Deutschland will insgesamt mindestens zwei Prozent der Landesfläche für die Windenergie ausweisen: Bis 2040 sollen onshore Windenergieanlagen mit einer Gesamtleistung von 160 GW installiert sein. Doch wie können geeignete Flächen möglichst schnell identifiziert werden? „In Deutschland gibt es praktisch keine freien Flächen mehr, weil alle schon mit einer Nutzung belegt sind“, sagt Henning Arends, Forschungs- und Projektmanager bei Nefino, einem Unternehmen, das sich auf Geoanalysen für die Energiebranche spezialisiert hat. Entsprechend langwierig und konfliktbeladen ist bislang der Prozess, in dem Windpotenzialflächen identifiziert und ausgewiesen werden. Unterschiedliche Flächendaten werden händisch miteinander kombiniert, so dass Tabu-und Konflikt-Zonen sichtbar werden. Meteorologische Daten helfen, geeignete Standorte zu finden.
Geoinformationen und Künstliche Intelligenz
Im Forschungsprojekt WindGISKI wurde nun die Demonstrationsversion eines KI-Tools entwickelt, das dabei hilft, diese komplexe Standortanalysen automatisiert durchzuführen. Das Tool verbindet ein Geoinformationssystem (GIS), wie es bislang bei der Flächenidentifikation zum Einsatz kommt, mit Künstlicher Intelligenz (KI). Dafür wurde Deutschland in 50 mal 50 Meter große Kacheln unterteilt. Alle bereits vorliegenden Daten wie der Abstand zu Wohngebieten, eventuell vorhandene windkraftsensible Vorgelarten oder meteorologische Daten flossen in die Bewertung der Kacheln als geeignet oder ungeeignet für die Windenergienutzung ein.
„Um die KI mit den Daten zu trainieren, haben wir negative und positive Beispiele aus den vorhandene Flächen ausgewählt“, erklärt Daniel Gritzner vom Institut für Informationsverarbeitung der Leibniz Universität Hannover. Nur so kann die KI zwischen geeigneten und ungeeigneten Flächen unterscheiden. Eine App stellt die Ergebnisse als Karte dar, geeignete Stellen sind farblich markiert. Nutzer können eine Fläche auswählen und erhalten eine detaillierte Bewertung sowie eine Analyse, wie die zugrunde liegenden Merkmale gewichtet wurden. Für größere Regionen kann der Algorithmus zudem Vorschläge für die besten verfügbaren Flächen basierend auf dem KI-Scoring machen. „Außerdem können die Bedingungen modifiziert werden“, erläutert Gritzner. So können Nutzer simulieren, welche Folgen beispielweise die Veränderung von Abstandsregelungen hätte. „Es können - so unsere Hoffnung - dadurch mehr und größere konfliktarme Flächen gefunden werden“, sagt Tomke Menger, Referentin des LEE Niedersachsen, der ebenfalls am Projekt beteiligt ist.
Gut geeignete Flächen sind kein Garant für einen konfliktfreien Projektverlauf
Noch liegt das Tool in der Demoversion vor, ist also für Kunden, etwa Planungsbehörden oder Projektentwickler, nicht nutzbar. Für eine Weiterentwicklung zur Marktreife braucht es noch Zeit, Geld – und potenzielle Kunden.
Zudem zeigt sich in der Praxis, dass selbst gut geeignete Flächen kein Garant für einen konfliktfreien Projektverlauf sind. Fallanalyen ergaben, dass auf schwierigen Flächen, zum Beispiel mit Wasserschutzgebiet und seismologischer Messstation in der Nähe, trotzdem ohne größere Konflikte geplant werden konnte – und Flächen, bei denen genau das Gegenteil der Fall war. „Viel hängt von den sozialen Dynamiken vor Ort ab“, sagt Tamara Schnell, Soziologin von der Carl von Ossietzky Universität Oldenburg. Wie positionieren sich Entscheidungsträger? Wie erfahren sind Behörden im Umgang mit Windprojekten? Solche unterschiedlichen lokale Gegebenheiten und Interessen könnten den Ausbau der Windenergie verzögern oder auch beschleunigen, so Schnell. Trotz KI-Einsatz wird es also auf menschliche Fähigkeiten wie Kooperation und die Bereitschaft, Konflikte zu lösen, weiterhin ankommen. (kw)
Zum Weiterlesen:
NRW: Gericht stoppt Aussetzung von Wind-Genehmigungen
Süden und Osten mit größtem Rückstand bei Windkraftflächen
Nachlaufeffekte und Strömungsverbesserung: Windenergie in der Deutschen Bucht
