Um vier Uhr nachmittags kann ein Angelsee beruhigend wirken. Das Wasser ist warm, die Fische sind vielleicht noch aktiv, und eine Messung des gelösten Sauerstoffs nahe der Oberfläche kann völlig unbedenklich erscheinen. Dennoch bewegt sich der See möglicherweise bereits auf die belastendste Phase seines täglichen Sauerstoffzyklus zu – zu einer Zeit, in der kaum jemand hinsieht.
Hitze, gelöster Sauerstoff, Algen und Cyanobakterien hängen zusammen, jedoch nicht über eine einzige einfache Ursache-Wirkungs-Kette. Das nützlichste Überwachungssystem ist daher nicht zwangsläufig dasjenige mit den meisten Sensoren. Es ist das System, das die tatsächlichen Fragen des Betreibers beantwortet:
Das gleiche grundlegende Messproblem stellt sich in Freizeit-Angelseen, Fischfarmen im Binnenland, Offshore-Käfiganlagen und Muschelfarmen. Die zugrunde liegenden physikalischen und biologischen Prozesse sind dieselben; unterschiedlich sind Wasseraustausch, Besatzdichte, Salinität, Exposition und das biologische Ziel.
- Wird der Sauerstoffgehalt für die Fische gefährlich?
- Trägt biologische Aktivität zu dieser Veränderung bei?
- Treten Cyanobakterien – oder eine andere vor Ort relevante Blütengruppe – zunehmend hervor?
- Lässt sich der Trend früh genug erkennen, um einzugreifen?
Dieser Beitrag untersucht, was Messungen von gelöstem Sauerstoff, Chlorophyll-a, Cyanobakterien, Trübung und Salinität in Angelseen, Fischfarmen im Binnenland und auf See sowie in Muschelfarmen im Brack- oder Meerwasser aussagen können – und was nicht. In den letzten Abschnitten kehren wir zur Frage des Zeitpunkts zurück: Wann ist das Sauerstoffrisiko häufig am größten, und warum kann eine Kontrolle am Nachmittag daran vorbeigehen?
Hitze verändert den Sauerstoffhaushalt
Mit steigender Wassertemperatur sinkt die Fähigkeit des Wassers, gelösten Sauerstoff zu speichern. Gleichzeitig atmen Fische und Mikroorganismen weiter, und der biologische Sauerstoffbedarf kann steigen. Heißes, windstilles Wetter kann zudem die thermische Schichtung verstärken und dadurch den Austausch zwischen sauerstoffreichem Oberflächenwasser und tieferen Schichten verringern.
Diese Mechanismen wirken sich nicht auf jeden Angelsee, jede Aquakulturanlage oder Muschelfarm gleichermaßen aus. Tiefe, Windexposition, Sichttiefe, organische Belastung, Fisch- beziehungsweise Muscheldichte und die Geometrie des Beckens beeinflussen das Ergebnis. Selbst in relativ flachem Wasser können bedeutsame vertikale oder räumliche Unterschiede entstehen.
Dies ist der erste Grund, weshalb eine einzelne gelegentliche Messung nur eine schwache Datengrundlage bietet. Ein Messwert beschreibt einen Ort und einen Zeitpunkt. Er zeigt nicht, in welche Richtung sich das System entwickelt.
Der erste Sensor ist kein „Algensensor“
Wenn der Schutz von Fischen oder Muscheln das Bewirtschaftungsziel ist, bildet gelöster Sauerstoff (DO) den logischen Ausgangspunkt. Diese Umweltvariable steht unmittelbar mit dem für die Fische aktuell verfügbaren Sauerstoff in Verbindung.
Die Temperatur sollte normalerweise gleichzeitig gemessen werden. Sie beeinflusst die Sauerstofflöslichkeit, den Stoffwechsel der Fische, die Durchmischung sowie die Interpretation sowohl der Sauerstoffkonzentration als auch der prozentualen Sättigung.
