Maschinelles Lernen im Umweltmonitoring

Der rasant voranschreitende Klimawandel hat Folgen für Ökosysteme und Landschaften. Diese Veränderungen zu beobachten und zu verstehen, ist eine wesentliche Voraussetzung, um durch kluges Handeln Schäden gering zu halten. Für ein Umweltmonitoring, das möglichst umfassende belastbare Daten über den Zustand von Wäldern, Böden und Mooren liefern soll, wird kooperativ geforscht. Die Umweltinformatik spielt hier eine zentrale Rolle: Sie verbindet Wissen über ökologische Zusammenhänge mit den Möglichkeiten moderner, computergestützter Verfahren und stellt dabei Methoden und Technologien bereit, die es ermöglichen, Beobachtungen an einzelnen Orten auf größere Skalen auszuweiten. Mit maschinellen Lernverfahren können Daten, die Förster:innen, Landschaftspfleger:innen und Naturliebhaber:innen im Feld sichtbar und messbar vorfinden, mit Satelliten- und Drohnenaufnahmen größerer räumlicher Gebiete in Korrelation gebracht werden. Im Grunde können so räumliche und zeitliche Lücken in der Datenlage geschlossen werden – wenn die mathematischen Modelle dahinter verstanden sind und die Ausgangsdaten, mit denen die „Künstliche Intelligenz“ lernt, auch wirklich zu der ökologischen Fragestellung passt. Hanna Meyer ist Professorin für Fernerkundung und Räumliche Modellierung am Institut für Landschaftsökologie der Universität Münster. Im Digitalgespräch erklärt die Expertin, wie Umweltinformatiker:innen arbeiten und was typische Aufgaben und Fragestellungen sind. Sie beschreibt, welche Daten nötig sind, um Satelliten- und Drohnenbilder mit realen ökologischen Systemen in Korrelation zu bringen und wie Maschinelles Lernen dabei hilft, Lücken in der Datenlage zu schließen. Mit den Gastgeberinnen Marlene Görger und Petra Gehring diskutiert Meyer, wo die Grenzen dieser mathematischen Ausweitung von Felddaten liegen – und welche Gefahren bestehen, wenn den Modellen allzu blind vertraut wird.