Künstliche Intelligenz

Ein ETH-Forscher erklärt in Madrid wie lernende Algorithmen den Regenwald retten

Etwa 30 Millionen Hektaren Regenwald werden pro Jahr weltweit vernichtet, so wie der Amazonas-Regenwald in Brasilien.

Etwa 30 Millionen Hektaren Regenwald werden pro Jahr weltweit vernichtet, so wie der Amazonas-Regenwald in Brasilien.

Der Regenwald, die Lunge der Erde ist gefährdet. Der ETH-Computerwissenschafter David Dao erklärt am Donnerstag an der Weltklimakonferenz in Madrid, wie Künstliche Intelligenz hilft, den Wald zu retten.

Ein Computerwissenschafter der an der Weltklimakonferenz in Madrid spricht? Ja, denn gefragt sind nicht nur Klimatologen, sondern Forscher, die neue Wege zur Lösung der vielfältigen Klimaprobleme anbieten. So wie David Dao vom Institut für Computing Platforms der ETH Zürich, der heute im «Pavilion of the Americas» seine Forschung vorstellen wird.

Dao ist Spezialist für maschinelles Lernen und hat zuvor im Silicon Valley an selbstfahrenden Autos gearbeitet. David Dao sagt:

Das ist eine grosse Schwierigkeit, weil es per sei keine Regeln der Fussgängerbewegungen gibt, die man einem Algorithmus diktieren kann. «Deswegen haben wir damals aus ganz vielen verschiedenen Sensordaten versucht, durch maschinelles Lernen ein Verhaltensmuster abzulesen und vorherzusagen.»

Vorhersage dank Künstlicher Intelligenz

Dieses Wissen nutzt der ETH-Forscher nun auch für seine aktuelle Arbeit – für den Schutz des Regenwaldes, der für das globale Klima so wichtig ist. «Die Art und Weise, wie wir die Entwicklung des Regenwalds vorhersagen, ist tatsächlich inspiriert von meiner Arbeit damals im Silicon Valley», erklärt Dao.

Die Forscher nutzen Luftaufnahmen von Satelliten und Drohnen, um mit Algorithmen zu berechnen, wie sich der Regenwald verändert. Diese Veränderungen gehen bei Rodungen und Bränden sehr schnell. Dementsprechend muss auch die Künstliche Intelligenz rasch reagieren. «Wir schaffen es derzeit monatlich bis wöchentlich, Satellitenbilder zu verarbeiten. Das reicht, um grössere Veränderungen vorherzusagen. Aber unser Ziel es natürlich, so schnell wie möglich Veränderungen zu erkennen», sagt der Informatik-Doktorand.

David Dao, Computerwissenschafter an der ETH Zürich

David Dao, Computerwissenschafter an der ETH Zürich

Wolken über Regenwald verdecken die Sicht

Da die kreisenden Satelliten jeden Tag ein Bild von jedem Ort der Welt machen, könnten theoretisch allein Satellitenbilder die Veränderungen der Waldstruktur aufzeigen. «Das Problem sind aber die Wolken und die Auflösung der Bilder», sagt Dao. Der Regenwald ist die meiste Zeit des Jahres bewölkt und die Forscher können nicht durchschauen – deswegen brauchen sie mehr Bilder, um nach einer gewissen Zeit ein wolkenfreies Mosaik zu erstellen.

Genutzt werden dabei lernfähige Algorithmen, die, je mehr sie mit Daten gefüttert werden, desto genauere Vorhersagen machen. Das unüberwachte Lernen der Maschine ermöglicht, die Zusammenhänge zwischen verschiedenen Faktoren zu erkennen. Wie zum Beispiel zwischen Strassen und angrenzender Entwaldung. Tatsächliche Rodungen werden am besten erkannt, wenn diese wiederholt im Datensatz auftreten.

«Lernfähig bedeutet aber auch, dass wir uns bei der Entwicklung der Algorithmen nicht nur auf spezielle Satelliten oder Drohnen beschränken. Unsere Algorithmen können zusätzlich zu Bilddaten auch aus ökologischen Daten oder Bodennutzungsdaten Erkenntnisse gewinnen», sagt David Dao.

Frühwarnsystem von Waldrodungen

Damit entsteht ein Frühwarnsystem von Waldrodungen aus einer Wahrscheinlichkeitsberechnung der Algorithmen. «Wir erstellen eine Heatmap, also eine Wahrscheinlichkeitskarte von Regionen, von der unser Algorithmus davon ausgeht, dass diese in naher Zukunft stark von einer möglichen Entwaldung betroffen wird.» Auf Basis dieser Karten sollen bessere Entscheidungen zum Schutz des Waldes getroffen werden können. Seine Vorhersagealgorithmen testet Dao seit Januar in einem Pilotprojekt im chilenischen Regenwald.

KI auch für bessere Stromnetze und gegen Foodwaste

Künstliche Intelligenz für den Klimaschutz ist nach Dao auch in anderen Gebieten möglich, viele Synergien gebe es bereits. Bei der Elektrizität könne man mithilfe von Maschinenlernen den Stromverbrauch besser voraussagen und so die Stromnetze optimieren. Durch KI können bessere Materialien entstehen, die zu besseren Batterien führen und im Transport zu effizienteren Fahrzeugen und Verkehrswegen. Auch im Einsatz gegen Foodwaste taugen die Algorithmen. Zudem hilft KI bessere Klimamodelle zu erstellen für bessere Vorhersagen von Stürmen und den Anstieg des Meeresspiegels.

Autor

Bruno Knellwolf

Meistgesehen

Artboard 1