen, zivil mitgenutzten Raum

Die schwierigste rechtliche Schranke ist der Ort der Abwehr. Sie wirkt nicht über fremdem Gebiet, sondern über dem eigenen — oft besiedelten — Raum. Damit gelten die Kardinalpflichten des humanitären Völkerrechts unmittelbar: Unterscheidung zwischen Ziel und Unbeteiligten, Verhältnismässigkeit des Kollateralschadens und Vorsichtsmassnahmen im Wirken. Die Mikrowellenwaffe trifft im Wirkbereich auch ungeschirmte zivile Elektronik; der Laser ist über das Ziel hinaus augengefährdend; herabfallende Trümmer abgefangener Drohnen gefährden Personen am Boden. Der Einsatz im eigenen Raum ist deshalb primär eine Genehmigungs- und Einsatzregel-Frage, nicht nur eine technische: Wer darf wann mit welchem Mittel wirken? Funktionsweisen wie nicht-letale Sensor-Blendung oder die software-begrenzte Wirkzone sind hier nicht Komfort, sondern rechtliche Voraussetzung.

15.3 Eskalation, strategische Stabilität und Automatisierungs-Bias

Auch die defensive Automatisierung hat eine sicherheitspolitische Kehrseite. KI-gestützte, hochautomatisierte Reaktionssysteme können das Risiko unbeabsichtigter Eskalation erhöhen — eine fehlklassifizierte Spur, eine automatische Gegenreaktion, und eine Lage kippt schneller, als Menschen sie einfangen [165]. Hinzu kommt der Automatisierungs-Bias: Operateure neigen dazu, Maschinenausgaben überzuvertrauen, sodass die nominelle Aufsicht «über der Schleife» bei verkürzten Reaktionszeiten zur blossen Bestätigungshandlung verkümmert. Nüchtern betrachtet nutzt das Militär künstliche Intelligenz heute ohnehin weniger zur letalen Vollautonomie als zur Beschleunigung von Aufklärung und Zielprozess [166] — und genau dort, in der Beschleunigung des Erkennens und Entscheidens, liegt der legitime, rechtlich tragfähige Kern der KI in der Drohnenabwehr. Die Freigabe zur Wirkung aber gehört, das ist die normative Leitplanke dieser Studie, in die Hand des Menschen.

16. Organisation: Aufbau eines Drohnenabwehr-Bataillons der Schweizer Armee

Bis hierhin war diese Studie eine Studie über Systeme. Systeme aber bekämpfen keine Drohnen — Menschen tun es, in einer Organisation, die sie führt, ausbildet und versorgt. Dieses Schlusskapitel macht aus dem gestaffelten Abwehrsystem der vorigen Kapitel eine Truppe: ein Drohnenabwehr-Bataillon der Schweizer Armee. Es trennt dabei sauber, was heute amtlich gilt (A), von der begründeten Fortschreibung auf 2036 (P) — denn ein solches Bataillon existiert noch nicht.

16.1 Die schweizerische Ausgangslage (amtlich)

Die bodengestützte Luftverteidigung der Schweiz ist bei der Luftwaffe gebündelt, in der Bodengestützten Luftverteidigungsbrigade 33 (BODLUV Br 33, hervorgegangen 2023 aus dem Lehrverband Fliegerabwehr 33, Standort Flabkaserne Emmen). Die Brigade umfasst rund 100 Berufs- und 3’500 Milizangehörige, gegliedert in drei leichte Fliegerabwehr-Lenkwaffenabteilungen (System Stinger, 96 Feuereinheiten) und drei mittlere Fliegerabwehrabteilungen (35-mm-Kanone mit Feuerleitgerät, 27 Feuereinheiten) [167], [168]. Bezeichnend für die Flab-Truppe: Der Truppenkörper heisst Abteilung (nicht Bataillon), die Einheit Batterie (nicht Kompanie) — funktional dasselbe [169].

Diese Truppe wird gerade erneuert. Mit dem Programm Air2030 beschafft die Schweiz Patriot (grosse Reichweite, PAC-2 GEM-T, Bundesbeschluss 2022) und fünf Systeme IRIS-T SLM (mittlere Reichweite, ~40 km, Hersteller Diehl, im Rahmen der European Sky Shield Initiative; Abschluss planmässig 2032) [170], [171]. IRIS-T SLM übernimmt ausdrücklich die Aufgaben der auslaufenden 35-mm-Kanone und etabliert neu eine raumbezogene Marschflugkörper- und RAM-Frühwarnfähigkeit [171]. Für den eigentlichen Drohnen-Nahbereich klafft jedoch eine Lücke: Erst Ende 2025 beschaffte armasuisse beim Schweizer Lieferanten Securiton dringlich teilmobile Mini-Drohnenabwehrsysteme (3,5 Mio. CHF), nachdem ein Feldversuch in Meiringen eine Fähigkeitslücke gegen gegnerische Mini-Drohnen bestätigt hatte [172]. Parallel bündelt eine ämterübergreifende Taskforce Drohnen seit 2024 die Entwicklung — mit einem permanenten Testbed bis 2027 und zwei Stossrichtungen, darunter die Drohnenabwehr mit Drohnen (C-UAV) auf kurze Distanz [173].

16.2 Verortung: das Bataillon als innerste Schicht (Projektion)

Alles Folgende ist begründete Projektion (P) auf Basis dieser amtlichen Trends — kein beschlossenes Schweizer Vorhaben.

In eine künftige Integrated Air Defence fügt sich ein Drohnenabwehr-Bataillon als unterste, innerste Schicht: Patriot deckt die grosse, IRIS-T SLM die mittlere Reichweite — das Bataillon den Nah- und Nächstbereich gegen kleine, autonome Schwärme (C-sUAS), also genau jene Lücke, die Securiton und die Taskforce Drohnen heute notdürftig füllen. Es verkörpert das Leitprinzip dieser Studie, dass es kein Silberkugel-System gibt, sondern nur eine gestaffelte, vernetzte Verteidigung aus vielen komplementären Schichten [153]. In der Flab-Logik wäre es korrekt eine «Drohnenabwehr-Abteilung»; der besseren Verständlichkeit halber sei hier durchgehend von einem Bataillon gesprochen.

16.3 Truppenkörper und Führung

Das Bataillon wird, wie in der Schweizer Armee üblich, von einem Oberstleutnant geführt und ist der BODLUV Br 33 unterstellt [169]. Sein Stab folgt der bewährten Struktur der Führungsgrundgebiete (S1–S6): S1 Personelles, S2 Nachrichten/Lage, S3 Einsatz (die Kernzelle, in der das Gefecht geführt wird), S4 Logistik, S6 Führungsunterstützung/Übermittlung; Planung und Ausbildung (S5/S7) werden je nach Lage angegliedert [169]. Die Grössenordnung — eine Stabsbatterie plus mehrere Einheiten zu je etwa 120–160 Angehörigen der Armee — ergibt einen Truppenkörper von grob 700 bis 900 AdA, konsistent mit der Spannweite realer Schweizer Bataillone (P; der historische Anker eines Infanteriebataillons lag bei 740 Mann).

Abbildung 12: Organisationsaufbau des Drohnenabwehr-Bataillons 2036 (Projektion). Quelle: Kapitel 16.

