„Den Ausbau der Erneuerbaren Energien drastisch zu beschleunigen“ – das haben SPD, Grüne und FDP im Koalitionsvertrag vereinbart. Viele Windenergie-Ausbauprojekte werden allerdings durch Klagen aus der Bevölkerung verzögert oder gar gestoppt. Damit in Zukunft weniger Projekte scheitern, soll im Forschungsprojekt „WindGISKI“ ein Geoinformationssystem entwickelt werden, das mit Hilfe von Künstlicher Intelligenz die Erfolgsaussichten vorhersagt. In das System sollen auch umfangreiche demografische und soziologische Daten einfließen. Ein Konsortium aus Wirtschaft und Wissenschaft arbeitet im Forschungsprojekt „WindGISKI“ eng zusammen, beteiligt sind diverse Disziplinen von der Informatik bis zur Sozialwissenschaft.
Mehr Tempo beim Windanlagen-Bau ist dringend notwendig, sofern die Menge der in Deutschland produzierten Windenergie nicht nur beibehalten, sondern gesteigert werden soll. Derzeit gibt es etwa 30.000 Windenergieanlagen deutschlandweit. Etwa die Hälfte davon könnte in den kommenden zehn Jahren vom Netz gehen, weil beispielsweise die EEG-Förderung abläuft oder technische Komponenten veraltet sind.
Doch welche Flächen eignen sich für das Repowering oder den Neubau von Windenergieanlagen? Wo gibt es nicht nur ausreichend Platz, sondern auch genug Wohlwollen in der Bevölkerung, damit lokale Windenergie-Ausbauprojekte Erfolg haben können? Diese Frage will ein Konsortium aus Wissenschaft und Wirtschaft im Forschungsprojekt „WindGISKI“ beantworten.
Ziel ist es, ein Geoinformationssystem zu entwickeln, das mit Hilfe von Künstlicher Intelligenz für jeden Winkel Deutschlands berechnet, wie erfolgversprechend Windenergie-Ausbauprojekte dort sein werden. Bei der Prognose werden nicht nur harte Faktoren berücksichtigt, etwa der Abstand zu Siedlungen oder das Windvorkommen, sondern es fließen erstmals auch umfangreiche demografische und soziologische Faktoren in die Bewertung ein. Dazu gehören beispielsweise die politische Ausrichtung in der Region, das Durchschnittsalter, der Bildungsgrad und vieles mehr. Auch die Anzahl der bisherigen Windenergieanlagen wird berücksichtigt.
Dass dieser Ansatz vielversprechend ist, hat eine Machbarkeitsstudie gezeigt, die das Institut für Integrierte Produktion Hannover (IPH) gGmbH und die Nefino GmbH im Sommer und Herbst 2020 durchgeführt haben. Die Wissenschaftler:innen haben Daten aus vergangenen Windenergieprojekten analysiert und Zusammenhänge festgestellt. Allerdings sind diese Zusammenhänge nicht unbedingt linear. So ist in Regionen, in denen bereits einige Windenergieanlagen vorhanden sind, die Bevölkerung grundsätzlich aufgeschlossener für weitere Bauprojekte – werden es allerdings zu viele, steigt die Wahrscheinlichkeit für Widerstand. Regionen mit einem hohen Anteil von umweltbewussten Bürgern stehen Windenergieanlagen in der Regel offener gegenüber, doch auch hier kann Widerstand wachsen, wenn beispielsweise Artenschutz-Bedenken eine Rolle spielen.
Die Realisierungswahrscheinlichkeit hängt also von vielen verschiedenen Faktoren ab, die sich noch dazu gegenseitig beeinflussen. Um komplexe Zusammenhänge zu erkennen, werden im Forschungsprojekt „WindGISKI“ Künstliche Intelligenz sowie Methoden des Data Mining eingesetzt. Als Grundlage dienen Daten von vergangenen Windenergie-Ausbauprojekten. Damit wird die Künstliche Intelligenz angelernt, bis sie die Erfolgsaussichten und die Realisierungsdauer nachbilden kann. Im Anschluss kann sie Zukunftsprognosen abgeben und die Realisierungswahrscheinlichkeit von Windenergie-Projekten für Potenzialflächen jeder Region in Deutschland vorhersagen – so das Ziel der Wissenschaftler:innen.
Das Geoinformationssystem, das im Forschungsprojekt entwickelt werden soll, soll bei zwei Problemen helfen. Zum einen soll es einfacher werden, vielversprechende Flächen für zukünftige Windenergie-Projekte zu identifizieren. Zum anderen kann das System dazu beitragen, herauszufinden, welche Hindernisse andernorts den Ausbau bremsen und wie sich diese Hürden beseitigen lassen. Beides trägt dazu bei, den Ausbau der Windenergie in Deutschland zu beschleunigen.
