KI und Naturschutz, Teil 3: Renaturierung auf den Philippinen

KI kommt immer häufiger in Gesprächen, in der Schule oder bei der Arbeit vor. Hier in der WWF Jugend Community befassen wir uns auch mit diesem hochaktuellen Thema. In dieser Reihe stellen wir uns die Frage, ob KI und Naturschutz ein Widerspruch sein müssen und wie sich die Nutzung von künstlicher Intelligenz auf die Umwelt auswirkt.

Im ersten Beitrag unserer Reihe ging es um die Auswirkung der allgemeinen Nutzung von KI auf Strom-, Wasser- und Energieverbrauch, im letzten Beitrag haben wir aber auch gezeigt, dass KI dem Naturschutz zugutekommen kann und wie der WWF dies in seinen Projekten nutzt.

Heute soll es um ein WWF-externes Projekt der Renaturierung gehen, wofür ich mich mit Henry Cording unterhalten habe.

Das Projekt

Das “Bio+Mine” Projekt untersucht die Umweltverschmutzung durch die Sto. Niño Kupfermine auf den Philippinen, um Lösungen für die Restaurierung des lokalen Ökosystems zu entwickeln. Die Mine wurde 1982 ohne weitere Vorsorgemaßnahmen stillgelegt, woraufhin giftige Schwermetalle ins Grundwasser gerieten, Flora und Fauna geschädigt wurden und es durch instabile Minenschächte vermehrt zu Erdrutschen kam. Neben Analysen von Erd-, Gesteins- und Wasserproben werden im Projekt auch Drohnen und komplexe Fotoprozesse eingesetzt, um ein digitales Modell der Region als Basis für die Wiederherstellung zu erstellen.

Zur Person

Henry Cording hat nach einem Informatikstudium einen Master in „Environmental Data Science & Machine Learning“ am Imperial College London absolviert, und dort seine Masterarbeit als Teil des Bio+Mine Projekts verfasst. Heute ist er als KI-Entwickler in der Energiebranche tätig, wo er unter anderem an Simulationen von Kraftwerken arbeitet und mit Hilfe von generativer KI, Arbeitsprozesse in Firmen optimiert.

WWF-Jugend: Erzähle uns doch gerne kurz, was das Thema deiner Masterarbeit war und inwiefern KI eine Rolle gespielt hat?

Henry: Meine Aufgabe in dem Projekt war es am Anfang, mithilfe von KI-Modellen automatisch Chayote Pflanzen (siehe Abb. 1) in Drohnenbildern der Region zu markieren. Chayote wird von der lokalen Gemeinde angebaut, wächst aber auch an steilen Berggefällen. Die Forscher vermuten, dass dies helfen kann, den Boden zu stabilisieren und Erdrutschen vorzubeugen. Deswegen war diese Pflanze und ihr Standort für die Forschungsgruppe von besonderem Interesse.Der Fachbegriff für die Methodik, die ich angewendet habe, um die Pflanzen in Drohnenbildern zu identifizieren, ist „Semantic Segmentation“, also das Zerlegen eines Bildes in einzelne, klar zu erkennende Teile (z.B. in Landschaft, Himmel, Straße, etc.). (siehe Abb. 2 und 3)

Abbildung 1: Chayote-Anbau auf einem horizontalen Rankgerüst. Die Plantagen lassen sich in Drohnenaufnahmen durch ihre regelmäßige Gitterstruktur und die großen, herzförmigen Blätter der Chayote Pflanze gut identifizieren. (https://housekeeping.tn/comment-planter-des-chayottes-en-pleine-terre-2/)

Abbildung 2: Automatische Segmentierung von Chayote Plantagen und Chayote Wildwuchs mittels KI (aus meiner Masterarbeit)

Abbildung 3: Veranschaulichung von Segmentierung; Quelle: https://www.v7labs.com/blog/image-segmentation-guide

Im Anschluss haben wir die Chayote Cluster (also ein Gebiet, wo diese Pflanze verdichtet vorkommt) auf ihre Gesundheit hin analysiert, indem wir mit Infrarotbildern den „Normalized Difference Vegetation Index“ (NDVI) ausgerechnet haben (Abb. 4). Dieser sagt bei gleichbleibender Pflanzendichte aus, wie stark die photosynthetische Aktivität der Pflanzen ist. Das bedeutet, wie gut die Pflanzen Sonnenlicht in Energie umwandeln können, was zeigt, wie stark und gesund die Pflanzen sind. Danach habe ich meine Software erweitert und es so möglich gemacht, mit dieser jegliche Art von Pflanzen, aber auch andere Objekte, wie Gebäude oder Straßen, kleinteilig zu identifizieren.

