Algorithmen for Future

Künstliche Intelligenz schützt die Umwelt – frisst aber selbst Ressourcen

Immer mehr Forscherinnen und Gründer setzen beim Klima- und Umweltschutz auf Künstliche Intelligenz. Das Potenzial ist groß – doch es gibt auch Kritik: Die Technologie verbraucht Ressourcen und viel Energie. Ein Report aus der aktuellen Ausgabe 4.22 „Hunger und Flucht“ des Greenpeace Magazins

Wenn Indra den Bakker erklären soll, warum sich Baumschützer ausgerechnet mit Künstlicher Intelligenz befassen sollten, verweist er auf die USA. Dort, im Westen des Landes, brennen die Wälder immer häufiger, sagt er. Bis zum Jahr 2000 fraßen die Feuer im Schnitt 17.000 Quadratkilometer pro Jahr, danach fast die doppelte Fläche. In den vergangenen Jahren nahm das Ausmaß drastisch zu. 2020 verbrannten 88.000 Quadratkilometer.

Damit es nicht noch mehr werden, hat der Niederländer ein Start-up gegründet, Overstory, und wertet Satellitenbilder mit Künstlicher Intelligenz aus. Welche Bäume sind trocken, krank und somit anfällig für Feuer? Bei welchen ragen die Äste in Stromleitungen hinein und laufen Gefahr, zusätzlich noch die Stromversorgung zu kappen? Fragen wie diese, sagt den Bakker, lassen sich vom Boden aus schwer beantworten, weil die bedrohten Gebiete größer werden und oft unzugänglich sind. Von der Luft aus ist es dagegen sehr wohl möglich, den Überblick zu behalten. „Wir können die gesamte Welt mehrmals am Tag scannen und liefern somit Echtzeitdaten der globalen Vegetation.“

Künstliche Intelligenz, kurz: KI, ist Teil unseres Alltags geworden. Wer seinem „smarten“ Lautsprecher eine Einkaufsliste diktiert, das Handy per Gesichtserkennung entsperrt oder Übersetzungsprogramme nutzt, lässt KI für sich arbeiten. Täglich kommen Anwendungen hinzu. Forschende melden Patent um Patent an.

Beim Umwelt-, Natur- und Klimaschutz nimmt die Zahl der Projekte ebenfalls zu. KI hilft, die Stromverteilung bei der Energiewende automatisch zu steuern, illegale Fischerei aufzudecken, Insektenarten zu erkennen und Felder nachhaltig zu bewirtschaften. An Technologien wie KI führe kein Weg mehr vorbei, sagt Dirk Messner, Präsident des Umweltbundesamts. „Bei jedem einzelnen Projekt im Klimaschutz muss künftig der Aspekt der Digitalisierung mitgedacht werden.“

KI erkennt Muster

Indra den Bakker hatte ursprünglich gar nicht vor, Bäume zu retten. Nach seinem Studium arbeitete der Datenwissenschaftler aus Amsterdam für Unternehmen, die mit KI personalisierte Online-Werbung verkaufen – „dort hatte ich irgendwann aber nicht mehr das Gefühl, etwas Sinnvolles zu tun“. Er begann, sich mit Satellitenbildern zu beschäftigen und Abholzungen im Amazonas nachzuverfolgen. Und weil sich zu seinem Erstaunen erst wenige Firmen darauf spezialisiert hatten, gründete er 2017 kurzerhand selbst eine.

Inzwischen hat Overstory dreißig Beschäftigte, ist vor allem in Europa und den USA tätig und hat letztes Jahr 3,6 Millionen Euro von Investoren bekommen. Erhält das Team einen Auftrag, füttert es seine Computer mit hochaufgelösten Fotos von Weltraumorganisationen wie ESA und NASA oder kommerziellen Anbietern und lässt seine Algorithmen nach verschiedenen Merkmalen suchen. Möglich ist es, Höhe, Standorte, Gesundheit und sogar die Arten von Bäumen zu bestimmen. Je nach Auftrag geht es um verschiedene Fragen, etwa um den Befall mit Borkenkäfern, und daraus abgeleitete Prognosen. „Wir trainieren unsere Software so, dass sie lernt zu erkennen, wie sich ein Baum verändert, bevor er krank wird. So können wir sagen, wann und wo neue Infektionen auftreten“, sagt Indra den Bakker. Diese Daten werden dann an Helferinnen und Helfer vor Ort geschickt.