An Offshore- und Brackwasserstandorten gehört außerdem Leitfähigkeit oder Salinität zur Grundausstattung. Die Salinität beeinflusst die Sauerstofflöslichkeit und hilft, Süßwasserzuflüsse, Schichtung und wechselnde Wassermassen zu erkennen. In der Muschelzucht liefert sie zudem wichtigen Kontext für die Filtrationsbedingungen und Veränderungen der Phytoplanktongemeinschaft.
Eine kontinuierliche Zeitreihe von DO und Temperatur beginnt betriebliche Fragen zu beantworten, die eine Einzelmessung nicht klären kann:
- Wie groß sind die wiederkehrenden Sauerstoffschwankungen?
- Sinkt das Minimum allmählich weiter ab?
- Wie schnell nimmt der Sauerstoffgehalt ab?
- Verhält sich die Wassersäule einheitlich?
- Hat ein Belüfter die erwartete Wirkung erzielt?
Der passende Alarmwert ist standort- und organismenspezifisch. Art, Lebensstadium, Besatzdichte, Wassertemperatur und Expositionsdauer spielen dabei eine Rolle. Die Änderungsrate kann ebenso wichtig sein wie ein fester Schwellenwert: Ein rasch fallender Wert kann ein Eingreifen rechtfertigen, bevor der Alarmwert erreicht ist.
Kann KI einen Sauerstoffabfall allein aus DO vorhersagen?
Mitunter – sofern die Aussage präzise bleibt.
Eine ausreichend lange, regelmäßige DO-Zeitreihe enthält Informationen über wiederkehrende Zyklen und die Reaktion des Standorts auf frühere Bedingungen. Zeitreihen- und Machine-Learning-Modelle können diese Muster erlernen und den künftigen DO-Verlauf schätzen. Eze und Ajmal (2020) berichteten beispielsweise über vielversprechende kurz- und längerfristige Prognosen anhand einer DO-Zeitreihe aus einem Aquakulturteich, wobei sie einen hybriden EEMD–LSTM-Ansatz verwendeten.
Das bedeutet nicht, dass sich ein an einem Standort trainiertes Modell einfach auf einen anderen übertragen lässt. Eine betrieblich nutzbare Prognose erfordert lokale Daten, Tests mit Daten außerhalb des Trainingsdatensatzes und eine fortlaufende Validierung, wenn sich Jahreszeiten und Standortbedingungen verändern.
Auch die DO-Historie allein kann Muster enthalten, die mit hoher biologischer Produktivität oder Blütenaktivität vereinbar sind. Die Ursache lässt sich damit jedoch nicht zuverlässig feststellen. Sie verrät dem Betreiber weder, ob Algen oder Cyanobakterien dominieren, noch welche Arten vorhanden sind oder ob Toxine gebildet werden.
Temperatur-, Wetter- und Pigmentmessungen können die Interpretation spezifischer machen. Forschungsergebnisse zeigen außerdem, dass sich die Dynamik von Cyanobakterien auch aus unvollständigen Umweltdatensätzen vorhersagen lässt; die erzielte Leistung hängt jedoch weiterhin von den verwendeten Variablen, Standorten und Validierungsstrategien ab (Fournier et al., 2024).
Die sichere betriebliche Unterscheidung lautet: Modelle, die nur DO verwenden, können das Sauerstoffrisiko vorhersagen. Eine Blüte diagnostizieren sie nicht direkt.
Was ein Chlorophyll-a-Sensor tatsächlich erfasst
Chlorophyll-a kommt in sauerstoffproduzierendem Phytoplankton vor, darunter eukaryotische Algen und Cyanobakterien. Die Chlorophyll-a-Fluoreszenz wird deshalb häufig als Proxy für die allgemeine Häufigkeit oder Aktivität des Phytoplanktons verwendet.
Das entscheidende Wort lautet Proxy. Ein Fluorometer zählt keine Organismen. Es sendet Licht ausgewählter Wellenlängen aus und misst das von angeregten Pigmenten emittierte Licht. Das Verhältnis zwischen diesem optischen Signal und der tatsächlichen Biomasse kann sich verändern durch:
- Arten- und Gemeinschaftszusammensetzung.
- Zellgröße, Koloniebildung und Pigmentgehalt.
- Physiologischen Zustand und vorherige Lichtexposition.
