Am 22. April findet weltweit der Earth Day statt. Inwieweit können innovative Technologien heute schon einen Beitrag zu mehr Nachhaltigkeit leisten? Künstliche Intelligenz (KI) ist längst ein zentraler Bestandteil vieler Projekte zum Umweltschutz. Sie unterstützt zum Beispiel beim Schutz gefährdeter Arten, der Vorhersage und dem Management von Naturkatastrophen oder der Optimierung erneuerbarer Energiequellen. Ihr Einsatz verbessert dabei nicht nur den ökologischen Nutzen der Projekte, mit ihrer Hilfe lässt sich auch das oft erhebliche ökonomische Potenzial nachhaltiger Projekte messbar machen. So können intelligente Entscheidungen getroffen werden, die dem Planeten und der Wirtschaft zugutekommen. Folgende Beispiele machen dies deutlich:

Der Klimawandel aus der KI-Vogelperspektive

Der Klimawandel macht sich bereits heute weltweit bemerkbar. Die Weltwetterorganisation bestätigt 2024 als wärmstes Jahr seit Beginn der Aufzeichnungen mit etwa 1,55 Grad Celsius über dem vorindustriellen Niveau. Das 1,5-Grad-Ziel zur Eindämmung der Klimaerwärmung ist damit erstmals überschritten.Bei der Identifikation und Bewältigung der Herausforderungen durch den Klimawandel spielen die luft- und satellitengestützte Fernerkundung und Atmosphärenüberwachung eine entscheidende Rolle. KI-Technologien ermöglichen dabei eine schnellere und effizientere Auswertung der großen Mengen an Bild- und Messdaten, die hier generiert werden.

Am heutigen 22. April veröffentlichten IBM und die Europäische Weltraumorganisation (ESA) ein wegweisendes Grundlagenmodell für Anwendungen zur Erdbeobachtung als Open Source: TerraMind ist auf HuggingFace verfügbar und das derzeit leistungsstärkste KI-Modell für die Erdbeobachtung. Es übertrifft sowohl andere Grundlagenmodelle als auch aufgabenspezifische Architekturen, wie von der ESA auf PANGAEA, einem Community-Standard-Benchmark, gemessen wurde. Die Genauigkeit vorhandener Geodaten-Basismodelle wird durch die Menge und Qualität der realen, gekennzeichneten Daten eingeschränkt, die für eine bestimmte Aufgabe verfügbar sind. Um dieses Problem zu lösen, trainierten Forscher von IBM und der ESA TerraMind mit dem größten und vielfältigsten verfügbaren Geodatensatz: Er umfasst neun Millionen globale Datenproben über verschiedene Modalitäten hinweg, einschließlich Satellitendaten, Daten zur Geomorphologie der Erdoberfläche und Grundlagen zur Beschreibung von Orten und Merkmalen, wie Breiten- oder Längengrad. Vor TerraMind waren all diese Daten an verschiedenen Orten separat gespeichert. Ihre Zusammenführung ermöglicht es den Nutzern, komplexe Prozesse im Erdsystem mit viel mehr Kontext zu verstehen.

Bereits im Jahr 2023 haben IBM und die NASA das weltweit größte Geodatenmodell auf HuggingFace als Open Source veröffentlicht und damit den Weg für die Entwicklung von TerraMind geebnet: IBM und das Marshall Space Flight Center der NASA arbeiten daran, mit Hilfe der KI-Technologie von IBM neue Erkenntnisse aus den riesigen Geodatenbeständen der NASA zu gewinnen. Dazu trainierten IBM und die NASA ein Basismodell für die Analyse von Geodaten auf Grundlage des NASA-Datenbestands HLS (HLS = Harmonized Landset-Sentinel-2). In diesem Datensatz finden sich die von den Landsat-Satelliten der NASA und den Sentinel-Satelliten der ESA erfassten Daten zum Bestand und den Änderungen der Landflächen, der Landnutzung und der Klimaeinflüsse. Die Größe der Datenbestände beträgt mehrere Petabyte und sie wächst ständig – innerhalb von durchschnittlich 1,7 Tagen wird jeder Ort der Erde überflogen und fotografiert.

Diese Daten helfen beispielsweise, Veränderungen im Wachstum von Städten, dem Umfang von landwirtschaftlich genutzten Flächen oder dem Ausmaß von Regenwäldern zu erkennen. Auch Emissionen von Treibhausgasen oder die Ausdehnung von Waldbränden lassen sich besser analysieren. Ebenso ist es möglich, Ertragsänderungen von Ackerflächen nachzuweisen oder Waldschäden durch Dürre und Schädlingsbefall zu identifizieren. Forschende können zudem die Verschiebungen von Küstenlinien oder Überschwemmungsfolgen genauer abschätzen. Das alles hilft ihnen, die Folgen für Gesellschaft und Wirtschaft besser zu quantifizieren und gezieltere Anpassungs- und Gegenmaßnahmen zu entwickeln.

Das Naturkapital für Nachhaltigkeit nutzen

Ein aktuelles Projekt zur Erhaltung der Afrikanischen Waldelefanten von IBM und der World Wildlife Fund Deutschland (WWF) zeigt, wie KI zur Förderung des Artenschutzes eingesetzt werden kann.

