Eine neue KI-Karte soll erkennen, ob Bäume zu einem Urwald, einer Holzplantage oder einem Anbaugebiet gehören. Das ist wichtig für die EU‑Entwaldungsverordnung. Bei den heikelsten Klassen bleibt die Trefferquote jedoch begrenzt.
Satellitenkarten zeigen meist nur, ob an einer beliebigen Stelle Bäume stehen. Welcher Art sie sind, bleibt offen. Ein Team um Google Deepmind und das World Resources Institute will das mit einer neuen Karte im Projekt ForTy (Forest Typology) ändern.
Sie erfasst die Landfläche der Erde für das Jahr 2020 in zehn Metern Auflösung und ordnet jede Fläche einer von sechs Klassen zu: Primärwald, natürlich nachwachsender Wald, gepflanzter Wald, Plantagenwald, Baumkulturen wie Ölpalme, Kautschuk oder Kakao sowie sonstiges Land. Laut den Autoren ist es die erste globale Karte dieser Art. Bisherige Datensätze, auch die der EU-Kommission, decken höchstens Teile davon ab.
Die Karte zeigt für jeden Quadratkilometer die häufigste Wald- oder Landnutzungsklasse, die Daten selbst liegen in 10 Metern Auflösung vor. | Bild: Google DeepmindEU-Entwaldungsverordnung benötigt eine genaue Ausgangsbasis
EU-Entwaldungsverordnung benötigt eine genaue Ausgangsbasis
Hintergrund ist vor allem die EU-Verordnung für entwaldungsfreie Produkte (EUDR). Sie verbietet Waren, für die nach dem 31. Dezember 2020 Wald gerodet oder geschädigt wurde, etwa durch die Umwandlung von Urwald in eine Plantage. Ölpalmen- oder Kakaopflanzungen gelten dagegen als landwirtschaftliche Flächen. Wer das Risiko einer Lieferkette bewerten will, muss also wissen, wie eine Fläche im Jahr 2020 genutzt wurde. ForTy soll diese Ausgangsbasis liefern. Auch der Tropenwaldfonds TFFF und das UN-Ziel, bis 2030 dreißig Prozent der Landfläche zu schützen, sind auf solche Daten angewiesen.
Die größte Herausforderung laut Deepmind: Ein Waldtyp hängt von seiner Geschichte ab, weniger von seinem Aussehen. Ein alter gepflanzter Mischwald kann aus dem All aussehen wie ein natürlicher. Eine frisch abgeholzte Plantage bleibt per Definition Wald, wirkt im Satellitenbild aber wie kahler Boden.
Aus der Luft ähneln sich die fünf Wald- und Baumkulturklassen stark, das Modell unterscheidet sie anhand von Pflanzmustern, Wachstumszyklen und Ernterhythmen. | Bild: Google DeepmindDrei Modellstufen und gezielte Fehlerkorrektur
Als Grundlage dient Google Deepminds Modell AlphaEarth Foundations, das die Daten verschiedener Satelliten zu einer kompakten Beschreibung jedes Pixels verdichtet. Darauf setzen die Forschenden mehrere Bilderkennungsmodelle. Ein erstes Modell lernt aus geprüften Beispielen. Seine Vorhersagen fließen zusammen mit externen Daten zu Baumhöhen, Gebäuden und Rodungen als erweitertes Trainingsmaterial in ein zweites Modell. Ein abschließender Schritt wertet mehrere Jahre gemeinsam aus, um Ausreißer zu glätten. Bei der Anpassung älterer Trainingsdaten an die EU-Definitionen half Googles Sprachmodell Gemini.
ForTy trainiert drei aufeinander aufbauende Modelle und verbessert die Trainingsdaten in mehreren Active-Learning-Runden gezielt dort, wo die Karte Fehler zeigte. | Bild: Google DeepmindIn den Korrekturrunden lieferten Fachleute rund 43.000 zusätzliche Beispiele nach. Das Modell hatte etwa Weinberge in Europa als Baumkulturen eingestuft, natürliche Kiefernwälder in Mittelamerika für gepflanzt gehalten und Ölpalmen in Afrika und Indonesien übersehen. Plantagen trennen die Forschenden von anderen gepflanzten Wäldern behelfsweise über eine Erntezeit von 40 Jahren, da sich die eigentlich maßgebliche Bewirtschaftung aus dem All kaum erkennen lässt. Das passe nicht in jeder Region.