16.4 Gliederung in sechs Batterien

Stabs- und Führungsunterstützungsbatterie. Hier sitzt das Gehirn: der Bataillonsstab (S1–S6), der C2-Knoten mit Anbindung an das nationale Luftlagebild, und eine EW-/Cyber-Zelle, die feindliche Datenlinks und Satellitennavigation stört, wo der Gegner doch sendet, und das eigene Netz härtet — in Verbindung zum Kommando Cyber. Sie betreibt die EW-sichere Verbundkommunikation aus Kapitel 11.

Sensor- und Frühwarnbatterie. Sie betreibt das verteilte Multisensor-Netz aus Kapitel 3 — Radar, passive Funkdetektion, elektrooptisch/infrarot, akustisch — und fusioniert es zum Lagebild. Sie ist die erste, die den funkstillen Schwarm sieht, und knüpft an die reale RAM-Frühwarnfähigkeit (IRIS-T SLM, Radar TRML-4D) an [171].

Effektorbatterie Nahbereich (kinetisch). Rohrwaffe und programmierbare Splitterwirkung — Nachfolge der auslaufenden 35-mm-Linie mit luftbrechender, AHEAD-artiger Munition — plus Kurzstrecken-Lenkwaffen. Der wetterunabhängige, gegen dichte Pulks überlegene innerste Ring (Kapitel 7).

Effektorbatterie gerichtete Energie. Hochenergielaser und Hochleistungsmikrowellen (Kapitel 5 und 6) — die Schichten mit der tiefsten «Kosten pro Schuss» und, bei Energieversorgung, dem tiefsten Magazin [92]. Die HPM-Komponente ist der einzige Effektor, der die funkstille Autonomie des Angreifers nicht entwertet.

Effektorbatterie C-UAV (Abwehrdrohnen). Interzeptor- und Netzfänger-Drohnen sowie die Schwarm-gegen-Schwarm-Abwehr (Kapitel 8 und 9) — der direkte Bezug zur realen Taskforce-Stossrichtung «Drohnenabwehr mit Drohnen» [173].

Logistik- und Instandhaltungsbatterie. Munitions- und Lenkwaffenlogistik, vor allem aber die Energieversorgung — denn gerichtete Energie ist hungrig, und im Feld bestimmt der Generator, nicht das Magazin, die Durchhaltefähigkeit [92].

16.5 Funktionen und Personalverteilung

Eine Batterie führt ein Hauptmann, einen Zug ein Leutnant oder Oberleutnant, eine Gruppe ein Wachtmeister [169]. Der Berufskern bliebe klein — geschätzt 10 bis 15 Prozent, konzentriert auf die heikelsten Systeme (HEL/HPM, C2, EW) und die Dauerbereitschaft —, der Rest Miliz, analog zum realen Verhältnis von rund 100 Berufs- zu 3’500 Milizangehörigen der BODLUV Br 33 [167] (P). Das eigentlich Neue ist eine Gewichtsverlagerung im Personal: weg von der «Kanonen-Crew», hin zum Operateur vernetzter Effektoren. Das Schwergewicht läge bei Sensor-, C2- und EW-Funktionen — bei den Menschen, die das Lagebild lesen, die Waffen-Ziel-Zuordnung überwachen und die Wirkung freigeben.

16.6 Wer macht was — eine abgewehrte Welle

Man stelle sich den Ernstfall vor, gespeist aus den Kapiteln dieser Studie. Die Sensorbatterie entdeckt den anfliegenden Schwarm zuerst nicht im Radar, sondern in der Fusion mehrerer Sensoren, die das kleine, funkstille Ziel im Clutter herausschälen, und gewinnt Sekunden Vorwarnzeit. Im S3 der Stabsbatterie verdichtet sich das zum Lagebild; die KI-gestützte Planung schlägt eine Waffen-Ziel-Zuordnung vor, doch die Freigabe zur Wirkung bleibt beim Menschen über der Schleife — eine bewusste Entscheidung gegen den Automatisierungs-Bias, deren rechtliche Begründung Kapitel 15 trägt. Die Batterie gerichtete Energie dünnt den Pulk mit einem Mikrowellen-Puls aus, der mehrere Drohnen zugleich erfasst und ihre Autonomie nicht stört, sondern ihre Elektronik trifft. Was durchkommt, nimmt der Hochenergielaser einzeln; was dem Laser entgeht, fängt im Nächstbereich die programmierbare Splitterwolke oder ein Netzfänger der C-UAV-Batterie — letzterer wirkt selbst dann, wenn der Gegner jede Funkverbindung gekappt hat. Über allem hält die EW-Zelle das eigene Netz zusammen und synchronisiert das vernetzte Feuer auch dann, wenn der Gegner das Satellitensignal erstickt. Und die Logistikbatterie sorgt dafür, dass der Generator läuft, wenn die zweite Welle kommt. Keine Schicht ist für sich dicht; ihr Zusammenspiel ist die Verteidigung.

16.7 Schlussbetrachtung und Ausblick

Die autonome Kampfdrohne von 2036 ist gebaut, und sie ist gut gebaut — funkstill, selbstklassifizierend, in Masse. Diese Studie hat gezeigt, dass es trotzdem eine Antwort gibt, aber keine einfache: nicht eine Wunderwaffe, sondern ein gestaffeltes, vernetztes, ökonomisch durchdachtes System, in dem gerichtete Energie die Masse ausdünnt, Laser und Splitter die Leckage auffangen, Netze auch im Funkschweigen greifen, eine störfeste Führung das Ganze zusammenhält und der Mensch die Entscheidung über Leben und Tod behält. Verkörpert wird dieses System nicht durch ein einzelnes Gerät, sondern durch eine Organisation — hier durchgespielt am Drohnenabwehr-Bataillon der Schweizer Armee. Dass die Schweiz mit Air2030, der Securiton-Sofortbeschaffung und der Taskforce Drohnen die ersten realen Bausteine bereits legt, zeigt: Der Weg von der Bedrohung zur Abwehr ist beschritten. Ob er schnell genug beschritten wird, ist keine technische Frage mehr, sondern eine des Willens und der Mittel — und die Technik, das ist die nüchterne Lehre dieser beiden Studien, wartet nicht.

Anhang A — Abkürzungs- und Akronymverzeichnis

Anhang B — Glossar der Schlüsselbegriffe

Ausfallsichere Wirkkette. Das Entwurfsprinzip der angreifenden Drohne (aus der vorausgegangenen Studie): bordeigene Zielerkennung und gestaffelte Eigennavigation machen sie unabhängig von Funk und Satellit — der Bezugspunkt, gegen den die ganze Abwehr antritt.

Defense-in-Depth / gestaffelte Verteidigung. Schutz eines Objekts durch mehrere komplementäre Ringe (detektieren → entscheiden → wirken → schützen) statt durch eine einzelne Waffe; Grundlage der Doktrin «kein Silberkugel-System».

Fänger-Schwarm. Ein kontrollierter Verband von Abwehrdrohnen, der den gegnerischen Schwarm verteilt und abbaut, bevor dieser das Schutzobjekt erreicht.

Fratrizid. Selbstschädigung der eigenen Seite — hier: die Hochleistungsmikrowelle trifft im Wirkbereich auch ungeschirmte eigene Elektronik; erzwingt Härtung und Ausschlusszonen.

