Verwendung von KI zur Verfolgung des Kohlenzugstaubs

Oben: Kohle wird in Utah auf der Schiene transportiert. Visuell: George Frey/Bloomberg

In einem abfallenden Hinterhof in Vallejo, Kalifornien, justierte Nicholas Spada ein Gerät, das wie eine Mischung aus Stativ, Aktentasche und Wetterfahne aussah. Die schlanke Maschine, die jetzt in der Nähe eines verwitterten Pavillons und einer mit sonnengebleichtem Holz gefüllten Klauenfußbadewanne positioniert ist, ist für unauffällige Orte wie diesen gedacht, wo sie langfristige Informationen über die lokale Luftqualität sammeln kann.

Spada, ein Aerosolwissenschaftler und Ingenieur an der University of California, Davis, entwarf die Maschine ursprünglich für ein Projekt etwa 16 Meilen südlich in Richmond. Sechs Monate lang richteten Forscher die Ausrüstung – zu der eine Kamera, ein Luftsensor, eine Wetterstation und ein Prozessor für künstliche Intelligenz gehören – auf Eisenbahnschienen, die Kohle durch die Stadt transportieren, und trainierten ein KI-Modell, um Züge zu erkennen und aufzuzeichnen, wie sie sich darauf auswirkten Luftqualität. Jetzt sucht Spada nach möglichen Standorten für die Sensoren in Vallejo und arbeitet dort mit Anwohnern zusammen, die sich Sorgen darüber machen, was sich in ihrer Luft befindet.

Das Projekt in Richmond war Spadas erstes Projekt, bei dem KI zum Einsatz kam. Das entsprechende Papier, das im März 2023 veröffentlicht wurde, erschien inmitten des wachsenden Interesses – und der Besorgnis – über KI. Technologieführer haben ihre Besorgnis über das Potenzial der KI geäußert, die menschliche Intelligenz zu verdrängen; Kritiker haben die potenzielle Verzerrung der Technologie und die Erfassung öffentlicher Daten in Frage gestellt; und zahlreiche Studien und Artikel haben auf den erheblichen Energieverbrauch und die Treibhausgasemissionen hingewiesen, die mit der Verarbeitung von Daten für seine Algorithmen verbunden sind.

Doch mit der zunehmenden Besorgnis ist auch das wissenschaftliche Interesse an den möglichen Einsatzmöglichkeiten von KI gewachsen – auch in der Umweltüberwachung. Von 2017 bis 2021 stieg die Zahl der jährlich veröffentlichten Studien zu KI und Luftverschmutzung von 50 auf 505, was einer in der Zeitschrift Frontiers in Public Health veröffentlichten Analyse teilweise auf einen Anstieg der KI in wissenschaftlicheren Bereichen zurückzuführen ist. Und laut Forschern wie Spada könnte der Einsatz von KI-Tools Einheimischen helfen, die seit langem unter Umweltverschmutzung leiden, aber nur über wenige Daten verfügen, um die direkte Ursache explizit zu belegen.

In Richmond ermöglichte die Deep-Learning-Technologie – eine Art maschinelles Lernen – Wissenschaftlern, Züge aus der Ferne und rund um die Uhr zu identifizieren und aufzuzeichnen, anstatt sich auf die traditionelle Methode der persönlichen Beobachtung zu verlassen. Die Daten des Teams zeigten, dass Züge voller Kohle, die durch die Stadt fuhren, beim Vorbeifahren den Feinstaub PM2,5 in der Luft deutlich erhöhten, eine Art von Feinstaub, der mit Atemwegs- und Herz-Kreislauf-Erkrankungen sowie frühen Todesfällen in Verbindung gebracht wird. Selbst eine kurzfristige Exposition gegenüber PM2,5 kann gesundheitsschädlich sein.

Die Autoren des Papiers waren sich zunächst nicht sicher, wie gut die Technologie zu ihrer Arbeit passen würde. „Ich bin kein KI-Fan“, sagte Bart Ostro, Umweltepidemiologe an der UC Davis und Hauptautor der Studie. „Aber dieses Ding hat erstaunlich gut funktioniert, und ohne es hätten wir es nicht geschafft.“

Ostro sagte, die Ergebnisse des Teams könnten helfen, eine Frage zu beantworten, die nur wenige Forscher untersucht haben: Wie wirken sich Kohlekraftwerke und die zwischen ihnen verkehrenden Züge auf die Luft in städtischen Gebieten aus?

