Google AlphaEarth nutzt Beobachtungsdaten für die globale Kartierung

AlphaEarth Foundations wurde am 30. Juli 2025 vorgestellt und ist ein von Google DeepMind entwickeltes georäumliches Grundlagenmodell. Es gehört zu den Höhepunkten der jüngsten Google-KI-Nachrichten und wurde entwickelt, um die Arbeit mit globalen Erdbeobachtungsdaten schneller, übersichtlicher und zuverlässiger zu machen.

AlphaEarth Foundations wird mit Milliarden von Datenpunkten aus Satellitenbildern, Radar, LiDAR (Lichtdetektion und Entfernungsmessung), Höhenmodellen und Klimasimulationen trainiert. Aus dieser breiten Palette an Eingaben erstellt es jährliche Ansichten des Planeten mit einer Auflösung von 10 Metern.

Einfach gesagt bedeutet das, dass klare und konsistente Karten der Erdoberfläche erstellt werden können, selbst in schwer einsehbaren Gebieten. Dadurch lassen sich Veränderungen an Land, in Gewässern und beim Klima leichter erkennen und über längere Zeit verfolgen. Diese Momentaufnahmen sind jetzt über Google Earth Engine, Googles Cloud-Plattform für georäumliche Daten, verfügbar.

In diesem Artikel sehen wir uns an, wie AlphaEarth Foundations KI für Google Earth Engine nutzt, um reale Erdbeobachtungsprojekte zu unterstützen.

AlphaEarth: Googles neues KI-Modell für die Erdbeobachtung#

AlphaEarth Foundations bietet eine neue Möglichkeit, unseren Planeten mithilfe eines kontinuierlichen und dynamischen Systems zu verstehen. Statt jedes Bild einzeln zu betrachten, erstellt das neue KI-Modell ein einheitliches, strukturiertes Bild der Erdoberfläche über Raum und Zeit hinweg.

Für diese Darstellung greift es auf eine Vielzahl von Quellen zurück, darunter Satellitenbilder, Höhenkarten, Klimamodelle und Berichte zur biologischen Vielfalt. Dadurch kann es Veränderungen in der Umwelt erkennen und deren Ursachen analysieren.

Insbesondere kann AlphaEarth zeigen, wie sich die Landschaften der Erde im Laufe der Jahre verändern. Diese Momentaufnahmen werden mithilfe von Embeddings erstellt, also kompakten Zusammenfassungen dessen, was das Modell über die einzelnen Orte gelernt hat.

Abb. 1. Googles KI-Modell nutzt numerische Embeddings zur Kartierung der Erdoberfläche. (Quelle)

Eine Sammlung dieser Embeddings ist über das Satellite-Embedding-Dataset von Google Earth Engine verfügbar. Sie werden bereits in Bereichen wie der Bekämpfung von Waldbränden, der Stadtplanung und der Überwachung von Landflächen eingesetzt. Dadurch können Forschende und Entscheidungsträger Satellitendaten in nützliche Erkenntnisse umwandeln.

KI und das Klima: Die Bedeutung von AlphaEarth#

Ein wichtiger Vorteil von AlphaEarth Foundations besteht darin, dass sich langfristige Veränderungen unseres Planeten leichter untersuchen lassen. Das Modell funktioniert auch in schwierigen Gebieten gut, in denen Daten fehlen oder Wolken häufig die Sicht von Satelliten blockieren. Im Amazonasregenwald beispielsweise, wo die Wolkenbedeckung ein ständiges Problem darstellt, kann AlphaEarth Veränderungen an Land dennoch erkennen, indem es aus weltweiten Mustern lernt.

In Benchmarktests verringerte es Fehlklassifikationen um nahezu 24 % und benötigte pro Embedding 16-mal weniger Speicherplatz. Interessanterweise muss dieses neue KI-Modell nicht für jede Anwendung neu trainiert werden.

Es ist effizient und lässt sich an verschiedene Regionen und Herausforderungen anpassen. Das liegt daran, dass AlphaEarth universell einsetzbare Embeddings erstellt – kompakte, informationsreiche Zusammenfassungen der einzelnen Orte, die sich direkt für viele Arten von Analysen verwenden lassen, ohne das gesamte Modell neu aufzubauen.

Bisher wurde das neue Google-Earth-KI-Modell eingesetzt, um Veränderungen an Land in mehr als 100 Ländern zu überwachen, darunter tropische Wälder, arktische Regionen und wachsende Städte. Diese Erkenntnisse unterstützen eine bessere Planung und fundiertere klimapolitische Entscheidungen.

