Fünf KI-Anwendungen für den Umweltschutz

30. Oktober 2019

Ende August hat das Bundes­umwelt­ministerium seine neue Förder­initiative „KI-Leucht­türme für Umwelt, Klima, Natur und Ressourcen“ gestartet. Mit insgesamt 27 Millionen Euro sollen hier Projekte gefördert werden, die künstliche Intelligenz (KI) nutzen, um ökologische Heraus­forderungen zu bewältigen. Tatsächlich gibt es schon eine ganze Reihe von Ansätzen, um mithilfe von KI die Luft- und Wasser­qualität zu verbessern, den Arten­schwund zu stoppen, Wilderer aufzuspüren oder Getreide nachhaltiger und ressourcen­schonender anzubauen.

Rund 3.200 Tiger leben momentan in freier Wildbahn. Bis 2022 soll ihre Zahl verdoppelt werden, darauf haben sich die Regierungen aller Staaten mit Tigerpopulationen im Jahr 2010 geeinigt. Um dieses Ziel zu erreichen und die Großkatzen nachhaltig zu schützen, muss man wissen, wo wie viele Tiger leben und auf welchen Wegen sie sich verbreiten. Die Naturschutzorganisation WWF nutzt in China künstliche Intelligenz, um Aber­tausende Aufnahmen auszuwerten, die tagtäglich von automatischen Fotofallen geschossen werden. Waren es früher Menschen, die die unzähligen Bilder ansehen und aussortieren mussten, werden Tigerfotos nun durch optimierte Bilderkennung direkt erkannt. Dank der Cloud-Technologie werden sie zudem aus meist unwegsamen Gehölzen schneller zu den Fachleuten gesendet, die sie zeitnah auswerten können. Das spart Zeit und Ressourcen. In einem weiteren Schritt soll künstliche Intelligenz dabei helfen, den einzelnen Tiger an seinem persönlichen Streifenmuster zu identifizieren. Ein Verfahren, das US-Wissenschaftler der Universität Illinois at Chicago beim Projekt Wildbook bereits anwenden, um die Identität von Zebras, Buckelwalen oder Walhaien festzustellen. Deutsche Forscher wollen ihrerseits mit KI-Unterstützung eine „Wetterstation für Artenvielfalt“ entwickeln, um Insekten und Vögel besser schützen zu können.

Mit dem weltweiten Hunger nach Lachs­filet wächst auch die Zahl der Lachs­farmen in Küsten­gewässern immer weiter an. Strenge Regularien und Monitoring­programme sollen dabei helfen, dass die dortigen Öko­systeme nicht über ihre Belastungs­grenze hinaus beansprucht werden. Bislang werden dazu auf dem Meeres­boden lebende Würmer, Muscheln, See­sterne, Krebse und andere Makro­inverte­braten unter dem Mikroskop untersucht. Doch das ist sehr teuer und zeit­auf­wendig und erlaubt nur die Prüfung weniger Proben. Forscher der TU Kaiserslautern arbeiten mit Kollegen aus Schottland und aus der Schweiz nun an einer digitalen Alternative: Mittels KI wollen sie künftig Mikro­organismen erforschen. Diese reagieren sehr schnell und sensibel auf eine Veränderung ihrer Umgebung, sind daher optimal als Bio­indikatoren geeignet. Mit herkömmlichen Methoden ist die Identifizierung von Mikroben jedoch sehr schwierig. Maschinelles Lernen soll es nun möglich machen, das Potenzial der Mikroben als Bio­indikatoren aus­zu­schöpfen. So kann schneller, günstiger und häufiger erfasst werden, wie es bei einer Lachs­farm um die Gesundheit des Öko­systems bestellt ist. Bis es so weit ist, benötigen die Algorithmen aber noch weiteres Training. Denn je nach Jahreszeit, Ort und lokalen Gegebenheiten kann die Zusammen­setzung von Bakterien­gemeinschaften im Meeres­boden stark variieren. Die aktuelle Forschung konzentriert sich deshalb darauf, diese Einfluss­größen in den Algorithmus des maschinellen Lernens zu integrieren. Auf diese Weise wird er nach und nach immer weiter verfeinert, bis er schließlich in der Lage ist, die Umwelt­belastung automatisiert zu über­wachen – um so den sorgsamen Umgang mit unseren natürlichen Ressourcen zu unter­stützen.