Diese Frage ist besonders relevant im nahegelegenen Oakland, wo seit fast einem Jahrzehnt über ein geplantes Kohleexportterminal debattiert wird. Nachdem Oakland 2016 beschlossen hatte, das Projekt zu stoppen, entschied ein Richter, dass die Stadt nicht hinreichend nachgewiesen habe, dass der Transport von Kohle die öffentliche Gesundheit erheblich gefährden würde. Ostro und Spada haben ihre Forschung teilweise so konzipiert, dass sie für die Entwicklung relevante Daten liefert.

„Jetzt haben wir eine Studie, die uns neue Beweise liefert“, sagte Lora Jo Foo, eine langjährige Aktivistin aus der Bay Area und Mitglied von No Coal in Oakland, einer freiwilligen Basisgruppe, die sich gegen das Terminalprojekt richtet.

Die Forschungstechniken könnten sich auch weit über die Bay Area hinaus als nützlich erweisen. Die KI-basierte Methodik, so Foo, könne von anderen Gemeinden übernommen werden, die die lokale Umweltverschmutzung besser verstehen möchten.

„Das ist ziemlich weltbewegend“, sagte sie.

In den Vereinigten Staaten werden rund 70 Prozent der Kohle per Bahn transportiert und von Dutzenden von Minen dorthin transportiert Kraftwerke und Schifffahrtsterminals. Im vergangenen Jahr verbrauchten die USA – die über die weltweit größten Kohlevorräte verfügen – etwa 513 Millionen Tonnen Kohle und exportierten weitere etwa 85 Millionen Tonnen in Länder wie Indien und die Niederlande.

Bevor die Kohle in den USA verbrannt oder nach Übersee verschifft wird, wird sie in offenen Zügen transportiert, die bei starkem Wind und beim Fahren der Züge über die Gleise Staub aufwirbeln können. Wenn Wissenschaftler in der Vergangenheit erforschten, wie viel Staub diese Kohlezüge freisetzen, stützten sie sich bei ihrer Forschung darauf, dass Menschen vorbeifahrende Züge identifizieren und diese dann mit den von Luftsensoren gesammelten Daten abgleichen. Vor etwa einem Jahrzehnt, als im Inland gefördertes Erdgas die US-amerikanischen Kohlekraftwerke unter Druck setzte, schlugen Unternehmen für fossile Brennstoffe und Schifffahrtsunternehmen vor, eine Handvoll Exportterminals in Oregon und Washington einzurichten, um in Wyoming und Montana geförderte Kohle in andere Länder zu transportieren. Der Widerstand der Gemeinschaft war schnell. Dan Jaffe, Atmosphärenforscher an der University of Washington, wollte die Auswirkungen auf die Luftqualität ermitteln.

In zwei veröffentlichten Studien zeichnete Jaffe Züge in Seattle und der ländlichen Columbia River Gorge mit Bewegungserkennungskameras auf, identifizierte Kohlezüge und glich sie mit Luftdaten ab. Die Untersuchung ergab, dass der von Zügen freigesetzte Kohlenstaub die Feinstaubbelastung in der Schlucht, einem Gebiet an der Grenze zwischen Oregon und Washington, erhöht. Der Staub beeinträchtigte in Kombination mit der Dieselverschmutzung auch die Luftqualität im städtischen Seattle. (Letztendlich wurde keines der geplanten Terminals gebaut. Jaffe sagte, er würde gerne glauben, dass seine Forschung bei diesen Entscheidungen zumindest eine gewisse Rolle gespielt habe.)

„Ich bin kein KI-Fan“, sagte Ostro. „Aber dieses Ding hat erstaunlich gut funktioniert, und ohne es hätten wir es nicht geschafft.“

Studien an anderen Exportstandorten, insbesondere in Australien und Kanada, verwendeten ebenfalls eine visuelle Identifizierung und zeigten einen Anstieg der Feinstaubbelastung im Zusammenhang mit Kohlezügen.

