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

Rolf Schmitz ist Co-Founder und Co-CEO von CollectiveCrunch, einer Plattform, die die Weltverständnis von Wäldern durch die bereitstellung der genauesten, skalierbaren und zeitlichsten Analysen weltweit verändert und nachhaltige Forstwirtschaft sowie Transparenz in den Kohlenstoffmärkten ermöglicht.

Rolf ist Ingenieur durch Ausbildung und hält einen MBA von der Manchester Business School. Er hat umfassende Erfahrung in der globalen Geschäftsentwicklung und im Vertrieb, nachdem er Teams in Asien, den USA und Europa aufgebaut hat.

Können Sie die Entstehungsgeschichte hinter CollectiveCrunch teilen?

Wir sind daran gewöhnt, große Mengen an Daten zu verarbeiten und Erkenntnisse daraus zu gewinnen. Unsere anfängliche Idee bei der Gründung von CollectiveCrunch war es, Klimadaten mit Geschäftsprozessen zu kombinieren, da wir fühlten, dass dies ein vernachlässigter Aspekt des Klimawandels war.

Zunächst verfolgten wir Logistik und Energie. Wir bauten ein Produkt, das die Energieerzeugung aus Windparks vorhersagt, was für die Aufrechterhaltung der Stabilität der Energieversorgung unerlässlich ist. Das Produkt ist bei Fingrid, dem nationalen Stromnetz in Finnland, im Einsatz. Allerdings stellten wir fest, dass Logistik und Energie überfüllte Märkte sind, in denen es für ein kleines Unternehmen schwer sein würde, eine Führungsrolle zu übernehmen.

Über einen Freund von Jarkko, einem unserer Co-Gründer, wurden wir auf die Herausforderungen bei der Erstellung und Aufrechterhaltung von Waldinventuren aufmerksam. Wir dachten, dass es ein schockierend niedriges Maß an technischer Raffinesse gibt. Als Ergebnis sind die Inventuren teuer, ungenau und nur alle 5-10 Jahre durchgeführt. Die Bedeutung von Wäldern bei der Bekämpfung des Klimawandels, der Erbringung von Ökosystemleistungen und der natürlichen Lösungen war zu dieser Zeit klar. Das ist, wie CollectiveCrunch zu einem “Forst-AI-Unternehmen” wurde. Auf persönlicher Ebene sind wir alle auf dem Land aufgewachsen, also hatten wir eine natürliche Affinität zu Wäldern. So kamen wir dazu, AI-Modelle für Wälder zu entwickeln.

Welche Arten von Werkzeugen und Kameras werden verwendet, um einen Wald zu überwachen?

Unsere Herangehensweise besteht darin, uns nicht auf eine einzige sensorische Methode zu spezialisieren, sondern alle relevanten Datenquellen zu kombinieren, die wir in die Hand bekommen können. Jede sensorische Methode hat Stärken und Schwächen; die Kombination von Datenquellen ermöglicht es uns, die Schwächen auszugleichen. Beispielsweise sind optische Bilder sehr nützlich, aber sie sind nicht von Satelliten verfügbar, wenn es Wolkenbedeckung gibt. In unserem Geschäftsmodell ist satellitengenerierte Daten wichtig, aber auch LIDAR-Scans, soweit sie verfügbar sind. Aus einer Geschäftsmodellperspektive engagieren wir uns nicht in der Datenerfassung, wie das Fliegen von Drohnen oder das Mieten von Flugzeugen, um Gebiete zu scannen.

Abgesehen von der Palette der satellitengestützten sensorischen Daten ist LIDAR ein sehr wichtiges Werkzeug oder eine Methode. Hochauflösende optische Bilder, die mit Luftkampagnen aufgenommen werden, sind weniger prominent als LIDAR, aber auch verwendet. Ein Werkzeug, das überraschend weit verbreitet ist, ist die gute alte Methode des 19. Jahrhunderts, bei der manuelle Proben entnommen werden. Mit vielen Statistiken würde ich es dennoch als Werkzeug bezeichnen.

Ist das System in der Lage, für verschiedene lokale Ökosysteme trainiert zu werden, um pathogene Infektionen, Anomalien und Störungen oder andere Arten von Baumkrankheiten zu erkennen?

Es gibt eine Anpassung für verschiedene regionale Ökosysteme, einschließlich der Veränderungserkennung. Baumarten, Wachstumsmuster und Forstwirtschaftspraktiken variieren stark zwischen den Regionen. Gleiches gilt für die Datenerfassungsmethoden und -praktiken. Es geht also nicht nur um die Bäume, sondern auch um die Trainingsdaten, die unterschiedlich sind.

Welche Arten von handhabbaren Erkenntnissen können aus diesen Informationen gewonnen werden?

• Unter dem Begriff “Veränderungserkennung” haben Sie die Erkennung von Sturmschäden, die Identifizierung von Schädlingseinbrüchen und andere negative Auswirkungen, die eine Intervention erfordern, um die Auswirkungen des Schadens zu begrenzen.
• Kohlenstoffinventuren bringen Transparenz in Kohlenstoffprojekte und erleichtern die Entscheidungen über die Bewertung und den Kauf solcher Projekte und Gutschriften.
• Bei Aufforstungsprojekten hängt die Lebensfähigkeit neu gepflanzter Bäume von der richtigen Menge an Feuchtigkeit im Boden ab. Die Erkennung von übermäßiger Trockenheit oder Nässe kann eine Intervention auslösen, um zu verhindern, dass junge Bäume versagen.
• Waldinventuren in der kommerziellen Forstwirtschaft informieren Entscheidungen wie die Ausdünnung von Flächen (die das Wachstum fördert) und die Optimierung der Ernte. Die Artenerkennung macht die Lieferkette effizienter und erhöht die Margen. All dies ermöglicht es der Branche, die Waldressourcen effizienter zu nutzen. Dies ist entscheidend, da ein großer Teil der kommerziellen Wälder für die Aufrechterhaltung ländlicher Gemeinden und die Förderung der Adoption von Kreislaufprodukten und -verpackungen von entscheidender Bedeutung ist.
• Die Überwachung der Artenvielfalt kann eine Intervention auslösen, wenn ein Gebiet unter Degradation leidet. Die Artenvielfalt ist entscheidend, damit unsere Wälder widerstandsfähiger werden, während wir diese Phase des beschleunigten Klimawandels durchlaufen.

