Google DeepMind stellt KI für eine beispiellose globale Kartierung vor

Google DeepMind hat ein bahnbrechendes KI-System vorgestellt, das die Art und Weise, wie Organisationen die Daten der Erdoberfläche analysieren, verändert und damit möglicherweise die Umweltüberwachung und das Ressourcenmanagement für Regierungen, Naturschutzgruppen und globale Unternehmen revolutioniert.

Das System mit dem Namen AlphaEarth Foundations nimmt eine anhaltende Herausforderung bei der Erdbeobachtung in Angriff: die Umwandlung riesiger Ströme von Satellitendaten in verwertbare Informationen. Während Satelliten täglich Terabytes an Bildmaterial sammeln, war es in der Vergangenheit problematisch, diese unterschiedlichen Datensätze in kohärente Erkenntnisse zu integrieren.

"AlphaEarth Foundations funktioniert wie ein virtueller Satellit", erklärt das Forscherteam in seiner Veröffentlichung. "Es charakterisiert effektiv die Land- und Küstengebiete des Planeten, indem es riesige Erdbeobachtungsdatensätze zu einer umfassenden digitalen Darstellung zusammenführt."

Diese KI-Lösung erzielt etwa 23,9 % weniger Fehler als bestehende Methoden und benötigt gleichzeitig sechzehnmal weniger Speicherkapazität als vergleichbare Systeme. Diese Kombination aus verbesserter Effizienz und Genauigkeit könnte die Kosten für Umweltanalysen im Weltmaßstab erheblich senken.

Wie KI Satellitendaten in verwertbare Informationen umwandelt

Die Kerninnovation des Systems liegt in seiner Datenverarbeitungsmethodik. Anstatt einzelne Satellitenbilder separat zu analysieren, erzeugt AlphaEarth Foundations "Einbettungsfelder" - hochkomprimierte digitale Zusammenfassungen, die wesentliche Merkmale der Erdoberfläche in 10-Meter-Rasterabschnitten darstellen.

"Die bahnbrechende Fähigkeit des Systems besteht darin, kompakte Zusammenfassungen für jeden Rasterabschnitt zu erstellen", erklären die Forscher. "Diese Zusammenfassungen benötigen sechzehnmal weniger Speicherplatz als alternative KI-Systeme, die wir evaluiert haben, was die Kosten für Analysen im planetarischen Maßstab erheblich senkt."

Bei dieser Komprimierung bleibt die Detailgenauigkeit erhalten. Das System bewahrt, was die Entwickler als "scharfe 10×10-Meter-Auflösung" beschreiben, während es zeitliche Veränderungen überwacht. Diese Granularität ermöglicht es Organisationen, einzelne Stadtblöcke, landwirtschaftliche Parzellen oder Waldabschnitte zu verfolgen, was für die Stadtplanung und Naturschutzanwendungen von entscheidender Bedeutung ist.

Brasilianisches Team überwacht die Entwaldung des Amazonas mit nahezu Echtzeit-Präzision

Im Laufe des letzten Jahres haben mehr als fünfzig Organisationen das System getestet, und die ersten Ergebnisse deuten auf ein transformatives Potenzial in verschiedenen Branchen hin.

In Brasilien setzt MapBiomas die Technologie ein, um landesweit landwirtschaftliche und ökologische Veränderungen zu überwachen, auch im Amazonas-Regenwald. "Der Satellite Embedding-Datensatz verändert unseren operativen Ansatz", so Tasso Azevedo, Gründer von MapBiomas. "Wir können jetzt genauere und präzisere Karten mit einer noch nie dagewesenen Geschwindigkeit erstellen - Fähigkeiten, die zuvor außerhalb unserer Möglichkeiten lagen."

Die Initiative Global Ecosystems Atlas setzt das System ein, um die erste umfassende globale Ökosystem-Kartierung zu erstellen, wie es heißt. Dieses Projekt hilft den Nationen bei der Klassifizierung unerforschter Gebiete in Kategorien wie Küstenbuschland und hyper-trockene Wüsten - wichtige Informationen für Naturschutzstrategien.

