Modul 2: Data Literacy & AI Education

Modul 2: Data Literacy & AI Education

Was euch erwartet!

• Reale Klimadaten aus Deutschland und deiner Region
• Datenanalyse mit Python und interaktiven Jupyter Notebooks
• Professionelle und authentische Analysewerkzeuge und Methoden
• Konkrete Handlungsoptionen im Kampf gegen den Klimawandel
• KI verstehen & gestalten: Einsatz und Entwicklung intelligenter Systeme

Welcher Sachverhalt könnte hier dargestellt sein?

Stelle eine Vermutung auf!

Feinstaub

Eine Gefahr für die Gesundheit und das Klima

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).

Zeitreihenanalyse der Luftqualität

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?

Waldbrände in Deutschland

Wie Künstliche Intelligenz Waldbrände vorhersagen kann

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.

Vorhersagemodell für die Waldbrandgefahr in Deutschland

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.

Photovoltaik auf Dachflächen

Potenziale ausschöpfen

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.

Potenzialanalyse von Photovoltaik auf Dachflächen

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.