Es ist eine Herkulesaufgabe, den fortschreitenden, menschengemachten Klimawandel einzudämmen. Klar ist, dass wir dafür weitreichende Maßnahmen brauchen – und neue Lösungen. Diskutiert wird bei der Mission „Erdrettung“ auch über den Einsatz verschiedenster Technologien. Der neueste Stern am Firmament: Künstliche Intelligenz (KI). Während die Einsatzmöglichkeiten von KI für manche noch nach Utopie klingen, ist KI als Suchmaschine oder persönliche Sprachassistentin schon längst fester Bestandteil unseres Alltags. Kann Künstliche Intelligenz also auch dabei helfen, das Klima zu retten und die Umwelt zu schonen? Tatsächlich ist in diesem Bereich einiges in Bewegung.

KI und Klimaschutz mittels Satelliten- und Drohnenaufnahmen

Eine einheitliche Definition gibt es bisher nicht, vereinfacht kann man aber KI als Computerprogramme verstehen, die in einer intensiven Trainingsphase mit Beispieldaten auf bestimmte Aufgaben trainiert werden und sich daraufhin stetig selbst verbessern. So nutzt die KI-Plattform OpenSurface beispielsweise Daten aus Satelliten- und Drohnenaufnahme, um unter anderem Entwaldung und Waldbrände zu überwachen und sogar zu prognostizieren – und ist mit ihren Analysen schneller und genauer als bisherige Techniken. Die erste Pilotanwendung von OpenSurface wird derzeit in Chile zusammen mit der chilenischen Forstverwaltung CONAF umgesetzt. Dabei gleicht die KI geplante und genehmigte Landnutzungen mit dem tatsächlichen Grad der Waldvernichtung ab; wann immer es einen Unterschied gibt, sendet OpenSurface eine Warnung an die Mitarbeiter*innen der Forstverwaltung. Laut Jose Antonio Prado Donoso, Leiter der CONAF-Einheit für Klimawandel und Umweltdienste, „wird die OpenSurface-Plattform ein wichtiges Instrument zur Verringerung von Entwaldung und insbesondere Waldschädigung sein“.

Da die OpenSurface-Plattform quelloffen ist, kann sie von einer Vielzahl von Interessengruppen genutzt werden, um natürliche Ressourcen zu schützen. Dabei ist sie nicht auf Wälder, Böden und Ökosysteme beschränkt, sondern könnte in Zukunft auch zur Erfassung der städtischen Landnutzung eingesetzt werden, um eine nachhaltige Stadtentwicklung zu gewährleisten: „Theoretisch sind diese Probleme alle sehr ähnlich und ein Algorithmus könnte das sogenannte „Transfer Learning“ verwenden, um sich schnell an einen anderen Problembereich anzupassen“, erklärt David Dao vom DS3Lab der Eidgenössischen Technischen Hochschule Zürich (ETH), der die Plattform durch KI-Forschung unterstützt.

Das Beispiel zeigt: Indem selbstlernende Auswertungs- und Prognosealgorithmen Daten aus vielen verschieden Quellen zusammenführen, ermöglicht KI im Bereich Klimawandelanpassung und Klimaschutz wesentlich detailliertere Bewertungen und Prognosen einzelner Bereiche, aber auch des äußerst komplexen Systems „Klima“. Und kann damit (umwelt-)politischen Entscheidungsträger*innen und NGOs helfen, die verschiedenen Stellschrauben des Klimawandels – technisch, ökonomisch oder sozial – besser zu verstehen, politische Handlungsansätze daran auszurichten und wirksame Schutzmaßnahmen einzuführen und zu überprüfen.

Auch bei Good Impact:  Sensoren in Bienenstöcken: Smarte Imkerei

KI und Energiewende: „Wetterbericht“ für sauberen Strom 

An der Energiewende kommen wir nicht vorbei, wenn die Pariser Klimaziele erreicht werden sollen. Doch Angebot und Nachfrage nach erneuerbaren Energien schwanken, denn Wind- und Sonnenkraft sind nicht planbar. Anbietende und Nachfragende stellt dies vor große Herausforderungen. Die an die Universität Köln angeschlossene Open-Source-Plattform PowerTAC geht dieses Problem mit KI an und hat eine Simulation entwickelt, mit der verschiedenste Szenarien durchgespielt werden können. Die Software nutzt dafür eine Reihe von intelligenten Algorithmen, die die Interaktionen von Energielieferant*innen und Verbraucher*innen nachahmt und potenzielle Möglichkeiten für Ausgleich und Regulierung aufzeigt. Mittlerweile ist PowerTAC das größte Open-Source-Smart-Grid-Projekt der Welt, die Software wurde mehr als 10.000 Mal heruntergeladen und unterstützt politische Entscheidungsträger*innen und Akteur*innen der Industrie dabei, mit einem tieferen Verständnis der Mechanismen grüne Energiesysteme auf der ganzen Welt zu implementieren.

