Die Projekte müssen einen klaren Lösungsbeitrag zur in der Förderrichtlinie beschriebenen ökologischen Herausforderung des Natürlichen Klimaschutzes beinhalten, eine breite Außenwirkung haben, innovativ sein und sich grundsätzlich an Interessen der Allgemeinheit sowie an ethischen Grundsätzen orientieren. Dies schließt auch die Reflexion und Vermeidung von Diskriminierung z. B. durch Bias in Trainingsdaten, geschlechterbezogene Datenlücken (Gender Data Gap) oder bei der Modellierung ein. Das Bundesumweltministerium bekennt sich zum Gender Mainstreaming; Vorhaben sind folglich dahingehend zu prüfen, ob eine Genderrelevanz vorliegt.
Die Projekte sollen aufzeigen, wie die Nachhaltigkeitspotenziale den zu erwartenden negativen Umweltwirkungen für die Entwicklung und skalierte Anwendung der KI-Lösung gegenüberstehen. Diese negativen Umweltwirkungen (inkl. indirekte Effekte wie Rebound-Effekte) sollen zusammen mit möglichen Gegenmaßnahmen dargestellt werden. Es soll plausibel dargelegt werden, dass insgesamt eine eindeutig positive Umweltbilanz erwartet werden kann.
Maßnahmen zur (Wissens-)Vermittlung der Projektinhalte an relevante Zielgruppen im Sinne des Capacity Building, die die Vertrauenswürdigkeit und Nachvollziehbarkeit von KI-Anwendungen und den zivilgesellschaftlichen Diskurs fördern, tragen zur Strahlkraft eines Projektes bei. Auch Citizen-Science-Ansätze werden hierbei begrüßt.
Im Rahmen gemeinwohlorientierter Technikentwicklung zielt Vertrauenswürdige KI u. a. auf größtmögliche Gewährleistung von Datenschutz und Privatheit, Vorbeugung missbräuchlicher Nutzung, technische Robustheit, Sicherheit und Zuverlässigkeit (z. B. „Dependable AI“, „Safe AI“) sowie Transparenz und menschliche Aufsicht. Die Berücksichtigung solcher Maßnahmen als Teil des Projektes fließt deshalb positiv in die Bewertung ein.
Befürwortet wird ferner die Veröffentlichung von (Trainings-)Datensätzen gemäß FAIR-Prinzipien (Findability, Accessibility, Interoperability, Reproducibility) sowie ein Kompetenzaufbau zu Data Science, Softwareentwicklung, KI-Modellierung/Parametrisierung im Rahmen des Projektes.
Um einen hinreichenden Anwendungsbezug zu gewährleisten, soll zum Projektende ein Technologiereifegrad (engl.: Technology Readiness Level, TRL) von mind. 6 erreicht werden, d. h. ein Prototyp in Einsatzumgebung. Förderwürdige Projekte sollen sich der Entwicklungsstufe „Experimentelle Entwicklung“ im Sinne der AGVO zuordnen lassen:
Die Anforderungen an die Projekte spiegeln sich in den Fragen wider, die in der Gliederung zur Projektskizze gestellt werden. Bitte beantworten Sie daher alle Fragen möglichst fundiert.