Rolf Schmitz, Mitbegründer und Co-CEO von CollectiveCrunch – Interview Series

Rolf Schmitz ist Mitbegründer und Co-CEO von CollectiveCrunch, eine Plattform, die das weltweite Verständnis von Wäldern verändert, indem sie weltweit die genauesten, skalierbarsten und aktuellsten Analysen bereitstellt, eine nachhaltige Forstwirtschaft ermöglicht und Transparenz in die COXNUMX-Handelsmärkte bringt.

Rolf ist ausgebildeter Ingenieur und besitzt einen MBA der Manchester Business School. Er verfügt über umfassende Erfahrung in der globalen Geschäftsentwicklung und im Vertrieb und hat Teams in Asien, den USA und Europa aufgebaut.

Können Sie uns die Entstehungsgeschichte von CollectiveCrunch erzählen?

Wir beherrschen den Umgang mit großen Datenmengen und die Ableitung von Erkenntnissen daraus. Unsere ursprüngliche Idee bei der Gründung von CollectiveCrunch bestand darin, Klimadaten mit Geschäftsprozessen zu kombinieren, da wir der Meinung waren, dass dies ein übersehener Aspekt des Klimawandels sei.

Zunächst konzentrierten wir uns auf Logistik und Energie. Wir haben ein Produkt entwickelt, das die Energieerzeugung aus Windparks vorhersagt, was für die Aufrechterhaltung der Stabilität von Energienetzen von entscheidender Bedeutung ist. Das Produkt ist bei Fingrid, dem nationalen Stromnetz in Finnland, aktiv. Wir stellten jedoch fest, dass es in den Logistik- und Energiemärkten überfüllte Märkte gab, in denen es für ein kleines Unternehmen schwierig wäre, eine Führungsrolle aufzubauen.

Durch einen Freund von Jarkko, einem unserer Mitbegründer, wurden wir auf die Herausforderungen bei der Erstellung und Aufrechterhaltung aufmerksam Waldinventuren. Wir fanden, dass der technische Fortschritt erschreckend niedrig war. Infolgedessen waren Bestandsaufnahmen teuer, ungenau und wurden nur alle 5–10 Jahre durchgeführt. Die Bedeutung der Wälder für den Klimaschutz, Ökosystemdienstleistungen und naturbasierte Lösungen war damals klar. So wurde CollectiveCrunch zu einem „forstwirtschaftlichen KI-Unternehmen“. Persönlich sind wir alle auf dem Land aufgewachsen und hatten daher eine natürliche Affinität zum Wald. So kamen wir dazu, KI-Modelle für Wälder zu entwickeln.

Welche Arten von Werkzeugen und Kameras werden zur Überwachung eines Waldes verwendet?

Unser Ansatz besteht darin, uns nicht auf eine einzelne sensorische Methode zu spezialisieren, sondern alle relevanten Datenquellen zu kombinieren, die uns zur Verfügung stehen. Jede sensorische Methode hat Stärken und Schwächen; Durch die Kombination von Datenquellen können wir den Schwachstellen entgegenwirken. Beispielsweise sind optische Bilder sehr nützlich, bei Bewölkung sind sie jedoch nicht von Satelliten verfügbar. In unserem Geschäft sind von Satelliten stammende Daten wichtig, aber auch LIDAR-Scans, soweit verfügbar. Aus Sicht des Geschäftsmodells beschäftigen wir uns nicht mit der Datenerfassung wie dem Fliegen von Drohnen oder dem Mieten von Flugzeugen zum Scannen von Gebieten.

Abgesehen von der Bandbreite satellitengestützter Sensordaten ist LIDAR ein sehr wichtiges Werkzeug oder eine sehr wichtige Methode. Hochauflösende optische Bilder, die mit Flächenkampagnen aufgenommen wurden, sind weniger auffällig als LIDAR, werden aber ebenfalls verwendet. Ein überraschend weit verbreitetes Werkzeug ist immer noch das gute alte 19^th Jahrhundert Methode der manuellen Probenentnahme. Angesichts der vielen Statistiken würde ich es immer noch als Werkzeug bezeichnen.

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

Es erfolgt eine Anpassung an verschiedene regionale Ökosysteme, einschließlich der Erkennung von Veränderungen. Baumarten, Wachstumsmuster und Waldbewirtschaftungspraktiken variieren stark zwischen den Regionen. Das Gleiche gilt für Methoden und Praktiken der Datenerfassung. Es sind also nicht nur die Bäume, sondern auch die Trainingsdaten, die unterschiedlich sind.

Welche umsetzbaren Erkenntnisse können aus diesen Informationen gewonnen werden?

• Unter dem Begriff „Veränderungserkennung“ werden die Erkennung von Sturmschäden, die Identifizierung von Schädlingsausbrüchen und anderen negativen Auswirkungen zusammengefasst, die ein Eingreifen erfordern, um ein Eingreifen vor Ort zu ermöglichen und die Auswirkungen des betreffenden Schadens zu begrenzen.
• COXNUMX-Inventare sorgen für Transparenz bei COXNUMX-Projekten und erleichtern Entscheidungen rund um die Bewertung und den Kauf solcher Projekte und Zertifikate.
• Bei Aufforstungsprojekten hängt die Lebensfähigkeit neu gepflanzter Bäume von der richtigen Feuchtigkeit im Boden ab. Das Erkennen übermäßiger Trockenheit oder Nässe kann ein Eingreifen auslösen, um zu verhindern, dass solche jungen Bäume versagen.
• Waldinventuren in der kommerziellen Forstwirtschaft dienen als Grundlage für Entscheidungen wie Flächendurchforstung (die das Wachstum fördert) und Ernteoptimierung. Die Artenerkennung macht die Lieferkette effizienter und erhöht die Margen. Zusammengenommen ermöglicht dies der Industrie, die Waldressourcen effizienter zu nutzen. Dies ist von entscheidender Bedeutung, da ein Großteil des Nutzwaldes für den Erhalt ländlicher Gemeinden und für die Förderung der Einführung zirkulärer Produkte und Verpackungen von entscheidender Bedeutung ist.
• Die Verfolgung der Artenvielfalt kann Interventionen auslösen, wenn ein Gebiet unter Degradierung leidet. Die biologische Vielfalt ist entscheidend dafür, dass unsere Wälder in dieser Phase des sich beschleunigenden Klimawandels widerstandsfähiger werden.