"Der Satellite Embedding-Datensatz verändert unsere Methodik, indem er den Ländern hilft, unbekannte Ökosysteme zu kartieren - eine wesentliche Voraussetzung für die Festlegung von Schutzprioritäten", erklärte Nick Murray, Direktor des Global Ecology Lab der James Cook University und wissenschaftlicher Leiter des Global Ecosystems Atlas.

Bewältigung der größten Herausforderung bei Satellitenbildern: Bewölkung und Datenlücken

Das Forschungspapier beschreibt die ausgefeilte Technik, die diesen Fähigkeiten zugrunde liegt. AlphaEarth Foundations integriert Daten aus verschiedenen Quellen - optische Satellitenbilder, Radar, 3D-Laserkarten, Klimasimulationen - und fügt sie zu kohärenten Darstellungen der Erdoberfläche zusammen.

Die technische Besonderheit des Systems liegt in seiner zeitlichen Handhabung. "Unseres Wissens ist AEF der erste EO-Featurisierungsansatz, der eine kontinuierliche Zeitanalyse unterstützt", so die Forscher. Dies ermöglicht eine genaue Kartierung für bestimmte Datumsbereiche, einschließlich der Interpolation zwischen Beobachtungen und der Extrapolation in Zeiträumen ohne direkte Satellitenabdeckung.

Die als "Space Time Precision" oder STP bezeichnete Modellarchitektur behält hochgradig lokalisierte Darstellungen bei und modelliert gleichzeitig Beziehungen über große Entfernungen in Zeit und Raum. Diese Fähigkeit überwindet hartnäckige Hindernisse wie Wolkenbedeckung, die Satellitenbilder in tropischen Gebieten häufig verdecken.

Ermöglicht die unternehmensweite Kartierung großer Gebiete ohne kostspielige Bodenuntersuchungen

Für technische Entscheidungsträger in Unternehmen und Behörden könnte AlphaEarth Foundations die Geoinformationsansätze grundlegend umgestalten.

Das System erbringt außergewöhnliche Leistungen in "spärlichen Datenregimen" - Szenarien mit begrenzter Bodenüberprüfung. Damit wird ein grundlegendes Dilemma der Erdbeobachtung angegangen: Während Satelliten eine globale Abdeckung bieten, ist die Validierung vor Ort nach wie vor teuer und logistisch komplex.

"Qualitativ hochwertige Kartierungen hängen von akkuraten gekennzeichneten Daten ab, doch erfordern globale Operationen ein Gleichgewicht zwischen Messgenauigkeit und räumlicher Abdeckung", heißt es in dem Papier. Die Fähigkeit von AlphaEarth Foundations, aus begrenzten Bodenbeobachtungen präzise zu extrapolieren, könnte die Kosten für die Erstellung detaillierter großflächiger Karten erheblich senken.

Die Forschung zeigt eine robuste Leistung bei verschiedenen Anwendungen, von der Klassifizierung von Nutzpflanzen bis zur Schätzung der Evapotranspirationsrate. Bei einer anspruchsvollen Bewertung der Evapotranspiration - der Messung des Wassertransfers vom Boden in die Atmosphäre - erreichte AlphaEarth Foundations einen R²-Wert von 0,58, während alle Vergleichsmethoden negative Werte lieferten, was auf eine Leistung hindeutet, die unter dem Durchschnittswert liegt, der geschätzt wird.

Google integriert die KI für die Erdbeobachtung in Wetter- und Waldbrandsysteme

Mit dieser Ankündigung positioniert sich Google an der Spitze dessen, was das Unternehmen als "Google Earth AI" bezeichnet - eine Reihe von Geodatenmodellen zur Bewältigung planetarischer Herausforderungen. Dazu gehören Systeme zur Wettervorhersage, Überschwemmungsvorhersage und zur Erkennung von Waldbränden, die derzeit von Millionen Menschen über die Google-Suche und Google Maps genutzt werden.