- Nichtphotochemische Fluoreszenzlöschung.
- Temperatur und gelöste organische Stoffe.
- Schwebstoffe.
- Geometrie, Messbereich und Kalibrierung des Sensors.
Auch Cyanobakterien enthalten Chlorophyll-a. Herkömmliche CHL-Fluorometer bilden sie jedoch möglicherweise nicht auf dieselbe Weise ab wie Grünalgen oder anderes Phytoplankton, weil akzessorische Pigmente und die Zellorganisation die optische Reaktion beeinflussen.
Die USGS-Leitlinien für Feldmessungen behandeln die In-situ-Fluoreszenz daher als betrieblichen Proxy, der eine auf das Messziel abgestimmte Kalibrierung, Prüfung auf Störeinflüsse, Reinigung und Qualitätssicherung erfordert, und nicht als absolutes Maß für Biomasse (Foster et al., 2022). Eine Feldbewertung in den Finger Lakes zeigte ebenfalls, wie wichtig der Vergleich mit Einzelproben und das Verständnis der sensorspezifischen Leistung sind (Johnston et al., 2024).
DO + CHL ist somit nützlich, wenn die Frage lautet: Verändert sich die allgemeine Phytoplanktondynamik parallel zum Sauerstoffzyklus?
Was ein CYANO-Sensor zusätzlich liefert
Bei der Süßwasserüberwachung zielt ein CYANO-Fluorometer üblicherweise auf Phycocyanin, ein akzessorisches Pigment, das eng mit Cyanobakterien verbunden ist. Dadurch ist dieser Kanal für Cyanobakterien im Süßwasser selektiver als eine allgemeine Chlorophyll-a-Messung.
Das Signal wird dadurch weder exklusiv noch absolut. Die Reaktion unterscheidet sich zwischen Cyanobakterienarten, weil Pigmentgehalt, Zellanordnung und physiologischer Zustand variieren. Auch Grünalgen, Schwebstoffe, natürliche organische Substanzen, Umgebungslicht und Temperatur können den Messwert beeinflussen.
Choo et al. (2018) prüften mehrere In-situ-Fluorometer anhand von Cyanobakterienkulturen, Störeinflüssen durch Grünalgen und zugesetzter Trübung. In kontrollierten Monokulturen zeigten die Geräte eine gute Leistung, doch konnten Störeinflüsse je nach Gerät und Bedingungen sowohl zu Über- als auch zu Unterschätzungen führen.
Ma et al. (2022) stellten fest, dass natürliche organische Stoffe und steigende Temperaturen die Phycocyanin-Messwerte verringern können. Ihre Feldergebnisse zeigten außerdem, dass das Verhältnis zwischen Fluoreszenz und Cyanobakterien-Biovolumen zum Teil von den dominierenden Organismen und den Umweltbedingungen abhing.
Ein CYANO-Signal ist daher spezifischer als CHL, wenn Cyanobakterien im Süß- oder Brackwasser im Mittelpunkt stehen – es liefert jedoch keine Artbestimmung, Zellzahl oder Toxinmessung.
Die Einschränkung auf Süßwasser ist wichtig. Bei Offshore- oder Brackwasserstandorten darf nicht automatisch angenommen werden, dass ein CYANO-Kanal auf Grundlage der Phycocyanin-Fluoreszenz die Blütengemeinschaft abbildet. Meeres- und Brackwassergemeinschaften können phycoerythrinreiche Cyanobakterien und zahlreiche schädliche eukaryotische Mikroalgen umfassen, für die ein anderer optischer Kanal, Mikroskopie, molekulare Analysen oder Toxintests erforderlich sind. Die Sensorauswahl muss sich an den vor Ort relevanten Organismen und Pigmenten orientieren, nicht allein am Wort „Algen“ (Foster et al., 2022; McKergow, 2025).
DO + CYANO ist nützlich, wenn die Frage lautet: Verändert sich ein mit Phycocyanin verbundenes Signal gleichzeitig mit dem Sauerstoffrisiko?
DO + CHL + CYANO ist nützlich, wenn die Frage lautet: Verändert sich die gesamte Phytoplanktongemeinschaft, die Cyanobakterienkomponente oder beides?