Neben der Energiewende ist aber auch eine „Gebäudewende“ nötig, also ein energieeffizienter und klimafreundlicher Gebäudebestand. Im Mittelpunkt des Ansatzes des Unternehmens Braclet aus Austin, Texas, steht das Verständnis, dass jedes Gebäude ein einzigartiges Ökosystem ist, das seine ganz eigenen Besonderheiten und Unregelmäßigkeiten aufweist. Daher führt Braclet Daten aus verschiedenen Quellen zusammen – Versorgungsrechnungen, Architekturdokumente, Wetter- und Echtzeitdaten zum Stromverbrauch – und erstellt mithilfe von Maschine-Learning-Algorithmen daraus einen „Digital Twin“, also ein physikalisch basiertes Simulationsmodell, das in Bezug auf den Energieverbrauch mit dem realen Gebäude nahezu identisch ist. Das Ziel: effizienteste Energiesparmaßnahmen aufdecken und das Risiko minimieren, dass Maßnahmen falsch oder nicht an der optimalen Stelle in die Infrastruktur eines Gebäudes integriert werden.

Theoretisch können solche „digitalen Zwillinge“ auch auf nahezu alle Arten von physischen Objekten, geografischen Regionen oder Infrastrukturen übertragen werden – und es ist denkbar, dass sie auch für georäumliche Lösungen wie Umweltüberwachung, Katastrophenmanagement oder die nachhaltige Stadtplanung eingesetzt werden können. Neben der Möglichkeit, Energiekonzepte für Gebäude oder sogar einen Energiemarkt zu erstellen, können KI-basierte Anwendungen auch Heizung und Kühlung in modernen Gebäuden effizient steuern, indem sie die Art der Energiegewinnung, das Nutzerverhalten sowie die Energiepreis- und Wetterdaten verknüpfen.

Doch geht es darum, emissionsarm Strom zu beziehen, zählt nicht nur der eigentliche Verbrauch. Je nach Stromerzeugung sowie Nachfrage ändern sich die CO₂-Emissionen des gewonnen Stroms. Eine Art „Wetterbericht“ für sauberen Strom hat der britische Übertragungsnetzbetreiber National Grid zusammen mit der Oxford Universität, dem Environmental Defense Fund Europe und dem World Wide Fund for Nature (WWF) entwickelt. Der Carbon Intensity Forecast erstellt mit Regressionsmodellen basierend auf maschinellem Lernen eine Vorhersage der CO₂-Intensität des Stroms. Die Werte sind nicht nur für Wissenschaftler*innen interessant: Die Informationen sind frei zugänglich und werden leicht verständlich über eine eigene Android-App verbreitet. Verbraucher*innen, aber auch Unternehmen können so erkennen, zu welcher Zeit der Strom am nachhaltigsten produziert wird und ihren Energieverbrauch danach ausrichten. „Es gibt inzwischen viele Unternehmen, die die App nutzen“, berichtet Alasdair Bruce, leitender Wissenschaftler des Projekts. „Einige Automobilhersteller planen, die Vorhersage in Elektrofahrzeuge einzubetten, damit Besitzer ihre Autos in den ‚grünsten‘ Zeiten aufladen können.“

Auch bei Good Impact: Künstliche Intelligenz: Das Internet soll afrikanische Sprachen lernen

KI und effiziente Ressourcennutzung

In der heutigen Industrie arbeiten Produktionsmaschinen und Industrieroboter mit Planungs- und Steuerungssoftware zusammen. Dabei fallen beachtliche Datenmengen über sämtliche Prozesse an. Doch herkömmliche Analyseverfahren kommen damit schnell an ihre Grenzen. Intelligente Algorithmen sind hingegen in der Lage, riesige Mengen verschiedenster Daten zu verknüpfen – auch um Maschinen- und Gebäude effizient zu steuern und so Energieverbrauch, Ressourcenaufwand und Ausschussraten im Produktionsprozess zu verringern.

In dem im Februar 2020 gestarteten Projekt REIF, das vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert wird, soll mithilfe von KI die Lebensmittelverschwendung in der Industrie reduziert werden, denn jedes Jahr landen hier Millionen Tonnen im Müll. Dazu soll ein KI-System aufgebaut werden, das den Austausch und die Transparenz zwischen den verschiedenen Akteuren in der Lebensmittelindustrie erhöht und Prognoseverfahren entstehen, mit dem Angebot und Nachfrage besser abgestimmt werden können. Das ambitionierte Ziel des REIF-Projektes ist es, mit Unterstützung intelligenter Algorithmen in den Bereichen Molkerei, Fleisch und Backwaren die Lebensmittelverluste um bis zu 90 Prozent zu reduzieren.

Ein spannender Ansatz verfolgt auch das texanische Unternehmen Smarter Sorting: Damit unverkäufliche oder retournierte Artikel nicht mehr schlicht als „Abfall“ behandelt werden, erhalten die Händlern über eine KI-basierte Plattform Vorschläge über möglichst nachhaltige Wiederverwendungs-, Spenden- oder Recycling-Wege. Nach Unternehmensangaben konnte eine Test-Implementierung innerhalb von etwa drei Monaten über 70 Prozent des Abfalls eines Einzelhändlers verringern.