Hohe Gesamtgenauigkeit, Schwächen bei Plantagen und Baumkulturen
Zur Prüfung begutachteten jeweils zwei Fachleute 8.190 zufällig ausgewählte Standorte. Die Karte lag in 90,2 Prozent der Fälle richtig, bei der Frage "Wald oder nicht" in 95,5 Prozent. Die Autoren warnen jedoch, dass die Gesamtzahl stark von der leicht erkennbaren Klasse "sonstiges Land" getragen wird.
Bei den einzelnen Waldtypen fällt das Ergebnis gemischter aus. Primärwald, den die Fachleute vor Ort feststellten, erkennt die Karte zu 89 Prozent. Bei Baumkulturen und gepflanztem Wald findet sie dagegen nur rund die Hälfte, bei Plantagen 60 Prozent. Umgekehrt stimmt nur gut jede dritte bis vierte Plantagen- oder Baumkulturfläche auf der Karte nicht, beim gepflanzten Wald liegt sie sogar in einem Drittel der Fälle daneben. Die Schwächen treffen also ausgerechnet die für die EUDR zentralen Grenzen. Auch die Fachleute waren bei bewirtschafteten Flächen am häufigsten unsicher. Solche unklaren Fälle blieben bei der Bewertung außen vor, was die Ergebnisse leicht schönfärben könnte.
Gegenüber den eigens für die EUDR erstellten Karten der EU-Kommission schneidet ForTy auf denselben Prüfdaten besser ab. Bei Wald oder Nicht-Wald erreicht ForTy 95,5 statt 93,6 Prozent, bei den Waldtypen 90,9 statt 87,8 Prozent. Eine Schwäche hat das Modell aus den Trainingsdaten geerbt. Deren Bearbeiter stuften Wald nahe Straßen oder Siedlungen selten als Urwald ein, auch wenn er unberührt wirkte.
Schweden hat viel Wald, aber wenig natürlichen
Die Forschenden schätzen rund 4,1 Milliarden Hektar Wald weltweit. Fast 3,9 Milliarden Hektar davon sind natürlich, darunter etwa 2 Milliarden Hektar Primärwald. Gepflanzte Wälder umfassen rund 250 Millionen Hektar, Baumkulturen knapp 200 Millionen Hektar, überwiegend in Asien. Dort weist die Karte allerdings rund 200 Millionen Hektar zu viel Primärwald aus, vor allem in Russlands Nadelwäldern. In Afrika übersieht sie rund 94 Millionen Hektar Wald, vermutlich lichte Trockenwälder und Savannen.
In Südostasien prägen Baumkulturen und Plantagen das Bild, in Schweden und Finnland dominiert gepflanzter Wald. | Bild: Google DeepmindIn Schweden sind etwa zwei Drittel der Waldfläche gepflanzt, natürlicher Wald bedeckt nur rund ein Fünftel des Landes. Die Baumbedeckung wirke dort ausreichend, der für die Artenvielfalt wichtige natürliche Anteil könne aber kritisch niedrig sein, so die Autoren. Die höchsten Anteile natürlichen Waldes haben die Demokratische Republik Kongo, Indonesien und Brasilien.
Schattenkakao und lichte Gehölze bleiben Lücken
Kakao oder Kaffee unter einem natürlichen Blätterdach hält die Karte in manchen Regionen noch für Wald. Selektiv abgeholzte oder abgebrannte Wälder sind schwer einzuordnen. Lichte Gehölzflächen, die die EUDR gesondert führt, fehlt ForTy noch als eigene Klasse. Das soll in künftigen Versionen folgen.
Statt fester Kategorien liefert der Datensatz Konfidenzwerte pro Klasse, sodass Nutzer eigene Schwellenwerte setzen können. Die Karte, eine Klassifikationsebene und die Prüfdaten stehen unter CC-BY 4.0 frei zur Verfügung, auch in Google Earth Engine. Den Code veröffentlicht Google Deepmind in den Repositorys GeeFlow und JEO.
Deepmind hatte AlphaEarth Foundations im Juli 2025 als eine Art virtuellen Satelliten vorgestellt. Das Modell verdichtet optische Satellitenbilder, Radar, Laserscans und Klimasimulationen zu einer kompakten Beschreibung jeder 10 mal 10 Meter großen Fläche, die jährlichen Embeddings stehen seit 2017 frei in Google Earth Engine bereit. ForTy ist eines der ersten großen Kartenprojekte, das darauf aufbaut, und gehört laut Google zu Earth AI. Diese Sammlung von Geodatenmodellen hatte Google im Herbst 2025 mit Gemini verknüpft, um etwa Überschwemmungen, Dürren oder Algenblüten schneller zu erkennen.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
