KI & das Klima

Herr Creutzig, was genau beinhaltet Klimaschutz für Sie?
Im Wesentlichen hat Klimaschutz zwei Dimensionen – Minderung und Anpassung. Minderung meint die Reduktion von CO2- und Treibhausgas-Emissionen. Anpassung beinhaltet die Bereitstellung von Massnahmen, welche die Auswirkungen der Klimaerwärmung abschwächen. Bei der Anpassung gibt es Grenzen, z. B. können wir Deiche erhöhen, doch bei zu hohem Meeresspiegelanstieg und zu starken Sturmfluten, nützt das irgendwann nichts mehr. Auch vor Hitzewellen können wir uns nur begrenzt schützen.

In diesem Sinne ist Minderung wichtiger als Anpassung: Es ist besser, es gar nicht erst dazu kommen zu lassen, dass es solch starke Auswirkungen gibt. Und dann bedeutet Klimaschutz eben nicht nur eine Stabilisierung der Treibhausgas-Emissionen oder eine gewisse Reduktion, sondern effektiv Netto-0-Emissionen.

Wann kam die Idee erstmals auf, dass KI in diesem Bereich einen Mehrwert bringen könnte?
Generell werden moderne Technologien gern mit Klimaschutz in Verbindung gebracht. Das gilt auch für KI als «General Purpose Technology» – eine Technologie, die überall angewandt werden kann. Dabei ist das Gesamtbild weitaus ambivalenter.

Ein spannender Moment war 2019, als ein Team aus dem Silicon Valley eine Studie zu dem Thema veröffentlichte. Aus den Codern mit akademischem Hintergrund hatte sich eine Bewegung entwickelt, die vermehrt darauf achten wollte, wo und wie man KI zum Guten einsetzen kann – etwa für den Klimaschutz. Diese ersten gemeinsamen Bemühungen das zu systematisieren, sind vor allem deshalb interessant, weil die Frage des Klimaschutzes ja nicht unbedingt diejenige ist, welche die Silicon Valley Community primär antreibt.

Können Sie ein konkretes Beispiel dafür nennen, wie KI den Klimaschutz fördern bzw. uns dabei helfen kann, klimafreundlicher zu werden?
Mein Team und ich arbeiten derzeit vor allem an der Nutzung von KI für nachhaltige Stadtplanung.

Bisher wurden Klimaschutzszenarien immer auf nationaler oder globaler Ebene entworfen; diese sind aber für Städte und deren Verwaltungen nicht sehr hilfreich. Dank der mittlerweile unzähligen Daten, die auf Strassen- und Gebäude-Ebene etwas über die Funktionsweise von Städten aussagen, ist es jedoch möglich, genau zu berechnen, wie Städte durch die Stadtplanung klimafreundlicher gestaltet werden können.

Hier leistet KI also durch Datenverarbeitung und -auswertung einen Beitrag zum Klimaschutz. Was genau haben Sie dadurch Neues herausgefunden?
Konzeptionell wusste man bei nachhaltiger Stadtplanung vieles vorher schon, z. B. dass man entlang von Nahverkehrsachsen, wie etwa U-Bahn-Linien, nachverdichten, also noch freistehende Flächen innerhalb bereits bestehender Bebauungen nutzen sollte. Dank KI hat aber die Genauigkeit zugenommen. Sie kann schneller und präziser voraussagen, wo Neuwohnungen am wenigsten Treibhausgas-Emissionen erzeugen. Dadurch können diese optimalen Standorten zugewiesen werden.

Konnten Sie mithilfe von KI bereits für eine konkrete Stadt Handlungsempfehlungen herausarbeiten?
Tatsächlich konnten wir für Berlin nachweisen, dass sogenannte Subzentren eine wichtige Rolle spielen, wenn es darum geht, VKT (vehicle kilometer traveled) – also die Anzahl Kilometer, die mit dem Auto zurückgelegt werden – zu reduzieren.

