AI + Environment Summit 2025: Wie die Greater Zurich Area nachhaltige KI vorantreibt

KI für Biodiversität: Prof. Sara Beery (MIT) über Artenmodellierung

Prof. Dr. Sara Beery, Assistenzprofessorin am Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT, entwickelt Computer-Vision-Methoden zur grossflächigen Überwachung von Biodiversität und Umweltveränderungen. Ihr Forschungsfokus liegt darauf, KI-Modelle robuster gegenüber unterschiedlichen Datenquellen, unvollständigen Datensätzen und ungleichen Artenverteilungen zu machen – und damit eine Brücke zwischen ökologischer Wissenschaft und modernem maschinellem Lernen zu schlagen, um den Artenschutz in der Praxis zu unterstützen.

In ihrer Keynote stellte Beery die Arbeit ihres Teams zu multimodaler Deep-Learning-Artenverteilung vor – einem Framework, das Kamerafallenbilder, Satellitendaten und Umweltfaktoren kombiniert, um die Präsenz von Arten präziser zu schätzen. Indem reale Datenkomplexität und Erkennungsunsicherheiten berücksichtigt werden, geht das Modell über idealisierte Laborszenarien hinaus und liefert praxisrelevante Erkenntnisse für Naturschutzpolitik, Wildtiermanagement und Lebensraumrestauration.

💡Key takeaway:

Künstliche Intelligenz im Naturschutz einzusetzen bedeutet, Modelle zu entwickeln, die mit der Komplexität der Natur umgehen können – indem sie Felddaten, Unsicherheiten und Massstab integrieren, um verlässliche Grundlagen für ökologische Entscheidungen zu schaffen.

Sehen Sie auch: Prof. Devis Tuia (EPFL / UZH) über Machine Learning für die Erde

Aus Schweizer Perspektive präsentierte Prof. Dr. Devis Tuia in seiner Keynote „Machine Learning for Earth: Monitoring the Pulse of Our Planet with Sensor Data, from Your Phone All the Way to Space“, wie Satelliten-, Drohnen- und Bodensensordaten in Machine-Learning-Modellen genutzt werden, um aus Rohsignalen umsetzbare Erkenntnisse für Klima- und Biodiversitätsmonitoring zu gewinnen.
🎥Hier ansehen: Keynote von Prof. Tuia. 

AI4EO for Social Good: Prof. Xiaoxiang Zhu (TUM) über Fernerkundung mit Machine Learning

Prof. Dr. Xiaoxiang Zhu, Lehrstuhlinhaberin für Data Science in Earth Observation an der Technischen Universität München (TUM), leitet ML4Earth, das AI4EO Lab und das Munich Data Science Institute. Sie entwickelt Methoden der Fernerkundung und des Maschinellen Lernens (ML), die globale Erdbeobachtungsdaten in umsetzbare Erkenntnisse für Urbanisierung, Klimaforschung und nachhaltige Entwicklung verwandeln.

In ihrer Keynote zeigte Zhu, wie AI for Earth Observation (AI4EO) der Gesellschaft zugutekommen kann – von der Entwicklung des Global Building Atlas, eines weltweiten 3D-Datensatzes zu Gebäudeflächen und -höhen, bis hin zur Erfassung des Gletscherrückgangs anhand jahrzehntelanger Satellitenaufnahmen. Sie plädierte für Erdbeobachtungs-Foundation-Modelle, die physikalisch fundiert, unsicherheitsbewusst und multi-sensorisch konzipiert sind.

💡Key takeaway:

Um echten gesellschaftlichen Nutzen zu erzielen, muss Künstliche Intelligenz für die Erdbeobachtung über reine Genauigkeit hinausgehen – Modelle müssen physikalisch konsistent, transparent und skalierbar sein, um Fernerkundungsdaten in verlässliche Erkenntnisse für Klima- und Stadtforschung zu übersetzen.

AI to Impact – Wie Umwelt-KI Vertrauen schafft – von der Forschung bis zu Politik und Märkten

In der abschliessenden Paneldiskussion ging es um die Frage, wie Künstliche Intelligenz (KI) über reine Vorhersagen hinausgehen und messbare, gerechte Wirkung für Klima, Biodiversität und Gesellschaft entfalten kann.

Die Panelteilnehmenden:

• Prof. Dr. Millie Chapman (ETH Zurich) 
  Assistenzprofessorin für Umweltpolitik an der ETH Zürich. Ihre Forschungsgruppe arbeitet an der Schnittstelle von Entscheidungswissenschaft, Ökologie und Datenethik und untersucht kritisch, wie computergestützte Werkzeuge dazu beitragen können, Biodiversitäts- und Klimaziele zu erreichen. Zuvor forschte sie bei Google Research, am National Center for Ecological Analysis and Synthesis (NCEAS) und bei Climate Change AI (CCAI) – und verbindet heute KI, Umweltpolitik und Ethik.
  🎥Keynote ansehen: How AI can help inform just Environmental Futures

• Dr. Michael Anthony (Vertify.Earth)
  Mitbegründer und Geschäftsführer von Vertify.Earth. Das Unternehmen entwickelt KI-gestützte Tools für naturpositive Massnahmen in empfindlichen und klimarelevanten Regionen. Anthony setzt sich für Transparenz, lokale Kontextsensitivität und Vertrauen zwischen Datenliefernden und politischen Entscheidungsträger:innen ein.
  🎥 Keynote ansehen: Context and Caution in Environmental AI

• Prof. Dr. S. Karthik Mukkavilli (Mercuria / KAIST)
  Leiter der KI-Abteilung der Mercuria Energy Group und ausserordentlicher Professor am Korea Advanced Institute of Science and Technology (KAIST). Sein Forschungsschwerpunkt liegt auf Grundlagenmodellen, multimodalen Daten und Reinforcement Learning für Energie- und Erdsysteme. Er verbindet wissenschaftliche Modellierung mit praktischer Anwendung in realen Märkten.
  🎥 Keynote ansehen: AI for Complex Systems

Die Diskussion machte deutlich, dass bessere Modelle allein nicht genügen – wirkungsvolle KI muss soziale, wirtschaftliche und ethische Realitäten berücksichtigen. Chapman betonte partizipatives Design und Fairness, Anthony hob Vertrauen und Datenherkunft in einem politisch und regulatorisch komplexen Umfeld hervor, und Mukkavilli unterstrich die Bedeutung eines verantwortungsvollen Einsatzes in kritischen Bereichen wie Energiehandel und Klimavorhersage.

💡 Key takeaway:

Umwelt-KI entfaltet Wirkung, wenn sie transparent, prüfbar und gemeinsam mit ihren Nutzer:innen entwickelt wird – und so die Brücke schlägt zwischen Forschung, Politik, Märkten und Naturschutz.