Abbildung 4: Eine Chayoteplantage nahe Sto. Niño, welche durch ein KI-Modell identifiziert wurde. Der NDVI zeigt, wie gesund die Pflanzen sind. Gelbe und rote Flächen deuten darauf hin, dass die Pflanzen hier nicht gut wachsen können, beispielsweise aufgrund von verschmutztem Grundwasser. (Abbildung aus der Masterarbeit)

WWF-Jugend: Hast du dir das Thema selbst ausgesucht?

Henry: Das ursprüngliche Thema (Chayote segmentation) war die Idee meines Professors Dr. Yves Plancherel. Die davon ausgehende Forschung haben wir gemeinsam durchgeführt, und ich habe dabei viele weiterführende Ideen mit eingebracht.

WWF-Jugend: Inwiefern hat die KI das Projekt und die Kenntnisse vorangetrieben? Siehst du eine Zukunft für diese Art der Technologien auch in anderen Renaturierungsprojekten?

Henry: Auf jeden Fall. Wir haben gelernt, dass KI-Modelle mittlerweile so weit herangereift sind, dass wir Teile manueller Bildanalyse in der Fernerkundung (Forschung mit Drohnen- und Satellitendaten) automatisieren können. Zukünftig lassen sich Systeme bauen, welche die Gesundheit und Ausbreitung von Spezies überwachen können, was in Naturschutzgebieten, bei Restaurationsprojekten, und der Analyse des Klimawandels relevant ist. Mein Ansatz zur Segmentierung sollte auch auf andere Regionen in der Welt übertragbar sein, aber das würde sich nur durch eine tatsächliche Anwendung abschließend bestätigen lassen.

WWF-Jugend: Sind durch den Einsatz von KI auch (unerwartete) Schwierigkeiten aufgetreten?

Henry: Ja, die Rechenkosten und der Energieverbrauch waren die größten Probleme. Ich hatte das Glück, den Supercomputer des Imperial College für das Trainieren meiner Modelle nutzen zu können, aber für einen Studenten wären die Kosten für leistungsstarke Rechenressourcen von ca. 500€ pro Monat im Normalfall nicht tragbar gewesen. Das schafft leider eine Barriere für Forscher in diesem Gebiet. Mit diesem Geld werden zudem nicht nur die eigene Rechenleistung, sondern auch Rechenzentren finanziert, die aufgrund ihres immensen Strom- und Wasserverbrauchs einen erheblichen ökologischen Fußabdruck hinterlassen. Das hat gerade dann, wenn man im Bereich des Klimawandels forscht, einen etwas bitteren Beigeschmack. Lösungen, welche erneuerbare Energien für Rechenzentren bereitstellen und deren Abwärme für Gewächs- und Wohnhäuser nutzen, werden entwickelt, sind aber stand heute noch nicht großflächig für Rechenzentren in Europa im Einsatz.

WWF-Jugend: Gerade so etwas wie Pflanzen erkennen und biologische Daten auswerten ist ein häufiger Job in der Forschung. Wie schätzt du hier den Einfluss von KI auf menschliche Arbeitsplätze ein?

Henry: Für Fachkräfte an der Schnittstelle von IT und Feldarbeit sehe ich KI eher als Werkzeug anstatt Bedrohung, jedenfalls wenn wir von Ansätzen wie dem aus meiner Masterarbeit sprechen. Ein vollautonomes KI-System wäre nach meiner Einschätzung noch nicht erreichbar, weil Menschen das System kontrollieren und mit neuen Daten immer weiter trainieren müssen, da sonst die Vorhersagen mit der Zeit zunehmend schlechter werden. Die Analyse von Bildern wird somit teilautomatisiert und nimmt Forschern zähe Arbeit ab, ersetzt aber meiner Meinung nach nicht die gesamte Tätigkeit eines Experten in der Fernkunde.

Auch in der Biologie und der Pflanzenkunde wird die KI, jedenfalls die hier besprochene, nicht den Menschen ersetzten. Es gibt sehr viele Ökosysteme, wie beispielsweise den Regenwald oder den Ozean, in denen man diese Art der Segmentierung und Einordnung von Pflanzen nicht durchführen kann, da die relevanten Objekte auf Drohnen- und Satellitenbildern gar nicht erst sichtbar sind. Dies gilt übrigens auch für Regionen, die fast permanent bewölkt sind. Ich denke, KI kann in diesem Fall daher nicht die Expertise und den Blick des Menschen ersetzen.

Vielen Dank für deinen Input und die spannenden Informationen!