Thought Leadership
Die kommende Datenökonomie muss in den Grundlagen, die jetzt gelegt werden, an den Umwelt- und Klimaschutzzielen ausgerichtet sein. Bislang jedoch spielen Umweltaspekte in den Vorschlägen für die Regulierung der künstlichen Intelligenz (KI) keine wesentliche Rolle.
Das zeigen Peter Gailhofer und Johannes Franke in ihrer Studie „Datenregulierung als sozial-ökologische Weichenstellung“ im Forschungsverbund Ecornet Berlin. Die beiden Juristen vom Öko-Institut und dem Unabhängigen Institut für Umweltfragen (UfU) haben ihre Ergebnisse unter anderem im Fachjournal „Zeitschrift für Umweltrecht“ (ZUR) veröffentlicht und mit Akteuren der Berliner Stadtgesellschaft diskutiert, wie Daten zum Wohnen und Bauen die Stadt auf dem Weg zur Klimaneutralität unterstützen können.
Die Wissenschaftler haben Leitideen entwickelt, die das Ziel der sozial-ökologischen Steuerung verhaltenssteuernder Systeme aus verschiedenen Blickwinkeln anpeilen: individuelle und öffentliche Datensouveränität, staatliche Datenverantwortung, Datentransparenz, Datensolidarität, Datensuffizienz.
Wird sich die Digitalisierung als Werkzeugkasten für die nachhaltige Transformation oder als Brandbeschleuniger für umweltschädliche Wachstumsmuster herausstellen? Maßgeblichen Einfluss darauf hat die Art, wie wir in Zukunft Daten erheben sowie deren Zugang und Nutzung regeln. „Derzeit herrscht hier noch Wildwuchs“, so die beiden Juristen.
Künstliche Intelligenz entscheidet nach Daten
Wird KI mit Daten gefüttert, lernt sie aus diesen Daten und verstärkt diese. Egal, ob die Daten die Basis für gute oder schlechte Verhaltensmuster bieten, die KI schlägt die Entscheidungen immer wieder vor.
Beispiel: Kfz-Navigationssysteme
Ein Beispiel sind Navigationssysteme, die den vielleicht langsameren, aber stauvermeidenden Weg zum Ziel vorschlagen, oder empfehlen, Park&Ride-Angebote zu nutzen. Wird aber als Voreinstellung die schnellste oder komfortabelste Route vorgeschlagen, kann das zu einer stärkeren Verkehrsdichte und erheblich höheren CO2-Ausstößen führen.
Beispiel: Wartung von Windrädern
Die vorausschauende Instandhaltung bei Windkraftanlagen ist ein zweites Beispiel. Aus den Anlagen werden Zustandsdaten gewonnen, die dann selbststartend und vorausschauend Wartungsarbeiten auslösen. Je nachdem, wer die steuernde KI mit Daten füttert, sehen die Ergebnisse sehr unterschiedlich aus: Ist das Ziel Ressourcen einzusparen, kann die Nutzungszeit von Verschleißteilen oder der Ölwechsel optimiert werden. Ist das Ziel Instandhaltungskosten einzusparen, entstehen im Vergleich größere Belastungen für die Umwelt.
Beispiel: Daten über den Wasserverbrauch
Daten können entweder gesamtgesellschaftlichen Nutzen stiften, aber auch Risiken und Schäden verursachen. So kann ein Versorgungsunternehmen Daten über den Wasserverbrauch einer Gemeinde für eine gewinnmaximierende Preisgestaltung nutzen oder dafür, Strategien zu entwickeln, um den Wasserverbrauch zu reduzieren.
www.oeko.de