Wo es Kohlekraftwerke gibt, werden sich Gemeinden in der Nähe organisieren, um ihre Besorgnis über die damit verbundene Umweltverschmutzung zum Ausdruck zu bringen, so James Whelan, ein ehemaliger Stratege beim Climate Action Network Australia, der dort an der Forschung mitgewirkt hat. „Im Allgemeinen handelt es sich im Folgenden um ein gewisses Maß an wissenschaftlicher Untersuchung und einige Abhilfemaßnahmen“, sagte er. „Aber es scheint, dass es sehr selten ausreichend ist.“

Einige Experten sagen, dass die KI-Revolution das Potenzial hat, wissenschaftliche Ergebnisse deutlich belastbarer zu machen. Wissenschaftler nutzen seit langem Algorithmen und fortschrittliche Berechnungen für ihre Forschung. Aber Fortschritte in der Datenverarbeitung und Computer Vision haben KI-Tools zugänglicher gemacht.

Mit KI „wird das gesamte Wissensmanagement immens leistungsfähiger, effizienter und effektiver“, sagte Luciano Floridi, ein Philosoph, der das Digital Ethics Center an der Yale University leitet.

Die in Richmond verwendete Technik könnte auch dazu beitragen, andere Verschmutzungsquellen zu überwachen, die in der Vergangenheit schwer zu verfolgen waren. Vallejo, eine Hafenstadt etwa 30 Meilen nordöstlich von San Francisco, verfügt über fünf Ölraffinerien und eine Werft im Umkreis von 20 Meilen, was es schwierig macht, die Herkunft eines Schadstoffs zu erkennen. Einige Anwohner hoffen, dass mehr Daten dazu beitragen könnten, die Aufmerksamkeit der Aufsichtsbehörden auf sich zu ziehen, wo ihre eigenen Bedenken dies nicht getan haben.

„Wir müssen zuerst Daten haben, bevor wir etwas unternehmen können“, sagte Ken Szutu, ein pensionierter Computeringenieur und Gründungsmitglied des Vallejo Citizen Air Monitoring Network, der neben Spada in einem Café in der Innenstadt saß. „Umweltgerechtigkeit – aus meiner Sicht ist die Überwachung die Grundlage.“

Luftwissenschaftler wie Spada haben sich darauf verlassen, dass Anwohner bei dieser Überwachung behilflich sind – sie haben Hinterhöfe für ihre Ausrüstung geöffnet, Standorte vorgeschlagen, die sich als sinnvolle Standorte eignen könnten, und in Richmond sogar Trinkgeld eingeholt, wenn Kohlewaggons auf dem nahegelegenen Zughalteplatz standen.

D

Spada und Ostro hatten ursprünglich nicht daran gedacht, KI in Richmond einzusetzen. Sie planten ihre Studie mit gewöhnlichen, bewegungserkennenden Überwachungskameras, bei denen Menschen – einige freiwillige Helfer aus der Gemeinde – manuell identifizierten, ob auf den Aufnahmen ein Zug zu sehen war und welche Fracht er beförderte, ein Prozess, der wahrscheinlich genauso viel Zeit in Anspruch genommen hätte wie die Datenerfassung, sagte Spada. Aber das Kamerasystem war nicht empfindlich genug, um alle Züge zu erfassen, und die gesammelten Daten waren zu umfangreich und überlasteten ihren Server. Nach ein paar Monaten wechselten die Forscher. Spada hatte den KI-Hype bemerkt und beschlossen, es auszuprobieren.

Das Team installierte neue Kameras und programmierte sie so, dass sie jede Minute ein Foto aufnehmen. Nachdem sie monatelang genügend Bilder der Gleise gesammelt hatten, kategorisierten Studenten der UC Davis sie mithilfe von Playstation-Controllern in Gruppen – Zug oder kein Zug, Tag oder Nacht. Das Team entwickelte eine Software, die sich wie ein Videospiel spielen ließ, was den Prozess beschleunigte, sagte Spada, indem es den Schülern ermöglichte, durch mehr Bilder zu filtern, als wenn sie einfach mit einer Maus oder einem Trackpad durch die Bilder auf einem Computer klicken würden. Das Team nutzte diese Fotos und Open-Source-Bildklassifizierungsdateien von Google, um das Modell und das benutzerdefinierte Kamerasystem darauf zu trainieren, vorbeifahrende Züge zu erkennen und aufzuzeichnen. Anschließend identifizierte das Team die Art der Züge in den erfassten Aufzeichnungen (eine Aufgabe, die mit KI komplexere und teurere Rechenleistung erfordert hätte) und glich die Informationen mit Live-Luft- und Wettermessungen ab.

