Bild von der NASA-Erde

Da Computer immer intelligenter werden, suchen Wissenschaftler nach neuen Möglichkeiten, sie für den Umweltschutz einzusetzen.

Wenn man an künstliche Intelligenz denkt, denkt man wahrscheinlich zuerst an empfindungsfähige Roboter, die wie Menschen gehen, sprechen und Emotionen zeigen. Doch es gibt eine andere Art von KI, die sich in fast allen Wissenschaften durchsetzt. Sie heißt Maschinelles Lernen und dreht sich darum, Computer mit der Aufgabe zu beauftragen, die riesigen Datenmengen zu sortieren, die wir dank moderner Technologie generieren (auch bekannt als „Big Data“).

Maschinelles Lernen erweist sich insbesondere in den Umweltwissenschaften als äußerst nützlich. Durch die Überwachung verschiedener Systeme der Erde – beispielsweise des Grundwassers, der Klimaerwärmung oder der Tierwanderung – haben diese enorme Datenmengen generiert. In diesem relativ neuen Bereich, der sogenannten rechnergestützten Nachhaltigkeit, sind zahlreiche Projekte entstanden, die gesammelte Umweltdaten mit der Fähigkeit von Computern kombinieren, Trends zu erkennen und Vorhersagen über die Zukunft unseres Planeten zu treffen. Dies ist für Wissenschaftler und politische Entscheidungsträger nützlich, da es ihnen hilft, Pläne für das Leben und Überleben in unserer sich verändernden Welt zu entwickeln. Hier ein Blick auf einige Beispiele.

Für die Vögel – und Elefanten

Die Cornell University scheint in diesem neuen Bereich führend zu sein, wahrscheinlich weil sie über eine Institut für Computational SustainabilityUnd auch, weil die Leiterin des Instituts, Carla P. Gomes, eine der Pionierinnen der rechnergestützten Nachhaltigkeit ist. Gomes sagt, das Feld habe seinen Anfang um 2008 genommen, als die National Science Foundation Informatikern einen Zuschuss von 10 Millionen US-Dollar gewährte, um sie zu gesellschaftlich sinnvoller Forschung zu motivieren. Seitdem hat ihr Team – und Wissenschaftlerteams weltweit – die Idee aufgegriffen und umgesetzt.

Ein wichtiger Bereich, in dem maschinelles Lernen der Umwelt helfen kann, ist der Artenschutz. Insbesondere hat das Cornell Institute mit dem Cornell Lab of Ornithology zusammengearbeitet, um den unglaublichen Eifer von Vogelbeobachtern mit wissenschaftlichen Beobachtungen zu verbinden. Sie haben eine App namens eBird Damit können Bürger Daten über die Vögel einreichen, die sie in ihrer Umgebung beobachten, beispielsweise wie viele verschiedene Arten an einem bestimmten Ort vorkommen. Bisher, so Gomes, haben über 300,000 Freiwillige über 300 Millionen Beobachtungen eingereicht, was mehr als 22 Millionen Stunden Feldarbeit entspricht.

Diese Animation der jährlichen Migration von Baumschwalben zeigt, wie rechnergestützte Nachhaltigkeitstechniken genutzt werden können, um Populationsschwankungen über Raum und Zeit vorherzusagen. Bild von Daniel Fink, Cornell Lab. of Ornithology

Durch die Kombination der von eBird gesammelten Daten mit den eigenen Beobachtungsdaten des Labors und den aus Fernerkundungsnetzwerken gesammelten Informationen zur Artenverteilung nutzen die Modelle des Instituts maschinelles Lernen, um vorherzusagen, wo es zu Veränderungen im Lebensraum bestimmter Arten kommen wird und auf welchen Routen sich die Vögel während der Migration bewegen werden.

„Es gibt große Lücken, da wir keine Beobachtungen haben. Aber wenn man die Muster von Vorkommen und Abwesenheit in Beziehung setzt, erkennt man, dass diese Vögel einen bestimmten Lebensraum mögen, und daraus können wir verallgemeinern“, sagt Gomes. „Wir nutzen hochentwickelte Modelle – Algorithmen des maschinellen Lernens –, um die Verbreitung der Vögel vorherzusagen.“

Anschließend können sie ihre Vorhersagen mit politischen Entscheidungsträgern und Naturschützern teilen, die auf dieser Grundlage Entscheidungen darüber treffen können, wie der Lebensraum der Vögel am besten geschützt werden kann.