Gerichtete Energiewaffe (DEW). Sammelbegriff für Hochenergielaser und Hochleistungsmikrowellen; tiefe «Kosten pro Schuss», Magazintiefe begrenzt durch Energieversorgung, nicht durch Munition.

Hochenergielaser (HEL). Bekämpft Einzelziele präzise durch thermische Ablation; sequenziell (ein Ziel pro Zeitpunkt), wetterabhängig.

Hochleistungsmikrowelle (HPM). Koppelt Energie flächig in die Schaltkreise mehrerer Drohnen zugleich — wirkt unabhängig von Funk und Autonomie, ideal gegen funkstille Schwärme.

Low, Slow, Small (LSS). Die schwer detektierbare Zielklasse kleiner, langsamer, tieffliegender Drohnen, die im Radar-Clutter verschwindet.

Recognized Air Picture (RAP). Das fusionierte, geführte Luftlagebild, aus dem die Waffen-Ziel-Zuordnung gespeist wird.

Sättigungsangriff. Gleichzeitiger Anflug vieler Ziele, der die Abwehr nicht durch Präzision, sondern durch Erschöpfung von Zeit, Geschossen und Energie überlastet.

Schutznetz / Cope Cage. Passiver physischer Schutz durch Netze oder Gitterstrukturen über dem Objekt; wirkt unabhängig von elektronischer Störung, schützt aber nur einen Punkt.

Weapon-Target Assignment (WTA). Das (NP-schwere) Problem, welcher Effektor welches Ziel in welcher Reihenfolge bekämpft; bei Sättigung in Echtzeit gelöst, Grundlage der Planungsautomatisierung.

Zero-Trust-Architektur (ZTA). Sicherheitsmodell, das keinem Knoten implizit vertraut; härtet die taktische Verbundkommunikation gegen Cyber- und Spoofing-Angriffe.

Quellenverzeichnis

[1] El-Sheimy, N.; Youssef, A. A. — Inertial sensors technologies for navigation applications: state of the art and future trends. Satellite Navigation 1:2, 2020. https://doi.org/10.1186/s43020-019-0001-5

[2] Gallego, G.; Delbrück, T.; Orchard, G. et al.; Scaramuzza, D. — Event-Based Vision: A Survey. IEEE TPAMI 44(1), 2020. https://doi.org/10.1109/tpami.2020.3008413

[3] Kim, T.; Nam, S.; Lee, H.; Oh, J. — Verification of Vision-Based Terrain-Referenced Navigation Using the Iterative Closest Point Algorithm Through Flight Testing. Sensors 25(18):5813, 2025. https://doi.org/10.3390/s25185813

[4] Ma, S.; Wang, H.; Ma, L. et al.; Wei, F. — The Era of 1-bit LLMs: All Large Language Models are in 1.58 Bits. arXiv:2402.17764, 2024. https://arxiv.org/abs/2402.17764

[5] Hajizada, E.; Rager, D.; Shea, T. et al. — Online Continual Learning on Intel Loihi 2 via a Co-designed Spiking Neural Network. arXiv:2511.01553, 2025. https://arxiv.org/abs/2511.01553

[6] Jiang, W.; Wang, Y.; Li, Y.; Lin, Y.; Shen, W. — Radar Target Characterization and Deep Learning in Radar Automatic Target Recognition: A Review. Remote Sensing 15(15):3742, 2023. https://doi.org/10.3390/rs15153742

[7] Li, S.; He, X.; Xu, X.; Zhao, T.; Song, C.; Li, J. — Weapon-Target Assignment Strategy in Joint Combat Decision-Making Based on Multi-Head Deep Reinforcement Learning. IEEE Access 11, 2023. https://doi.org/10.1109/access.2023.3324193

[8] Kaufmann, E.; Bauersfeld, L.; Loquercio, A.; Müller, M.; Koltun, V.; Scaramuzza, D. — Champion-level drone racing using deep reinforcement learning. Nature 620(7976):982–987, 2023. https://doi.org/10.1038/s41586-023-06419-4

[9] Wright, M.; Anastassiou, L.; Mishra, C. et al.; Ralph, J. F. — Cold atom inertial sensors for navigation applications. Frontiers in Physics 10:994459, 2022. https://doi.org/10.3389/fphy.2022.994459

[10] Wheeler, J. M.; Chamoun, J. N.; Dangui, V.; Digonnet, M. J. F. — Analytic Method for Estimating Aircraft Fix Displacement from Gyroscope’s Allan-Deviation Parameters. arXiv:2202.09360, 2022. https://arxiv.org/abs/2202.09360

[11] Kang, H.; Joung, J.; Kim, J.; Kang, J.; Cho, Y. S. — Protect Your Sky: A Survey of Counter Unmanned Aerial Vehicle Systems. IEEE Access 8, 2020. https://doi.org/10.1109/access.2020.3023473

[12] Sathaye, H.; LaMountain, G.; Closas, P.; Ranganathan, A. — SemperFi: Anti-spoofing GPS Receiver for UAVs. NDSS Symposium, 2022. https://doi.org/10.14722/ndss.2022.23071

[13] Cost-Effectiveness Analysis of Counter-UAS Technologies: A Comparative Study of Kinetic, EW, and Directed Energy Countermeasures (2022–2026). ResearchGate-Preprint (Multi-Layered Defense Economics Model), nicht peer-reviewed. https://www.researchgate.net/publication/401707891

[14] Park, S.; Kim, H. T.; Lee, S.; Joo, H.; Kim, H. — Survey on Anti-Drone Systems: Components, Designs, and Challenges. IEEE Access 9, 2021. https://doi.org/10.1109/access.2021.3065926

[15] Samaras, S. et al. — Deep Learning on Multi Sensor Data for Counter UAV Applications — A Systematic Review. Sensors 19(22):4837, MDPI, 2019. https://doi.org/10.3390/s19224837

[16] Rahman, M. H. et al. — A Comprehensive Survey of Unmanned Aerial Vehicles Detection and Classification Using Machine Learning Approach. Remote Sensing 16(5):879, MDPI, 2024. https://doi.org/10.3390/rs16050879

[17] Yan, X.-C. et al. — UAV Detection and Tracking in Urban Environments Using Passive Sensors: A Survey. Applied Sciences 13(20):11320, MDPI, 2023. https://doi.org/10.3390/app132011320

[18] Bayizere, M. — DroneShield-AI: A Multi-Modal Sensor Fusion Framework for Real-Time Autonomous Drone Threat Detection, Behavioral Intent Classification, and Swarm Intelligence in Contested Airspace. arXiv:2606.11687, 2026. https://arxiv.org/abs/2606.11687

[19] Dickerson, C. et al. — Fusion of Cellular ISAC and Passive RF Sensing for UAV Detection and Tracking. arXiv:2512.14608, 2025 (NSF AERPAW). https://arxiv.org/abs/2512.14608

[20] Ezuma, M.; Erden, F.; Anjinappa, C. K.; Ozdemir, O.; Guvenc, I. — Detection and Classification of UAVs Using RF Fingerprints in the Presence of Wi-Fi and Bluetooth Interference. IEEE Open J. Communications Society 1, 2019. https://doi.org/10.1109/ojcoms.2019.2955889

[21] Aouladhadj, D. et al. — Drone Detection and Tracking Using RF Identification Signals. Sensors 23(17):7650, MDPI, 2023. https://doi.org/10.3390/s23177650

