Rolf Schmitz, Co-Founder & Co-CEO of CollectiveCrunch – Interview Serie

Rolf Schmitz er Co-Founder & Co-CEO af CollectiveCrunch, en platform, der ændrer verdens forståelse af skove ved at levere de mest nøjagtige, skalerbare, tidlige analyser globalt og muliggør bæredygtig skovbrug og bringer transparens til kulstofhandelsmarkederne.

Rolf er uddannet ingeniør og har en MBA fra Manchester Business School. Han har stor erfaring med global forretningsudvikling og salg, hvor han har bygget hold i Asien, USA og Europa.

Kan du dele genesis-historien bag CollectiveCrunch?

Vi er dybt involveret i at håndtere store mængder data og udlede indsigt fra dem. Vores oprindelige idé, da vi startede CollectiveCrunch, var at kombinere klimadata med forretningsprocesser, da vi følte, at det var et overset aspekt af klimaforandringen.

Først fulgte vi logistik og energi. Vi byggede en produkt, der kan forudsige energiproduktion fra vindmøller, som er afgørende for at opretholde stabiliteten af energinet i Finland. Produkttet er aktivt hos Fingrid, det nationale net i Finland. Men vi fandt, at logistik og energi var overfyldte markeder, der ville være svære for et lille selskab at bygge en ledende rolle i.

Via en ven af Jarkko, en af vores Co-Founders, blev vi bekendt med udfordringerne i at oprette og vedligeholde skovinventarer. Vi tænkte, at der var en chokerende lav niveau af teknisk sofistikation. Som resultat heraf var inventarer dyre, upræcise og kun gjort hver 5-10 år. Betoningen af skovene i klimaforandringens formindskelse, økosystemtjenester og naturbaserede løsninger var tydelig på det tidspunkt. Det er sådan, CollectiveCrunch blev et “skov AI-selskab”. På et personligt niveau voksede vi alle op på landet, så vi havde en naturlig tilknytning til skove. Det er sådan, vi kom til at bygge AI-modeller for skove.

Hvilke typer af værktøjer og kameraer bruges til at overvåge en skov?

Vores tilgang er ikke at specialisere os i en enkelt sensorisk metode, men at kombinere alle relevante datakilder, vi kan få fat i. Enhver enkelt sensorisk metode har styrker og svagheder; kombinationen af datakilder muliggør os at modsætte svaghederne. For eksempel er optiske billeder meget nyttige, men de er ikke tilgængelige fra satellitter, når der er skydække. I vores forretning er satellit-afledte data vigtige, men også LIDAR-scans, så langt de er tilgængelige. Fra et forretningsmodelperspektiv engagerer vi os ikke i dataindsamling, som at flyve med droner eller leje fly for at skanne områder.

Ud over det brede udvalg af satellit-baserede sensoriske data er LIDAR et meget vigtigt værktøj eller metode. Højopløselige optiske billeder taget med luftkampagner er mindre fremtrædende end LIDAR, men også brugt. Et værktøj, der overraskende er bredt brugt, er den gamle 19. århundredes metode med prøver taget manuelt. Med mange statistikker ville jeg stadig kalde det et værktøj.

Er systemet i stand til at blive trænet til forskellige lokaliserede økosystemer for at identificere patogene infektioner, abnormaliteter og forstyrrelser eller andre typer af træsygdomme?

Der er tilpasning til forskellige regionale økosystemer, herunder ændringsdetektion. Træarter, vækstpatroner og skovforvaltningspraksis varierer stærkt på tværs af regioner. Det samme gælder dataindsamlingsmetoder og -praksis. Så det er ikke kun træerne, men også træningsdataene, der er forskellige.

Hvilke slags handlingsorienterede indsigt kan opnås fra denne information?

• Grupperet under begrebet “ændringsdetektion” har du detektion af stormskader, identifikation af skadedyr og andre negative impulser, der kræver intervention for at muliggøre intervention på jorden og begrænse skadens omfang.
• Kulstofinventarer bringer transparens til kulstofprojekter og muliggør beslutninger omkring vurdering og køb af sådanne projekter og kreditter.
• I afforestningsprojekter afhænger overlevelsen af nyplantede træer af den rette mængde fugt i jorden. Detektion af excessiv tørhed eller våde kan udløse intervention for at forhindre, at sådanne unge træer fejler.
• Skovinventarer i kommerciel skovbrug informerer beslutninger som udtynding af områder (hvad booster vækst) og optimering af høstudbytte. Artsdetektion gør forsyningskæden mere effektiv og booster marginaler. Sammen muliggør dette, at industrien kan bruge skovressourcerne mere effektivt. Dette er afgørende, da meget af kommerciel skov er nøgle til at opretholde landlige samfund og i at drive adoptionen af cirkulære produkter og emballage.
• Sporing af biodiversitet kan udløse intervention, hvis et område lider under nedgang. Biodiversitet er afgørende for, at vores skove bliver mere robuste, mens vi går gennem denne fase af accelererende klimaforandring.