Gomes sagt beispielsweise, dass The Nature Conservancy auf Grundlage der über eBird gesammelten und von der Partnerschaft verarbeiteten Informationen eine „Umgekehrte Auktion“ in von Dürre betroffenen Teilen Kaliforniens, indem sie Reisbauern dafür bezahlen, Wasser auf ihren Feldern zurückzuhalten, wenn Vögel wahrscheinlich auf Zugreise sind und Zwischenstopps benötigen. „Das ist nur möglich, weil wir über fortschrittliche Computermodelle verfügen, die uns hochpräzise Informationen über die Verbreitung von Vögeln liefern“, sagt Gomes.

Vögel sind nicht das einzige Forschungsgebiet. Ein Großteil der Arbeit des Instituts beschäftigt sich mit dem Schutz der Tierwelt. So werden beispielsweise stundenlang Waldaufnahmen abgehört, um Elefantenrufe und Wildererschüsse zu kartieren. Oder es werden Grizzlybären verfolgt, um Korridore zu identifizieren, die ihnen eine sichere Bewegung durch die Wildnis ermöglichen.

Das Tempo erhöhen

Am Goddard Space Flight Center der NASA nutzt die Forscherin Cecile Rousseaux maschinelles Lernen, um die Verbreitung von Phytoplankton (auch Mikroalgen genannt) in den Ozeanen besser zu verstehen. Diese mikroskopisch kleinen Pflanzen schwimmen auf der Meeresoberfläche und produzieren einen Großteil des Sauerstoffs, den wir atmen. Sie bilden die Grundlage des ozeanischen Nahrungsnetzes. Sie verbrauchen außerdem Kohlendioxid und nehmen dieses nach ihrem Absterben mit, wenn sie auf den Meeresboden sinken.

„Ohne Phytoplankton würden wir einen noch stärkeren Anstieg des Kohlendioxids erleben“, sagt Rousseaux. Daher ist ihr Gesamtzustand eine wichtige Information für Forscher, die die Auswirkungen von Veränderungen des atmosphärischen CO2-Gehalts verstehen wollen.₂ auf unserem Planeten.

{{youtube}eM5lX9RQzZ4{/youtube}

Rousseaux nutzt Satellitenbilder und Computermodelle, um den aktuellen und zukünftigen Zustand des ozeanischen Phytoplanktons vorherzusagen. Derzeit kann das Modell lediglich die Gesamtzahl der auf der Erde lebenden Mikroalgen und deren zeitliche Entwicklung abschätzen. Eine neue Satellitenmission namens PACE (für „Pre-Aerosol Clouds and Ocean Ecosystem“), das 2022 startet, wird einen völlig neuen Datensatz erschließen, der die Population genauer betrachtet und verschiedene Arten identifizieren kann, anstatt nur das Ganze zu betrachten, was das aktuelle Modell erheblich verändern wird.

„Das Modell nutzt Parameter wie Temperatur, Licht und Nährstoffe, um das Ausmaß des Wachstums zu bestimmen. Die Simulation passt lediglich den Gesamtwert an“, erklärt sie. Es gibt jedoch eine Vielzahl verschiedener Phytoplanktonarten, die alle auf einzigartige Weise mit der Umwelt interagieren. Kieselalgen beispielsweise sind groß, sinken sehr schnell auf den Meeresboden und benötigen viele Nährstoffe. PACE wird es ermöglichen, die Phytoplanktonarten in verschiedenen Teilen des Ozeans zu identifizieren und so die Möglichkeiten des Modells erweitern, den Einfluss der Mikroorganismen auf das atmosphärische CO2 zu verstehen.₂. Darüber hinaus können wir damit beispielsweise gefährliche Algenblüten vorhersagen und möglicherweise Wege finden, die Fähigkeiten von Arten, die mehr Kohlenstoff verbrauchen, zur Bekämpfung des Klimawandels zu nutzen.

