Stadtbäume leiden zunehmend an den Folgen des Klimawandels und stehen auch vor wachsenden urbanen Herausforderungen. Ziel dieser Maßnahme ist, eine bedarfsgerechte – statt pauschale – Bewässerung der Bäume mithilfe von zwei Web-Anwendungen und Vorhersagen basierend auf künstlicher Intelligenz (KI), bzw. maschinellem Lernen zu ermöglichen, um dadurch knappe Wasserressourcen einzusparen und Bäume effizienter zu bewässern.
Die KI-basierte Bewässerungsvorhersage nutzt eine Vielzahl öffentlicher Daten des Landes Berlin sowie Sensormesswerte von insgesamt mehr als 120 Sensoren aus zwei Berliner Bezirken. Durch den Einsatz von maschinellem Lernen werden Informationen wie die Verschattung, Wetterdaten wie der Niederschlag und baumspezifische Parameter wie das Alter miteinander verknüpft, um ein präzises Profil für jeden Straßenbaum zu erstellen. Unter Einbeziehung der Feuchtigkeitssensoren erlangt das KI-Vorhersagemodell Kenntnisse über die tatsächliche Wasserversorgung von über 415.000 Straßenbäumen und kann dadurch die aktuelle (heute) und sogar die prognostizierte Wasserversorgung für die nächsten (bis zu 14) Tage für diese Bäume vorhersagen. Mithilfe eines Experten-Dashboards werden die Vorhersagewerte visualisiert und dienen den Grünflächenämtern als Entscheidungshilfe für eine bedarfsgerechte Bewässerung. Eine zweite Anwendung zielt darauf ab, die Zivilgesellschaft über die komplexen Zusammenhänge im Kontext "Stadtbaum" zu informieren. Hier wird erläutert, wie KI die Auswirkungen des Klimawandels in der Stadt abmildern kann.
Die Ergebnisse dieser Arbeiten zeigen, dass das Vorhersagemodell in der Lage ist, die aktuelle Wasserversorgung der Bäume mit Hilfe der Sensorwerten einzelner weniger Bäume zu berechnen. Dabei ist die zukünftige Vorhersage auch möglich, jedoch immer nur so gut wie die zugrundeliegende Wettervorhersage. Das Experten-Dashboard birgt jedoch das Potenzial, als entscheidendes Werkzeug für die Verwaltung im täglichen Betrieb eingesetzt zu werden.
Eckdaten zur Maßnahme
Maßnahmenträger
Kooperationspartner
Birds on Mars, Grünflächenamt Berlin-Mitte und Berlin-Neukölln, ARBOR Revital, IM NORDEN
Dauer und Finanzierung
Dauer
Beginn der Umsetzung
Wie hoch waren die (geschätzten) Kosten für die Umsetzung?
ca. 150.000 €
Mit welchen Mitteln wurde die Maßnahme finanziert?
Das Projekt wurde gefördert durch das Bundesministerium für Umwelt, Naturschutz und Verbraucherschutz (BMUV) im Rahmen des Förderprogramms: „Maßnahmen zur Anpassung an den Klimawandel” vom 02. Mai 2019 der Deutschen Anpassungsstrategie (DAS). Das Projekt fiel in den Förderschwerpunkt 3: Kommunale Leuchtturmvorhaben sowie Aufbau von lokalen und regionalen Kooperationen.
Weiterführende Links
Links zur Maßnahme
Beteiligung
Welche weiteren Personengruppen wurden an der Planung oder Umsetzung der Maßnahme beteiligt?
Erfolge
Welche Erfolge wurden bis jetzt mit der Maßnahme erreicht?
Innerhalb der Projektlaufzeit konnte gezeigt werden, dass angewandte Künstliche Intelligenz bei der Bewässerung von Stadtbäumen unterstützend als Entscheidungshilfe eingesetzt werden kann. Die KI-gestützte Vorhersage kann mithilfe verschiedener, vorrangig offener Datensätze, Feuchtigkeitswerte im Boden eines jeden Straßenbaumes vorhersagen – auch wenn dieser nicht mit einem Feuchtigkeitssensor ausgestattet ist. Demnach können Bäume mit Hilfe des Vorhersagemodells bedarfsgerecht, statt pauschal und periodisch bewässert werden. Durch die bedarfsgerechte Bewässerung besteht das Potential, dass (a) Wasser pro Baum eingespart bzw. (b) mehr Bäume bei gleicher Wassermenge bewässert werden können. Wie hoch die Potentiale ausfallen, muss für den Einzelfall geprüft werden.