Im Rahmen unserer Studie haben wir einen erklärbaren Machine-Learning-Algorithmus entwickelt, der die Daten von 3.5 Millionen Pkw-Pendlerfahrten sowie hochauflösende Stadtgestaltungsdaten analysierte. Dabei kam heraus, dass die sogenannte «15-Minute-City-Hypothese» stimmt: Dort geht es darum, Städte so (um)zugestalten, dass die Bewohner*innen in allen Teilen der Stadt (nicht nur im Stadtzentrum, sondern auch in Vororten) ihre täglichen Bedürfnisse – wie einkaufen, arbeiten, zum Arzt oder zur Schule gehen – innerhalb eines Umkreises von 15 Minuten zu Fuss oder mit dem Fahrrad erledigen können. Je mehr dies gegeben ist, desto weniger fahren die Menschen dort Auto.

KI kann uns also helfen, klimafreundlicher zu planen und zu handeln. Inwiefern kann KI dem Klima aber auch schaden?
KI hat potentiell zwei Effekte: Einerseits Effizienzgewinn – man kann Dinge schneller machen oder mit weniger Ressourcen das gleiche Ergebnis erzielen. Das ist im Normalfall klimafreundlich, weil Ressourcen-Effizienz meist auch CO2-Effizienz bedeutet.
Andererseits gibt es aber einen Skalierungseffekt – wenn etwas schneller und effizienter geht, wird auch mehr davon gemacht und dadurch kann der erste Effekt aufgehoben oder sogar überholt werden. Ausserdem befördert KI über Algorithmen, z. B. auf Social Media, den allgemeinen Konsum und steigert so ebenfalls den Verbrauch von Ressourcen.

Das heisst bei der Klimaschädlichkeit oder -freundlichkeit einer KI geht es in erster Linie um ihre Anwendung bzw. Nutzung?
Genau. Es gibt Bereiche, in denen tut die Nutzung von KI dem Klima definitiv gut – zum Beispiel, wie eben erwähnt, bei der nachhaltigen Stadtplanung. Oder auch in der Landwirtschaft, wo man mittels einer genauen Kartierung der Bodenqualität weiss, wo und wieviel Düngemittel eingesetzen werden muss.

Andere Anwendungen sind jedoch weitaus zwiespältiger – autonomes Fahren zum Beispiel. Autonomes Fahren ist hochgradig KI-bedürftig, hat aber erst mal keine Nachhaltigkeits-Benefits. Im Gegenteil: Autonomes Fahren bewirkt, dass die Zeitkosten der Fahrerin oder des Fahrers wegfallen. Damit ist unter nicht-regulierten Umständen zu befürchten, dass noch viel mehr Auto gefahren wird.

Wie liesse sich der dadurch entstehende Schaden für das Klima vermindern?
Zum Beispiel dadurch, dass autonome Fahrzeuge nur für bestimmte Zwecke zugelassen werden, etwa für Sammeltaxis.

Ein Auto ist ja eine schrecklich ineffiziente Maschine – es wiegt ca. 2 Tonnen und fährt durchschnittlich 1.7 Personen, also 80 bis 90 Kilogramm, durch die Gegend, mit einem Motor, der zur Zeit 20 % Effizienz hat. Das wird sich mit Elektromobilität etwas verbessern, aber trotzdem: wenn ich mein Fahrrad nehme, habe ich 14 Kilo Material, mit dem ich durch die Gegend fahre, das ist um den Faktor 100 besser als ein Auto.

Diese Ineffizienz kann man mit Sammeltaxis verbessern – da sitzen dann 3 bis 4 Personen in einem Auto. Damit sich das durchsetzt, benötigen wir aber gerade im städtischen Umfeld Regulierungen, die z. B. die Nutzung eines Autos durch eine Einzelperson verbieten. Oder die Stadt dürfte keine öffentlichen Parkplätze mehr zur Verfügung stellen. Das wäre wichtig, wird aber nicht überall gerne gehört.