Auch bei Good Impact: Sirplus und Motatos: Diese Start-ups retten Lebensmittel

Perspektive für KI-Lösungen im Umwelt- und Klimaschutz

Auch wenn sich bereits zahlreiche KI-Lösungen im Umwelt- und Klimaschutz finden lassen, der Einsatz der Technologie im Nachhaltigkeitskontext ist immer noch eine Nische. Dies mag auch an fehlenden Förderungen liegen; bisher gibt es nur eine Handvoll Fördermöglichkeiten für KI-Anwendungen mit klarem Nachhaltigkeitsbezug, wie zum Beispiel das Förderprogramm KI-Leuchttürme des Bundesministeriums für Umwelt, Naturschutz und nukleare Sicherheit (BMU), die UN-Initiative AI for Good und Programme von Microsoft und Google. Weitere Förderprogramme, die speziell auf KI mit Nachhaltigkeitsbezug ausgerichtet sind, könnten für Bewegung sorgen. Zudem gilt es, Kooperationen zwischen den verschiedenen Disziplinen zu fördern, wie auch Lynn Kaack, Vorsitzende der Gruppe Climate Change AI, betont: Zentral sei dabei „der enge Austausch von KI-Experten, klimarelevanten Fachgebieten und der Praxis, der dabei hilft, eine Problemstellung richtig anzugehen“.

Dies könnte auch dabei helfen, die aus Nachhaltigkeitsperspektive sehr relevante Frage nach der Ökobilanz der KI-Systeme selbst ins Blickfeld zu rücken. Denn während die einen enorme Chancen darin sehen, mit KI Umweltherausforderungen anzugehen, fürchten andere, dass wir damit eher neue Probleme schaffen – neben den gesellschaftlich intensiv diskutierten ethischen Bedenken geht es dabei auch um die weitere Zunahme unseres schon jetzt enormen Strombedarfs. „Momentan wird eine Arbeit von Emma Strubell und Kollegen von 2019 viel zitiert, in der gezeigt wurde, dass das Antrainieren oder Anlernen einer KI für die Spracherkennung ungefähr so viel CO₂ verbraucht wie fünf PKW über ihren gesamten Lebenszyklus, also von der Entstehung, über den Betrieb bis zur Entsorgung“, sagt Stephan Richter, Forscher am Berliner Institut für Innovation und Technik (iit) und Mitautor der Kurzstudie „Künstliche Intelligenz im Umweltbereich“ des Umweltbundesamts. Auch wenn das erstmal nach viel klingt, gilt es natürlich immer zu bedenken, wie ein KI-Werkzeug genutzt wird und die Einspareffekte ins Verhältnis zu setzen.

Auch bei Good Impact: Ein Code für alle: Wie Blockchain die Welt gerechter machen kann

Zudem gibt es Möglichkeiten, den Energieverbrauch niedrig zu halten, indem zum Beispiel mit möglichst effizienter Hardware gearbeitet wird. „Wenn ich mir einen Cloud-Anbieter anschaue, kann ich prüfen, ob er grüne Energie nutzt, ob er CO₂-neutral arbeitet, und wie seine Nachhaltigkeitsverpflichtungen aussehen“, so Richter. Ein hilfreiches Tool ist hier der Machine Learning Emission Calculator, in den Entwickler*innen Parameter wie Hardware, Cloud-Anbieter, Laufzeit und Standort eingeben können, um einen groben Überschlag zu bekommen, wie viel CO₂ eine KI emittiert. Eine abschließende Lösung ist das noch nicht, aber „ein kleines, interessantes Projekt aus der KI-Community, um Aufmerksamkeit für das Thema zu erzeugen“, wie Richter betont. Um effizientere KI-Algorithmen und Hardware zu entwickeln sei es wichtig, verstärkt in Forschung und Entwicklung zu investieren.

Damit KI in Zukunft also wirklich mit einem kleinen ökologischen Fußabdruck daher kommt und zu einer nachhaltigen Entwicklung beiträgt, sind Maßnahmen auf mehreren Ebenen erforderlich. Dazu gehört auch, auf politischer Ebene neue Standards zur Abschwächung der Umweltauswirkungen von KI zu entwickeln und Richtlinien für eine grüne KI-Industrie einzuführen. Sowohl die umweltpolitische Digitalagenda des BMU als auch ein White Paper auf EU-Ebene, in denen sowohl auf die Chancen von KI für den Umwelt- und Klimaschutz als auch auf die dafür nötigen Regulierungen hingewiesen werden, sind erste wichtige Schritte.

Diese und weitere Anwendungsbeispiele, Expert*inneninterviews und Handlungsempfehlungen finden sich in der kürzlich erschienen von der Deutschen Bundesstiftung Umwelt geförderten Publikation Greenbook (1): Künstliche Intelligenz – können wir mit Rechenleistung unseren Planeten retten?, deren Mitautorin Sarah-Indra Jungblut diesen Text verfasst hat. Sarah-Indra Jungblut hat sich auf die Themen Nachhaltigkeit und Digitalisierung spezialisiert und leitet die Redaktion von RESET.org. Daneben hält sie Vorträge und Keynotes und moderiert Talks.