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.