"KI kann die Energiewende beschleunigen."

Wie lassen sich Windenergieflächen in Deutschland schneller, transparenter und naturverträglicher identifizieren? Darüber sprach die ZUG gGmbH mit Prof. Dr. Raimund Rolfes, Projektleiter des KI-Leuchtturms WindGISKI.

Was hat Sie zu dem Projekt motiviert?

Der Klimawandel und die damit verbundenen Auswirkungen zeigen, dass die Transformation des Energiesektors von fossilen Brennstoffen hin zu erneuerbaren Energien von besonderer Bedeutung für Natur und Gesellschaft ist. Im Jahr 2023 deckten die Erneuerbaren Energien erstmals mehr als 50 Prozent des Bruttostromverbrauchs in Deutschland. Die Windenergie war hier mit etwa 31 Prozent der wichtigste Energieträger für die Stromerzeugung. Trotz dieser positiven Bilanz zeigen die Zahlen, dass der Ausbau der Windenergie zum Ende der 2010er-Jahre rückläufig war. Gründe hierfür sind umfangreiche Genehmigungsstaus, langwierige Klageverfahren, aber auch zunehmende Konflikte im Zusammenhang mit dem Natur- und Artenschutz sowie dem Immissionsschutz. Die Ausweisung geeigneter Potenzialflächen zur Errichtung von Windparks ist demnach eine immer größer werdende Herausforderung für alle Beteiligten. Mit dem Ziel, die Prozesse zur Auswahl und Ausweisung geeigneter Potenzialflächen für den Ausbau der Windenergie zu beschleunigen, widmet sich das Projekt WindGISKI der Entwicklung datengestützter Methoden zur georeferenzierten Bewertung unbebauter Flächen in Deutschland. 

Was war das Ziel?

Ziel des Projekts war es, mit einem geoinformationsbasierten Modell zur Potenzialflächenbewertung alle am Ausbau der Windenergie beteiligten Interessenvertreter*innen – wie Regionalplaner*innen und Investor*innen – bei der Auswahl und Planung zukünftiger Windenergieprojekte zu unterstützen. Zeitgleich sollte ein Beitrag zu mehr Transparenz bei der Flächenauswahl für die Windenergie geleistet werden. Dies wird zum einen dadurch ermöglicht, dass die Entscheidungen des KI-Modells mit modernen Methoden nachvollziehbar gemacht werden. Zum anderen werden wichtige Aspekte – wie beispielsweise der Immissionsschutz – in separaten Karten innerhalb des Geoinformationssystems übersichtlich und gezielt dargestellt.

Was waren die Projektergebnisse?

Im Rahmen des Projekts wurde ein auf Künstlicher Intelligenz basierendes System entwickelt. Es berücksichtigt eine Vielzahl von Einflussgrößen wie den Arten- und Naturschutz, gesetzliche Vorgaben zum Immissionsschutz sowie sozialwissenschaftliche Faktoren wie Bürgerinitiativen. Auf Basis all dieser relevanten, georeferenziert aufbereiteten Parameter leitet das System die Eignung unbebauter Flächen für den Ausbau der Windenergie ab.
Ein wesentlicher Projekterfolg besteht in der systematischen Erfassung und Aufbereitung relevanter Einflussgrößen von Windenergieprojekten aus verschiedenen Wissenschaftsbereichen. So wurden für die Flächenbewertung relevante Daten zu Lebensräumen schutzbedürftiger Tiere, immissionsschutzrelevante Informationen zur Bebauung und durch semistrukturierte Interviews erlangte Expert*innenmeinungen systematisch erfasst und georeferenziert aufbereitet. 
Diese Datenbeschaffung und -aufbereitung stellt einen wichtigen Meilenstein zur automatisierten Flächenbewertung für die Windenergie dar. Insbesondere für den gezielten Einsatz Künstlicher Intelligenz ist diese solide Datenbasis unerlässlich. Auf Grundlage dieser Datenbasis konnte im Rahmen des Projekts ein KI-Modell entwickelt werden, welches unter Berücksichtigung einer Vielzahl an Einflussgrößen für ganz Deutschland eine geografisch gut aufgelöste Flächenbewertung ausgibt. Das KI-Modell wurde bereits als Prototyp in eine GIS-Applikation integriert und verschiedenen Interessenvertreter*innen präsentiert.

Welche Herausforderungen gab es im Projekt?

Eine wesentliche Herausforderung in Bezug auf die KI-Entwicklung bestand in der Identifikation relevanter Einflussgrößen und deren systematischer Aufbereitung für das Training des KI-Modells. Denn für die Bewertung von Potenzialflächen für Windenergieanlagen sind verschiedene Interessen weit über die Gesetzeslage hinaus zu berücksichtigen. Die relevantesten Einflussgrößen mussten recherchiert und aus Expert*innen-Interviews extrahiert werden. Weitere Herausforderungen bestanden in der geeigneten Aufbereitung der erhobenen Informationen sowie der formalen Definition eines Optimierungskriteriums. Dieses bildet einerseits die gewünschte Problemstellung einer Flächenbewertung für den Ausbau der Windenergie ab und kann andererseits mithilfe der verfügbaren Datenquellen sinnvoll für das KI-Training verwendet werden.  

Welchen Impact haben die Projektergebnisse für den Klimaschutz? 

Das KI-unterstützte Geoinformationssystem bietet das Potenzial, alle an Windenergieprojekten beteiligten Stakeholder bei der Auswahl und Priorisierung der nutzbaren Flächen zu unterstützen. Dies kann dazu beitragen, zukünftige Windenergieprojekte effizienter, schneller und konfliktärmer umzusetzen, wodurch ein wesentlicher Beitrag zur Transformation des Energiesektors geleistet wird. Mit der Nefino GmbH, welche sich auf Flächenanalysen und Standortbewertungen für den Energiemarkt spezialisiert hat, steht zudem ein wirtschaftlicher Projektpartner zur Verfügung, der Teilergebnisse des Projekts kurz- bis mittelfristig in seine Dienste integrieren und so gezielt den entsprechenden Interessensgruppen zugänglich machen kann.