[22] Yang, B.; Matson, E. T.; Smith, A.; Dietz, J. E.; Gallagher, J. C. — UAV Detection System with Multiple Acoustic Nodes Using Machine Learning Models. IEEE IRC, 2019. https://doi.org/10.1109/irc.2019.00103

[23] United24 Media — Sky Fortress: Ukraine’s Acoustic Detection System That Tracks Drones — Cheap and Fast. 2025. https://united24media.com/war-in-ukraine/sky-fortress-ukraines-acoustic-detection-system-that-tracks-drones-cheap-and-fast-9451

[24] Sinha, P.; Yapici, Y.; Guvenc, I.; Turgut, E.; Gursoy, M. C. — RSS-Based Detection of Drones in the Presence of RF Interferers. arXiv:1905.03471, 2019. https://arxiv.org/abs/1905.03471

[25] Griffiths, D.; Jahangir, M.; Kannanthara, J.; Donlan, G.; Baker, C. J.; Antoniou, M.; Singh, Y. — Fully digital, urban networked staring radar: Simulation and experimentation. IET Radar, Sonar & Navigation, 2023. https://doi.org/10.1049/rsn2.12499

[26] Ahmad, B. I.; Harman, S.; Godsill, S. — A Bayesian track management scheme for improved multi-target tracking and classification in drone surveillance radar. IET Radar, Sonar & Navigation, 2023. https://doi.org/10.1049/rsn2.12458

[27] Ahmad, B. I. et al. — A Review of Automatic Classification of Drones Using Radar: Key Considerations, Performance Evaluation, and Prospects. IEEE Aerospace & Electronic Systems Magazine, 2023. https://doi.org/10.1109/maes.2023.3335003

[28] Ito, N.; Godsill, S. — A Multi-Target Track-Before-Detect Particle Filter Using Superpositional Data in Non-Gaussian Noise. IEEE Signal Processing Letters, 2020. https://doi.org/10.1109/LSP.2020.3002704

[29] Meister, D.; Holder, M. F.; Winner, H. — A Track-Before-Detect Approach to Multi-Target Tracking on Automotive Radar Sensor Data. arXiv:2006.02755, 2020. https://arxiv.org/abs/2006.02755

[30] Kim, K.; Uney, M.; Mulgrew, B. — Coherent Track Before Detect: Detection via simultaneous trajectory estimation and long time integration. arXiv:1709.00310, 2017. https://arxiv.org/abs/1709.00310

[31] Yan, B.; Giorgetti, A.; Paolini, E. — A Track-Before-Detect Algorithm for UWB Radar Sensor Networks. arXiv:2108.00501, 2021. https://arxiv.org/abs/2108.00501

[32] Dickerson, C.; Khawaja, W.; Guvenc, I. — Adaptive 5G Resource Allocation for Multistatic ISAC-Based UAV Detection and Tracking. arXiv:2606.21677, 2026. https://arxiv.org/abs/2606.21677

[33] Bournaka, G. et al. — Design and performance evaluation of a FM/DAB/DVB-T multi-illuminator passive radar system. 2014. https://www.researchgate.net/publication/260524420

[34] Target Localization from Bistatic Range Measurements in Multi-Transmitter Multi-Receiver Passive Radar. IEEE Signal Processing, 2015. https://www.researchgate.net/publication/283776180

[35] Two-Dimensional Target Localization Approach via a Closed-Form Solution Using Range Difference Measurements Based on Pentagram Array. Remote Sensing 16(8):1370, MDPI, 2024. https://www.mdpi.com/2072-4292/16/8/1370

[36] Passive Radar Tracking in Clutter Using Range and Range-Rate Measurements. Sensors (PMC10300973), 2023. https://pmc.ncbi.nlm.nih.gov/articles/PMC10300973/

[37] TDOA–FDOA method for tracking of a moving target in a distributed sensor scenario. ITM Web of Conferences (ICAECT), 2023. https://www.itm-conferences.org/articles/itmconf/pdf/2023/07/itmconf_icaect2023_01007.pdf

[38] Harms, H. A.; Davis, L. M.; Palmer, J. — Understanding the Signal Structure in DVB-T Signals for Passive Radar Detection. Washington University in St. Louis / IEEE Radar, 2009. https://www.ese.wustl.edu/~nehorai/paper/Radar_Harms.pdf

[39] Range resolution improvement in FM-based passive radars using deconvolution. Bilkent University, 2014. https://yoksis.bilkent.edu.tr/pdf/files/12333.pdf

[40] ETH Zürich (TIK) — DAB+ Positioning (Semesterarbeit), 2020. https://pub.tik.ee.ethz.ch/students/2020-HS/SA-2020-58.pdf

[41] SSB-Based Signal Processing for Passive Radar Using a 5G Network. IEEE, 2023. https://ieeexplore.ieee.org/iel7/4609443/9973430/10083170.pdf

[42] Analysis of 5G New Radio Waveform as an Illuminator of Opportunity for Passive Bistatic Radar. 2022. https://www.researchgate.net/publication/358931205

[43] An Improved Extensive Cancellation Method for Clutter Removal in Passive Bistatic Radar. Sensors (PMC12610278), 2024. https://pmc.ncbi.nlm.nih.gov/articles/PMC12610278/

[44] An Inter-Subband Processing Algorithm for Complex Clutter Suppression in Passive Bistatic Radar. Remote Sensing 13(23):4954, MDPI, 2021. https://www.mdpi.com/2072-4292/13/23/4954

[45] Beamforming Techniques for Passive Radar: An Overview. Sensors 23(7):3435, MDPI, 2023. https://www.mdpi.com/1424-8220/23/7/3435

[46] Learning Resource Allocation in Active-Passive Radar Sensor Networks. Frontiers in Signal Processing, 2022. https://www.frontiersin.org/journals/signal-processing/articles/10.3389/frsip.2022.822894/full

[47] Janes — NATO demonstrates fusion of active and passive radar detection in military network (SET-258, Polen 2024). 2024. https://www.janes.com/osint-insights/defence-news/nato-demonstrates-fusion-of-active-and-passive-radar-detection-in-military-network

[48] HENSOLDT — TwInvis: Passive Radar Surveillance of Noiseless Objects. https://www.hensoldt.net/products/twinvis-passive-radar-surveillance-of-noiseless-objects

[49] BAKOM — DAB+ transmitter networks for digital broadcasting by radio stations. https://www.bakom.admin.ch/en/dab-transmitter-networks-for-digital-broadcasting-by-radio-stations

[50] armasuisse W+T — The project «RadCom» – Sensory Analysis and Communications embark on a collaboration. https://www.ar.admin.ch/en/project-radcom

[51] AI Automates Drone Defense With High Energy Lasers. Mobility Engineering Technology (Naval Postgraduate School, High Energy Laser Beam Control Research Testbed). https://www.sae.org/mobilityengineering

[52] Unlu, E.; Zenou, E.; Rivière, N.; Dupouy, P.-É. — Deep learning-based strategies for the detection and tracking of drones using several cameras. IPSJ Trans. Computer Vision and Applications, 2019. https://doi.org/10.1186/s41074-019-0059-x

