Climate Data Entrepreneurial Club – Modul 2: Data Literacy & AI Education

Modul 2: Data Literacy & AI Education

Stelle eine Vermutung auf!

Wusstest du schon?

Feinstaub (PM_2.5) schädigt nicht nur die Lunge, sondern auch Herz, Stoffwechsel und Gehirn – etwa durch Asthma, Bluthochdruck, Diabetes Typ 2 oder Demenz.
Es gibt keine Feinstaub-Konzentration, unterhalb derer gesundheitliche Schäden sicher ausgeschlossen werden können.
Rund 85% der Stadtbewohner in Europa sind dauerhaft Luftschadstoffen über dem gesundheitsrelevanten Grenzwert ausgesetzt¹.
Rußpartikel (Black Carbon) besitzen ein Globales Erwärmungspotenzial (GWP) von 300–1.500 – und sind damit bis zu 1.500-mal klimaschädlicher als CO₂ (pro kg, kurzfristig).

Im ersten Teilmodul untersuchst du …

ob die gesetzlichen Grenzwerte für Luftschadstoffe wie Feinstaub, Stickstoffdioxid und Benzol tatsächlich eingehalten werden.
wie sich die Luftqualität in den letzten 30 Jahren entwickelt hat.

Und wie sieht es in deiner Umgebung aus – zu Hause oder in der Schule? Könntest auch du einer erhöhten Schadstoffbelastung ausgesetzt sein?

Wusstest du schon?

Im Jahr 2022 gab es 2.397 Waldbrände in Deutschland – betroffen waren 3.058 Hektar, etwa so groß wie die Insel Borkum¹.
Künstliche Intelligenz erkennt Waldbrände auf Satellitenbildern innerhalb weniger Minuten und kann ihre Ausbreitung verfolgen.
KI analysiert Wetter, Dürre, Topografie und weitere Daten, um das Brandverhalten vorherzusagen – inklusive potenzieller Größe und Ausbreitung².

Foto „Altkoenig Waldbrand 2023-06-12 16-43-23-SR“ von Alexander Hoernigk unter der Lizenz CC BY 4.0 via Wikimedia Commons.

Im zweiten Teilmodul …

untersuchst du den Einfluss von Oberflächentemperatur, Niederschlag und Vegetationsindex auf die Waldbrandgefahr in Deutschland.
entwickelst und trainierst du ein KI-Modell zur Vorhersage von Waldbränden auf Basis dieser Umweltdaten.

Wusstest du schon?

Im Jahr 2018 lag die durchschnittliche Photovoltaik-Nutzung auf geeigneten Dachflächen in Deutschland bei lediglich 11 %. Das bedeutet, dass rund 89 % des verfügbaren Dachflächenpotenzials bislang ungenutzt blieben¹.
Die kombinierte Fläche aller Gebäudedächer und -fassaden in Deutschland bietet ein technisches Photovoltaik-Potenzial von etwa 1.000 Gigawattpeak (GWp)².
Ein modernes 400-Watt-Solarmodul erzeugt bei optimaler Ausrichtung und guten Bedingungen etwa 350–400 kWh Strom pro Jahr. Zum Vergleich: Ein durchschnittlicher Zwei-Personen-Haushalt in einem Einfamilienhaus verbraucht jährlich etwa 2.500–3.500 kWh Strom³.
Selbst bei bewölktem Himmel kann eine Photovoltaikanlage noch etwa 10–30 % ihrer Maximalleistung (Peakleistung) erbringen⁴.

Foto „Photovoltaikanlage 2001“ (Ausschnitt) von erhard.renz unter der Lizenz CC BY 2.0 via Flickr

Im dritten Teilmodul …

analysierst du, wie Ausrichtung und Neigung einer Dachfläche die Sonneneinstrahlung beeinflussen.
identifizierst du geeignete Dachflächen für Photovoltaik-Anlagen in deiner Region.
nutzt du ein KI-Modell, um bestehende PV-Anlagen auf Orthofotos automatisch zu erkennen.
entwickelst du einen Vorschlag für ungenutzte Dächer, die sich gut für neue PV-Anlagen eignen würden.