Bergbaugebiete zuverlässig überwachen mit KI
Forschende erwarten bedeutende Fortschritte bei der Überwachung von Bergbaugebieten. Gleichzeitig plädieren sie für den ethisch geleiteten Einsatz von KI im Umwelt- und Katastrophenschutz.
Foto: B. Schröder / HZDR, NASA
Inhaltsverzeichnis
Weltweit wurde und wird Bergbau betrieben. Für das Umweltmanagement und zur Einhaltung von Vorschriften ist es wichtig, die Veränderungen zu beobachten. Aufgrund der weitläufigen und oft abgelegenen Bergbaustandorte ist das aber oft schwierig. Gerade um Veränderungen über einen größeren Zeitraum analysieren zu können, ist deshalb die Fernerkundung per Satellitentechnik immer wichtiger geworden. Drei aktuelle Studien, die unter der Mitwirkung des Helmholtz-Instituts Freiberg für Ressourcentechnologie, einem Institut des Helmholtz-Zentrums Dresden-Rossendorf (HZDR), durchgeführt wurden, sollen nun wesentliche Fortschritte bringen.
Neue Modelle zur Fernerkundung von Bergbaugebieten
Die Erschließung und Überwachung von Bergbaugebieten mithilfe von Fernerkundungsbildern stehen im Mittelpunkt der Studie „MineNetCD – A Benchmark for Global Mining Change Detection on Remote Sensing Imagery“. Über 70.000 hochauflösende Fernerkundungsbildpaare von 100 Bergbaustandorten weltweit haben Forschende vom Helmholtz-Institut Freiberg für Ressourcentechnologie (HIF) darin zusammengetragen. Auf Basis eines einheitlichen Rahmens, der mehr als 13 fortschrittliche Modelle zur Erkennung von Veränderungen integriert, wird damit eine detaillierte Bestandsaufnahme und Analyse der durch Bergbau verursachten Veränderungen möglich.
Ein wesentliches Element ist dabei das ChangeFFT-Modell. Es stellt Bergbauplanern und -planerinnen eine spezielle Messmethode für die Nutzung von Fernerkundungsbildern bereit – die sogenannte Fast-Fourier-Transformation. Kritische Spektralkomponenten können damit laut den Forschenden detailliert analysiert und Veränderungen bis auf Pixelebene erkannt werden. Bei der Verarbeitung großer Datenmengen werde zudem eine hohe Genauigkeit und Effizienz erzielt.
Mit der Studie konnte das Team zeigen, dass die MineNetCD-Methode sehr gut in der Lage ist, Veränderungen in Fernerkundungsbildern zu erkennen. Die Methode könne somit für die Erstellung durchgängig genauer Veränderungskarten eingesetzt werden. „MineNetCD ist eine robuste Lösung für die Erkennung von Veränderungen im Bergbau, die für Umweltverträglichkeitsprüfungen in der Bergbauindustrie unter Verwendung von Geodaten entscheidend ist“, unterstrich Pedram Ghamisi, Leiter der Gruppe Maschinelles Lernen in der HIF-Abteilung Erkundung. „Wir gehen davon aus, dass damit eine Benchmark gesetzt ist für Fortschritte im nachhaltigen Bergbau.“
Bilder aus der Fernerkundung im Bergbau per KI richtig interpretieren
Zunehmend kommt auch bei der Bewertung von Fernerkundungsbildern im Bergbau künstliche Intelligenz (KI) zum Einsatz. Genau deshalb geht es in der weiteren Studie „Responsible AI for Earth Observation“ um die Einbeziehung damit verbundener Praktiken. Ghamisi, der die internationale Studie federführend mitbetreut hat, sagte dazu: „KI hat das Potenzial, bedeutende Fortschritte in der Analyse von Erdbeobachtungsdaten zu erzielen, insbesondere in Bereichen wie Klimawandel, Entwaldung und Naturkatastrophen. Allerdings birgt der Einsatz dieser Technologien auch Risiken wie algorithmische Verzerrungen, mangelnde Transparenz und die potenzielle Verstärkung gesellschaftlicher Ungleichheiten.“
Deshalb sind den Forschenden in der Studie Techniken zur Abschwächung solcher Verzerrungen wichtig. Sie fordern, dass die eingesetzten KI-Modelle nicht nur leistungsstark, sondern auch gesellschaftlich und ethisch interpretierbar und rechenschaftspflichtig sein müssten. Laut Ghamisi gehören dazu „die sorgfältige Datenerhebung und -aufbereitung, die Entwicklung von Modellen, die die Auswirkungen von Verzerrungen minimieren, sowie die enge Zusammenarbeit mit Stakeholdern, um deren Bedürfnisse und Bedenken in den Entwicklungsprozess einzubeziehen“. Dafür sei der vorrangige Einsatz transparenter und nachvollziehbarer KI-Systeme wichtig. Nur so könnten Nutzer einen KI-basierten Entscheidungsprozess verstehen.
Eigenes KI-gestütztes Modell für Fernerkundungsbilder
Während KI-Programme wie ChatGPT auf Texte und Sprache trainiert sind, hat die internationale Forschungsgruppe in Zusammenarbeit mit dem HIF nun eine solche Plattform für Fernerkundungsbilder namens SpectralGPT entwickelt. Diese wurde in einer Studie mit dem Titel „SpectralGPT: Spectral Remote Sensing Foundation Model“ vorgestellt. Die generative KI soll das erste universelle Grundlagenmodell für die Fernerkundung sein, das mit über 1 Mio. Bildern in unterschiedlichen Größen, Auflösungen, Zeitreihen und Darstellungen von Regionen mit einem sich fortlaufend steigernden Trainingsansatz angelernt wurde.
„Der Fokus von KI-Algorithmen hat sich im Laufe der Zeit zwischen modellzentrierten und datenzentrierten Ansätzen verschoben“, berichtete Ghamisi. Der alleinige Fokus auf einen Aspekt sei nicht ausreichend. Stattdessen müssten eine ausgewogene Betrachtung sowohl der Datenqualität als auch der Modellinnovation erfolgen sowie KI-Experten und Netzwerkarchitekten zusammenarbeiten.
Der Professor hofft auf eine neue Ära, in der datenzentrierte Modellansätze im Fokus stehen. „Den Auftrieb, den Grundlagenmodelle wie unser SpectralGPT und Modelle von Microsoft, IBM, Nasa, ESA und anderen im Bereich der Erdbeobachtung gerade erhalten, könnte ein Beweis für diesen Trend sein.“ Und weiter: „Damit könnte der lang gehegte Traum der Fernerkundungsgemeinschaft wahr werden, eine Vielzahl von Anwendungen mit einem einzigen Modell abzudecken.“