[53] Besada, J. A.; Campaña, I.; Carramiñana, D.; Bergesio, L.; de Miguel, G. — Review and Simulation of Counter-UAS Sensors for Unmanned Traffic Management. Sensors 22(1):189, MDPI, 2021. https://doi.org/10.3390/s22010189

[54] Samu, J.; Yang, C. — Airport Ground-Based Aerial Object Surveillance Technologies for Enhanced Safety: A Systematic Review. Drones 10(1):22, MDPI, 2025. https://doi.org/10.3390/drones10010022

[55] Athans, M. — Command and control (C2) theory: A challenge to control science. IEEE Trans. Automatic Control 32(4), 1987. https://doi.org/10.1109/tac.1987.1104607

[56] Dimarogonas, J. et al. — Universal Command and Control Language Early System Engineering. RAND Corporation RR-A744-2, 2023. https://www.rand.org/pubs/research_reports/RRA744-2.html

[57] Ciolponea, C.-A.; Bârsan, G. — NATO Corps HQ – Land Component – Integration of Unmanned Aerial Vehicles (UAVs). Revista Academiei Forțelor Terestre, 2022. https://doi.org/10.2478/raft-2022-0041

[58] Palestini, C. (zit.) — NATO to adopt first-ever counter-drone doctrine for member nations. C4ISRNET, 2023. https://www.c4isrnet.com/unmanned/2023/10/20/nato-to-adopt-first-ever-counter-drone-doctrine-for-member-nations/

[59] Bassil, Y. — Service-Oriented Architecture for Weaponry and Battle Command and Control Systems in Warfighting. arXiv:1204.0179, 2012. https://arxiv.org/abs/1204.0179

[60] NATO Communications and Information Agency — NATO tests counter drone technology during interoperability exercise (C-UAS TIE). https://www.ncia.nato.int/about-us/newsroom/nato-tests-counter-drone-technology-during-interoperability-exercise–2

[61] NATO tests counter-drone playbook amid real-life jamming in Romania. Defense News, 2024. https://www.defensenews.com/global/europe/2024/07/08/nato-tests-counter-drone-playbook-amid-real-life-jamming-in-romania/

[62] Kallenborn, Z. — Countering Swarms: Strategic Considerations and Opportunities in Drone Warfare. Joint Force Quarterly 107, NDU Press, 2022. https://ndupress.ndu.edu/Joint-Force-Quarterly/Joint-Force-Quarterly-107/Article/Article/3197193/

[63] Zhang, K.; Zhou, D.; Yang, Z.; Pan, Q.; Kong, W. — Constrained Multi-Objective Weapon Target Assignment for Area Targets by Efficient Evolutionary Algorithm. IEEE Access 7, 2019. https://doi.org/10.1109/access.2019.2955482

[64] Zhang, K.; Zhou, D.; Yang, Z.; Kong, W.; Zeng, L. — A Novel Heterogeneous Sensor-Weapon-Target Cooperative Assignment for Ground-to-Air Defense by Efficient Evolutionary Approaches. IEEE Access 8, 2020. https://doi.org/10.1109/access.2020.3043667

[65] Palmas, A. — Reinforcement Learning for Decision-Level Interception Prioritization in Drone Swarm Defense. arXiv:2508.00641, 2025. https://doi.org/10.48550/arXiv.2508.00641

[66] Li, T.; Wang, G.; Fu, Q.; Guo, X.; Zhao, M.; Liu, X. — An Intelligent Algorithm for Solving Weapon-Target Assignment Problem: DDPG-DNPE Algorithm. Computers, Materials & Continua 76(3), 2023. https://doi.org/10.32604/cmc.2023.041253

[67] He, S. et al. — Target Assignment Algorithm for Joint Air Defense Operation Based on Spatial Crowdsourcing Mode. Electronics 11(11):1779, MDPI, 2022. https://doi.org/10.3390/electronics11111779

[68] Brust, M. R.; Danoy, G.; Bouvry, P.; Gashi, D.; Pathak, H.; Gonçalves, M. P. — Defending against Intrusion of Malicious UAVs with Networked UAV Defense Swarms. IEEE LCN Workshops, 2018. https://arxiv.org/abs/1808.06900

[69] Cheng, Z. et al. — Interference-Aware K-Step Reachable Communication in Multi-Agent Reinforcement Learning. arXiv:2603.15054, 2026. https://arxiv.org/abs/2603.15054

[70] Zhu, C.; Dastani, M.; Wang, S. — A Survey of Multi-Agent Deep Reinforcement Learning with Communication. arXiv:2203.08975, 2022. https://arxiv.org/abs/2203.08975

[71] Takayama, S.; Fujita, K. — AOAD-MAT: Transformer-based multi-agent deep reinforcement learning model considering agents’ order of action decisions. arXiv:2510.13343, 2025. https://arxiv.org/abs/2510.13343

[72] Brookings Institution — Understanding the errors introduced by military AI applications. https://www.brookings.edu/articles/understanding-the-errors-introduced-by-military-ai-applications/

[73] Hawley, J. K. — Patriot Wars: Automation and the Patriot Air and Missile Defense System. Center for a New American Security (CNAS), 2017. https://www.cnas.org/publications/reports/patriot-wars

[74] Air University, Office of Sponsored Programs — Ethical, Legal and Operational Challenges of AI-Driven Warfare and Autonomous Systems. 2025. https://www.airuniversity.af.edu/Office-of-Sponsored-Programs/Research/Article-Display/Article/4459074/

[75] Algorithmic Fratricide: When Artificial Intelligence Bias Becomes a Force-Protection Hazard. Small Wars Journal, 2025. https://smallwarsjournal.com/2025/12/25/algorithmic-fratricide/

[76] Exploring the Impact of Automation Bias and Complacency on Individual Criminal Responsibility for War Crimes. Journal of International Criminal Justice 21(5), Oxford University Press, 2023. https://doi.org/10.1093/jicj/mqad037

[77] Straitouri, E.; Tsirtsis, S.; Artola Velasco, A.; Gomez-Rodriguez, M. — Narrowing Action Choices with AI Improves Human Sequential Decisions. arXiv:2510.16097, 2025. https://arxiv.org/abs/2510.16097

[78] Scharowski, N.; Perrig, S. A. C.; von Felten, N.; Brühlmann, F. — Trust and Reliance in XAI — Distinguishing Between Attitudinal and Behavioral Measures. arXiv:2203.12318, 2022. https://arxiv.org/abs/2203.12318

[79] Wang, J. C.-H. et al. — Flight Testing an Optionally Piloted Aircraft: a Case Study on Trust Dynamics in Human-Autonomy Teaming. arXiv:2503.16227, 2025. https://arxiv.org/abs/2503.16227

[80] McDowell, K.; Novoseller, E.; Madison, A.; Goecks, V. G.; Kelshaw, C. — Re-Envisioning Command and Control. arXiv:2402.07946, 2024 (US Army Research Laboratory). https://arxiv.org/abs/2402.07946

[81] Simpson, J.; Oosthuizen, R.; El Sawah, S.; Abbass, H. — Agile, Antifragile, Artificial-Intelligence-Enabled, Command and Control. arXiv:2109.06874, 2021. https://arxiv.org/abs/2109.06874

[82] Madison, A. et al. — “New” Challenges for Future C2: Commanding Soldier-Machine Partnerships. arXiv:2503.08844, 2025. https://arxiv.org/abs/2503.08844