Wie profitieren Analysen von nachhaltigem Waldbesitz?

Es kamen mehrere Vorteile ins Spiel. Erstens ergreift die kommerzielle Forstwirtschaft ständig neue Maßnahmen, um nachhaltiger zu werden. Viele davon erfordern eine bessere und tiefergehende Analyse. Ein Beispiel: Kahlschläge, bei denen eine Waldfläche zu 100 % abgeholzt wird, haben starke Auswirkungen auf das lokale Ökosystem. Dies geschieht aus Effizienzgründen – viele nachhaltige Produkte wie faserbasierte Verpackungen könnten nicht mit weniger nachhaltigen Alternativen konkurrieren, wenn die Forstwirtschaft weniger effizient würde. Die Branche sucht nach Alternativen, bei denen nur die größten Bäume in jedem Gebiet gefällt werden. Es ist viel nachhaltiger, aber aus Logistik- und Kostensicht eine sehr große Herausforderung. Und das geht nur mit modernster Analytik.

Biodiversität ist für die Widerstandsfähigkeit der Wälder von entscheidender Bedeutung. Die Überwachung der biologischen Vielfalt und die Ermöglichung von Eingriffen bei Bedarf sind für die kurz- und langfristige Lebensfähigkeit des Waldes von entscheidender Bedeutung.

Wie überprüft das System bei Projekten zur Kohlenstoffabscheidung, ob ein Projekt die Treibhausgasemissionen wie angekündigt reduziert?

Das System erreicht für die jeweilige Waldinventur eine gewisse Genauigkeit, die nachweisbar ist. Der Großteil des Greenwashing findet nicht auf der Analyseebene statt, sondern in der Art und Weise, wie Projekte strukturiert sind. Waldkohlenstoffprojekte, die darauf abzielen, die Entwaldung zu verhindern, leiden meist unter zwei Problemen:

• Grundlinien: Hierbei handelt es sich um eine Reihe von Annahmen, die prognostizieren, was ohne Intervention passieren würde. Der Eingriff wird dann als „Zusätzlichkeit“ über der Basislinie berechnet. Heutige Basiswerte stammen nicht aus einer datengesteuerten Analyse, sondern sind häufig grobe Durchschnittswerte. Darüber hinaus wird die Baseline von den Projektmanagern selbst berechnet, die sich in einem Interessenkonflikt befinden: Je niedriger die Baseline, desto mehr Credits werden geschaffen.
• Verschüttung: Das Phänomen, dass die positiven Dinge, die innerhalb der definierten Projektgebiete passieren (z. B. reduzierter Holzeinschlag), durch das, was außerhalb des definierten Projektgebiets geschieht, ausgeglichen werden. Sehr oft werden solche Gebiete nicht erfasst, so dass das Projekt Gutschriften erhält, während der Gewinn an die umliegenden Wälder verloren geht.

Das grundlegende Problem besteht darin, dass es an datengesteuerten Analysen mangelt, um unabhängig zu verfolgen, was vor sich geht. Es ist heute möglich, wir können dies in großem Maßstab tun, aber die Anpassung der neuesten Technologie in diesem Bereich erfolgt nur sehr langsam. Kurz gesagt, das Problem liegt nicht in der Analyse, sondern darin, worauf die Berechnung der Credits basiert.

Haben Sie Fallstudien von Kunden, die dieses System nutzen?

• ENCE, der größte Waldbesitzer in Spanien, nutzt unser System.
• Unser erster und größter Kunde ist Metsähallitus (Finnish State Forest).
• Unser Partner Forliance, einer der größten und angesehensten COXNUMX-Projektmanager weltweit, arbeitet mit uns an einem der größten COXNUMX-Projekte in Kolumbien.
• Sieben der zehn größten Forstwirtschaftsländer in den europäischen Skandinavien sind unsere Kunden. Unser neuester Kunde, der bald bekannt gegeben wird, ist einer der „großen Drei“ in Finnland.

Was ist Ihre Vision für die Zukunft des Waldschutzes?

Unsere Vision ist datengesteuert mit faktenbasierten Analysen in naturbasierten Lösungen. Es ist ganz klar, dass wir schnell handeln müssen, um den Klimawandel einzudämmen. Derzeit wird die große Zahl der Wälder auf der Welt alle 5–10 Jahre inventarisiert. Wir sollten dies auf eine monatliche Nachverfolgung reduzieren, um zu verstehen, was vor sich geht. Darüber hinaus müssen wir die Artenvielfalt verfolgen. Ohne Artenvielfalt verlieren wir mitten in einer Klimakrise die Widerstandsfähigkeit unserer Wälder.

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

Ja, wir können dies im großen Maßstab tun. Derzeit bedecken wir 20 Millionen Hektar, also etwa 50 Millionen Hektar Wald. Wir tun dies mit einer höheren Genauigkeit als die herkömmlichen Methoden, die wir ersetzen. Das ist real und ermöglicht Transparenz auf den COXNUMX-Handelsmärkten.

Vielen Dank für das tolle Interview, Leser, die mehr erfahren möchten, sollten vorbeischauen CollectiveCrunch.