Trübung: Das Signal, das andere Signale einordnen hilft
Trübung ist gerade deshalb interessant, weil Fluoreszenz eine optische Messung ist.
Schwebstoffe streuen und absorbieren Licht. Sie können sowohl das in das Wasser gesendete Anregungslicht als auch das zum Detektor zurückkehrende Fluoreszenzlicht beeinflussen. Je nach Partikelart, Konzentration und Gerätegeometrie kann dies zu Abschwächung, zusätzlicher Streuung, Verlust der Linearität oder einer positiven beziehungsweise negativen Messabweichung führen.
Praktisch bedeutet dies, dass ein Anstieg von CHL oder CYANO teilweise verdeckt – oder scheinbar verstärkt – werden kann, wenn sich die optische Umgebung verändert. Ein gleichzeitig arbeitender Trübungskanal kann daher:
- Zeiträume kennzeichnen, in denen Fluoreszenzmessungen weniger verlässlich sind.
- Dabei helfen, Pigmenttrends von Sediment- oder Aufwirbelungsereignissen zu unterscheiden.
- Als Eingangsgröße für ein lokal kalibriertes Korrekturmodell dienen.
- Automatisierte Regeln zur Qualitätskontrolle verbessern.
Trübung kompensiert Fluoreszenz jedoch nicht automatisch. Eine Blüte kann selbst die Trübung erhöhen, und dichte Biomasse kann Selbstabschattung oder optische Abschwächung verursachen, die durch einen separaten Trübungswert nicht vollständig beschrieben wird. Richtung und Ausmaß der Korrektur müssen mit dem tatsächlich eingesetzten Sensor und repräsentativen Proben vom Standort bestimmt werden (Foster et al., 2022; Choo et al., 2018; McKergow, 2025).
Trübung sollte in erster Linie als Kontext und zur Qualitätskontrolle betrachtet werden: Sie kann zeigen, wann Fluoreszenz verdeckt oder verzerrt sein könnte, doch sie kann CHL oder CYANO nicht in eine direkte Biomassemessung umwandeln.
Die kleinste nützliche Messkonfiguration auswählen
Szenario 1: Vorrang hat die Vermeidung akuten Sauerstoffstresses bei Fischen
Beginnen Sie mit DO + Temperatur. Diese Kombination misst den aktuellen Sauerstoffzustand, seinen Trend und die Reaktion auf die Belüftung. Die Ursache eines Rückgangs identifiziert sie nicht.
Szenario 2: Vorrang hat eine frühere Warnung vor Sauerstoffmangel
Verwenden Sie DO + Temperatur + eine ausreichende lokale Datenhistorie. Ein validiertes Prognosemodell kann den wahrscheinlichen Verlauf und die verbleibende Zeit bis zum Erreichen eines Bewirtschaftungsschwellenwerts abschätzen.
Szenario 3: Die allgemeine Algendentwicklung ist relevant
Ergänzen Sie CHL. Dies liefert einen Proxy für Veränderungen in der breiteren Phytoplanktongemeinschaft. Standortbezogene Proben sind erforderlich, um die Fluoreszenz mit Biomasse oder Chlorophyllkonzentration in Beziehung zu setzen.
Szenario 4: Cyanobakterien im Süßwasser sind ein besonderes Anliegen
Ergänzen Sie CYANO. Dies liefert ein selektiveres, mit Phycocyanin verbundenes Signal, jedoch keine Informationen über Arten, Zellzahlen oder Toxine.
Szenario 5: Der Betreiber muss allgemeine Algen- und Cyanobakterientrends unterscheiden
Verwenden Sie DO + Temperatur + CHL + CYANO. Die beiden Pigmentkanäle lassen sich gemeinsam interpretieren, während DO den für die Fische unmittelbar relevanten Zustand erfasst.
Szenario 6: Sediment, Abfluss oder Wiederaufwirbelung ändern sich häufig
Ergänzen Sie die jeweilige Konfiguration um Trübung. Sie kann veränderte optische Bedingungen erkennen und lokal validierte Korrekturen unterstützen.