[83] Lee, H.; Panagou, D. — Distributed Resilience-Aware Control in Multi-Robot Networks. arXiv:2504.03120, 2025. https://arxiv.org/abs/2504.03120

[84] Shinohara, T.; Johansson, K. H.; Sandberg, H. — Distributed Resilient State Estimation and Control with Strategically Implemented Security Measures. arXiv:2507.12052, 2025. https://arxiv.org/abs/2507.12052

[85] Jafari, A. A.; Anbarjafari, G. — A Multi-physics Simulation Framework for High-power Microwave Counter-unmanned Aerial System Design and Performance Evaluation. arXiv:2602.08477, 2026. https://arxiv.org/abs/2602.08477

[86] Min, S.-H. et al. — Analysis of Electromagnetic Pulse Effects Under High-Power Microwave Sources. IEEE Access 9, 2021. https://doi.org/10.1109/access.2021.3117395

[87] Christie, L. — Shaping Modern Warfare: The Strategic Role of High-Power Microwave Directed Energy Weapons in Multi-Domain Operations. Defence Science Journal, 2026. https://doi.org/10.14429/dsj.21114

[88] Cumpson, P. J. — Movement To Contact and Vanguard UAVs: Strategies for Swarm UAV Battlefield Economics in the era of Microwave Directed Energy Weapons. Security and Defence Quarterly, 2026. https://doi.org/10.35467/sdq/221147

[89] Karkadakattil, A. — Laser-Based Directed Energy Weapons: Technological Capabilities, Material Interaction, and Strategic Deployment Pathways. Defence Science Review (PNO), 2026. https://doi.org/10.37055/pno/216776

[90] Counter-Unmanned Aerial Vehicles Study: Shipboard Laser Weapon System Engagement Strategies for Countering Drone Swarm Threats. NPS/DTIC AD1165019. https://apps.dtic.mil/sti/trecms/pdf/AD1165019.pdf

[91] Siora, O.; Lukashenko, V.; Bernatskyi, A. — An interdisciplinary study of the effect of laser radiation on carbon fiber-reinforced polymer, in the context of counteracting unmanned aerial vehicles. History of Science and Technology 15(1), 2025. https://doi.org/10.32703/2415-7422-2024-15-1-195-215

[92] Congressional Research Service — Department of Defense Directed Energy Weapons: Background and Issues for Congress, R46925, 2024. https://www.congress.gov/crs_external_products/R/PDF/R46925/R46925.8.pdf

[93] Gupta, T. — The role of High Energy Laser as a U.S. Army Counter-small Unmanned Aircraft System (UAS) Weapon. DTIC AD1230685. https://apps.dtic.mil/sti/trecms/pdf/AD1230685.pdf

[94] Michnewich, D. A. — Modeling Energy Storage Requirements for High-Energy Lasers on Navy Ships. Naval Postgraduate School, 2018. http://hdl.handle.net/10945/59554

[95] Rheinmetall — Oerlikon Skynex Air Defence System (35-mm-AHEAD-Munition), Broschüre B200e0424. https://www.rheinmetall.com

[96] Interceptor Drones: Technological, Economic, Operational Requirements and Comparative Analysis. ResearchGate-Preprint, 2025 (nicht peer-reviewed). https://www.researchgate.net/publication/398735315

[97] Yan, H.; Yang, K.; Cheng, Y.; Wang, Z.; Li, D. — Precise Interception Flight Targets by Image-based Visual Servoing of Multicopter. arXiv:2409.17497, 2024. https://doi.org/10.48550/arxiv.2409.17497

[98] Yang, K.; Bai, C.; She, Z.; Quan, Q. — High-Speed Interception Multicopter Control by Image-based Visual Servoing. arXiv:2404.08296, 2024. https://arxiv.org/abs/2404.08296

[99] Liu, L. Y.; Yang, K.; Zou, H. et al. — Planar-Sector LOS Guidance for Interception of Agile Targets with Lifting-Wing Quadcopters. arXiv:2606.10639, 2026. https://arxiv.org/abs/2606.10639

[100] Rothe, J.; Strohmeier, M.; Montenegro, S. — Autonomous Multi-UAV Net Defense System for Aerial Drone Interception. 2025 10th Int. Conf. on Control and Robotics Engineering (ICCRE), IEEE, S. 171–177. https://doi.org/10.1109/iccre65455.2025.11093305

[101] Yu, D.; Judasz, A.; Zheng, M.; Botta, E. M. — Design and Testing of a Net-Launch Device for Drone Capture. AIAA SciTech 2022 Forum. https://doi.org/10.2514/6.2022-0273

[102] Tupitsyn, N. — Estimation of the Required Dimension of Net to Capture Drone. Electronics and Control Systems 1(67):94–99, National Aviation University, 2021. https://doi.org/10.18372/1990-5548.67.15623

[103] Deutsches Zentrum für Luft- und Raumfahrt (DLR) — Reliable drone defence (CUSTODIAN-Projekt), 2025. https://www.dlr.de/en/latest/news/2025/reliable-drone-defence

[104] Diehl Defence — Drohnenabwehr | Counter-UAS (SKY SPHERE, CICADA). https://new.diehl.com/defence/de/produkte/drohnenabwehr-counter-uas

[105] Fortem Technologies — DroneHunter F700 (Produktseite & Datasheet). Abgerufen 2026-06-23. https://fortemtech.com/products/dronehunter-f700/

[106] Delft Dynamics — DroneCatcher / AISAR-Katalog. Abgerufen 2026-06-23. https://www.aisar.tech/catalog/defence/delft-dronecatcher

[107] OpenWorks Engineering — SkyWall Patrol — Handheld UAS Capture System. Abgerufen 2026-06-23. https://openworksengineering.com/skywall-patrol/

[108] OpenWorks Engineering — SkyWall300 Automatic Drone Capture System (Datasheet, via Counter Drone Solutions), 2018. https://counterdronesolutions.com.au/wp-content/uploads/2018/06/SkyWall300-Automatic-Drone-Capture-System-Datasheet.pdf

[109] Skraparlis, A.; Ntalianis, K.; Tsapatsoulis, N. — A novel framework to intercept GPS-denied, bomb-carrying, non-military, kamikaze drones: Towards protecting critical infrastructures. Defence Technology, Elsevier, 2024. https://doi.org/10.1016/j.dt.2024.05.001

[110] Bopardikar, S. D.; Suri, S. — k-Capture in Multiagent Pursuit Evasion, or the Lion and the Hyenas. arXiv:1108.1561, 2011. https://arxiv.org/abs/1108.1561

[111] Das, G.; Dorothy, M.; Bell, Z. I.; Shishika, D. — Defending a Static Target Point with a Slow Defender. arXiv:2311.03338, 2023. https://arxiv.org/abs/2311.03338

[112] Brust, M. R.; Danoy, G.; Stolfi, D. H.; Bouvry, P. — Swarm-based counter UAV defense system. Discover Internet of Things 1, 2021. https://doi.org/10.1007/s43926-021-00002-x

[113] Pandey, S.; Muniraj, D. — Critical Infrastructure Defense Against Aerial Swarms Under Sensing Uncertainty: Online Allocation With Finite-Time Guarantees. arXiv:2605.26838, 2026. https://arxiv.org/abs/2605.26838