Insgesamt 8 Forschungseinrichtungen, Unternehmen und Verbände sind an „WindGISKI“ beteiligt:
Mehr Tempo beim Windanlagen-Bau ist dringend notwendig, sofern die Menge der in Deutschland produzierten Windenergie nicht nur beibehalten, sondern gesteigert werden soll. Derzeit gibt es etwa 30.000 Windenergieanlagen deutschlandweit. Etwa die Hälfte davon könnte in den kommenden zehn Jahren vom Netz gehen, weil beispielsweise die EEG-Förderung abläuft oder technische Komponenten veraltet sind.
Doch welche Flächen eignen sich für das Repowering oder den Neubau von Windenergieanlagen? Wo gibt es nicht nur ausreichend Platz, sondern auch genug Wohlwollen in der Bevölkerung, damit lokale Windenergie-Ausbauprojekte Erfolg haben können? Diese Frage will ein Konsortium aus Wissenschaft und Wirtschaft im Forschungsprojekt „WindGISKI“ beantworten.
Ziel ist es, ein Geoinformationssystem zu entwickeln, das mit Hilfe von Künstlicher Intelligenz für jeden Winkel Deutschlands berechnet, wie erfolgversprechend Windenergie-Ausbauprojekte dort sein werden. Bei der Prognose werden nicht nur harte Faktoren berücksichtigt, etwa der Abstand zu Siedlungen oder das Windvorkommen, sondern es fließen erstmals auch umfangreiche demografische und soziologische Faktoren in die Bewertung ein. Dazu gehören beispielsweise die politische Ausrichtung in der Region, das Durchschnittsalter, der Bildungsgrad und vieles mehr. Auch die Anzahl der bisherigen Windenergieanlagen wird berücksichtigt.
Dass dieser Ansatz vielversprechend ist, hat eine Machbarkeitsstudie gezeigt, die das Institut für Integrierte Produktion Hannover (IPH) gGmbH und die Nefino GmbH im Sommer und Herbst 2020 durchgeführt haben. Die Wissenschaftler:innen haben Daten aus vergangenen Windenergieprojekten analysiert und Zusammenhänge festgestellt. Allerdings sind diese Zusammenhänge nicht unbedingt linear. So ist in Regionen, in denen bereits einige Windenergieanlagen vorhanden sind, die Bevölkerung grundsätzlich aufgeschlossener für weitere Bauprojekte – werden es allerdings zu viele, steigt die Wahrscheinlichkeit für Widerstand. Regionen mit einem hohen Anteil von umweltbewussten Bürgern stehen Windenergieanlagen in der Regel offener gegenüber, doch auch hier kann Widerstand wachsen, wenn beispielsweise Artenschutz-Bedenken eine Rolle spielen.
Die Realisierungswahrscheinlichkeit hängt also von vielen verschiedenen Faktoren ab, die sich noch dazu gegenseitig beeinflussen. Um komplexe Zusammenhänge zu erkennen, werden im Forschungsprojekt „WindGISKI“ Künstliche Intelligenz sowie Methoden des Data Mining eingesetzt. Als Grundlage dienen Daten von vergangenen Windenergie-Ausbauprojekten. Damit wird die Künstliche Intelligenz angelernt, bis sie die Erfolgsaussichten und die Realisierungsdauer nachbilden kann. Im Anschluss kann sie Zukunftsprognosen abgeben und die Realisierungswahrscheinlichkeit von Windenergie-Projekten für Potenzialflächen jeder Region in Deutschland vorhersagen – so das Ziel der Wissenschaftler:innen.
Das Geoinformationssystem, das im Forschungsprojekt entwickelt werden soll, soll bei zwei Problemen helfen. Zum einen soll es einfacher werden, vielversprechende Flächen für zukünftige Windenergie-Projekte zu identifizieren. Zum anderen kann das System dazu beitragen, herauszufinden, welche Hindernisse andernorts den Ausbau bremsen und wie sich diese Hürden beseitigen lassen. Beides trägt dazu bei, den Ausbau der Windenergie in Deutschland zu beschleunigen.
Insgesamt 8 Forschungseinrichtungen, Unternehmen und Verbände sind an „WindGISKI“ beteiligt:
- das Institut für Statik und Dynamik der Leibniz Universität Hannover koordiniert das Projekt als Konsortialführer,
- das Institut für Integrierte Produktion Hannover (IPH) gGmbH,
- die Nefino GmbH,
- die fk-wind, das Institut für Windenergie der Hochschule Bremerhaven,
- der LEE Landesverband Erneuerbare Energien Niedersachsen | Bremen e.V.,
- die ARSU-Arbeitsgruppe für regionale Struktur-und Umweltforschung GmbH,
- das Institut für Informationsverarbeitung der Leibniz Universität Hannover und
- die Professur für Organisation & Innovation der Carl von Ossietzky Universität Oldenburg.
