FKZ 3723 11 602 0 - Nachhaltigkeitspotentialanalyse für die Zweckmäßigkeit und den Aufwand von Datenannota-tionen für Machine Learning (ML)-Modelle

„Nachhaltigkeitspotentialanalyse für die Zweckmäßigkeit und den Aufwand von Datenannota-tionen für Machine Learning (ML)-Modelle“ In vielerlei Hinsicht besitzt Maschinelles Lernen (ML) großes Potential für die Erreichung der Pariser Nachhaltigkeitsziele. Insbesondere Supervised Machine Learning erfordert jedoch die Aufbereitung von Rohdaten in Form von Annotationen und die damit verbundene Zusammenstellung von nutzbaren Datensätzen. Dieser Prozess ist, vor allem mit Blick auf manuelle Annotationen großer und komplexer Datenmengen, besonders zeit- und arbeitsintensiv und kreiert häufig eine Lücke zwischen verfügbaren Rohdaten und der tatsächlichen Anwendung. Das Vorhaben soll einen wichtigen Beitrag zur Zurverfügungstellung von qualitativ hochwertigen Umweltdaten bzw. umweltrelevanten Daten nach den „FAIR“-Prinzipien leisten, um moderne Verfahren des maschinellen Lernens besser sowohl für Belange des Umweltressorts als auch für Akteure aus Forschung, Wirtschaft/ Industrie sowie der Zivilgesellschaft nutzbar zu machen. Der datenzentrierte Ansatz ergänzt hierbei aus KI-Sicht die bereits laufenden Bereitstellungsmaßnahmen von Umweltdaten (z. B. zentrales Portal für Umwelt- und Naturschutzinformationen umwelt.info | Umweltbundesamt, Green Deal Dataspace (green-deal-dataspace.eu), ChatClimate / ClimateBert). Das Vorhaben soll helfen, die besonderen Potenziale von KI im Umweltbereich zu entfalten und Lücken zwischen technisch notwendigen Grundlagen und Anwendungsbereichen für den Umwelt- und Ressourcenschutz zu schließen. Mit dem Anwendungslabor für Künstliche Intelligenz und Big Data im Umweltbundesamt (KI-Lab) besitzt das Umweltressort zudem ein Eigeninteresse an der Aufbereitung von Umweltdaten für Verfahren des maschinellen Lernens, um zukunftsorientierte, digitale Technologien wirksam und wertschöpfend sowie mit direktem Nachhaltigkeitsbezug und im Sinne einer sozial-ökologischen Transformation für die Aufgabenwahrnehmung einsetzen zu können. Zu diesem Zweck sollen im Forschungsvorhaben zunächst eine Potential- und Wirkungsanalyse von Datenannotationen im Bereich von Umweltdaten und umweltrelevanten Daten unter Einbeziehung verschiedener Sektoren (z. B. Energie, Kreislaufwirtschaft, Landwirtschaft, Mobilität, Biodiversität) durchgeführt und besonders für die Bereitstellung annotierter Datensets geeignete Bereiche ausgewiesen werden. Darauf aufbauend sollen mögliche Maßnahmen der Bundesregierung diskutiert werden, welche sowohl den Zugang öffentlicher und privater Akteure zu Umweltdaten und umweltrelevanten Daten als auch deren Austausch und gemeinsame Nutzung über Sektoren hinweg fördern und verbessern können. Schließlich sollen strategische Empfehlungen für Annotationsmethoden und die sektorübergreifende Bereitstellung entsprechender Datensets für Verfahren des maschinellen Lernens entwickelt und am Beispiel von zwei Datensets prototypisch umgesetzt werden.