„Die Kameras haben Scheibenwischer“

ITD: Herr Smolka, um das Klima zu entlasten, muss der Ausbau erneuerbarer Energieträger beschleunigt werden. Doch bei vielen Bauvorhaben gestalten sich die Genehmigungszeiten recht lange. Woran liegt das?
Stefan Smolka: In der Tat ist es so, dass die Regularien und Vorschriften in Deutschland oft Projekte verlangsamen. Ein Weg, diese Problematik zumindest einigermaßen zeitnah zu entschärfen, ist die verstärkte Nutzung der klassischen Digitalisierung: Prozesse, Abläufe, Dokumente etc. müssen weg vom Papier. Auch die verstärkte Nutzung von Daten und Künstlicher Intelligenz (KI) können helfen. Mittel- und langfristig wäre es natürlich zudem wünschenswert, den rechtlichen Rahmen zu optimieren, einschließlich des Datenschutzes. Hier haben die Bedenkenträger zu oft das letzte Wort. Es gibt für alles Lösungen, doch diese dürfen ja häufig nicht einmal gesucht werden.

ITD: Inwieweit können digitale Lösungen bzw. Technologien wie Künstliche Intelligenz (KI) die Bewertung der Auswirkungen von Projekten wie Windkraftanlagen auf die lokale Umwelt und Tierwelt unterstützen?
Smolka: Wichtig ist, von der Anwendung und dem gewünschten Ergebnis her auf eine konkrete Lösung hin zu denken. Auf diesem Weg ergeben sich naturgemäß Herausforderungen – und hier kann Technologie dann wieder helfen. Letztlich ist dabei immer Dreh- und Angelpunkt, Wissen aufzubauen und nutzbar zu machen, um die jeweilige Aufgabenstellung lösen zu können. Wenn nun z.B. die Installation einer Windkraftanlage zur Unterstützung der Energiewende das Ziel ist, kann eine solide Datenbasis die Grundlage sein, um etwaige Probleme bezüglich des Standorts überhaupt strukturiert zu erfassen und zu verstehen. Genauso wichtig ist es aber, kluge Köpfe in solchen Projekten zu haben, die Technologie passgenau einsetzen können. In erster Linie geht es eben doch immer um die Menschen. Ebenso wie nur selten ein einzelner Mensch ein komplexes Projekt allein durchführt, wird eine Technologie wie KI ein solches Vorhaben von A bis Z durchrechnen und lösen. Wir sprechen hier von Teilschritten, die am Ende ein großes Ganzes ergeben. Durch KI und die Nutzung der Daten bestehender Standorte lassen sich auch neue Projekte simulieren und damit Umweltauswirkungen, technische Komplexität und zugehörige Einführungsprozesse bewerten. Das ermöglicht wertvolle Einblicke in Kosten, Auswirkungen und den möglichen Energieertrag eines vorgeschlagenen Projekts.

ITD: Ihr Unternehmen hat z.B. für das Energieunternehmen SSE ein KI-System entwickelt, das helfen soll, Tierpopulationen zu schützen. Wie funktioniert das genau am Beispiel der Papageientaucherkolonien an der schottischen Küste, wo das System zum Einsatz kommt? Und welche Rolle spielt die Cloud dabei?
Smolka: Bei diesem Projekt wollte unser Kunde zunächst verstehen, ob überhaupt ein Problem vorliegt, und wenn ja, welche Schlüsse daraus gezogen werden können. Es galt daher erst einmal, die Bewegungen der einzelnen Tiere zwischen Nestern und Futtergründen zu erfassen und nachvollziehbar zu machen, um etwaige Auswirkungen des Windparks auf die Nistgewohnheiten der Vögel auswerten zu können. Vier Kameras in Edelstahlkästen fertigten Live-Aufnahmen von den Papageientauchern an, die dann über eine KI-Instanz in der Azure Cloud zur Lösung dieser Aufgabenstellung Verwendung fanden. Da SSE also besser verstehen kann, wie sich die Vögel verhalten, können die Informationen für eine Bewertung der Umweltauswirkungen bestehender Windparks und die Modellierung der potenziellen Auswirkungen neuer Windparks verwendet werden. Das wurde übrigens zuvor schon versucht, indem Leute vor Ort händisch gezählt haben. Das ist fehleranfälliger, stört die Vögel mehr und ist in der Erfassung und Verwertung aufwändiger.

