Einleitung: Wenn Forstpflanzen Züchtung beschleunigen sollen
Die genombasierte Selektion – international als Genomic Selection (GS) bekannt – verspricht, die langen Züchtungszyklen von Waldbäumen drastisch zu verkürzen. Statt 20 bis 30 Jahre auf das Wachstum eines Baumes zu warten, lässt sich anhand von genetischen Markern vorhersagen, wie ein Sämling voraussichtlich wachsen wird. Doch die Methode hat einen Preis: Für genaue Vorhersagen braucht es bisher dichte Genotypisierungen mit zigtausenden Markern. Gerade bei Koniferen mit ihren riesigen Genomen ist das teuer. Eine neue Studie, erschienen 2026 im Fachjournal Heredity, hat jetzt systematisch untersucht, wie viele genetische Marker tatsächlich nötig sind, um bei drei zentralen Fichtenarten verlässliche Vorhersagen für Wachstum und Holzqualität zu treffen – und damit den Weg für eine wirtschaftlich tragfähige Anwendung in der Forstpflanzenzüchtung geebnet.
So wurde geforscht
Das internationale Konsortium aus kanadischen und europäischen Forstgenetikerinnen und -genetikern analysierte Daten von drei wirtschaftlich bedeutenden Fichtenarten: Schwarz-Fichte (Picea mariana) mit 18.275 SNPs aus 10.894 Genorten, Weiß-Fichte (Picea glauca) mit 11.328 SNPs aus 8.647 Loci sowie Gemeine Fichte (Picea abies) mit 116.765 SNPs aus 20.695 Genorten. SNPs – Single Nucleotide Polymorphisms – sind die gängigsten genetischen Marker in der Forstgenetik. Für jede Art standen Familien mit Vollgeschwistern zur Verfügung, die an jeweils zwei Standorten aufgepflanzt waren, sodass Wachstum und Holzqualität unter unterschiedlichen Umweltbedingungen erfasst werden konnten. Mit GBLUP-Modellen (Genomic Best Linear Unbiased Prediction), dem Standardverfahren der genomischen Zuchtwertschätzung, wurde die Vorhersagegenauigkeit berechnet. Der Clou: Die Forschenden resampelten die SNPs in gestaffelten Sätzen von 500 bis 100.000 und prüften, ab welcher Markerdichte die Vorhersagekraft ein Plateau erreicht.
Zielgrößen waren Wachstum (Höhe, Durchmesser) und Holzqualität (Rohdichte, Holzanatomie). Pro Art und Merkmal wurden mehrere hundert bis tausend Einzelbäume ausgewertet, insgesamt eine solide Datengrundlage für robuste Aussagen.
Die wichtigsten Ergebnisse
1. Ein Plateau bildet sich zwischen 4.000 und 8.000 SNPs. Über alle drei Arten und alle untersuchten Merkmale hinweg erreichte die Vorhersagegenauigkeit ab etwa 4.000 SNPs ein stabiles Niveau. Zwischen 8.000 und 100.000 SNPs gab es kaum noch zusätzlichen Gewinn – die Kurve flachte deutlich ab. Dieses Ergebnis war überraschend konsistent: Sowohl bei Wachstum als auch bei Holzqualität, sowohl in Schwarz-Fichte als auch in der Gemeinen Fichte.
2. Die Fichtenarten reagieren ähnlich – trotz unterschiedlicher Genomgröße. Schwarz-Fichte, Weiß-Fichte und Gemeine Fichte unterscheiden sich in ihrer Genomgröße erheblich, dennoch lag das Optimum der Markerdichte in einer ähnlichen Größenordnung. Das spricht dafür, dass die Ergebnisse auf weitere Koniferenarten übertragbar sind – etwa auf Kiefern, Tannen oder Douglasien, deren Züchtungsprogramme vor ähnlichen Kostenfragen stehen.
3. Vorhersagekraft und Heritabilitätsschätzung stabilisieren sich gemeinsam. Beide statistischen Kennzahlen – die Vorhersagegenauigkeit neuer Genotypen und die Präzision der Heritabilitätsschätzung (also des Anteils genetisch bedingter Variation am Gesamtmerkmal) – zeigten den gleichen Plateau-Effekt. Damit ist 4.000 bis 8.000 SNPs nicht nur für die Selektion selbst, sondern auch für die Bewertung des genetischen Hintergrunds einer Population ausreichend.
4. Deutliche Kostenreduktion für Züchtungsprogramme. Die praktische Konsequenz: Züchtungsprogramme können ihre Genotypisierungskosten um den Faktor 10 bis 20 senken, ohne nennenswerten Verlust an Vorhersagequalität. Für mittelständische Forstsaatgutbetriebe und öffentliche Züchtungsinitiativen in Europa wird genomische Selektion damit wirtschaftlich machbar.