ErläuterungEine abschließende und ausführliche Evaluation des Projekts erfolgte im Rahmen eines Schlussberichts zur abschließenden Prüfung und Erfolgskontrolle. Hierbei wurden die technischen, kommunikativen sowie wirtschaftlichen und wissenschaftlichen Ergebnisse der einzelnen Arbeitspakete und auch die Erfolgsaussichten des Projekts eingehend erläutert.
Wie planen Sie Ihr Projekt weiterzuentwickeln?
Die Bewässerung von Stadtbäumen ist auf politischer Ebene von großer Bedeutung und wird im Koalitionsvertrag der aktuellen Berliner Regierung thematisiert. Zwei von zwölf bezirklichen Grünflächenämtern in Berlin nutzen bereits das Experten-Dashboard. Um eine berlinweite Nutzung und nachhaltige Verstetigung zu realisieren, haben die Bezirksstadträte von Berlin Mitte und Neukölln in einem offenen Brief an die Senatorin Dr. Schreiner (SenMVKU) um Verstetigung des Vorhersage-Modells und Experten-Dashboard gebeten. Laut Antwort wird aktuell die Weiterentwicklung oder Verstetigung von QTrees im Rahmen des Projekts “Sensornetzwerk - Bodenfeuchte und Wasserhaushalt” bis Ende April evaluiert. Eine Anschlussförderung zur Finanzierung des weiteren Forschungsbedarfs konnte bislang leider nicht identifiziert werden.Hat die Maßnahme positive Nebeneffekte?
- Ja, Natur-, Umwelt- und Ressourcenschutz: z. B. Erhaltung der biologischen Vielfalt, Luftreinhaltung, Gewässerschutz, Ressourceneinsparung
- Ja, soziale Gerechtigkeit und Lebensqualität: z. B. Erhöhung der Wohnqualität in Städten, Beitrag zu sozialem Ausgleich oder sozialer Integration, besondere Berücksichtigung der Interessen benachteiligter Bevölkerungsgruppen
Die bedarfsgerechte Bewässerung von Stadtbäumen mithilfe von KI ermöglicht eine effizientere Nutzung von Wasserressourcen, da die Bewässerung präzise auf die Bedürfnisse der Bäume abgestimmt wird. Dies führt zu Wasserersparnissen bei einzelnen Gießungen, was im Umkehrschluss ermöglicht, dass eine größere Anzahl an Bäumen bei gleichbleibenden Wassermengen gegossen werden kann. Das Projekt trägt sowohl zur Ressourcenschonung als auch zum Erhalt der städtischen Grünflächen als Erholungsraum bei.
Hindernisse
Welche Hindernisse gab es während der Umsetzung?
Eine besondere Herausforderung war es, die Expertise aller drei Disziplinen (Künstliche Intelligenz, Arboristik, Prototyping) miteinander zu verknüpfen und ein gemeinsames Grundverständnis von der Vitalität von Stadtbäumen zu erlangen. Darüber hinaus war die Datenverfügbarkeit aller berlinweiten Sensordaten sowie weitere proprietäre Daten nicht gegeben. Zusätzlich waren diverse Maßnahmen der Datenvorverarbeitung notwendig, um deren Interpretierbarkeit zu ermöglichen.
Hat die Maßnahme negative Nebeneffekte?
Im Projekt werden täglich über Nacht diverse Daten aus Datenbanken oder Systemschnittstellen extrahiert und für die Verarbeitung und Analyse zusammengeführt. Das führt zu Energieverbrauch durch den Betrieb der cloud-basierten Infrastruktur. Bei den eingesetzten Modellen aus dem Bereich des maschinellen Lernens (“Random Forests”) handelt es sich um vergleichsweise wenig komplexe Modelle, so dass der Aufwand für das Modelltraining gegenüber der Datenbereitstellung zu vernachlässigen ist.
Ansprechperson
Myrian Rigal
Grunewaldstraße 61–62
10825 Berlin Berlin
DeutschlandTelefonnummer030 959996410
Ort der Umsetzung
Grunewaldstraße 61–62
10825 Berlin
DeutschlandBerlin