Szenario 7: Toxine oder Entscheidungen zum Gesundheitsschutz sind betroffen
Nutzen Sie kontinuierliche Sensoren, um repräsentative Probenahmen zu steuern. Kein CHL- oder CYANO-Fluorometer ersetzt eine Artbestimmung oder Toxinanalyse.
Szenario 8: Der Standort liegt auf See oder im Brackwasser
Ergänzen Sie Leitfähigkeit oder Salinität und wählen Sie die Pigmentkanäle anhand der vor Ort relevanten Phytoplanktongemeinschaft. In diesen Umgebungen können wechselnde Wassermassen, Tiden und Strömungen das Signal dominieren, während ein Phycocyanin-Kanal für Süßwasser möglicherweise nicht der aussagekräftigste Indikator für Blüten ist.
Wie sich der Rahmen je nach Produktionssystem verändert
Fischzucht im Binnenland
Teiche und Becken im Binnenland teilen einen großen Teil des Sauerstoffzyklus von Angelseen; Besatzdichte, Fütterung und angesammelte organische Substanz können den Sauerstoffbedarf jedoch erhöhen und ein schnelleres betriebliches Eingreifen verlangen. DO + Temperatur bleibt die Grundlage. CHL, CYANO und Trübung kommen hinzu, wenn Blütendynamik oder wechselnde optische Bedingungen die Bewirtschaftung beeinflussen. In intensiven Systemen können auch pH-Wert und Ammoniak wichtig sein, obwohl sie außerhalb des engeren Sensorvergleichs dieses Artikels liegen.
Vorhersagen sind hier besonders gut in Maßnahmen umzusetzen, weil Belüfter, Pumpen oder eine zusätzliche Sauerstoffzufuhr häufig direkt aktiviert werden können. Die von Eze und Ajmal (2020) untersuchte Teichanlage zeigt das Potenzial standortspezifischer DO-Prognosen; Shoko et al. (2014) zeigen zugleich, warum der Messzeitpunkt wichtig ist.
Offshore-Fischzucht
In Offshore-Netzkäfigen ist der Wasseraustausch üblicherweise stärker als in einem Teich im Binnenland. Ihre Sauerstoffdynamik kann deshalb stärker von Strömungen, Tiden, Wassermassen, der Biomasse im Käfig, der Fütterung und der vertikalen Verteilung der Fische bestimmt werden als von einem einzelnen, wiederkehrenden Teichzyklus. Zur Grundausstattung sollten normalerweise DO, Temperatur und Salinität oder Leitfähigkeit gehören; die Sensoren sollten in biologisch relevanten Tiefen angebracht werden. Messungen stromaufwärts, im Käfig oder stromabwärts beantworten unterschiedliche Fragen.
CHL kann einen breiten Kontext zum Phytoplankton liefern, doch ein CYANO-Kanal für Süßwasser ist kein universeller Sensor für schädliche Algenblüten im Meer (HAB). Die lokale Vorgeschichte solcher Blüten und organismenspezifische Proben bleiben unverzichtbar. Umweltbedingungen wie Sauerstoff, Temperatur, Salinität, Strömungen und Licht sind anerkannte Einflussgrößen für Verhalten und Verteilung von Fischen in Meereskäfigen (Oppedal et al., 2011).
Muschelzucht, insbesondere im Brackwasser
Für Muscheln ist Phytoplankton zugleich Nahrung und mögliche Gefahr. CHL kann einen breiten Hinweis auf die Verfügbarkeit von Phytoplankton geben, während Trübung dabei hilft, wechselnde optische Bedingungen und schwebendes anorganisches Material von einem reinen Pigmenttrend zu unterscheiden. Keines der beiden Signale beschreibt für sich allein die Qualität des Nahrungsangebots.
Brackwasserstandorte sind besonders dynamisch, weil Süßwasserzuflüsse, Salinitätsgradienten, Tiden und Schichtung die Sauerstoffbedingungen und die Zusammensetzung der Gemeinschaft rasch verändern können. Eine praktische Grundlage ist daher Temperatur + Leitfähigkeit/Salinität + DO; CHL und Trübung ergänzen den Kontext zu Phytoplankton und Partikeln. Ein pigmentspezifischer Kanal sollte erst gewählt werden, nachdem die vor Ort relevanten Organismen bestimmt wurden.