"Wir haben jahrelang an der Entwicklung leistungsstarker KI-Modelle gearbeitet, die sich mit realen Herausforderungen befassen", schreiben Yossi Matias, Google Research VP & GM, und Chris Phillips, Geo VP & GM, in einem begleitenden Blogpost. "Diese Modelle steuern bereits Funktionen, die von Millionen von Menschen genutzt werden, wie z. B. Überschwemmungs- und Waldbrandwarnungen in der Suche und in Maps; sie liefern auch umsetzbare Erkenntnisse über Google Earth, Google Maps Platform und Google Cloud Platform."

Die Veröffentlichung umfasst den Satellite Embedding-Datensatz, der als "eine der größten Sammlungen mit jährlich über 1,4 Billionen Embedding Footprints" bezeichnet wird und über Google Earth Engine zugänglich ist. Dieser Datensatz liefert jährliche Schnappschüsse von 2017 bis 2024 und bietet einen historischen Kontext zur Verfolgung von Umweltveränderungen.

10-Meter-Auflösung schützt die Privatsphäre und erleichtert die Umweltüberwachung

Google betont, dass das System mit einer Auflösung arbeitet, die eher für die Umweltüberwachung als für die Verfolgung von Einzelpersonen gedacht ist. "Der Datensatz kann keine spezifischen Objekte, Personen oder Gesichtszüge identifizieren und repräsentiert nur öffentlich verfügbare Datenquellen wie meteorologische Satelliten", so das Unternehmen.

Die 10-Meter-Auflösung ist zwar für die meisten Umweltanwendungen ausreichend genau, schränkt aber die Identifizierung einzelner Strukturen oder Aktivitäten absichtlich ein - eine Designphilosophie, die den Nutzen mit dem Schutz der Privatsphäre in Einklang bringt.

Planetare Intelligenz wird durch Google Earth Engine vorangetrieben

Die Verfügbarkeit von AlphaEarth Foundations über Google Earth Engine könnte den Zugang zu anspruchsvollen Erdbeobachtungsfunktionen demokratisieren. Bisher erforderte die Erstellung detaillierter, großflächiger Karten erhebliche Rechenressourcen und spezielles Fachwissen. Jetzt können Organisationen vorberechnete Einbettungen nutzen, um schnell maßgeschneiderte Karten zu erstellen.

"Dieser Durchbruch versetzt Wissenschaftler in die Lage, das zu erreichen, was bisher unmöglich war: detaillierte, konsistente globale Karten auf Anfrage zu erstellen", so das Forschungsteam. "Ob es um die Überwachung der Vitalität von Nutzpflanzen, die Verfolgung der Entwaldung oder die Beobachtung von Neubauten geht, sie sind nicht mehr von einzelnen Satellitenüberflügen abhängig."

Für Unternehmen, die sich mit der Überwachung von Lieferketten, der landwirtschaftlichen Produktion, der Stadtplanung oder der Einhaltung von Umweltvorschriften befassen, eröffnet diese Technologie neue datengestützte Entscheidungsmöglichkeiten. Die Fähigkeit, globale Veränderungen mit einer Auflösung von 10 Metern und jährlichen Aktualisierungen zu überwachen, schafft die Grundlage für Anwendungen, die von der Überprüfung nachhaltiger Beschaffung bis zur Optimierung landwirtschaftlicher Erträge reichen.

Der Satellite Embedding-Datensatz ist derzeit über Google Earth Engine zugänglich, wobei AlphaEarth Foundations im Rahmen von Googles breiterer Earth AI-Initiative weiterentwickelt wird. Wie ein Forscher während der Pressekonferenz anmerkte, stellt sich für Unternehmen nicht die Frage, ob sie Intelligenz im Weltmaßstab benötigen, sondern ob sie es sich leisten können, ohne sie zu arbeiten.