AI-REEFSHIELD AI-driven Robotic Ecosystem Exploration Framework for Securing Habitat Integrity and Life Diversity
Zuwendungsempfangende
- Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
- Alfred-Wegener-Institut Helmholtz-Zentrum für Polar- und Meeresforschung
- Universität Bremen
Maßnahmen
- KI-gestütztes Monitoring von Offshore-Meeresbiotopen mithilfe unbemannter Unterwasserfahrzeuge
Laufzeit
01.05.2025 bis 31.10.2027
Fördervolumen
2.323.771,45 €
Copyright: Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
Die Ausgangssituation: Was ist die ökologische Herausforderung?
Die Artenvielfalt unter der Meeresoberfläche zu erhalten und zu schützen, ist technisch sehr anspruchsvoll und erfordert bisher den Einsatz herkömmlich betriebener Schiffe und Taucher*innen. Gleichzeitig sollen neue Flächen für den Ausbau von Offshore-Windkraftanlagen erschlossen werden. Denn auf Meeresflächen erzeugter Windstrom (Offshore Windenergie) ist ein wesentlicher Bestandteil einer nachhaltigen Energieversorgung. Wie gelingt es, Windkraft-Ausgleichsflächen gründlich zu erschließen und zu überwachen, ohne die empfindliche Biodiversität im Meer zu schädigen?
Die Idee: Welchen Beitrag kann KI konkret leisten?
Ziel dieses Projekts „AI-Reefshield“ ist mithilfe Künstlicher Intelligenz (KI) Offshore-Meeresbiotope zu monitoren, um kostenintensive und emissionsreiche Ausfahrten von bemannten Missionen per Schiff zu reduzieren. Statt Taucher*innen werden autonome Unterwasserfahrzeuge eingesetzt, um notwendige Daten zu sammeln. Mit KI werden die komplexen Roboterfahrzeuge gesteuert und die erfassten Daten ausgewertet. Ein autonomes Unterwasserfahrzeug (AUV) fährt selbstständig durch schwer navigierbare Riffstrukturen, indem es Videodaten, Sonar- und Strömungsinformationen in Echtzeit verarbeitet und seine Route mithilfe von KI (Reinforcement Learning) laufend anpasst. Dabei überwacht eine bordeigene KI die Datenqualität und Fahrzeugfunktionen, erkennt Rifforganismen und deren Zustand mithilfe komplexer Verfahren wie Klassifikation, Objekterkennung und Segmentierung.
Besondere Aufmerksamkeit gilt hier der Beobachtung von Austernriffen – vor allem der stark gefährdeten Europäischen Auster. Denn Austernriffe können Kohlenstoff binden und sind somit wichtige Kohlenstoffspeicher in flachen Küstengewässern.
Der Ausblick: Welchen Leuchtturmcharakter hat das Projekt?
In diesem Projekt werden gezielt Renaturierungsflächen genutzt, um das Monitoring-System zu testen und weiterzuentwickeln. Das entwickelte System soll später auch für ähnliche Aufgaben eingesetzt werden, beispielsweise zur Überwachung von Naturschutzgebieten, das Aufspüren von Munitions-Altlasten oder die Überwachung kritischer Infrastruktur. Die KI-Software soll so entwickelt werden, dass sie auf verschiedene Anwendungen und andere Meeresökosysteme mit einzigartiger Biodiversität anwendbar ist.