Einige schädliche Mikroalgen können Muscheln kontaminieren, selbst wenn DO, CHL und die sichtbaren Wasserbedingungen unauffällig erscheinen. Kontinuierliche Sensoren können anzeigen, wann besondere Aufmerksamkeit und Probenahmen nötig sind, ersetzen aber weder die Artbestimmung noch die Analyse mariner Biotoxine oder das geltende Programm zur Lebensmittelsicherheit von Muscheln (Shumway, 1990).
Was ein einzelner Messpunkt übersehen kann
Ein Sensor misst das Wasser in seiner unmittelbaren Umgebung – nicht das gesamte Gewässer oder die gesamte Zuchtanlage.
Ein Sensor an der Oberfläche kann niedrigere Sauerstoffwerte nahe dem Gewässergrund übersehen. Ein Sensor neben einem Belüfter kann dessen lokale Wirkung anstatt des weiteren Fischlebensraums erfassen. Geschützte Buchten, Zuflüsse und tiefere Bereiche können sich unterschiedlich entwickeln.
Auf See muss die Platzierung außerdem im Verhältnis zur vorherrschenden Strömung, zur Käfiggeometrie und zur Aufenthaltstiefe des Bestands interpretiert werden. An einer Muschel-Langleine oder einem Floß können sich die Bedingungen zwischen der Oberfläche und größeren Kulturtiefen unterscheiden; bei Umkehr der Tide kann sich zugleich ändern, welche Seite der Farm stromaufwärts und welche stromabwärts liegt.
Bei der Planung der Messstation sollten daher folgende Punkte berücksichtigt werden:
- Wo sich Fische oder kultivierte Organismen bei warmen Bedingungen befinden.
- Tiefe und Wahrscheinlichkeit einer Schichtung.
- Zu- und Abflüsse sowie geschützte Bereiche.
- Position und Einfluss von Belüftern.
- Ob mehr als eine Tiefe oder Messstelle erforderlich ist.
Biofouling und abgelagerte Sedimente können ebenfalls falsche Trends erzeugen. Reinigung, Inspektion, Kalibrierkontrollen und begleitende Stichproben sind keine optionalen Ergänzungen: Sie sind Teil des Messsystems. Sowohl die USGS- als auch die NIWA-Leitlinien betonen, dass Sensorbetrieb und Qualitätssicherung auf die vorgesehene Verwendung der Daten abgestimmt werden müssen (Foster et al., 2022; McKergow, 2025).
Wenn Daten mehrerer Sensoren über lange Zeitreihen zum Training eines Machine-Learning-Modells verwendet werden, sind deutlich bessere Prognosen als mit reinen DO-Prognosemodellen zu erwarten.
Die Falle des Messzeitpunkts: Warum der niedrigste Sauerstoffwert oft vor Tagesanbruch auftritt
Kehren wir nun zu dem See zurück, der am Nachmittag so unbedenklich wirkte.
Bei Tageslicht betreiben Algen, Cyanobakterien und Wasserpflanzen Photosynthese und führen dem Wasser Sauerstoff zu. In produktiven Systemen kann diese biologische Produktion den Sauerstoffverbrauch vorübergehend übersteigen und einen beeindruckenden Messwert am Nachmittag erzeugen.
Nach Sonnenuntergang endet die Photosynthese. Die Atmung endet nicht: Fische, Pflanzen, Plankton und Mikroorganismen verbrauchen weiterhin Sauerstoff. Die Konzentration kann deshalb im Laufe der Nacht sinken, bis das Licht zurückkehrt und die photosynthetische Produktion erneut beginnt.
Deshalb tritt das tägliche Minimum häufig um den Tagesanbruch oder kurz davor auf – nicht während des heißesten und sichtbarsten Teils des Tages. Messungen in Fischteichen mit Erdboden ergaben von Mitternacht bis in die Zeit vor Tagesanbruch deutlich niedrigere DO-Werte als am Nachmittag (Shoko et al., 2014). Die hochfrequente Überwachung des eutrophen Taihu-Sees erfasste ebenfalls wiederkehrende Minima gegen 05:00–06:00 Uhr, begleitet von ausgeprägter saisonaler und tageszeitlicher Dynamik (Xie et al., 2025).