Der Prozess war eine Abkehr von der traditionellen Umweltüberwachung. „Als Student saß ich an einer Straßenecke und zählte, wie viele Lastwagen vorbeifuhren“, sagte Spada.

Der Einsatz von KI sei ein „Game Changer“, fügte Spada hinzu. Die vorherigen drei Studien zu nordamerikanischen Kohlezügen sammelten zusammengenommen Daten zu weniger als 1.000 Zügen. Die Davis-Forscher konnten Daten von mehr als 2.800 Personen sammeln.

Anfang Juli 2023 präsentierten Anwälte der Stadt Oakland und des geplanten Entwicklers des Kohleterminals der Stadt Eröffnungsargumente in einem Prozess über die Zukunft des Projekts. Oakland hat behauptet, dass der Projektentwickler Fristen verpasst und damit gegen die Bedingungen des Mietvertrags verstoßen habe. Der Bauträger sagte, etwaige Verzögerungen seien darauf zurückzuführen, dass die Stadt Hindernisse errichtet habe.

Wenn sich Oakland durchsetzt, hat es das Terminal endgültig besiegt. Aber wenn die Stadt verliert, kann sie immer noch andere Wege verfolgen, um das Projekt zu stoppen, einschließlich des Nachweises, dass es ein erhebliches Risiko für die öffentliche Gesundheit darstellt. Die Stadt verwies auf dieses Risiko – insbesondere im Zusammenhang mit der Luftverschmutzung –, als sie 2016 einen Beschluss verabschiedete, der die Fortsetzung der Entwicklung verhindern sollte. Doch im Jahr 2018 sagte ein Richter, die Stadt habe nicht genügend Beweise vorgelegt, um ihre Schlussfolgerung zu stützen. In dem Urteil hieß es, dass Jaffes Forschung nicht auf die Stadt anwendbar sei, da die Ergebnisse spezifisch für den Studienort seien und die Zusammensetzung der dorthin verschifften Kohle wahrscheinlich nicht dieselbe sei, da Oakland Kohle aus Utah beziehen soll. Der Richter sagte außerdem, die Stadt habe die Pläne des Terminalentwicklers ignoriert, Unternehmen zur Verwendung von Waggonabdeckungen zu verpflichten, um den Kohlenstaub zu reduzieren. (Solche Abdeckungen sind in den USA selten, wo Unternehmen Kohle stattdessen mit einer klebrigen Flüssigkeit überziehen, die den Staub eindämmen soll.)

Umweltgruppen verweisen auf Forschungsergebnisse von Wissenschaftlern wie Spada und Ostro als Beweis dafür, dass mehr Regulierung erforderlich ist, und einige glauben, dass KI-Techniken dabei helfen könnten, die Gesetzgebungsbemühungen zu unterstützen.

Trotz ihres Forschungspotenzials kann KI auch eigene Umweltschäden verursachen. Eine Analyse von OpenAI aus dem Jahr 2018, dem Unternehmen hinter dem Buzzy-Bot ChatGPT, zeigte, dass sich die für Deep Learning verwendeten Berechnungen alle 3,4 Monate verdoppelten und seit 2012 um mehr als das 300.000-fache zunahmen. Die Verarbeitung großer Datenmengen erfordert viel Energie. Im Jahr 2019 warnten Schlagzeilen auf der Grundlage einer neuen Studie der University of Massachusetts, Amherst, dass das Training eines KI-Sprachverarbeitungsmodells Emissionen freisetzt, die der Herstellung und Nutzung von fünf benzinbetriebenen Autos über ihre gesamte Lebensdauer entsprechen.