In Ihrem Beispiel würde die Regulierung wiederum eher die Anwendung betreffen als die KI dahinter. Könnte man nicht auch die KI an sich klimafreundlicher machen? Und festlegen, dass sie eine gewisse Energieeffizienz aufweisen muss, um überhaupt genutzt werden zu dürfen?
Natürlich kann man auch berechnen wie energieintensiv ein Algorithmus ist und sich überlegen, wie man ihn effizienter machen kann. Zum Beispiel kann man einen Algorithmus, statt ihn immer wieder neu zu trainieren, updaten, also nur den Neuigkeitswert von zusätzlichen Daten nutzen. Der Einfluss solcher Massnahmen auf die Ressourceneffizienz einer KI ist allerdings relativ klein gegenüber demjenigen der Anwendung.

Es wäre deshalb auch wertvoll, wenn Softwareingenieure sich mehr mit den regulativen Bedingungen der Anwendung beschäftigen und in diesem Kontext denken würden. Also etwa welche Nutzungsmuster neu entstehen, was dies für den Energieverbrauch bedeutet, und wie stark steigender Energieverbrauch vermieden wird. Umgekehrt müssen die Regulatoren auch verstehen, welche KI-Möglichkeiten es gibt. Hier dürfte es definitiv mehr Austausch geben.

In Bezug auf KI-Ethik passiert im Bereich Regulierung gerade einiges – Stichwort EU AI Act. Doch da geht es vor allem um ethische Themen, richtig? Oder auch um Klimaschutz?
Soweit ich weiss, ist im EU AI Act Klimaschutz tatsächlich noch nicht richtig mitgedacht; da gibt es also Nachholbedarf. Wie gesagt glaube ich aber, dass das nicht nur Sache der EU ist, sondern auch von einzelnen Städten und Kommunen.

Was ich in diesem Zusammenhang hervorheben möchte, ist, dass Ethik nie ein angehängtes Thema sein, sondern immer bereits während der Entwicklung einer KI mitgedacht werden sollte. Das ist, glaube ich, die Herausforderung: Dass Ethik, und damit auch Klimaschutz, keine zusätzliche Anforderung ist, sondern den KI-Entwickler*innen selbst ein Bewusstsein dafür mitgegeben wird – am besten bereits in ihrer Ausbildung.

Insgesamt betrachtet: Halten Sie KI eher für einen Klimahelfer oder einen Klimasünder?
Ich glaube, dass es sehr wichtig ist, auf die Governance von KI zu achten. Auf die Möglichkeiten aller Beteiligten – Policy Maker, Businesses und Zivilgesellschaft – den Umgang mit KI zu institutionalisieren. Das ist die handlungsrelevante Dimension und da brauchen wir mehr Kapazitäten und Bewusstsein.

Zum Schluss: Welche wichtigen Faktoren finden Sie werden bei diesem Thema oft übersehen?
Dass es auch hier, wie wir in unserer neuesten Studie zeigen, um die ganz grossen Zusammenhänge geht, die auf den ersten Blick wenig mit Klimaschutz zu tun haben.

Wie die gesellschaftliche Ungleichheit und Polarisierung: Bei beiden spielt KI eine zentrale Rolle – wir wissen, dass Gesellschaften durch KI und die Digitalisierung im Allgemeinen ungleicher werden. Das andere ist, dass gerade in den sozialen Medien Polarisierungseffekte oft KI-getrieben sind.

Das hat erstmal nichts mit Klimaschutz zu tun, aber dann doch: Für mehr Klimaschutz brauchen wir einen gesellschaftlichen Konsens, eine politische Diskussion – jede und jeder muss und soll sich aktiv an diesem schwierigen Wandel beteiligen. Wenn aber durch zunehmende Spaltungen das gesellschaftliche Vertrauen verloren geht, wird es sehr schwierig, das zu erreichen. In diesem Zusammenhang ist die Frage der gesamtgesellschaftlichen Auswirkungen von KI und Digitalisierung auch für den Klimaschutz wichtig.