Dieses Muster ist besonders relevant für produktive, relativ abgeschlossene Seen und Teiche im Binnenland. Es darf nicht unbesehen auf einen gut durchströmten Offshore-Käfig übertragen werden, in dem Tiden, Strömungen und vorbeiziehende Wassermassen das Minimum bestimmen können, oder auf eine Brackwasserlagune, in der sowohl der Tag-Nacht-Rhythmus der Biologie als auch der Gezeitenaustausch wichtig sein können. Kontinuierliche lokale Daten zeigen, welcher Rhythmus den Standort tatsächlich bestimmt.
Blüten können diese tägliche Schwankung vergrößern. Eine dichte Population kann bei Tageslicht beträchtliche Mengen Sauerstoff produzieren und ihn nachts durch Atmung verbrauchen. Bricht die Blüte zusammen, kann die Zersetzung einen zusätzlichen Sauerstoffbedarf verursachen.
Der Messwert am Nachmittag war nicht zwangsläufig falsch. Er beantwortete lediglich die falsche Frage.
Die betriebliche Frage lautet nicht: „Wie hoch ist der Sauerstoffgehalt, während ich am See stehe?“ Sie lautet: „Wie niedrig wird der Sauerstoffgehalt sein, bevor die nächste Erholung einsetzt?“
Von der Vorhersage zur Intervention
Ein nützliches Warnsystem kann den gemessenen DO-Wert, seine aktuelle Abnahmerate, das erwartete Minimum, die Prognoseunsicherheit und einen standortspezifischen Eingriffswert kombinieren.
In einem Angelsee oder einer Fischfarm im Binnenland kann eine solche Warnung Zeit verschaffen, Belüftung oder Umwälzung zu aktivieren oder zusätzlichen Sauerstoff zuzuführen, bevor die Fische sichtbaren Stress zeigen. Offshore kann sie Entscheidungen über Fütterung, Sauerstoffanreicherung oder andere Maßnahmen im Käfigmanagement unterstützen. In der Muschelzucht kann sie gezielte Probenahmen, Kontrollen oder erntebezogene Entscheidungen auslösen, statt zu versuchen, den umliegenden Wasserkörper zu kontrollieren.
Die Überwachung muss anschließend fortgesetzt werden. Die Daten nach dem Eingriff zeigen, ob sich die Bedingungen tatsächlich verbessert haben, wie schnell sie sich verändert haben und ob die gewählte Sensorposition die bewirtschafteten Organismen repräsentiert.
Betriebliche Werkzeuge
Für Werkzeuge zur betrieblichen Überwachung werfen Sie einen Blick auf unsere netH₂O-Bojen: die B100-5 für Binnenstandorte und die B400-10 für anspruchsvollere Küsten- und Offshore-Installationen.
Schlussfolgerungen
- DO + Temperatur bildet die Grundlage für das Management des Sauerstoffrisikos für Fische.
- Die DO-Historie kann standortspezifische Prognosen eines Sauerstoffrückgangs unterstützen, doch DO allein diagnostiziert keine Blüten.
- CHL ist ein Proxy für die allgemeine Phytoplanktondynamik.
- Ein CYANO-Kanal für Süßwasser ist selektiver für Cyanobakterien, misst jedoch Arten, Zellen oder Toxine nicht direkt.
- Offshore- und Brackwasserstandorte benötigen außerdem den Kontext von Salinität oder Leitfähigkeit; der vor Ort relevante Pigmentkanal zielt möglicherweise nicht auf Phycocyanin.
- In der Muschelzucht können kontinuierliche Sensoren Aufmerksamkeit und Probenahmen lenken, aber keine Überwachung mariner Biotoxine ersetzen.
- Trübung kann optische Störeinflüsse aufzeigen und Korrekturen erst nach lokaler Validierung unterstützen.