Das Erkennen von Mustern ist eine Stärke des maschinellen Lernens, wie KI präziser heißt. Im Kern geht es darum, Maschinen beizubringen, anhand von Ausgangsinformationen – Fotos, Texten, Sprache – Strukturen zu identifizieren; die Digitalisierung hat zu einem exponentiellen Wachstum von verfügbaren Trainingsdaten geführt. Anschließend sollen Maschinen in der Lage sein, neue Infos in großen Mengen auszuwerten.

Wissenschaftlerinnen, Softwareentwickler und Politikerinnen wollen das auch für die UN-Nachhaltigkeitsziele nutzen, etwa das Bundesumweltministerium. 2019 hat es zum ersten Mal eine Förderung von KI-Projekten ausgelobt.

Bewerber sollen zeigen, was möglich ist bei Konsum, Mobilität, Wasserwirtschaft und Energiewende. 300 Ideen wurden eingereicht – „von der Nachfrage waren wir positiv überrascht“, sagt Melanie Stolzenberg-Lindner, Referatsleiterin KI. „Wir haben uns gefreut, dass die Community schon so groß ist.“ 28 Projekte bekamen zusammen 28 Millionen Euro – darunter Ideen, um nachhaltigen Konsum im Internet zu erleichtern, die Abwärme von Rechenzentren zu nutzen oder den Pestizideinsatz in der Landwirtschaft zu reduzieren.

Was vielversprechend klingt, ist erst der Anfang. „Einen gesellschaftlichen Impact darf man in dieser Phase noch nicht erwarten. Das wird erst mittelfristig passieren“, sagt Alice Boit, Projektmanagerin des bundeseigenen Unternehmens Zukunft – Umwelt – Gesellschaft (ZUG). „Wir verstehen die Projekte als Leuchttürme, die, wenn es gut läuft, drei bis fünf Jahre nach unserer Förderung auf den Markt kommen.“

Thomas Vögele und Tim Tiedemann arbeiten an einem dieser geförderten Leuchttürme. Vögele ist Ingenieur beim Deutschen Forschungszentrum für Künstliche Intelligenz in Bremen, Tiedemann Professor für Intelligente Sensorik an der HAW Hamburg. Ziel ihres „Smart Recycling“-Projekts ist es, automatisierten Kränen und Baggern das Sortieren von Sperrmüll und Bauschutt beizubringen. Das bleibt bislang vielfach aus, weil zu wenige Kranfahrer das Sortieren beherrschen. „Deshalb wird das Material häufig erst zerkleinert und dann getrennt“, sagt Vögele. „Bliebe es im Ganzen erhalten, könnten wir eine andere Wertschöpfung erzielen und es besser wiederverwerten.“

Ablaufen soll das so: Ein Lkw fährt in eine Halle und lädt Sperrmüll und Bauschutt ab. Alles liegt durcheinander, Metalle, Kunststoffe, Steine, jedes Mal anders. Kameras und Sensoren scannen die Gegenstände, und automatisierte Kräne greifen gezielt großstückige, möglichst sortenreine Wertstoffe heraus. 

Leicht umgesetzt ist das nicht. „So eine Halle ist irrsinnig dreckig“, sagt Vögele. Überall Schmutz und Staub, dazu schwierige Lichtverhältnisse. „Die meisten Industrieroboter können wir nicht einsetzen, sie sind empfindlich und eigentlich nur für saubere Umgebungen gebaut.“

Das zweite Problem: das Identifizieren der Objekte und Materialien. Tim Tiedemann stellt die richtigen Instrumente zusammen und trainiert die KI mit Fotos, etwa von Fahrrädern, Betten, Rohren oder Matratzen. Allerdings existieren als Vorlage fast nur Bilder von intakten Fahrrädern, Betten, Rohren und Matratzen – und auf einer Müllhalde landen selten unversehrte Gegenstände. „In diesem Fall müssen wir eine eigene Bilddatenbank aufbauen.“ Zudem experimentiert er mit „multimodalen Spektren“ – mit Sensoren, die Objekte per Radar, UV- und Infrarotstrahlen erkennen. „Wenn das System fertig ist, werden wir nicht so gut sein wie der Mensch. Aber ich bin optimistisch, dass es Kranfahrer unterstützen kann und durch die Anwendung dann weiter lernt“, sagt Tiedemann. Sprich: Es soll den Kranfahrern in der Praxis über die Schulter schauen.