5. Bestätigung über zwei Standorte hinweg. Da jede Art an zwei Standorten getestet wurde, ließ sich prüfen, ob die optimale Markerdichte standortspezifisch variiert. Das war nicht der Fall: Die Plateaus lagen an beiden Standorten im gleichen Bereich – ein Hinweis darauf, dass Genotyp-Umwelt-Interaktionen die Mindestmarkerdichte nicht erhöhen.
Was das für die Praxis bedeutet
Für Forstvermehrungsbetriebe und Züchtungsinitiativen in Deutschland, Österreich und der Schweiz ist die Studie ein Wendepunkt: Bisher galten dichte SNP-Genotypisierungen als alternativlos, um die versprochene Selektionsbeschleunigung wirklich zu nutzen. Die neue Datenbasis zeigt, dass dies nicht stimmt – mit rund 5.000 gut gewählten SNPs lässt sich bereits der Großteil des züchterischen Informationsgewinns realisieren. Das senkt die Hürde für kleine und mittelgroße Programme erheblich.
In der Praxis bedeutet das: Lohnunternehmen, die Genotypisierungs-Dienstleistungen anbieten, können gestaffelte „Light“-Pakete zu deutlich niedrigeren Preisen anbieten. Saatgutproduzenten, die ihre Vermehrungsbestände genetisch charakterisieren wollen, müssen nicht mehr in den zweistelligen Tausenderbereich pro Probe investieren – ein paar tausend Marker reichen für belastbare Aussagen über genetische Vielfalt und Auslesewert.
Auch für die forstliche Genressourcenerhaltung eröffnen sich neue Möglichkeiten: Wenn die Kosten für die genetische Charakterisierung von Erntebeständen sinken, können deutlich mehr Populationen untersucht werden – was die Grundlage für künftige Anpassungsstrategien an den Klimawandel verbessert. In Deutschland betrifft das besonders die Fichten-Erntebestände in den Mittelgebirgen und den Alpen, die derzeit unter hohem Druck durch Trockenheit und Borkenkäfer stehen.
Was das für die Praxis bedeutet — Vertiefung
Die Ergebnisse ordnen sich in einen breiteren Trend der Forstgenetik ein, der in den letzten fünf Jahren von Hochdurchsatz-Genotypisierung hin zu intelligent reduzierten Markersets geführt hat. Vergleichbare Studien an Kiefern, Eichen und Pappeln hatten bereits ähnliche Plateaus gefunden – die neue Arbeit bestätigt dies nun erstmals systematisch für drei nahe verwandte Fichtenarten mit unterschiedlicher Genomgröße. Damit verdichtet sich die Evidenz, dass die Markeranzahl kein Engpass mehr ist; die eigentliche Herausforderung liegt in der phänotypischen Erfassung der Zuchtmerkmale – also der präzisen Messung von Wachstum und Holzqualität über Jahre hinweg. Hier bleibt der Aufwand für Züchtungsprogramme hoch, und genau dort sollte künftig investiert werden.
Interessant ist auch, dass die Ergebnisse nahe legen, dass die teure high-density Genotypisierung – etwa mit arrays für 100.000 oder mehr SNPs – vor allem für Grundlagenforschung sinnvoll bleibt, für die praktische Züchtung aber kaum Mehrwert bringt. Das verschiebt die Kostenlogik in vielen Züchtungsprogrammen: Weg von wenigen hochdichten Proben, hin zu vielen kostengünstigen Proben mit mittlerer Dichte. Damit lassen sich auch Programme mit beschränktem Budget auf ein züchterisch relevantes Niveau heben.
Limitations & offene Fragen
Die Studie konzentriert sich auf drei nordamerikanische und europäische Fichtenarten. Ob das identische Plateau auch bei Tanne, Douglasie oder Kiefer gilt, ist plausibel, aber noch nicht im gleichen Detailgrad nachgewiesen. Auch wurden nur zwei Standorte pro Art getestet – bei einer Ausweitung auf deutlich mehr Standorte könnten standortabhängige Mindestmarkerdichten sichtbar werden. Schließlich hängt die optimale Markerdichte auch von der Struktur der Zuchtpopulation ab: Sehr kleine Populationen mit enger Verwandtschaft könnten mit weniger Markern auskommen als große, genetisch breite Populationen. Hier sind Folgestudien nötig.
Die hier vorgestellten Ergebnisse stehen im Einklang mit bzw. ergänzen neuere Erkenntnisse zur Forstpflanzenzüchtung. Ein Vergleich mit früheren Arbeiten zur genomischen Selektion bei Eiche und Kiefer zeigt, dass die Befunde in den Kontext des aktuellen Forschungsstands passen – wobei die vorliegende Studie insbesondere durch die konsequente Testung über drei nahe verwandte Arten und mehrere Merkmale hervorsticht.
Dieser Artikel wurde mit Hilfe von KI erstellt und dient der allgemeinen Information. Keine Rechts- oder Beratungsempfehlung.