Wie KI im Kampf gegen den Klimawandel helfen soll

Wissenschaftler haben die Einsatzmöglichkeiten von Machine Learning beim Klimaschutz detailliert untersucht.
 
Unter dem Titel "Tackling Climate Change with Machine Learning" hat eine internationale Gruppe von bekannten KI-Forschern eine Studie veröffentlicht, wie Machine Learning im Kampf gegen den Klimawandel eingesetzt werden kann.
 
Untersucht wird der mögliche Einsatz von Machine Learning (ML) in verschiedenen Bereichen wie Landwirtschaft, Elektrizitätssystemen, Forstwirtschaft oder Klimavorhersagen. Die Empfehlungen für die einzelnen Bereiche werden in drei Klassen unterteilt: "high leverage" für Gebiete, bei denen der ML-Einsatz wirkungsvoll erscheint; "long-term" für Anwendungen, die nicht vor 2040 Erfolg zeigen; "high risk" für Bestrebungen mit unsicherem Ausgang, weil zum Beispiel die Technologie noch nicht ausgereift ist.
 
Wasser sparen und neue Baustoffe finden
ML könne etwa helfen, die Vorhersagen für den Energieverbrauch zu verbessern. Es gäbe bereits ML-Algorithmen, mit denen der Energiebedarf prognostiziert werden könne. Diese müssten jedoch verfeinert werden, indem noch detailliertere Klima- und Wetterdaten oder Verhaltensmuster beim Energieverbrauch berücksichtigt würden.
 
Zum Bereich Landwirtschaft heisst es in der Studie unter anderem: "Das Potenzial geht über den Einsatz von Robotern auf dem Feld hinaus. Einfache makroökonomische Modelle können den Landwirten helfen, die Nachfrage bei den Kulturpflanzen vorherzusagen. Intelligente Bewässerungssysteme können grosse Mengen Wasser einsparen." Insgesamt könne ML die Vorhersage des Ernteertrags und die Bodensensorik verbessern wie auch möglichen Schädlingsbefall eindämmen.
 
Im Bereich Energieverbrauch und Emissionen könnten ML-Techniken die Suche nach zusätzlichen Energiequellen beschleunigen, indem sie neue chemische Strukturen mit den gewünschten Eigenschaften finden, entwerfen und bewerten. Oder indem sie bei der Entwicklung von effizienteren Stoffen zur Kohlendioxid-Absorbierung oder Baumaterialien mit weniger Kohlenstoff helfen. Letztere könnten eines Tages Stahl und Zement ersetzen, deren Produktion fast zehn Prozent aller globalen Treibhausgasemissionen ausmacht.
 
Produktionsabfälle minimieren, Konsumenten sensibilisieren
Ein weiteres vielversprechendes Einsatzgebiet von ML sieht die Studie bei der Optimierung von Lieferketten. So wie ML die Versandwege optimieren könne, soll es auch die Ineffizienzen und Emissionen der Lieferketten in der Lebensmittel- oder Konsumgüterindustrie minimieren. Mit besseren Prognosen zu Angebot und Nachfrage würden Produktions- und Transportabfälle deutlich reduziert, während gezielte Empfehlungen für kohlenstoffarme Produktalternativen das Käuferverhalten in Richtung eines umweltfreundlicheren Verbrauchs verlagern könnten.
 
Im Vorwort schreiben die KI-Forscher zu den ausführlich untersuchten möglichen Einsatzbereichen: "Wir betonen, dass Machine Learning keine Wunderwaffe ist. Die Anwendungen, die wir hervorheben, sind wirkungsvoll, aber nicht die einzige Lösung für den Klimawandel." Technologien, die den Klimawandel verringern können, seien seit Jahren verfügbar, jedoch von der Gesellschaft bis jetzt nicht übernommen worden. "Während wir hoffen", so die Wissenschaftler, "dass ML beim Klimaschutz helfen und die damit verbundenen Kosten senken kann, muss aber auch die Menschheit selbst handeln."
 
Die Studie richtet sich an Forscher, Techniker, Unternehmen, Investoren und Regierungen. Beteiligt daran sind 22 Wissenschaftler von Universitäten wie dem Massachusetts Institute of Technology, der TU Berlin und Unternehmen wie DeepMind aus London oder Microsoft Research. Dazu gehört auch Postdoc Lynn Kaack, die als Wissenschaftlerin am Lehrstuhl für Energiepolitik an der ETH Zürich tätig ist.
 
Die Studie "Tackling Climate Change with Machine Learning" ist auf climatchange.ai abrufbar oder direkt als PDF.
 
EPFL lanciert neue Software zum Artenschutz
An der EPFL Lausanne wurde unabhängig von der ML-Studie eine weitere Forschungsarbeit im Zusammenhang mit dem Klimawandel präsentiert.
 
Eine Software namens R. Samada soll Erbgut- und Umweltdaten besser miteinander verknüpfen, um die Gefährdung von Arten durch den Klimawandel zu erfassen.
"Die Software identifiziert die Gene, die an Prozessen beteiligt sind, durch die sich eine Spezies im Lauf ihrer Evolution an die Wetterbedingungen angepasst hat", erklärte Stéphane Joost von der EPFL in einer Mitteilung.
 
Dies soll den Artenschutz unterstützen, indem die Software hilft zu zeigen, wo eine Spezies mit fortlaufendem Klimawandel die besten Überlebenschancen hat. Das Programm soll weiterentwickelt werden, um Rückzugsgebiete als mögliche Schutzzonen unter verschiedenen Klimawandelszenarien darzustellen. (paz/mit Material von Keystone-sda)
 
Update: In einer früheren Version war fälschlicherweise von der Professorin Lynn Kaack die Rede. Es handelt sich um eine Postdoc-Wissenschaftlerin an der ETH Zürich.