„Die Forscher bauen eine Datenbank mit Bildern demolierter Gegenstände auf, um ihre KI zu trainieren“

Bei einem Erfolg dürfte die Nachfrage groß sein. Seit Jahren wächst der Berg von Bau- und Abbruchabfällen. Fielen 2009 in Deutschland 195 Millionen Tonnen an, waren es 2019 bereits 231 Millionen. Fragt man Oliver Zielinski, ob maschinelles Lernen helfen wird, gesellschaftliche Probleme zu lösen, antwortet er mit einem „Ja, aber“. Der Physiker und Meeresforscher der Uni Oldenburg hält das Potenzial für so groß, dass er beim Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) das Kompetenzzentrum „DFKI 4 Planet“ gegründet hat.

Zu den vielversprechenden Ideen, von denen er jetzt erzählt, gehören Versuche mit Text- und Spracherkennung, „Natural Language Processing“ genannt. „Wenn Firmen oder Kommunen zusagen, eine vermüllte Küste zu reinigen, ist es denkbar, dass eine KI soziale Netzwerke wie Twitter oder Facebook durchforstet und anhand von User-Posts erkennt, ob ein Strand tatsächlich wieder sauber ist.“ In einem anderen Projekt in Kambodscha setzte er Drohnen ein, um den Plastikabfall in Flüssen zu analysieren. Die Tüten, Becher und Fischernetze wurden in 17 Klassen eingeteilt – und ließen sich zum großen Teil bis zur Quelle zurückverfolgen. Die Folge: „Die Politik wurde tätig und hat neue Regulierungen und Gesetze erlassen.“

Allerdings sind eindeutige Ergebnisse wie dieses bislang die Ausnahme. Und weil Rechner Metalle und Seltene Erden benötigen, Server mit Wasser gekühlt werden und das Trainieren der Algorithmen viel Energie verschlingt, stellen Kritiker infrage, ob der Aufwand gerechtfertigt ist. Oliver Zielinski: „Bei diesen Fragen müssen wir KI-Forscher uns an die eigene Nase fassen und den eigenen Ressourceneinsatz bedenken.“ Laut einer häufig zitierten US-Studie produziert das Entwickeln eines Sprachmodells wie Apples „Siri“ 284 Tonnen CO2-Äquivalente – was etwa den Emissionen eines Deutschen in 28 Jahren entspricht. Nicht eingerechnet: die Nutzung von Hunderten Millionen Usern jeden Tag. Und dass die Zahl solcher Anwendungen kontinuierlich zunimmt.

Noch fehlt es vielfach an Grundlagen, um ein eindeutiges Fazit ziehen und Folgen, positive wie negative, präzise beziffern zu können. Zielinski geht aber davon aus, dass sich das ändert. „In drei bis fünf Jahren gehört es zum Standard, nicht nur die Finanzierung unserer Arbeit offenzulegen, sondern auch mögliche ökologische und ethische Einflüsse.“

Bewerber, die sich als „KI-Leuchtturm“ vom Umweltministerium fördern lassen wollen, müssen ihrem Antrag eine erste Hochrechnung zum Einsparpotenzial der Treibhausgase beilegen. „So können wir die Umweltfolgen vorab grob abschätzen“, sagt Alice Boit. Geht es nach Melanie Stolzenberg-Lindner, soll diese Richtlinie nach innen und außen „Signalwirkung“ haben. „Sie könnte als Best Practice für alle Ministerien dienen, wenn es um die Diskriminierung durch Daten-Bias oder ökologische Fragen geht.“