KI soll Umwelt besser verstehen

Carl-Zeiss-Stiftung investiert 18 Millionen Euro

Die Carl‑Zeiss‑Stiftung finanziert drei neue Forschungsprojekte mit insgesamt 18 Millionen Euro. Ziel ist es, KI‑Modelle so weiterzuentwickeln, dass sie Umwelt‑ und Klimadaten präziser erfassen und interpretieren. Davon sollen praktische Felder wie Klima‑, Stadt‑ und Landschaftsplanung profitieren. Die Vorhaben starten zwischen Dezember 2025 und Mai 2026.

Worum es geht

Heute liegen enorme Datenmengen zu Klima, Böden, Gewässern und Städten vor. Viele KI‑Modelle scheitern jedoch an dynamischen, unvollständigen oder heterogenen Daten. Die drei geförderten Teams wollen Modelle robuster machen und intelligente Kombinationen verschiedener KI‑Ansätze erproben. So entsteht ein belastbareres Bild komplexer Umweltprozesse.

Warum das wichtig ist

Genauere Vorhersagen helfen bei Saatgut‑ und Bewirtschaftungsplänen in der Landwirtschaft. Kommunen können Hitze vorbeugen, zum Beispiel durch »intelligente Beschattung«. Forstbetriebe planen resiliente Wälder gegen Dürre und Brände. Insgesamt sollen Klimaanpassungen effizienter und besser überprüfbar werden.

Haltung der Stiftung

Nach Angaben von Geschäftsführer Dr. Felix Streiter könne KI nur dann ein »Werkzeug für Nachhaltigkeit« werden, wenn sie die Umwelt in ihrer ganzen Komplexität begreife. Die drei Teams wollten Modelle robuster gestalten und bestehende Modelle so kombinieren, dass sie vielfältige Daten besser einordnen und bewerten könnten.

Projekt 1: »WOW« – ein KI‑Weltmodell für Klima und Umwelt (KIT)

Am Karlsruher Institut für Technologie entsteht im Projekt »WOW« ein vernetztes KI‑Weltmodell. Module verknüpfen Klima‑ und Umweltinformationen mit höherer Qualität, Geschwindigkeit und räumlicher Auflösung. Ein Schwerpunkt liegt auf gekoppelten Veränderungen: Extremwetter und deren lokale Folgen wie Waldbrände oder Überschwemmungen.

Kurz erklärt: Ein Weltmodell ist ein digitales Abbild zentraler Prozesse einer Domäne, das Vorhersagen ermöglicht. Für Umweltfragen heißt das: verschiedene Datenströme (Satellit, Sensorik, Modelle) in ein konsistentes Bild bringen.

Projekt 2: »GENAI‑X« – generalisierbare KI unter wechselnden Bedingungen (Universität Jena)

Das Team in Jena entwickelt Verfahren, die sich an verändernde Datenmuster und Unsicherheiten anpassen. Ziel ist, Vorhersagen zu stabilisieren und Übertragbarkeit zu sichern – etwa bei den Auswirkungen von Extremwetterereignissen auf Regionen, in denen historische Daten fehlen oder sich Muster schnell verschieben.

Kurz erklärt: »Generalisierbarkeit« bedeutet, dass ein Modell nicht nur auf bekannten Daten gut funktioniert, sondern auch auf neuen Situationen verlässliche Prognosen liefert.

Projekt 3: »AI4ChemRisk« – Chemikalienrisiken in Süßwasserökosystemen (RPTU Kaiserslautern‑Landau)

Das interdisziplinäre Projekt analysiert Risiken durch Chemikalien aus Abwässern und Landwirtschaft in globalem Maßstab. KI‑Modelle sollen Kontaminationsprozesse vorhersagen, um Monitoring und Management zu verbessern.

Kurz erklärt: Süßwasserökosysteme reagieren sensibel auf Einträge. Frühwarnsysteme auf Basis von KI können Hotspots identifizieren, bevor Grenzwerte systematisch überschritten werden.

Nutzen für Praxis und Politik

Bessere Umwelt‑KI schafft belastbare Entscheidungsgrundlagen. Landwirtschaftsbetriebe passen Sortenwahl und Bewässerung an. Städte priorisieren Hitzeschutz, Grünflächen und Wasser. Behörden bewerten Maßnahmen faktenbasiert und passen sie schneller an.

Zeitplan und Auswahl

Die Projekte setzten sich in einem zweistufigen Gutachterverfahren durch. Die Starts liegen gestaffelt zwischen Ende 2025 und Frühjahr 2026. Das sichert Tempo und Koordination.

Einordnung

Die Kombination spezialisierter Modelle gilt als Trend in der KI‑Forschung. Sie mindert Schwächen einzelner Ansätze und nutzt Stärken komplementär. Entscheidend wird, wie transparent die Systeme arbeiten und wie gut Unsicherheiten quantifiziert werden – beides zentral für Akzeptanz in Verwaltung und Praxis.