Abb. 2. Visualisierung globaler Muster mit Googles neuem KI-Modell. (Quelle)

Wie AlphaEarth Computer Vision für die Erdbeobachtung nutzt#

Satellitenbilder können zwar detaillierte Ansichten der Erdoberfläche erfassen, doch die Umwandlung dieser Bilder in aussagekräftige Erkenntnisse ist nicht immer einfach. AlphaEarth Foundations nutzt Computer Vision, einen Bereich der KI, der Maschinen die Interpretation visueller Informationen ermöglicht, um Muster in Landflächen, Vegetation und Gelände zu erkennen und zu analysieren.

So wendet das Modell verschiedene Computer-Vision-Aufgaben auf die Erdbeobachtung an:

• Bildklassifizierung: AlphaEarth identifiziert anhand von Satellitenbildern Landtypen wie Wälder, Ackerflächen, Feuchtgebiete und städtische Gebiete. Diese Klassifizierungen unterstützen die Klimaüberwachung, die ökologische Forschung und die Planung der Landnutzung.
• Segmentierung: Die auch als thematische Kartierung bezeichnete Segmentierung versieht jedes Pixel eines Satellitenbilds mit einer Kategorie, etwa der Anbauart oder der Vegetationsbedeckung. AlphaEarth nutzt seine jährlichen Embeddings, um regionsübergreifend eine hohe Genauigkeit beizubehalten, und ermöglicht dadurch eine detaillierte Kartierung von Landnutzung, Landbedeckung und biologischer Vielfalt.
• Veränderungserkennung: Durch den Vergleich jährlicher Embeddings für denselben Ort kann AlphaEarth Veränderungen der Landnutzung und Landbedeckung erkennen, etwa Abholzung, die Folgen von Waldbränden oder das Wachstum von Städten. Es arbeitet sowohl mit überwachten Methoden (Lernen aus annotierten Beispielen) als auch mit unüberwachten Methoden (Erkennen von Mustern ohne Annotationen).
• Unüberwachtes Clustering: Ohne annotierte Daten zu verwenden, kann AlphaEarth Regionen mit ähnlichen Mustern in Satellitenbildern gruppieren. Dadurch lassen sich Trends wie Veränderungen der Vegetation oder Klima-Anomalien in neuen oder wenig untersuchten Gebieten erkennen. Besonders hilfreich ist das, wenn nur wenige oder gar keine annotierten Daten verfügbar sind.

Abb. 3. Ein Blick auf den Einsatz von KI für Googles neueste Innovation AlphaEarth, um die Umwelt der Erde im Jahr 2023 zu verstehen. (Quelle)

Praktische Anwendungen von Googles neuem KI-Modell#

Nachdem wir nun besser verstehen, wie die KI-Technologien für Googles neue Erdbeobachtung funktionieren, sehen wir uns die praktischen Anwendungen von AlphaEarth Foundations an.

Googles KI-Initiative für umweltfreundlichere Städte in den USA#

In den gesamten USA bauen Städte ihre städtischen Wälder aus, um Hitze zu reduzieren, Schadstoffe aufzunehmen und die öffentliche Gesundheit zu verbessern. Doch genau zu bestimmen, wo Bäume stehen und wo nicht, kann schwierig sein. In dicht besiedelten Vierteln und engen Straßen wird Grün häufig auf Satellitenbildern oder bei herkömmlichen Erhebungen nicht erfasst.

AlphaEarth nutzt jedoch Satelliten-, Höhen- und Umweltdaten, um die Baumkronenbedeckung detailliert zu kartieren. Um dieses neue KI-Modell von Google zu testen, verwendeten Forschende mehr als 45.000 Baumaufzeichnungen von iNaturalist.

Sie konzentrierten sich auf 39 häufige Baumgattungen (Gruppen eng verwandter Arten), die in allen US-Bundesstaaten einschließlich Alaska und Hawaii vorkommen. Die Daten wurden bereinigt und in Trainings- und Testdatensätze aufgeteilt; pro Gattung wurden 300 Stichproben zum Training und die übrigen zum Testen verwendet.

Das Modell kartierte die Baumkronenbedeckung anhand von Satelliten-, Höhen- und Umweltdaten präzise und zeigte damit, dass es Lücken herkömmlicher Erhebungen schließen kann. Diese Erkenntnisse können Städten wie Detroit, New York und Phoenix helfen, besser zu entscheiden, wo Bäume gepflanzt, Viertel gekühlt und die lokale biologische Vielfalt unterstützt werden sollen.

Präzisere Kartierung von Anbauflächen dank Erdbeobachtungssatelliten#

Kanadas Anbauflächenverzeichnis hängt stark von Beobachtungen auf Feldebene ab, insbesondere in Gebieten ohne Aufzeichnungen zur Ernteversicherung (offizielle Berichte zu Anbauart, Standort und Fläche, die für landwirtschaftliche Versicherungsprogramme erfasst werden). Diese häufig aus fahrenden Fahrzeugen durchgeführten Erhebungen dienen dazu, wichtige Nutzpflanzen wie Getreide, Ölsaaten, Obst und Futterpflanzen zu verfolgen.