Wie profitieren die Analysen von der nachhaltigen Waldbesitz?

Mehrere Vorteile kamen zum Tragen. Zunächst采用 die kommerzielle Forstwirtschaft ständig neue Maßnahmen, um nachhaltiger zu werden. Viele dieser Maßnahmen erfordern bessere und tiefere Analysen. Beispielsweise: Kahlschläge, bei denen ein Waldgebiet zu 100 % gerodet wird, haben einen starken Einfluss auf das lokale Ökosystem. Dies geschieht aus Gründen der Effizienz – viele nachhaltige Produkte wie faserbasierte Verpackungen könnten nicht mit weniger nachhaltigen Alternativen konkurrieren, wenn die Forstindustrie weniger effizient würde. Die Branche erkundet Alternativen, bei denen nur die größten Bäume in jedem Gebiet gerodet werden. Dies ist viel nachhaltiger, aber aus logistischer und kostentechnischer Sicht eine sehr ernsthafte Herausforderung. Und dies kann nur mit state-of-the-art-Analysen durchgeführt werden.

Die Artenvielfalt ist für die Widerstandsfähigkeit der Wälder von entscheidender Bedeutung. Die Überwachung der Artenvielfalt und die Ermöglichung von Interventionen, wo erforderlich, sind für die Lebensfähigkeit der Wälder auf kurze und lange Sicht von entscheidender Bedeutung.

Für Kohlenstoffabsorptionsprojekte, wie verifiziert das System, dass ein Projekt die Treibhausgasemissionen reduziert, wie angekündigt?

Das System erreicht eine bestimmte Genauigkeit für das betreffende Waldinventar, die überprüfbar ist. Die meisten Greenwashing-Vorfälle treten nicht auf der Analyseebene auf, sondern in der Art und Weise, wie Projekte strukturiert sind. Waldkohlenstoffprojekte, die darauf abzielen, die Entwaldung zu vermeiden, leiden in der Regel an zwei Problemen:

• Baselines: Dies ist die Menge an Annahmen, die projizieren, was ohne Intervention geschehen würde. Die Intervention wird dann als “Addition” über der Baseline berechnet. Baselines heute stammen nicht aus einer datengesteuerten Analyse, sondern sind oft grobe Durchschnitte. Darüber hinaus wird die Baseline von den Projektmanagern selbst berechnet, die in einem Interessenkonflikt stehen: Je niedriger die Baseline, desto mehr Gutschriften werden erstellt.
• Spillage: Das Phänomen, dass die positiven Dinge, die in den definierten Projektgebieten geschehen (wie reduzierte Holzgewinnung), durch das ausgleichen, was außerhalb der definierten Projektgebiete geschieht. Oft werden solche Gebiete nicht verfolgt, sodass das Projekt Gutschriften erhält, während der Vorteil in den umliegenden Wäldern verloren geht.

Das grundlegende Problem hier ist, dass es an datengesteuerter Analyse mangelt, um unabhängig zu verfolgen, was passiert. Es ist heute möglich, wir können dies im großen Maßstab tun, aber es gibt eine sehr langsame Anpassung an die state-of-the-art-Technologie in diesem Bereich. Kurz gesagt, das Problem liegt nicht in der Analyse, sondern in dem, was die Berechnung der Gutschriften basiert.

Haben Sie Fallstudien, die Sie teilen können, von Kunden, die dieses System verwenden?

• ENCE, der größte Waldbesitzer in Spanien, nutzt unser System.
• Unser erster und größter Kunde ist Metsähallitus (finnischer Staatlicher Forst).
• Unser Partner Forliance, einer der größten und angesehensten Kohlenstoffprojektmanager weltweit, arbeitet mit uns an einem der größten Kohlenstoffprojekte in Kolumbien.
• 7 der Top 10 Forstländer in den europäischen Nordländern sind unsere Kunden. Unser neuester Kunde, der bald bekannt gegeben wird, ist einer der “Drei Großen” in Finnland.

Was ist Ihre Vision für die Zukunft der Forstconservation?

Unsere Vision ist datengesteuert mit faktenbasierten Analysen in natürlichen Lösungen. Es ist sehr klar, dass wir schnell handeln müssen, um den Klimawandel zu bekämpfen. Derzeit werden die meisten Wälder auf der ganzen Welt alle 5-10 Jahre inventarisiert. Wir sollten dies auf monatliche Überwachung reduzieren, um zu verstehen, was passiert. Darüber hinaus müssen wir die Artenvielfalt verfolgen. Ohne Artenvielfalt verlieren wir die Widerstandsfähigkeit unserer Wälder inmitten der Klimakrise.

Gibt es noch etwas, das Sie über CollectiveCrunch teilen möchten?

Ja: Wir können dies im großen Maßstab tun. Wir decken derzeit 20 Millionen Hektar ab, etwa 50 Millionen Acres Wald. Wir tun dies mit einer Genauigkeit, die besser ist als die herkömmlichen Methoden, die wir ersetzen. Dies ist real und ermöglicht Transparenz in den Kohlenstoffmärkten.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten CollectiveCrunch besuchen.