Google Research arbeitet seit mehr als einem Jahrzehnt daran, künstliche Intelligenz und maschinelles Lernen einzusetzen, um Waldbrände in ihren frühen Stadien zu erkennen und ihre Ausbreitung zu modellieren. Diese Arbeit konzentriert sich derzeit auf das FireSat-Programm, das Google in Zusammenarbeit mit Muon Space zugunsten der Earth Fire Alliance unterstützt. Ziel ist der Aufbau einer Satellitenkonstellation, die Brände aus dem Weltraum überwacht, bevor sie sich zu großflächigen Katastrophen entwickeln.
Nach Angaben des Unternehmens wird das System nach seiner Fertigstellung in der Lage sein, einen Brand mit einer Fläche von 25 Quadratmetern zu erkennen – das entspricht ungefähr einem Feuer auf einer Fläche von 5×5 Metern oder der Größe eines einzelnen Autos. Die Rolle der künstlichen Intelligenz beschränkt sich nicht auf die Erkennung einer Wärmequelle; sie soll vielmehr dabei helfen, zwischen einem tatsächlichen Waldbrand und Quellen zu unterscheiden, die aus der Umlaufbahn ähnlich erscheinen können, etwa lichtreflektierenden Wolken, Fabrikschornsteinen, Grillfeuern und kontrollierten landwirtschaftlichen Bränden.
Warum war die Überwachung aus dem Weltraum schwierig?
Feuerwehren benötigen schnelle Informationen, wenn ein Brand noch klein und einzudämmen ist. Einige derzeit verfügbare Satellitenbilder können jedoch erst nach etwa 11 Stunden eintreffen oder eine geringe Auflösung haben. Dadurch sind die Daten bei der Bekämpfung eines sich schnell ausbreitenden Feuers weniger nützlich.
Die herkömmliche Alternative bestand darin, einen großen, hochauflösenden Satelliten einzusetzen, der die Erde über einen langen Zeitraum überwacht – eine kostspielige Option mit begrenzter Abdeckung. FireSat setzt dagegen auf eine größere Zahl kleinerer und kostengünstigerer Satelliten sowie auf maschinelle Lernmodelle, um einen Teil des Auflösungsunterschieds auszugleichen und Veränderungen in den Aufnahmen im Zeitverlauf zu analysieren.
Wie lernt das Modell, zwischen Bränden zu unterscheiden?
Google entwickelte eine spezielle Kamera zur Verbesserung der Erkennung von Waldbränden und trainierte seine ersten Modelle mithilfe von Flugzeugflügen über kontrollierte Brände. Außerdem sammelte das Unternehmen Bilder aus Kalifornien von Szenen, die von oben wie Brände aussehen, und verfolgte ihre zeitliche Veränderung, um Fälle zu bestimmen, die sich zu tatsächlichen Bränden entwickeln, und solche, die Fehlalarme darstellen.
Google will eine Referenzdatenbank aufbauen, aus der hervorgeht, welche kleinen Brände sich zu großen Bränden entwickeln und welche nicht. Diese Daten könnten die Algorithmen verbessern und unnötige Warnungen reduzieren, die Einsatzkräfte möglicherweise verwirren, während der Fokus auf den gefährlichsten Bränden erhalten bleibt.
Was ändert sich praktisch für die Einsatzkräfte?
Der wichtigste praktische Nutzen des Projekts besteht darin, die Zeit zwischen dem Ausbruch eines Brandes und seiner Entdeckung zu verkürzen. Wiederholte Aufnahmen werden den Feuerwehren helfen, einen Brand zu erkennen, solange er noch klein ist, und könnten zudem bessere Informationen über seine Ausbreitungsgeschwindigkeit und -richtung liefern. Die Daten könnten auch bei der langfristigen Planung nützlich sein, etwa bei der Bestimmung geeigneter Standorte für die Errichtung von Barrieren zur Verlangsamung der Brandausbreitung.
Dieser Nutzen hängt jedoch von der Fertigstellung der Konstellation, der Genauigkeit der Modelle und ihrer Fähigkeit ab, mit unterschiedlichen lokalen Bedingungen und ähnlichen Wärmequellen umzugehen. Außerdem beschreibt die Ankündigung zukünftige betriebliche Ziele und keine derzeit vollständig bestehende weltweite Abdeckung.
Zeitrahmen und nächste Ziele
Das System hat die erste Gruppe betriebsfähiger Satelliten gestartet, während die nächste Gruppe voraussichtlich im kommenden Jahr eintreffen wird. Google zufolge wird es mehrere Jahre dauern, die vollständige Betriebsfähigkeit zu erreichen. Das Ziel, die Welt etwa alle 20 Minuten abzubilden, erfordert ungefähr 50 Satelliten und soll voraussichtlich um das Jahr 2030 erreicht werden. Das nähere Ziel für die kommenden zwei Jahre besteht darin, die gesamte Erdoberfläche einmal pro Stunde abzubilden.