EarthCube

Apropos Erde als Ganzes: Die National Science Foundation nutzt maschinelles Lernen, um ein dreidimensionales, lebendiges Modell des gesamten Planeten zu erstellen. Die digitale Darstellung namens EarthCube kombiniert Datensätze von Wissenschaftlern aus den unterschiedlichsten Disziplinen – beispielsweise Messungen der Atmosphäre und Hydrosphäre oder der Geochemie der Ozeane –, um die Bedingungen auf, über und unter der Oberfläche zu simulieren. Dank der enormen Datenmengen, die der Würfel enthalten wird, kann er verschiedene Bedingungen modellieren und die Reaktion der Planetensysteme vorhersagen. Mithilfe dieser Informationen können Wissenschaftler Maßnahmen zur Vermeidung von Katastrophen vorschlagen oder sich bereits im Vorfeld auf unvermeidbare Ereignisse (wie Überschwemmungen oder Unwetter) vorbereiten.

EarthCube kombiniert Datensätze, um ein Modell zu erstellen, mit dem sich die durch Katastrophen verursachten Schäden vorhersagen und minimieren lassen.
Bild von Jeanne DiLeo/USGSIm Rahmen des EarthCube-Projekts arbeitet der US Geological Survey an einem Projekt des National Science Framework mit, um die Digitale Kruste, ein Rahmenwerk, das ein genaueres und fundierteres Verständnis der unterirdischen Prozesse in der Erde ermöglicht, wie beispielsweise des Grundwasserhaushalts und des Zustands von Grundwasserleitersystemen. „Wir werden wissenschaftliche Berechnungen durchführen können, die den Grundwasserstand im Laufe der Zeit zeigen, und wir können dies mit zukünftigen Szenarien vergleichen“, sagt Sky Bristol, Abteilungsleiter für biogeografische Charakterisierung beim USGS und USGS-Teamleiter für das EarthCube Digital Crust-Projekt.

Maschinelles Lernen kommt auch dann zum Einsatz, wenn zwei Modelle aus verschiedenen Teilen des Würfels (wie der Erdkruste und der Atmosphäre) miteinander interagieren müssen, sagt Bristol. Wie sieht es beispielsweise aus, wenn die Grundwasserentnahme zunimmt und sich gleichzeitig das Klima erwärmt?

Die Fertigstellung von „Digital Crust“ ist für diesen Sommer geplant. „Digital Crust“ und alle EarthCube-Projekte stellen ihre Daten und Software Open Source zur Verfügung. So kann innerhalb weniger Jahre jeder mithilfe von maschinellem Lernen Vorhersagen über alle Möglichkeiten der zukünftigen Erde treffen. Geowissenschaftler, die sich mit der Erforschung der verschiedenen Systeme der Erde und deren Auswirkungen auf die Menschheit beschäftigen, erhalten damit ein neues Werkzeug, mit dem sie Daten weltweit miteinander teilen können. Das verleiht ihren Vorhersagen mehr Wirkung und gibt Menschen die Möglichkeit, auf unsere sich verändernde Welt zu reagieren, anstatt nur zu reagieren.

Diese Beispiele sind nur ein kleiner Ausschnitt aus dem Gesamtbild, wie rechnergestützte Nachhaltigkeit unsere Fähigkeit, das menschliche Leben auf der Erde nachhaltiger zu gestalten, verändern kann – und bereits verändert. Allein an der Cornell University nutzen weitere Projekte diese Technologie, darunter die Kartierung von Armutsgebieten und die Wirksamkeit von Armutsbekämpfung in Industrieländern, die Ermittlung der Auswirkungen von Fischereipolitiken auf die Meeresfischerei, die Entdeckung neuer Materialien zur Nutzung von Solarenergie, die Ermittlung der Auswirkungen von Schiffskollisionen auf Walpopulationen und sogar die Erforschung der Effizienz und der Auswirkungen erhöhter Benzinsteuern in den USA. Wenn die aktuellen Trends ein Indiz sind, können wir in den kommenden Jahren noch viel mehr darüber erfahren, wie künstliche Intelligenz uns hilft, die Welt langfristig lebenswerter zu gestalten.

Dieser Artikel erschien ursprünglich auf ENSIA

Über den Autor

Erin Biba ist eine freiberufliche Wissenschaftsjournalistin aus New York City. Ihre Arbeiten erscheinen regelmäßig in Newsweek, Scientific American und The Mythbusters' Tested.com.

Verwandtes Buch

{amazonWS:searchindex=Books;keywords=1605989649;maxresults=1}