KI im Umweltsektor braucht hochwertige, annotierte Daten
Die Verschränkung von Digitalisierung, Umweltschutz und Nachhaltigkeit ist komplex – und voller Chancen. Künstliche Intelligenz (KI) kann hier innovative Impulse geben: Sie unterstützt Umweltforschung und politische Entscheidungen, macht Prozesse effizienter und ermöglicht neue Erkenntnisse. Annotierte Daten spielen dabei eine Schlüsselrolle.
Das Forschungsprojekt LabelledGreenData4All untersuchte, wie annotierte Umweltdaten strategisch für Machine Learning (ML) genutzt werden können, um gesellschaftliche und ökologische Herausforderungen zu bewältigen.
Zwei wichtige Ziele waren:
- vielversprechende Anwendungsbereiche für ML zu identifizieren und
- ein Modell zu entwickeln, welches hilft, Daten anhand klarer Entscheidungspfade und entsprechend ihrer Verfügbarkeit ressourceneffizient zu annotieren.
Ergänzend wurden Empfehlungen zur sektorübergreifenden Bereitstellung von Umweltdaten als Basis für zukünftige Fördermaßnahmen erarbeitet.
Die Analyse unterstreicht: KI im Umweltsektor braucht mehr als Algorithmen. Ohne standardisierte und gut verfügbare Daten sowie strukturierte Datenprozesse kann KI im Umweltbereich ihr Potenzial nicht entfalten.
Herausforderungen liegen vor allem in der Datenqualität, mangelnder Interoperabilität und rechtlichen Rahmenbedingungen. Empfohlen werden daher die Förderung und Anwendung der FAIR-Data-Prinzipien, die Etablierung grüner Datenräume und Anreize zum Teilen von Daten.
Der Einsatz von KI birgt nicht nur große Chancen für das Verständnis komplexer Umweltsysteme, die wissenschaftliche Politikgestaltung und eine nachhaltige Wirtschaft. Gleichzeitig bestehen auch sozial-ökologische Risiken, etwa durch einen hohen Energie- und Wasserverbrauch, wachsenden Elektroschrott und sich verstärkende soziale Ungleichheiten.
Das im Auftrag des UBA von der wetransform GmbH und dem Fraunhofer-Institut für Graphische Datenverarbeitung durchgeführte Forschungsvorhaben leistet einen Beitrag, KI im Umweltbereich effizient und nachhaltig zu gestalten und politische Maßnahmen datenbasiert zu unterstützen.