Der Westen setzt darauf, dass frühere Erkennung den Ausgang von Waldbränden verändern kann

Während sich im amerikanischen Westen die Bedingungen für schwere Waldbrände verschärfen, bauen Versorger und staatliche Behörden den Einsatz von KI-gestützten Kameranetzwerken aus, die Rauch schnell erkennen und Einsatzkräfte alarmieren sollen, bevor ein Brand außer Kontrolle gerät. Die Technologie wird nicht als Ersatz für Feuerwehrleute oder menschliches Urteilsvermögen dargestellt, sondern als Kraftmultiplikator in Landschaften, in denen große Entfernungen und geringe Sicht wichtige Minuten kosten können.

Das Argument für diese Systeme beruht auf einer einfachen operativen Wahrheit: Je früher ein Feuer erkannt wird, desto größer ist die Chance, es noch klein einzudämmen. In Arizona dient ein Beispiel bereits als Beleg. An einem Nachmittag im März erkannte künstliche Intelligenz auf einem Kamerabild aus dem Coconino National Forest etwas, das wie Rauch aussah. Menschliche Analysten bestätigten anschließend, dass es sich nicht um eine Wolke oder Staub handelte, und alarmierten den staatlichen Forstdienst sowie Arizona Public Service. Das anschließende Feuer, später Diamond Fire genannt, wurde eingedämmt, bevor es 7 Acres überschritt.

Diese Abfolge zeigt das Modell, das sich nun über mehrere Bundesstaaten ausbreitet: Maschinen scannen kontinuierlich, Menschen überprüfen, Behörden reagieren. Es ist eine schrittweise Veränderung der Arbeitsabläufe, aber mit potenziell großen Folgen in einer Region mit Rekordhitze und wenig Schneedecke.

Von einzelnen Kameras zu regionalen Netzen

Arizona Public Service betreibt derzeit fast 40 aktive KI-Rauchmeldekameras und plant, diese Zahl bis zum Ende des Sommers auf 71 zu erhöhen. Die staatliche Feuerwehr hat sieben eigene Geräte installiert. In Colorado hat Xcel Energy 126 Kameras installiert und will bis Jahresende Systeme in sieben der acht Bundesstaaten betreiben, die es versorgt.

Kalifornien hat über ALERTCalifornia bereits in viel größerem Maßstab vorgelegt, einem Netzwerk von rund 1.240 KI-gestützten Kameras im ganzen Bundesstaat. Das System funktioniert ähnlich: KI sucht nach möglichem Rauch, während Menschen eingebunden bleiben, um Fehlalarme zu reduzieren und das Modell im Laufe der Zeit zu verbessern. Diese menschliche Prüfschicht ist nicht nebensächlich. Sie ist einer der Gründe, warum diese Einsätze als operative Werkzeuge und nicht als experimentelle Kuriositäten behandelt werden.

Fehlalarme sind ein großes Risiko bei der Umweltüberwachung, insbesondere in unwegsamem Gelände, wo Wetter, Staub, Dunst und Lichtverhältnisse automatisierte Systeme leicht verwirren können. Indem Behörden vor einer Eskalation von Warnungen eine menschliche Bestätigung verlangen, wollen sie das Vertrauen in die Technologie erhalten und dennoch ihren Geschwindigkeitsvorteil nutzen. Laut ALERTCalifornia-Gründer Neal Driscoll trainiert diese Rückkopplungsschleife das System auch darauf, genauer zu werden.