DeepMind kartiert Waldtypen weltweit auf zehn Meter genau

Worum es geht

Google DeepMind, Google Research, das World Resources Institute und das International Institute for Applied Systems Analysis haben am 22. Oktober 2026 die globale Waldtypkarte Forest Typology 2020, kurz ForTy, veröffentlicht. Sie teilt die Landoberfläche in Raster von zehn mal zehn Metern und unterscheidet sechs Klassen. Dazu zählen natürlicher Primärwald, natürlich nachgewachsener Wald, Plantagen, Baumkulturen und Agroforstflächen.

Der Unterschied ist praktisch relevant. Eine Holzplantage kann aus dem All ähnlich grün aussehen wie ein gewachsener Wald, speichert aber anders Kohlenstoff und bietet meist weniger Lebensraum. Bisherige globale Karten zeigten häufig nur, ob Bäume vorhanden sind. ForTy soll zeigen, welche Art von Wald oder baumbestandener Nutzung dort liegt.

Was ForTy tatsächlich macht

Das System verbindet Satellitenbilder, zeitliche Veränderungen der Vegetation und Referenzdaten aus mehr als 9.000 Prüfstandorten. Ein maschinelles Lernmodell ordnet jede Rasterzelle einer von sechs Klassen zu. Laut dem begleitenden Datensatzpapier erreicht die Karte bei der Validierung insgesamt rund 90 Prozent Genauigkeit.

Die Basiskarte beschreibt das Jahr 2020. Zusätzlich stellt das Team eine frühe jährliche Zeitreihe für 2017 bis 2025 bereit. So lässt sich nicht nur ein Zustand ansehen, sondern auch verfolgen, ob eine Fläche etwa von natürlichem Wald zu Plantage oder Landwirtschaft gewechselt ist. Die Daten sind über Google Earth Engine zugänglich und sollen Forschung, Behörden und zivilgesellschaftlichen Organisationen offenstehen.

Warum das wichtig ist

Für Klimabilanzen und Artenschutz reicht die Aussage „Hier stehen Bäume“ nicht. Ein alter, vielfältiger Wald erfüllt andere ökologische Funktionen als eine gleichförmige Plantage. Wer Entwaldung misst, Lieferketten kontrolliert oder Wiederaufforstung bewertet, braucht daher eine Typisierung statt einer bloßen Grünfläche.

Der Datensatz wurde ausdrücklich an Definitionen der Ernährungs und Landwirtschaftsorganisation der Vereinten Nationen sowie an Anforderungen der EU Verordnung über entwaldungsfreie Produkte angelehnt. Damit könnte er helfen, verdächtige Veränderungen großflächig zu finden. Er ersetzt jedoch keinen rechtlichen Nachweis für ein einzelnes Grundstück.

Einfach erklärt

Eine gewöhnliche Baumkarte ist wie ein Stadtplan, der nur zwischen bebaut und unbebaut unterscheidet. ForTy ergänzt die Gebäudetypen: Wohnhaus, Fabrik, Schule oder Lagerhalle. Erst diese zweite Ebene macht sichtbar, ob zwei ähnlich aussehende Flächen tatsächlich dieselbe Funktion haben.

Praktisches Beispiel

Ein Händler prüft 12.000 Lieferflächen für Kakao und Holz. Statt jede Fläche sofort einzeln begutachten zu lassen, vergleicht sein Team die ForTy Basiskarte von 2020 mit der Zeitreihe bis 2025. Bei 180 Flächen zeigt sich ein möglicher Wechsel von natürlichem Wald zu Baumkultur oder offener Nutzung.

Diese 180 Hinweise werden anschließend mit genaueren Satellitenbildern, Lieferdokumenten und Prüfungen vor Ort untersucht. Die Karte reduziert damit den Suchraum. Sie entscheidet nicht automatisch, ob eine Lieferung rechtswidrig ist, sondern markiert Stellen, an denen Menschen genauer hinsehen sollten.

Einordnung und Grenzen

Erstens bedeutet eine Gesamtgenauigkeit von rund 90 Prozent, dass Fehlklassifikationen verbleiben. Wolken, Jahreszeiten und ähnliche Kronenstrukturen können Klassen verwechseln.

Zweitens ist die Basiskarte auf 2020 bezogen. Die ergänzende Zeitreihe ist als frühe Fassung gekennzeichnet und kann spätere Korrekturen benötigen.

Drittens beweist eine Rasterklasse weder Eigentum noch die Ursache einer Veränderung. Für Sanktionen, Zertifizierungen oder Einkaufsentscheidungen sind lokale Daten und ein nachvollziehbares Prüfverfahren nötig.

SEO und GEO Schlüsselbegriffe

Google DeepMind, ForTy 2020, Forest Typology, globale Waldkarte, Satellitenbilder, maschinelles Lernen, Entwaldung, EU Entwaldungsverordnung, Google Earth Engine, Primärwald, Waldplantagen, Biodiversität