Bei der Verwendung von Tiefenschätzungsmethoden für die Trajektorienplanung oder Hindernisvermeidung autonomer Fahrzeuge ist Zuverlässigkeit entscheidend. Daher ist die Schätzung der Qualität der Tiefenausgaben von großer Bedeutung. In dieser Arbeit zeigen wir, wie M4Depth, eine auf dem neuesten Stand befindliche Tiefenschätzungsmethode, die für Anwendungen mit unbemannten Luftfahrzeugen (UAV) entwickelt wurde, verbessert werden kann, um sowohl Tiefen- als auch Unsicherheitsschätzungen durchzuführen. Dazu präsentieren wir eine Lösung zur Umwandlung der Unsicherheitsschätzungen im Zusammenhang mit Parallaxe, die von M4Depth generiert werden, in Unsicherheitsschätzungen im Zusammenhang mit Tiefe und beweisen, dass sie den herkömmlichen probabilistischen Ansatz übertrifft. Unsere Experimente mit verschiedenen öffentlichen Datensätzen verdeutlichen, dass unsere Methode konsistent leistet, selbst bei Zero-Shot-Transfer. Darüber hinaus bietet unsere Methode einen überzeugenden Mehrwert im Vergleich zu bestehenden mehrbildbasierten Tiefenschätzungsmethoden, da sie vergleichbare Ergebnisse bei einem mehrbildbasierten Tiefenschätzungsbenchmark erzielt und dabei 2,5-mal schneller und kausal ist im Gegensatz zu anderen Methoden. Der Code unserer Methode ist öffentlich verfügbar unter https://github.com/michael-fonder/M4DepthU .