Damit Wälder langfristig erhalten bleiben und sich ändernden Umweltbedingungen anpassen können, muss ihr Zustand regelmäßig erfasst werden – etwa um Schäden und Krankheiten zu erkennen oder das Wachstum abzuschätzen. Diese Kontrollen sind Grundlage für viele wichtige Entscheidungen in der Waldwirtschaft. Doch noch immer läuft vieles dabei analog ab. "Bei Waldinventuren wird der Stammdurchmesser und die Höhe von Bäumen manuell vermessen. Das liefert sehr präzise Daten, ist wegen des hohen Aufwandes aber nur für ausgewählte, kleine Probeflächen möglich", erzählt Josafat-Mattias Burmeister.
Josafat-Mattias hat seinen Master am HPI absolviert, er ist seit 2023 als wissenschaftlicher Mitarbeiter bei Prof. Döllner und maßgeblich in dem Projekt "TreeDigitalTwins" der Digital Engineering Fakultät involviert. Er selbst und Prof. Döllner sind naturbegeistert, teilen eine persönliche Leidenschaft für den Wald und das Ziel, die Verbindung zwischen Technologie und realem Waldgeschehen herzustellen.
"In der Waldwirtschaft wird das KI-Potential noch zu wenig genutzt, um Zustand und Vorgänge im Wald automatisiert und großflächig zu erfassen", sagt Prof. Döllner.
Genau hier setzt das Forschungsprojekt an, an dem die Digital Engineering Fakultät (Fachgebiet Computergrafische Systeme, Prof. Döllner), gemeinsam mit der Hochschule für nachhaltige Entwicklung Eberswalde (HNEE, Fachbereich für GIS und Fernerkundung, Prof. Mund), dem Leibniz-Institut für Agrartechnik und Bioökonomie (ATB, Arbeitsgruppe Verfahrenstechnik für Energiepflanzen, Dr. Ralf Pecenka) und weiteren Projektpartnern arbeitet: Mit Fernerkundungsdaten und KI-Verfahren erfasst das interdisziplinäre Team zahlreiche exemplarische Waldflächen digital, analysiert sie anschließend mit KI-basierten Methoden, um damit evidenzbasierte datengetriebene Entscheidungen in der Waldwirtschaft zu unterstützen.
Der Wald als 3D-Datenmodell
Laserscanner, Drohnen und Millionen Messpunkte ersetzen das Maßband. Das Team entwickelt digitale Verfahren, die mithilfe von KI in diesen räumlich expliziten 3D-Punktwolken konkrete Einzelbäume detektieren. "Also: Wo sind die Stämme, wo ist Laub, wo ist Boden?" Aus diesen Daten entstehen Kennzahlen zu Höhe, Stammdurchmesser oder Kronenvolumen und mit wiederholten Datenaufnahmen auch Zeitreihen, um Wachstum, Holzernten und Verluste zu beobachten.
Die Forschenden sind sich der Grenzen ihrer Arbeit bewusst. "KI ersetzt keine Försterinnen und Förster", sagt Dr. Rico Richter, Postdoc an der Digital Engineering Fakultät. "Aber sie kann helfen, bessere empirische Grundlagen für Entscheidungen zu schaffen."
Denn die Herausforderung ist groß: Wälder sind komplexe Ökosysteme, und kein Algorithmus kann alle ihre Dynamiken erfassen. Gleichzeitig steigt der Druck, auf Klimawandel, Trockenheit und Schädlingsbefall schnell zu reagieren.
Bei der Entwicklung der KI-Methoden arbeiten die Projektpartner eng zusammen. "Wir bringen unterschiedliche Perspektiven zusammen – Forstpraxis und Datenwissenschaft", erklärt das Projektteam.
Regelmäßig sind die Forschenden selbst im Wald: "Wir brauchen Referenzdaten – also reale Messwerte, um die KI zu trainieren und zu testen. Dafür stehen wir mit Maßband und Tablet dann doch wieder draußen zwischen den Bäumen."
Ein Schwerpunkt des Projekts liegt darauf, KI-Verfahren zu entwickeln, die auch in unterschiedlichen Waldtypen funktionieren. "Viele bestehende KI-Ansätze sind nur auf Nadel- oder Laubwälder spezialisiert. Unser Ziel ist, Modelle robuster und übertragbarer zu machen."
Dafür dient unter anderem der Sauener Forst (im Osten Brandenburgs, Landkreis Oder-Spree) als eines der Testgebiete: Dort befinden sich komplexe Mischwälder, die aufgrund ihrer hohen Struktur- und Artenvielfalt ein besonders anspruchsvolles Test-Szenario für die KI darstellen. "So können wir sehen, wie gut die Verfahren mit der Realität umgehen."
Skepsis und Begeisterung
Wie reagiert die Forstpraxis? "Sehr gemischt", berichten die Forschenden. "Es gibt Skepsis – manche sehen Digitalisierung kritisch. Aber wenn wir zeigen, dass unsere Daten echte Erkenntnisse liefern, überzeugt das."
Ein Beispiel: Nach einem Sturm beflogen die Projektpartner von der HNEE betroffene Berliner Waldgebiete und erkannten mithilfe eines KI-Modells (WinMolAnalyser) umgestürzte Bäume. "Plötzlich hatten die Förster eine Karte ihres gesamten Bestands – das war für viele ein Aha-Moment", sagt Stefan Reder, wissenschaftlicher Mitarbeiter und Doktorand an der HNEE.
"Der Umbau des Waldes muss vorangetrieben werden", sagt Josafat-Mattias. "Aber dazu brauchen wir erst einmal belastbare Informationen. Wenn ich nicht weiß, was ich habe, entscheide ich im Blindflug – und das können wir uns angesichts des Klimawandels nicht leisten."
Denn Entscheidungen im Wald wirken über Jahrzehnte. "Was wir heute tun, zeigt sich erst in 50 oder 100 Jahren", so das Team. "Deshalb ist es wichtig, jetzt die Voraussetzungen für datengetriebene Entscheidungen zu schaffen."
Das Projekt ist Teil der Forschungsinitiative "REGULUS" (Regionale Innovationsgruppen für eine klimaschützende Wald- und Holzwirtschaft) des Bundesministeriums für Forschung, Technologie und Raumfahrt und wird voraussichtlich noch drei Jahre dauern. Mithilfe von weiteren Datenaufnahmen und KI werden Waldgebiete weiter erfasst. Die Daten und digitalen Waldmodelle sollen künftig Forstverwaltungen, Waldbesitzer:innen und Kommunen unterstützen – mit belastbaren Informationen über Bestände, Wachstum und Zustand der Wälder. So können dann auch fundierte Entscheidungen für nachhaltiges Management getroffen werden. Website des Forschungsprojektes: treedigitaltwins.de
