Mila: KI-Modell erstellt Waldbrand-Gefahrenkarten für Kanada bis zu 3.400-mal schneller
Mila und der Canadian Forest Service von Natural Resources Canada (NRCan) haben ein KI-Modell entwickelt, das den Brandsimulator BurnP3+ in Sekunden nachbildet. Je nach Hardware läuft es 806- bis 3.400-mal schneller. Eine landesweite Gefahrenkartierung, für die NRCan mehr als ein Jahr benötigte, könnte laut Mila auf 2 bis 11 Stunden schrumpfen.
- Mila und NRCan haben ein KI-Modell entwickelt, das den Brandgefahren-Simulator BurnP3+ nachbildet.
- Laut Mila läuft es 806- bis 3.400-mal schneller und macht aus einer einjährigen Aufgabe 2 bis 11 Stunden.
- Das Modell ergänzt BurnP3+ und die NRCan-Analysten, ersetzt sie aber nicht.
- Methodik, Code und Modelle sind Open Source, als Nächstes folgt die Verteilung an die BurnP3+-Nutzergemeinschaft.
Warum nationale Brandgefahrenkarten so langsam entstehen
Die Waldbrandsaisons in Kanada werden laut Mila länger, intensiver und zerstörerischer. Das Institut gibt an, dass die vergangenen vier Jahre die durchschnittliche Brandfläche früherer Jahrzehnte weit übertroffen haben. 2023 verbrannten fast 15 Millionen Hektar, doppelt so viel wie die Fläche von New Brunswick. NRCan weist darauf hin, dass sich die Waldbrandsaison in bestimmten Waldregionen bis 2100 um mehr als einen Monat verlängern könnte.
Die Gefahrenkartierung schätzt anhand von Wetter, Topografie und Vegetation, wie wahrscheinlich ein Gebiet brennt und wie intensiv und schnell sich ein Feuer ausbreiten würde. Mila betont, dass Gefahr nicht dasselbe ist wie Risiko: Dieses entsteht erst, wenn eine Gefahr Menschen, Eigentum oder wirtschaftliche Aktivitäten bedroht. Behörden nutzen die Karten, um langfristige Vorsorgemaßnahmen zu planen, etwa Brandschneisen anzulegen oder weniger brennbare Vegetation zu pflanzen, zum Beispiel Laubbäume statt Nadelbäume.
NRCan erstellt diese Karten mit dem Simulator BurnP3+, der auf den physikalischen Gleichungen des Brandverhaltens beruht. Um Kanada in sehr hoher Auflösung abzudecken, muss er Millionen einzelner Brandentstehungen unter verschiedenen Wetterbedingungen simulieren. Für die nationale Gefahrenkarte 2026 brauchten die NRCan-Teams mehr als ein Jahr, die vorherige stammte aus dem Jahr 2017. Yan Boulanger, Wissenschaftler für Waldökologie bei NRCan und Projektleiter, sagt, die Karten müssten häufig aktualisiert werden, angesichts von Zeit- und Rechenaufwand sei das aber „fast unrealistisch“.
Ein Emulator, trainiert mit BurnP3+-Ergebnissen
NRCan bat das Team für angewandte Forschung von Mila zu testen, ob KI den Prozess beschleunigen kann. NRCan lieferte als Trainingsdaten die BurnP3+-Simulationskarten aus der diesjährigen landesweiten Kartierung. Die Mila-Forschenden bauten dann gemeinsam mit Forstexperten ein Modell, das BurnP3+ nachahmt.
Laut Mila läuft das Modell je nach Hardware 806- bis 3.400-mal schneller als BurnP3+. Tom Swystun, Modellierungsspezialist bei NRCan, sagt, der Emulator liefere zwar keine perfekten, aber sehr genaue Näherungen, und das bei deutlich höherer Geschwindigkeit. Die erste Reaktion auf das Tempo sei schlicht „wow“ gewesen.
Das Modell erkannte außerdem von selbst räumliche Muster. Boulanger zufolge kann es vorhersagen, dass ein See in einem Gebiet wegen seiner Schutzwirkung die Brandwahrscheinlichkeit senkt. Swystun ergänzt, das Risiko einer Fehlinterpretation des Modells sei eher gering, da es nachbilde, was BurnP3+ tut, nur schneller.
Eine Ergänzung zu BurnP3+, kein Ersatz
Mila und NRCan stellen klar, dass das Werkzeug weder BurnP3+ noch die Expertise der NRCan-Analysten ersetzt. Boulanger beschreibt einen Arbeitsablauf, bei dem das KI-Modell vorab eingesetzt wird, um mehrere Parameter zu testen, eine Arbeit, die mit BurnP3+ mehrere Monate Rechenzeit beanspruchen würde. Wirkt ein Szenario sehr wahrscheinlich, können die Analysten es mit BurnP3+ exakt berechnen.
Als nächstes Ziel soll das Werkzeug an die BurnP3+-Nutzergemeinschaft verteilt werden. Weitere Tests sollen seine Fähigkeiten und betrieblichen Grenzen klären.
Open Source und die Bedeutung für Kanada
Die Partnerschaft zwischen Mila und NRCan begann 2020 mit einem Bergbauprojekt und wurde von Energie auf Erdbeobachtung ausgeweitet. Das Forstprojekt startete im Herbst 2025.
Mila zufolge können Provinzen, Gemeinden und Industriepartner dank kürzerer Rechenzeit und geringerer Kosten Investitionen in vorbeugende Landbewirtschaftung gezielter ausrichten und Bevölkerung und Infrastruktur besser schützen. Weil das Modell auf die forstlichen Informationssysteme des Landes zugeschnitten ist, verschaffe es der Bundesregierung laut Mila eine eigenständige, langfristige Planungskapazität, was das Institut als Stärkung der kanadischen Souveränität beschreibt.
Methodik, Code und KI-Modelle sind Open Source. Das ermöglicht laut Mila Fortschritte in der Forschung zu dieser Art von Problemen und erlaubt anderen Ländern oder anderen Feldern von Umweltrisiken, den Ansatz anzuwenden. Code, Modelle und Paper sind über die Projektseite verfügbar.
