Künstliche Intelligenz analysiert CO2-Ausstoss des Verkehrs

Eine an der Eidgenössischen Materialprüfungs- und Forschungsanstalt (Empa) entwickelte Analysemethode kann Aussagen darüber treffen, wie sich der Verbrauch der Fahrzeugflotte eines Landes von Jahr zu Jahr verändert. Diese neue Methode basiert auf Mathematik und Deep Learning-Techniken. Laut einer Mitteilung ist sie in der Lage aufzuzeigen, wo die Politik sowie Autokäuferinnen und -käufer ansetzen könnten, um die CO2-Emissionen zu reduzieren.

Das zu analysieren, sei in den vergangenen Jahren zunehmend schwierig geworden. Denn Fahrzeuge liessen sich aufgrund technischer Neuerungen nicht mehr in klassische Segmente wie Klein-, Mittel- und Oberklasse einteilen. Zudem würden Neufahrzeuge immer grösser und schwerer. Dazu nähmen die Hubräume ab, bei gleichzeitig immer besseren Wirkungsgraden der Motoren.

Deshalb bezeichnet die Empa-Abteilung Fahrzeugantriebssysteme ihre Analysetechnik als „wichtigen Durchbruch“: Sie ermögliche es, „die CO2-Emissionen separat zu bewerten und durch die Analyse grosser Datenbanken eine genaue automatische Fahrzeugklassifizierung vorzunehmen“, erläutert Forscherin Naghmeh Niroomand. „Dies erleichtert die Analyse von Flottenveränderungen in einem Land oder einem grossen Unternehmen.“ Dank dieser neuen Methode würden „subjektive und expertenbasierte Faktoren“ beseitigt und die Datenbanken aus der ganzen Welt vergleichbar.

Für die Schweiz konnte das Team die durchschnittlichen CO2-Emissionen neu zugelassener Personenwagen berechnen. Wären weniger schwere Fahrzeuge wie SUVs auf Schweizer Strassen unterwegs, würde dies die Dekarbonisierung am wirksamsten voranbringen, so Niroomand. Hilfreich wäre es auch, Fahrzeuge mit geringerer Leistung in derselben Fahrzeugklasse zu kaufen. mm