Entwicklung einer KI-basierten Vorhersage langfristiger Waldentwicklung zur Planung von CO2-Kompensationen; KI4KMU - Verbundprojekt AI-4EST; Förderschwerpunkt: Erforschung, Entwicklung und Nutzung von Methoden der Künstlichen Intelligenz in KMU zur Lösung ökologischer Herausforderungen

Abstract

Intakte Waldbestände spielen eine zentrale Rolle bei der CO₂-Bindung und sind ein wesentlicher Baustein zur Erreichung der Klimaziele. Zu Projektbeginn befand sich nur etwa ein Fünftel der deutschen Wälder in einem gesunden Zustand, während gleichzeitig der freiwillige Kohlenstoffkompensationsmarkt stark wuchs, es in diesem aber an Transparenz und Qualitätssicherung mangelte. Bisherige Zertifizierungsverfahren erfolgten alle drei bis fünf Jahre, basierten auf analogen Begehungen und lieferten keine belastbaren Prognosen zur künftigen Waldentwicklung. Vor diesem Hintergrund war es Ziel von AI-4EST, ein KI-Prognosewerkzeug zu entwickeln, das auf Basis von Satelliten-, LiDAR- und Radardaten sowie Baumkatasterdaten den Waldzustand analysiert, Entwicklungen in verschiedenen Klimaszenarien vorhersagt und daraus konkrete Bepflanzungspläne ableitet. Bestehende Ansätze zur Fernerkundung nutzten überwiegend Satellitendaten mit einer Auflösung von 10 Metern x 10 Metern pro Pixel und einfache Farbanalysen. Klassifizierungen mittels des "Random Forest"-Algorithmus waren auf Testgebiete beschränkt und nicht praxistauglich. Wissenschaftliche Wachstumsmodelle insbesondere das 3-PG-Modell und, das am Potsdam-Institut für Klimaforschung (PIK) entwickelte, 4C-Modell lieferten ökophysiologisch fundierte Grundlagen, waren jedoch zu ungenau und nicht skalierbar für den operativen Einsatz. AI-4EST knüpfte daran an, um hochauflösende multispektrale Satellitendaten mit etablierten wissenschaftlichen Prognosemodellen zu kombinieren. CarbonStack brachte dabei Erfahrung in der Satellitenbildauswertung ein; die enge wissenschaftliche Zusammenarbeit mit dem PIK sicherte den Anschluss an den internationalen Forschungsstand.