ITD: Eine KI muss grundsätzlich trainiert werden. Wie läuft das beim Papageientaucherprojekt ab?
Smolka: Wir verwenden eine Technik namens „Supervised Learning“. Dazu müssen wir Papageientaucher in vorhandenen Videos zunächst manuell markieren. Diese per Handarbeit identifizierten Vögel dienen dazu, um dem Modell „beizubringen“, wie ein Papageientaucher aussieht. Im Anschluss kann das Modell dieses Lernen nutzen, um neue Papageientaucher in anderen Videos zu erkennen. Die KI-Lösung basiert auf „Microsoft Vision AI“ und Modellen wie Yolo und RCNN, die als Open Source verfügbar und in Modellbibliotheken enthalten sind, die unsere Wissenschaftler zum Aufbau unserer KI-Lösungen verwenden. Da sich dieser Bereich schnell weiterentwickelt, prüfen wir ständig neue Modelle, um die Leistung der Lösung zu verbessern. Es gibt eine große Community von Wissenschaftlern, die ständig Modelle und Techniken entwickeln, die wir nutzen können. Die KI kann nun die Kamera nutzen, um einzelne Papageientaucher zu identifizieren und sie vom Hintergrund abzugrenzen. Und sie kann sie Bild für Bild verfolgen, während sie sich bewegen.

ITD: Wie lange muss solch ein Projekt laufen, damit genügend aussagekräftige Daten zusammenkommen? Und wie groß ist die bisherige Datenmenge?
Smolka: Beim Zeitraum dieses Projekts mussten die sich verändernden äußeren Begebenheiten berücksichtigt werden. Die Landschaft und damit die Vögel „vor ihr“ sehen im kargen Winter ja anders aus als im Sommer mit Blüten. Grundsätzlich ist es so, dass KI-Modelle in Abhängigkeit von der jeweiligen Aufgabenstellung mit Blick auf die jeweilige Prädikation trainiert werden müssen. Komplexere Lösungen benötigen entsprechend mehr Zeit. Zudem gibt es unterschiedliche Trainingsmethoden, etwa Supervised und Unsupervised Learning oder Reinforcment Learning. Insofern lassen sich hier leider keine präzisen Pauschalaussagen treffen. Generell sollte jedoch von mindestens drei Monaten ausgegangen werden. Nicht zu unterschätzen ist die Zeit, die für die Vorbereitung des Trainings erforderlich ist. Hier müssen ja wieder kluge Köpfe an Methode und nötigem Input arbeiten. Die Datenmenge ist dabei auch weniger relevant als die Zahl der Datensätze. Da das SSE-Projekt fortlaufend läuft, ist die präzise Nennung ebenfalls schwierig. Aber zur Einordnung: Die Lösung läuft rund um die Uhr und die zu überwachende Kolonie zählt etwa 80.000 Tiere.

ITD: Was sind dabei die größten Herausforderungen und Stolpersteine?
Smolka: Die größte Herausforderung ist eigentlich grundsätzlich, dass der Wille zu solchen Projekten da sein muss. Letztlich ist es ja nicht so, dass ein bestimmtes Ergebnis versprochen werden kann. Im Prinzip ist das ja eine wissenschaftliche Arbeitsweise, weniger eine ökonomische. Zudem ist ein gutes Team mit den entsprechenden Kompetenzen erforderlich, was in Zeiten knapper Fachkräfte eher eine Herausforderung sein kann. Daher eine Randbemerkung: Diversität ist für Unternehmen auch deswegen so wichtig, um hier die klugen Köpfe zu bekommen. Technologisch ist das im Grunde alles sehr gut darstellbar. Im konkreten Fall spielten die Witterung und die naturgemäß abgelegenen Orte eine gewisse Rolle. Aber: Die Kameras haben Scheibenwischer, das klappt also auch.

Dies ist ein Artikel aus unserer Print-Ausgabe 5/2022. Bestellen Sie ein kostenfreies Probe-Abo.

ITD: Welche Einsatzszenarien wären für solch ein KI-System in Deutschland denkbar, um für mehr Nachhaltigkeit zu sorgen?
Smolka: Nun ja, es gäbe vermutlich kaum ein Szenario, bei dem KI nicht an irgendeiner Stelle unterstützen könnte. Grundsätzlich ist es so, dass eigentlich jedes Vorhaben, das einen Umwelteinfluss hat, mit einer digitalen Lösung zumindest optimiert werden könnte. Mit Blick auf die Möglichkeiten zur Umsetzung kommen aber wohl vor allem größere Projekte in Frage. Das kann sicherlich auch im Bereich „erneuerbare Energien“ sein, sowohl Wind- als auch Wasserkraft. Sicherlich gäbe es aber auch eine Reihe sinnvoller Möglichkeiten bei der Planung von Verkehrsflüssen in Verbindung mit der Frage des Lärmschutzes. Die Ansiedlung von größeren Industrieprojekten ließe sich mit entsprechenden Daten ebenfalls verbessern. Letztlich kommt es auf den Willen der Beteiligten oder eine entsprechende regulative Vorgabe an.