[114] Chipade, V. S.; Wang, X.; Panagou, D. — IDCAIS: Inter-Defender Collision-Aware Interception Strategy against Multiple Attackers. arXiv:2112.12098, 2021. https://arxiv.org/abs/2112.12098

[115] Chipade, V. S.; Panagou, D. — Aerial Swarm Defense using Interception and Herding Strategies. arXiv:2306.02482, 2023. https://arxiv.org/abs/2306.02482

[116] Zuo, L.; Wang, Y.; Liu, J.; Lu, Y.; Gu, R. — A Hierarchical Cooperative Interception Framework for Multi-UAV Defense Against Large-Scale Swarm Intrusions. Drones 10(6):418, MDPI, 2026. https://doi.org/10.3390/drones10060418

[117] Chaari, M. Z. — Analysis of the power of drones and limitations of the anti-drone solutions on the Russian-Ukrainian battlefield. Security and Defence Quarterly, 2025. https://doi.org/10.35467/sdq/208347

[118] Bulletin of the Russian Military Medical Academy — Bildbeleg «An enemy FPV drone that attacked an armored ambulance and became stuck in the protective net», 2025. https://doi.org/10.17816/brmma649350-4389516

[119] Sharma, A. K.; Panigrahi, R. K.; Sharma, P. K. — Computational Analysis and Material Optimization of Protective Cage Structures Against FPV Kamikaze Drone Delivered Explosive Payloads. Journal of Physics: Conf. Ser. 3196(1):012061, IOP, 2026. https://doi.org/10.1088/1742-6596/3196/1/012061

[120] Babanatsas, T.; Babanatis-Merce, R. M. — A Conceptual Model for Eco-Friendly Low-Cost Counter-Drone Defence Using Biodegradable Sticky Microfibers. Preprints, 2025. https://doi.org/10.20944/preprints202509.1486.v1

[121] Muda, N. R. S.; Fadilah, M. F. — Effectiveness of Combined Tactical Forward Posts in Countering Enemy Drone Attacks. Cendekia 3(5), 2026. https://doi.org/10.62335/cendekia.v3i5.2550

[122] Radoš, K.; Brkić, M.; Begušić, D. — Recent Advances on Jamming and Spoofing Detection in GNSS. Sensors 24(13):4210, 2024. https://doi.org/10.3390/s24134210

[123] Fan Yan — Anti-jamming Performance Evaluation of Link-16 Tactical Data Link System and its Simulation. 2009. OpenAlex W2370978264.

[124] Lee, K.; Noh, H.; Lee, J.; Lim, J. — Performance Analysis of Link-16 Waveform considering Frequency Remapping under PBNJ. KICS, 2013. https://doi.org/10.7840/kics.2013.38c.11.955

[125] Yang, T.-H. et al. — Anti-Jamming and Time Delay Performance Analysis of Future SATURN Upgraded Military Aerial Communication Tactical Systems. KSII TIIS, 2022. https://doi.org/10.3837/tiis.2022.09.011

[126] Zheng, W.; Jin, H.; Liu, Y.; Yu, Q. — Analysis and Research on TTNT Data Link. FMSMT, 2017. https://doi.org/10.2991/fmsmt-17.2017.132

[127] Ning, X.; Wang, Y.; Wang, Z.; Sun, Z. — Link-16 Anti-Jamming Performance Evaluation Based on Grey Relational Analysis and Cloud Model. Journal of Systems Engineering and Electronics, 2024. https://doi.org/10.23919/jsee.2023.000120

[128] Bahn, W. L. — Concurrent code spread spectrum: theory and performance analysis of jam resistant communication without shared secrets. 2007. OpenAlex W2520312125. http://hdl.handle.net/10976/247

[129] Soner, B.; Uzun, E.; Aksoy, C. — Low-Cost GNSS Anti-Jamming Through 2-Bit Phase Shift Beamforming with Machine Learning. arXiv:2605.10264, 2026. https://arxiv.org/abs/2605.10264

[130] Huang, K. et al. — Robust Anti-jamming Communications with DMA-Based Reconfigurable Heterogeneous Array. arXiv:2310.09466, 2023. https://arxiv.org/abs/2310.09466

[131] Sheikholeslami, A.; Ghaderi, M.; Pishro-Nik, H.; Goeckel, D. — Energy-Efficient Routing in Wireless Networks in the Presence of Jamming. IEEE Trans. Wireless Commun., 2016. https://doi.org/10.1109/TWC.2016.2591016

[132] Behfarnia, A.; Eslami, A. — Message Passing for Analysis and Resilient Design of Self-Healing Interdependent Cyber-Physical Networks. arXiv:1606.00955, 2016. https://arxiv.org/abs/1606.00955

[133] Seliem, M.; Pesch, D.; Roedig, U.; Sreenan, C. — Resilient Time-Sensitive Networking for Industrial IoT: Configuration and Fault-Tolerance Evaluation (IN2C). arXiv:2507.11250, 2025. https://arxiv.org/abs/2507.11250

[134] Danielis, P.; Parzyjegla, H.; Mühl, G.; Schweissguth, E.; Timmermann, D. — Frame Replication and Elimination for Reliability in Time-Sensitive Networks. arXiv:2109.13677, 2021. https://arxiv.org/abs/2109.13677

[135] Thomas, L.; Mifdaoui, A.; Le Boudec, J.-Y. — Worst-case Delay Bounds in Time-Sensitive Networks with Packet Replication and Elimination. IEEE/ACM Trans. Netw., 2022. https://doi.org/10.1109/TNET.2022.3180763

[136] Martinez, G. D.; Li, C.; Staron, A.; Kitching, J.; Raman, C.; McGehee, W. R. — A chip-scale atomic beam clock. Nature Communications, 2023. https://doi.org/10.1038/s41467-023-39166-1

[137] Peil, S.; Akin, T. G.; Whalen, J. D. — 100-ns-level timing holdover after 12 years for rubidium atomic fountains. Physical Review, 2025. https://doi.org/10.1103/61yv-3ltl

[138] Kriezis, A.; Chen, Y.-H.; Akos, D.; Lo, S.; Walter, T. — GNSS Jamming and Spoofing Monitoring Using Low-Cost COTS Receivers. arXiv:2509.13600, 2025. https://arxiv.org/abs/2509.13600

[139] Enan, A.; Chowdhury, M.; Dasgupta, S.; Rahman, M. — Quantum-Classical Hybrid Framework for Zero-Day Time-Push GNSS Spoofing Detection. arXiv:2508.18085, 2025. https://arxiv.org/abs/2508.18085

[140] Motallebighomi, M.; Sathaye, H.; Singh, M.; Ranganathan, A. — Cryptography Is Not Enough: Relay Attacks on Authenticated GNSS Signals. arXiv:2204.11641, 2022. https://arxiv.org/abs/2204.11641

[141] Daliot, A.; Dolev, D.; Parnas, H. — Linear-time Self-stabilizing Byzantine Clock Synchronization. arXiv:cs/0608096, 2006. https://arxiv.org/abs/cs/0608096

[142] Bund, J.; Lenzen, C.; Rosenbaum, W. — Fault Tolerant Gradient Clock Synchronization. arXiv:1902.08042, 2019. https://arxiv.org/abs/1902.08042