Forscher fangen gerade erst an, den potenziellen Nutzen eines Algorithmus mit seinen Auswirkungen auf die Umwelt abzuwägen. Floridi von der Yale-Universität sagte, dass KI nicht ausreichend genutzt werde, und wies schnell darauf hin, dass die „erstaunliche Technologie“ auch überbeansprucht werden könne. „Es ist ein großartiges Werkzeug, aber es hat seinen Preis“, sagte er. „Die Frage ist: Ist der Kompromiss gut genug?“

Ein Team der University of Cambridge im Vereinigten Königreich und der La Trobe University in Australien hat eine Möglichkeit entwickelt, diesen Kompromiss zu quantifizieren. Ihr Green Algorithms-Projekt ermöglicht es Forschern, die Eigenschaften eines Algorithmus wie Laufzeit und Standort einzugeben. Loïc Lannelongue, ein Computerbiologe, der an der Entwicklung des Tools mitgewirkt hat, erklärte gegenüber Undark, dass Wissenschaftler darauf trainiert seien, bei ihrer Forschung keine begrenzten finanziellen Ressourcen zu verschwenden, und glaubt, dass Umweltkosten in ähnlicher Weise berücksichtigt werden könnten. Er schlug vor, in Forschungsarbeiten Offenlegungen zu Umweltthemen zu verlangen, ähnlich denen, die in der Ethik gefordert werden.

Als Antwort auf eine Anfrage von Undark sagte Spada, dass er potenzielle Umweltnachteile durch den Einsatz von KI in Richmond nicht in Betracht gezogen habe, glaubt jedoch, dass der geringe Umfang des Projekts dazu führen würde, dass der Energieverbrauch für den Betrieb des Modells und die damit verbundenen Emissionen relativ unbedeutend wären.

„Es ist ein großartiges Werkzeug, aber es hat seinen Preis“, sagte Floridi. „Die Frage ist: Ist der Kompromiss gut genug?“

Für die Bewohner, die unter Umweltverschmutzung leiden, könnte das Ergebnis der Arbeiten jedoch Konsequenzen haben. Einige Aktivisten in der Bay Area hoffen, dass die Studie als Modell für die vielen Gemeinden dienen wird, in denen Kohlezüge verkehren.

Andere Communities wägen bereits das Potenzial von KI ab. In Baltimore hat Christopher Heaney, Umweltepidemiologe an der Johns Hopkins University, mit Bewohnern des Hafenviertels Curtis Bay zusammengearbeitet, in dem sich zahlreiche Industrieanlagen befinden, darunter ein Kohleterminal. Heaney arbeitete mit Anwohnern zusammen, um nach einer Explosion in einem Kohlesilo im Jahr 2021 Luftüberwachungsgeräte zu installieren, und erwägt den Einsatz von KI für eine „hochdimensionale Datenreduktion und -verarbeitung“, die der Gemeinde dabei helfen könnte, Schadstoffe bestimmten Quellen zuzuordnen.

Auch die Bürgerluftüberwachungsgruppe von Szutu begann nach einem akuten Ereignis mit der Installation von Luftsensoren; Im Jahr 2016 löste eine Ölkatastrophe in einer nahegelegenen Raffinerie Abgase in Richtung Vallejo aus, was zu einer Ausgangssperre führte und mehr als 100 Menschen ins Krankenhaus brachte. Szutu sagte, er habe versucht, mit den örtlichen Luftregulierungsbehörden zusammenzuarbeiten, um Monitore einzurichten, aber nachdem sich die Verfahren als langsam erwiesen, beschloss er, Kontakt zum Air Quality Research Center an der UC Davis aufzunehmen, wo Spada arbeitet. Seitdem arbeiten die beiden zusammen.

Bei Spadas jüngstem Besuch in Vallejo trafen er und ein Student im Grundstudium Szutu, um mögliche Überwachungsstandorte auszukundschaften. Nachdem Spada im Hinterhof die Funktionsweise der Ausrüstung demonstriert hatte, indem er sie auf eine angrenzende Werft richtete, dekonstruierte das Team den Aufbau und schleppte ihn zurück zu Spadas Prius. Als Spada den Kofferraum öffnete, erkannte ein Nachbar, der in seiner Einfahrt an ein Auto lehnte, die Gruppe.

„Wie ist die Luft?“ rief er.

Emma Foehringer Merchant ist eine Journalistin, die über Klimawandel, Energie und Umwelt berichtet. Ihre Arbeiten wurden im Boston Globe Magazine, Inside Climate News, Greentech Media, Grist und anderen Medien veröffentlicht.