Hvordan gavner analyser bæredygtig skovæg?

Flere fordele kom i spil. Først og fremmest er kommerciel skovbrug konstant i færd med at adoptere nye foranstaltninger for at blive mere bæredygtig. Mange af disse kræver bedre og dybere analyser. Eksempelvis: Rensning, hvor et skovområde bliver hugget 100%, har en stærk indvirkning på det lokale økosystem. Det gøres af effektivitetsårsager – mange bæredygtige produkter som fiberbaseret emballage kunne ikke konkurrere med mindre bæredygtige alternativer, hvis skovindustrien blev mindre effektiv. Branchen udforsker alternativer, hvor kun de største træer i hvert område bliver hugget. Det er langt mere bæredygtigt, men fra et logistisk og økonomisk perspektiv er det en meget alvorlig udfordring. Og det kan kun gøres med state-of-the-art-analyser.

Biodiversitet er afgørende for skovens holdbarhed. Sporing af biodiversitet og muliggørelse af intervention, hvor nødvendigt, er afgørende for skovens levedygtighed på både kort og lang sigt.

For kulstofindfangningsprojekter, hvordan verificerer systemet, at et projekt reducerer drivhusgasemissioner, som annonceret?

Systemet opnår en vis nøjagtighed for skovinventaret i spørgsmål, som kan verificeres. Det meste af grønvaske sker ikke på analytics-niveau, men på den måde, projekter er struktureret. Skov-kulstofprojekter, der sigter mod at undgå skovrydning, lider mest af to problemer:

• Baselines: Dette er sættet af antagelser, der projicerer, hvad der ville ske uden intervention. Interventionen beregnes derefter som “tilæggelighed” over baseline. Baselines i dag kommer ikke ud af en data-dreven analyse, men er ofte grove gennemsnit. Desuden beregnes baseline af projektlederne selv, der er i en interessekonflikt: jo lavere baseline, desto flere kreditter bliver skabt.
• Spillage: Fænomenet, at de positive ting, der sker inden for det definerede projektområde (såsom reduceret logging), bliver modvægt af, hvad der sker uden for det definerede projektområde. Meget ofte bliver sådanne områder ikke sporet, så projektet får kreditter, mens fordelene går tabt til omgivende skove.

Det fundamentale problem her er, at der mangler data-drevne analyser til uafhængigt at spore, hvad der sker. Det er muligt i dag, vi kan gøre dette i skala, men der er en meget langsom tilpasning af state-of-the-art-teknologi på dette område. Kort sagt, problemet er ikke analytics, men hvad beregningen af kreditter er baseret på.

Har du nogen cases, du kan dele, af kunder, der bruger dette system?

• ENCE, den største skovæjer i Spanien, bruger vores system.
• Vores første og største kunde er Metsähallitus (Finsk Statsskov).
• Vores partner Forliance, en af de største og mest respekterede kulstofprojektledere globalt, arbejder med os i et af de største kulstofprojekter i Colombia.
• 7 af de top 10 skovlande i den europæiske Nord er vores kunder. Vores seneste kunde, der snart vil blive annonceret, er en af de ‘tre store’ i Finland.

Hvad er din vision for fremtidens skovbevarelse?

Vores vision er data-dreven med fakta-baseret analyse i naturbaserede løsninger. Det er meget klart, at vi skal flytte hurtigt for at formindske klimaforandringen. For tiden bliver det store antal skove på kloden inventeret hver 5-10 år. Vi skal reducere dette til månedlig sporing for at forstå, hvad der sker. Oveni dette skal vi spore biodiversitet. Uden biodiversitet mister vores skove deres robusthed i midten af en klimakrise.

Er der noget andet, du gerne vil dele om CollectiveCrunch?

Ja: vi kan gøre dette i skala. Vi dækker i øjeblikket 20 millioner hektar, omkring 50 millioner acres skov. Vi gør dette med en nøjagtighed bedre end de konventionelle metoder, vi erstatter. Dette er virkeligt, og det muliggør transparens i kulstofhandelsmarkederne.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge CollectiveCrunch.