[143] Li, H.; Gong, G.; Pan, W.; Du, Q.; Li, J. — Temperature Effect and Correction Method of White Rabbit Timing Link. arXiv:1406.4223, 2014. https://arxiv.org/abs/1406.4223

[144] Harvey, J.; Steer, M. B.; Rappaport, T. S. — Exploiting High Millimeter Wave Bands for Military Communications, Applications, and Design. IEEE Access, 2019. https://doi.org/10.1109/ACCESS.2019.2911675

[145] Rappaport, T. S.; MacCartney, G. R.; Samimi, M. K.; Sun, S. — Wideband Millimeter-Wave Propagation Measurements and Channel Models for Future Wireless Communication System Design. IEEE Trans. Commun., 2015. https://doi.org/10.1109/tcomm.2015.2434384

[146] van Vliet, V.; van den Hout, M.; Gümüş, K.; Tangdiongga, E.; Okonkwo, C. — Experimental Investigation of Availability in a 4.6 km Terrestrial Urban Coherent Free-Space Optical Communications Link. ECOC, 2025. https://doi.org/10.1109/ECOC66593.2025.11263027

[147] Wang, J.; Su, Z.; Li, B.; Zheng, W.; Gao, H. — Ground-Based Verification Method for Pointing and Acquisition Performance of Space Optical Communication System with Sub-Second Acquisition Time. arXiv:2508.08950, 2025. https://arxiv.org/abs/2508.08950

[148] Dhiman, P. et al. — A Review and Comparative Analysis of Relevant Approaches of Zero Trust Network Model. Sensors, 2024. https://doi.org/10.3390/s24041328

[149] Djahel, S.; Naït-Abdesselam, F.; Zhang, Z. — Mitigating Packet Dropping Problem in Mobile Ad Hoc Networks: Proposals and Challenges. IEEE Communications Surveys & Tutorials, 2011. https://doi.org/10.1109/surv.2011.072210.00026

[150] Gupta, N.; Doan, T. T.; Vaidya, N. H. — Byzantine Fault-Tolerance in Decentralized Optimization under Minimal Redundancy. arXiv:2009.14763, 2020. https://arxiv.org/abs/2009.14763

[151] Saarinen, M.-J. O. — Mobile Energy Requirements of the Upcoming NIST Post-Quantum Cryptography Standards. arXiv:1912.00916, 2019. https://arxiv.org/abs/1912.00916

[152] Wallace, R. J.; Loffi, J. M. — Examining Unmanned Aerial System Threats & Defenses: A Conceptual Analysis. International Journal of Aviation, Aeronautics, and Aerospace 2(4), 2015. https://doi.org/10.15394/ijaaa.2015.1084

[153] CSIS Missile Defense Project — Countering Uncrewed Aerial Systems: A Conversation with General Sean Gainey, 14.11.2023. https://www.csis.org/analysis/countering-uncrewed-aerial-systems-conversation-general-sean-gainey

[154] Kong, L.; Wang, J.; Zhao, P. — Solving the Dynamic Weapon Target Assignment Problem by an Improved MOPSO. Applied Sciences 11(19):9254, 2021. https://doi.org/10.3390/app11199254

[155] Cao, M.; Fang, W. — Swarm Intelligence Algorithms for Weapon-Target Assignment in a Multilayer Defense Scenario. Symmetry 12(5):824, 2020. https://doi.org/10.3390/sym12050824

[156] Clarke, C. A.; Larsen, W. E. — Aircraft Electromagnetic Compatibility. NASA/Ames, 1987. http://hdl.handle.net/2060/19870014423

[157] Huang, Q. — Investigation of radiation-hardened design of electronic systems with applications to post-accident monitoring. PhD, University of Western Ontario, 2019. https://ir.lib.uwo.ca/etd/6025

[158] Grachauskas, A. — Modern Warfare Tendencies and Implications for the Baltic Region: Adapting to a New Era of Conflict. Military Science Journal 41(1), 2026. https://doi.org/10.47459/mz.2026.41.1.3

[159] Nallamalli, R.; Singh, K.; Kumar, I. D. — Technological Perspectives of Countering UAV Swarms. Defence Science Journal 73, 2023. https://doi.org/10.14429/dsj.73.18695

[160] Abir, T. A.; Le, V.; Kuantama, E. et al. — Detection and Tracking of Drone Swarms using LiDAR (LiSWARM). ACM MobiSys, 2025. https://doi.org/10.1145/3711875.3729156

[161] International Committee of the Red Cross — ICRC position on autonomous weapon systems. 12.05.2021. https://www.icrc.org/en/document/icrc-position-autonomous-weapon-systems

[162] CCW Group of Governmental Experts — Guiding Principles affirmed by the GGE on Emerging Technologies in the Area of LAWS, CCW/MSP/2019/9 Annex III, 2019. https://ccdcoe.org/uploads/2020/02/UN-191213_CCW-MSP-Final-report-Annex-III_Guiding-Principles-affirmed-by-GGE.pdf

[163] Amoroso, D. — A Normative Model of Meaningful Human Control over Weapons Systems. In: Autonomous Weapons Systems and International Law, Nomos, 2020. https://doi.org/10.5771/9783748909538-217

[164] Cummings, M. L. — Lethal Autonomous Weapons: Meaningful Human Control or Meaningful Human Certification? IEEE Technology and Society Magazine 38(4), 2019. https://doi.org/10.1109/mts.2019.2948438

[165] Johnson, J. — Inadvertent escalation in the age of intelligence machines: A new model for nuclear risk in the digital age. European Journal of International Security 6(4), 2021. https://doi.org/10.1017/eis.2021.23

[166] King, A. — Digital Targeting: Artificial Intelligence, Data, and Military Intelligence. Journal of Global Security Studies 9(2):ogae009, 2024. https://doi.org/10.1093/jogss/ogae009

[167] Stab BODLUV Br 33 — Organigramm BODLUV Br 33 (gültig ab 1.1.2024); ergänzend Wikipedia Bodengestützte Luftverteidigungsbrigade 33. https://de.wikipedia.org/wiki/Bodengest%C3%BCtzte_Luftverteidigungsbrigade_33

[168] VBS — Das VBS in Zahlen (Bestände, Feuereinheiten Flab/Stinger), Stand 19.12.2025. https://www.vbs.admin.ch/de/vbs-in-zahlen

[169] Dienstreglement der Schweizer Armee (DR04), Art. 18 «Hierarchie der Verbände». https://www.rechtundgesetz.ch/14_65_291_DR04_gesetzestexte_artikel_18_18_Hierarchie_der_Verbaende.html

[170] VBS — Armeebotschaft 2022 (F-35A + Patriot). https://www.vbs.admin.ch/de/armeebotschaft-2022

[171] armasuisse — Bodluv MR: Vertrag zur kooperativen Beschaffung von IRIS-T SLM unterzeichnet, 22.7.2025. https://www.ar.admin.ch/de/newnsb/ZjsNYPpgoETj

[172] admin.ch — Abwehr von Mini-Drohnen: armasuisse beschafft Drohnenabwehrsysteme des Schweizer Lieferanten Securiton, 20.11.2025. https://www.admin.ch/de/newnsb/kFV63fJYMPRSwA3npzNdi

[173] armasuisse — Taskforce Drohnen (TFD), 2025. https://www.ar.admin.ch/de/taskforce-drohnen