Da einige Anbauarten jedoch häufiger erfasst werden als andere, können die Daten unausgewogen und nur schwer in zuverlässige großflächige Karten umzuwandeln sein. Um diese Probleme zu umgehen, kann AlphaEarth sowohl eine grobe als auch eine detaillierte Klassifizierung von Nutzpflanzen auf Grundlage von Daten aus Erdbeobachtungssatelliten unterstützen.

Es kann Nutzpflanzen in übergeordnete Kategorien wie Getreide oder Ölsaaten gruppieren. In Regionen mit detaillierten Erhebungsdaten kann es außerdem bestimmte Arten wie Sommerweizen, Mais oder Luzerne identifizieren. Dieser zweistufige Ansatz verbindet eine breite Abdeckung mit Detailgenauigkeit und vermittelt ein klareres Bild davon, was in Kanada angebaut wird.

Abb. 4. Google AlphaEarth unterstützt die Klassifizierung von Nutzpflanzen in Kanada. (Quelle)

Globale Landschaften mit KI-Technologie für Google Earth erkunden#

Die Antarktis gehört zu den am schwierigsten zu kartierenden Orten der Erde: extremes Wetter, eine dauerhafte Schneedecke und eine eingeschränkte Sichtbarkeit für Satelliten erschweren die Erfassung. Dadurch bestehen Lücken in unserem Verständnis ihrer Gletscher, freiliegenden Felsen und der langfristigen Veränderungen ihrer Landschaft.

Durch die Kombination von Satellitenbildern mit Radar- und Höhendaten erstellt AlphaEarth konsistente jährliche Karten der Antarktis, auch in Gebieten mit eingeschränkter Sicht. Es kann fehlende Details ergänzen und Geländekarten mit einer Auflösung von 10 Metern erzeugen, die Forschenden helfen, Gletscher, Oberflächenstrukturen und schneebedecktes Land genauer zu verfolgen.

Vor- und Nachteile des neuen KI-Modells AlphaEarth#

Hier sind einige der wichtigsten Vorteile, die das neue KI-Modell AlphaEarth Foundations für Anwendungen in der Erdbeobachtung und Stadtplanung bietet:

• Vielseitigkeit: AlphaEarth kann in verschiedenen Bereichen wie Landwirtschaft, Stadtplanung und Katastrophenhilfe eingesetzt werden, ohne dass separate Modelle erforderlich sind.
• Schließt Datenlücken: Dieses neue KI-Modell von Google kann jährliche Zusammenfassungen erstellen, selbst wenn die Satelliteneingaben unvollständig sind, und trägt so zur Kontinuität bei der Analyse von Zeitreihen bei.
• Für KI geeignete Ausgaben: Das Modell erzeugt Embeddings, die sich direkt in Werkzeuge wie Überwachungssysteme für Nutzpflanzen, Hochwassererkennung oder Klassifizierer für die Landnutzung einspeisen lassen. Das spart Forschenden und Entwicklern Zeit.

AlphaEarth bietet zwar in verschiedenen Bereichen zuverlässige Unterstützung, dennoch solltest du einige Einschränkungen beachten:

• Nicht in Echtzeit: Die jährlichen Embeddings von AlphaEarth eignen sich nicht für Anwendungen, die eine tägliche oder nahezu echtzeitnahe Überwachung erfordern.
• Abhängig von der Eingabequalität: Das Modell schließt zwar Lücken, ist aber weiterhin von der Qualität und Verfügbarkeit von Satelliten-, Radar- und anderen Eingabedaten abhängig.
• Eingeschränkte Interpretierbarkeit: Wie bei den meisten Deep-Learning-Modellen kann es schwierig sein, genau nachzuvollziehen, wie AlphaEarth zu bestimmten Mustern oder Vorhersagen gelangt.

Wichtige Erkenntnisse#

AlphaEarth Foundation hilft Forschenden, Planern und politischen Entscheidungsträgern, den Planeten aus neuen Perspektiven zu betrachten. Googles neues KI-Modell kann rohe Satellitendaten in strukturierte, zuverlässige Informationen umwandeln, die bessere Entscheidungen in Bereichen wie Klimawissenschaft, Landwirtschaft und Stadtentwicklung unterstützen. Durch die Weiterentwicklung der Erdbeobachtung wird es einfacher, die Veränderungen unseres Planeten im Laufe der Zeit zu überwachen und zu verstehen.

Tritt unserer Community bei und entdecke KI-Innovationen in unserem GitHub-Repository. Erfahre auf unseren Lösungsseiten mehr über KI in der Landwirtschaft und Computer Vision im Gesundheitswesen. Sieh dir unsere Lizenzpläne an und starte noch heute mit KI!