Elf Millionen Tonnen Lebensmittel werden jedes Jahr in Deutschland schon während der Herstellung zu Abfall. Strenge Anforderungen an die Produkt­sicher­heit, eine geringe Plan­barkeit in der Land­wirtschaft, unzählige produkt­spezifische Rand­bedingungen in der Lebens­mittel­verarbeitung, starke Nach­frage­schwankungen und der Trend zu individualisierten Produkten auch in der Lebens­mittel­industrie hätten die Verringerung dieser ökologischen und ökonomischen Verschwendung bislang verhindert, erklären die Kooperations­partner des Projekts REIF. REIF, das steht für „Resource-efficient, Economic and Intelligent Foodchain“. Diverse Hoch­schulen, Forschungs­einrichtungen und Lebens­mittel­hersteller haben sich hier zusammen­geschlossen, um dem Problem mit KI auf den Leib zu rücken. Gefördert vom Bundes­wirtschafts­ministerium, wird das Forschungs­projekt in den kommenden drei Jahren „die Potenziale der Künstlichen Intelligenz zur Optimierung der Plan- und Steuer­barkeit der Wert­schöpfung in der Lebens­mittel­industrie unter­suchen“. Das Ziel: der Aufbau eines KI-Ökosystems, das alle Beteiligten in der Nahrungs­mittel­produktion digital ins Boot holt, um dadurch künftig die Lebens­mittel­verschwendung zu verringern.

Um die Klimaziele zu erreichen, müssen wir unseren Strom nicht nur nachhaltiger produzieren, sondern auch unseren Energie­verbrauch senken. Dabei könnte uns künstliche Intelligenz eben­falls unter­stützen. Das gemein­nützige Border­step Institut in Berlin etwa setzt im Rahmen des Schau­fenster­projekts WindNODE maschinelle Lern­algo­rithmen ein, um die Beheizung in einem Berliner Quartier zu regeln. Mithilfe von Sensoren in den Wohnungen und Gebäuden kann das System fest­stellen, wann Bewohner zu Hause sind, und dement­sprechend die Heizung hoch­fahren. Dabei soll sich das System immer besser auf die Gewohnheiten der Bewohner einstellen und dadurch 20 bis 25 Prozent Energie einsparen. Außer­dem arbeiten Wissenschaftler der Hochschule Landshut im Forschungs­projekt DENU daran, den Energie­bedarf durch intelligente Vernetzung deutlich zu reduzieren. Dazu installieren die Forscher beispiels­weise in Hotels, Hallen­bädern, Fabriken und Büro­gebäuden in Nieder­bayern Mess- und Steuerungs­geräte und verbinden die gemessenen Daten mit bereits bestehenden Energie­effizienz-Management­systemen zu einem ganz­heitlichen System. Mittels maschinellem Lernen werden die gesammelten Daten dann analysiert und Algo­rithmen entwickelt, um den Energie­verbrauch der Gebäude durch die intelligente Steuerung zu senken. „Durch die ganzheitliche Betrachtung aller Faktoren können wir über 50 Prozent Primär­energie einsparen“, erklärt Professorin und Projekt­leiterin Diana Hehenberger-Risse. Ob diese Einschätzung tatsächlich zutrifft und das in Lands­hut entwickelte Modell zur Blau­pause für das intelligente und ressourcen­schonende Energie­management der Energie­wende werden kann, das soll das vom Bundes­wirtschafts­ministerium mit 1,4 Millionen Euro geförderte Projekt bis 2022 ermitteln.

Prognosen zufolge benötigt die Menschheit im Jahr 2050 rund 70 Prozent mehr Nahrungs­mittel, als wir heute produzieren. Bessere und genauere Daten könnten den Landwirten dabei helfen, Lebens­mittel effizienter und zugleich umwelt­schonender anzubauen. Im Projekt FarmBeats von Microsoft zum Beispiel werden Daten von Sensoren, Drohnen, Satelliten und Traktoren in cloud­basierte Modelle für künstliche Intelligenz gefüttert, die auf diese Weise ein detailliertes Bild der Boden­qualität und der Feuchtigkeit der Äcker liefern sollen. Da schnelles Internet auf den meisten Farmen eine Rarität ist, werden die Daten über nicht genutzte Sende­frequenzen zwischen TV-Kanälen in die Cloud geschickt. Gemeinsam mit dem Land­wirtschafts­ministerium der Vereinigten Staaten hat FarmBeats nun ein Pilot­projekt gestartet: Auf der rund 2.800 Hektar großen Forschungs­farm des Ministeriums im US-Bundes­staat Maryland wurden die Felder dazu mit einem Netz­werk von Sensoren aus­gestattet. Sie messen Temperatur, Feuchtig­keit, Säure­gehalt und Wasser­stand des Bodens. Eine Wetter­station zeichnet Luft­temperatur, Nieder­schlag und Wind­geschwindig­keit auf, ein mit Sensoren ausgestatteter Traktor wird wiederum die Höhe, Biomasse und die „Grünheit“ der Acker­früchte messen – ein Indikator für die Pflanzen­gesundheit. Wenn das Projekt erfolgreich ist, können die Landwirte die von FarmBeats generierten Daten in Echtzeit sehen. Die Forscher hingegen können den Landwirten webbasierte Tools und orts­spezifische Informationen zur Verfügung stellen, mit denen sie Saatgut und Dünger gezielter einsetzen und insgesamt ihre An­bau­methoden verfeinern können. Läuft alles nach Plan, soll das System im Anschluss auf über 200 Bauern­höfen im ganzen Land ausführlicher getestet werden.