Die Population der afrikanischen Waldelefanten verzeichnete in den letzten Jahren aufgrund des Verlusts von Lebensraum und durch Wilderei einen Rückgang um mehr als 80 Prozent. Dabei sind sie als Schlüsselart für ihren Lebensraum besonders wichtig und erhöhen zudem die CO2-Bindung. Die Zählung der Waldelefanten ist allerdings schwierig und kostspielig. Mithilfe von KI ist es möglich, einzelne Elefanten anhand von Aufnahmen von Kamerafallen zu identifizieren. So können die Tiere überwacht und detaillierte Populationsschätzungen erstellt werden. Die Daten zeigen zudem, wohin sich die Elefanten bewegen – so können Wildtierkorridore erkannt und geschützt werden. Die KI-gestützte Lösung des WWF und von IBM Consulting konzentriert sich dabei auf die Erkennung von Kopf und Stoßzähnen der Tiere, um sie zu identifizieren, ähnlich wie beim Fingerabdruck des Menschen.

Datenflut gegen Wassermassen – KI berechnet Hochwasserrisiken

Die Fähigkeit von KI, riesige Datenmengen zu verarbeiten und in praktikable Informationen zu übersetzen – und zwar in einem enormen Tempo – ermöglicht es, klimabezogene Ereignisse besser zu verstehen und sich darauf vorzubereiten. KI-Grundlagenmodelle für Geodaten nutzen dafür Petabytes klimarelevanter Daten, wie Satellitenbilder oder Wetterdaten, um zum Beispiel schnellere Erkenntnisse für die Gefahren- und Auswirkungsvorhersagen bei Überschwemmungen zu erhalten.

Im Rahmen einer Partnerschaft zwischen IBM und dem Hartree National Centre for Digital Innovation (HNCDI), entwickeln Klimawissenschaftler_innen und Technologie-Expert_innen Modelle von Klimaauswirkungen. Die Teams nutzen dafür frei zugängliche Geo- und Klimadatensätze, aktuelle und historische, um ein zweidimensionales physikalisches Simulationsmodell für Überschwemmungen zu entwickeln. So können sie Bewertungsprozesse für Klimarisiken automatisieren und skalieren. Auf Basis dieses Modells werden Hochwassergefahrenkarten erstellt. Diese lassen sich individuell anpassen und können in vielen vom Klimawandel betroffenen Bereichen eingesetzt werden.

Interaktive Energieplanung: Wenn aus Daten Szenarien werden

KI hat sich auch bei der intelligenten Verteilung von Ressourcen als effizientes Instrument erwiesen. So etwa bei der nachhaltigen Nutzung von Energie. Ein Beispiel ist die KI-basierte Lösung für Energieplanung und Stadtentwicklung von IBM und der gemeinnützigen Organisation Sustainable Energy for All (SEforALL).

Entscheidend für eine effektive Energieplanung ist unter anderem eine solide Datengrundlage aus Gebäudefaktoren wie Standort, Höhe, Grundfläche und Nutzungsart. In vielen Ländern ist es immer noch schwierig, diese Daten zu beschaffen. Hier setzt die KI-Lösung Open Building Insights (OBI) an. OBI ist eine interaktive Online-Plattform, die solche Daten visuell auf einer Karte konsolidiert. Dafür führt sie Daten aus verschiedenen Quellen zusammen, zum Beispiel aus Modellen des Deutschen Zentrums für Luft- und Raumfahrt (DLR) zur Schätzung der Höhe von Gebäuden und von Open Energy Maps für Informationen über Stromstatus und -verbrauch. Verwendet werden diese gebäudespezifischen Daten – einschließlich des Standorts, der Grundfläche, der Anzahl der Stockwerke, des Daches und anderer Kartendaten – um festzustellen, ob es sich bei einem Gebäude um ein Wohngebäude oder ein Nichtwohngebäude handelt. Diese Einstufung ist der Schlüssel zur Bestimmung des Energiebedarfs eines bestimmten Stadtgebiets. Mit diesem Wissen kann der künftige Energiebedarf abgeschätzt und so die Energieplanung erleichtert werden. OBI steht der Öffentlichkeit kostenlos zur Verfügung und ist in Kenia bereits im Einsatz.

Eine weitere interessante Planungslösung auf Basis von KI unterstützt die Analyse des Wachstums von Städten. Modeling Urban Growth (MUG) ist ein Open-Source-KI-Modell, das anhand von historischen Daten aus Satellitenbildern, geografischen Daten wie Neigung und Höhe, demografischen Daten und strukturellen Daten wie dem Straßenverlauf trainiert und validiert wird. MUG hilft den Nutzer_innen, die künftige Urbanisierung und den damit verbundenen Infrastrukturbedarf zu kartieren, und so Prioritäten für Entwicklungsregionen zu setzen, die Unterstützung bei der Elektrifizierung oder bei Energiedienstleistungen benötigen. Das Modell wird derzeit mit Daten aus Afrika trainiert, darunter: Nigeria, Benin, Togo, Ghana, Kamerun, Uganda, Kenia, Demokratische Republik Kongo, Tansania, Ruanda und Malawi.

Intelligente Lösungen für unseren Planeten

Das breite Spektrum der vorgestellten Projekte – vom Arten- und Hochwasserschutz über die Stadtplanung bis hin zur Waldbrandbekämpfung – zeigt, wie wirkungsvoll KI bereits für Nachhaltigkeitsziele eingesetzt wird. IBM unterstützt die Umsetzung solcher Nachhaltigkeitsstrategien maßgeblich – mittels innovativer Technologien, umfassender KI-Expertise und einem nachdrücklichen Engagement für Umweltbelange. Denn nur mit intelligenten, zukunftsweisenden Lösungen können wir unseren Planeten schützen und bewahren.