Digitalisierung und KI: Intelligente Auswertung und Simulation
Waldbrände mit Hochtechnologie bekämpfen
Digitalisierung und KI: Intelligente Auswertung und Simulation
Softwarelösung VESTEC: Waldbrand in Spanien
Forschungseinrichtungen und Unternehmen aus einer Vielzahl von EU-Ländern brachten ihr Wissen in das Projekt „VESTEC – Interaktives Supercomputing für schnelle Entscheidungen in Notfallsituationen“ ein. VESTEC steht für “Visual Exploration and Sampling Toolkit for Extreme Computing”. Es war ein europäisch gefördertes H2020-Projekt für die Bewertung und das Management von akuten Krisenszenarien mithilfe von intelligenten Softwarelösungen. Die Koordination des 2022 beendeten Großprojekts lag beim DLR-Institut für Softwaretechnologie.
Die Datenmengen nehmen auf nahezu allen technologischen Gebieten mehr und mehr zu. Mit der Datenmenge wächst gleichzeitig auch der Bedarf an intelligenter Auswertung, die irgendwann nicht mehr vom Menschen allein geleistet werden kann. Das DLR setzt seine Stärken in der Entwicklung robuster modernern Hochtechnologie auch in diesem Bereich ein und arbeitet darum an digitalen Plattformen und Algorithmen, die Satelliten- und Luftbilddaten automatisiert analysieren. Diese helfen dem menschlichen Anwender im Bereich Waldbranddetektion und -bekämpfung, schneller die Ergebnisse der Erfassung, Kategorisierung und qualifizierten Auswertung der Daten an Rettungskräfte und Behörden weitergeben zu können. Verfahren aus den Fachgebieten der künstlichen Intelligenz, maschinellen Lernens und High Performance Computing kommen zum Einsatz, um brennende und verbrannte Flächen zu erkennen, Karten zu generieren und die weitere Ausbreitung eines Brandes zu prognostizieren.
Neben Projekten wie dem genannten Embed2Scale ist die Simulation komplexer Einsatzszenarien ein wichtiger Baustein für die Waldbrandbekämpfung der Zukunft. Im EU-Projekt COLOSSUS etwa modellieren DLR-Forschende komplette Brandlagen in einem ganzheitlichen Ansatz – inklusive Einsatzkräften, Fahrzeugen, Fluggeräten, Wetterdaten und der Geländebeschaffenheit. Mit Hilfe von Reinforcement Learning, dem Prinzip des verstärkenden Lernens aus dem maschinellen Lernen, lassen sich daraus Empfehlungen für optimale Flottenzusammenstellungen, Infrastrukturausbau oder Taktiken ableiten. Es geht also über die Weiterentwicklung der Einzelkomponenten hinaus. Die Ergebnisse fließen in digitale Plattformen ein, mit denen Entscheider interaktiv planen können.
Hinzu kommen europäische Forschungsvorhaben und Initiativen wie das mittlerweile erfolgreich abgeschlossene Projekt „VESTEC – Interaktives Supercomputing für schnelle Entscheidungen in Notfallsituationen“. Darin wurden Technologien des Supercomputers eingesetzt, um Einsatzkräften eine kurzfristige Planung möglich zu machen. Wie breitet sich der Waldbrand aus? Welche Einsatzkräfte müssen an welchen Positionen eingesetzt werden, um den Brand unter Kontrolle zu halten? In Form von 3D-Visualisierungen wurden kurzfristige Entwicklungen simuliert. Grundlage der kurzfristigen Simulationen waren in Echtzeit gesammelte Daten aus mehreren Quellen. Forschungseinrichtungen und Unternehmen aus einer Vielzahl von EU-Ländern brachten ihr Wissen ab 2018 in das vom DLR koordinierten Projekt ein.
Im 2025 gestarteten Projekt InSight-X geht es hingegen um eine langfristige Beobachtung und Analyse von Waldbränden in Europa. Veränderungen wie die Jahreszeit, Verbreitung und Intensität von Waldbrandflächen werden auf Basis der Daten von den Erdbeobachtungssatelliten Sentinel-3 und MODIS untersucht. Der Betrachtungszeitraum umfasst 20 Jahre. Mithilfe von maschinellem Lernen werden Brandflächen in den Satellitenaufnahmen erkannt und für die weitere Auswertung durch KI-Modelle aufbereitet. Ziel ist es, statistische Zusammenhänge abzuleiten, um aus aktuellen Daten verlässliche Prognosen für einzelne Brandereignisse erstellen zu können aber auch Hinweise auf mögliche Präventionsmaßnahmen zu geben.