- In Süßwassersystemen ist DO + CHL + CYANO dann gerechtfertigt, wenn die Unterscheidung zwischen allgemeinen Algen- und Cyanobakterientrends eine Bewirtschaftungsentscheidung verändert.
- Platzierung, Reinigung und repräsentative Proben bleiben unverzichtbar.
- Die aussagekräftigste Sauerstoffmessung könnte jene sein, die erfolgt, wenn sich fast niemand am Standort befindet.
Literatur
- Choo, F.; Zamyadi, A.; Newton, K.; Newcombe, G.; Bowling, L.; Stuetz, R.; Henderson, R.K. (2018). “Performance evaluation of in situ fluorometers for real-time cyanobacterial monitoring.” H2Open Journal, 1(1), 26–46. https://doi.org/10.2166/h2oj.2018.009.
- Eze, E.; Ajmal, T. (2020). “Dissolved Oxygen Forecasting in Aquaculture: A Hybrid Model Approach.” Applied Sciences, 10, 7079. https://doi.org/10.3390/app10207079.
- Foster, G.M.; Graham, J.L.; Bergamaschi, B.A.; Carpenter, K.D.; Downing, B.D.; Pellerin, B.A.; Rounds, S.A.; Saraceno, J.F. (2022). Field Techniques for the Determination of Algal Pigment Fluorescence in Environmental Waters—Principles and Guidelines for Instrument and Sensor Selection, Operation, Quality Assurance, and Data Reporting. U.S. Geological Survey Techniques and Methods, Book 1, Chapter D10. https://doi.org/10.3133/tm1D10.
- Fournier, C.; Fernandez-Fernandez, R.; Cirés, S.; López-Orozco, J.A.; Besada-Portas, E.; Quesada, A. (2024). “LSTM networks provide efficient cyanobacterial blooms forecasting even with incomplete spatio-temporal data.” Water Research, 267, 122553. https://doi.org/10.1016/j.watres.2024.122553.
- Johnston, B.D.; Finkelstein, K.M.; Gifford, S.R.; Stouder, M.D.; Nystrom, E.A.; Savoy, P.R.; Rosen, J.J.; Jennings, M.B. (2024). Evaluation of Sensors for Continuous Monitoring of Harmful Algal Blooms in the Finger Lakes Region, New York, 2019 and 2020. U.S. Geological Survey Scientific Investigations Report 2024-5010. https://doi.org/10.3133/sir20245010.
- Ma, L.; Moradinejad, S.; Guerra Maldonado, J.F.; Zamyadi, A.; Dorner, S.; Prévost, M. (2022). “Factors Affecting the Interpretation of Online Phycocyanin Fluorescence to Manage Cyanobacteria in Drinking Water Sources.” Water, 14, 3749. https://doi.org/10.3390/w14223749.
- McKergow, L. (2025). Algal Fluorescence Sensor Selection. High Frequency Water Quality Monitoring Guidance, NIWA Client Report 2025313HN. Offizielles Leitlinien-PDF.
- Oppedal, F.; Dempster, T.; Stien, L.H. (2011). “Environmental drivers of Atlantic salmon behaviour in sea-cages: A review.” Aquaculture, 311(1–4), 1–18. https://doi.org/10.1016/j.aquaculture.2010.11.020.
- Shumway, S.E. (1990). “A review of the effects of algal blooms on shellfish and aquaculture.” Journal of the World Aquaculture Society, 21(2), 65–104. https://doi.org/10.1111/j.1749-7345.1990.tb00529.x.
- Shoko, A.P.; Limbu, S.M.; Mrosso, H.D.J.; Mgaya, Y.D. (2014). “A comparison of diurnal dynamics of water quality parameters in Nile tilapia monoculture and polyculture with African sharp tooth catfish in earthen ponds.” International Aquatic Research, 6, 56. https://doi.org/10.1007/s40071-014-0056-8.
- Xie, D.; Chen, X.; Qian, Y.; Feng, Y. (2025). “Prolonged Summer Daytime Dissolved Oxygen Recovery in a Eutrophic Lake: High-Frequency Monitoring Diel Evidence from Taihu Lake, China.” Water, 17(22), 3221. https://doi.org/10.3390/w17223221.