Auf der Tagung NaturschutzDigital 2026 auf der Insel Vilm haben Hannes Schritt und Aaron Best gezeigt, wie sich Natura-2000-Managementpläne mit generativer KI auswerten lassen, um Zielkonflikte beim Moorschutz zu identifizieren.

Moore speichern Kohlenstoff und bieten seltenen Arten und Lebensräumen ein Zuhause. Für den Klima- und Artenschutz ist Wiedervernässung sehr wichtig, kann jedoch zugleich zu Konflikten führen: Geschützte Lebensräume und Arten, die sich unter den bisherigen Bedingungen entwickelt haben, können durch höhere Wasserstände beeinträchtigt werden. Wie gehen Natura-2000-Managementpläne damit um? Das untersucht Ecologic im Auftrag des Bundesamts für Naturschutz (BfN) gemeinsam mit biota und der Succow Stiftung.

Auf der Tagung NaturschutzDigital 2026 („Generative Künstliche Intelligenz im Naturschutz: Perspektiven aus Forschung und Praxis“) vom 2. bis 5. November an der Internationalen Naturschutzakademie auf der Insel Vilm stellten Hannes Schritt und Aaron Best am 4. November vor, wie sie dafür KI einsetzen. Die Pläne umfassen oft 50 bis 300 Seiten. Das Team entwickelte deshalb einen hybriden Ansatz, der drei Schritte verbindet. Zuerst durchsucht ein Suchwerkzeug die Dokumente nach Schlüsselbegriffen (syntaktische Analyse) und ermöglicht eine Vorauswahl geeigneter Pläne. Dann wertet ein KI-Modell die relevanten Textstellen inhaltlich aus (semantische Analyse): Welche Maßnahmen zur Wiedervernässung sind vorgesehen, welche Zielkonflikte werden benannt und wie werden sie gelöst? Schließlich führen Fachleute die Ergebnisse zusammen, prüfen sie und bewerten sie. Mehrstufige Prompts mit festen Kennungen für Maßnahmen, Zielkonflikte, Hindernisse und Synergien sorgen dafür, dass jeder Befund nachvollziehbar bleibt und nicht doppelt gezählt wird.

Der Ansatz entstand in mehreren Pilotphasen seit Februar 2025. Die Ergebnisse wurden mit manuellen Auswertungen verglichen und die Prompts immer wieder angepasst. Dabei zeigte sich: Die Modelle sind in kurzer Zeit deutlich zuverlässiger geworden. 

Die wichtigsten Erfahrungen aus dem Projekt:

• Analyseziele und Bewertungskriterien sollten früh feststehen.
• Die fachliche Gegenprüfung durch Menschen bleibt unverzichtbar.
• Prompts, Dokumentenaufbereitung und Kontrollschritte müssen nach jedem Modellwechsel erneut getestet werden.
• Wer weniger Zeit mit den Originaldokumenten verbringt, vertieft sein Fachwissen anders. Dafür wächst die Kompetenz im Umgang mit KI.

Die Analyse fließt in Optimierungsvorschläge für die Managementplanung ein, die Ecologic in einer Handreichung für das BfN zusammenstellt.