Methan lässt sich weder sehen noch an einer einzelnen Anlage einfach ablesen. Trotzdem kann es die Erwärmung kurzfristig stark antreiben. Google Research hat mit MAPL-EMIT jetzt ein Modell veröffentlicht, das NASA-Satellitendaten automatisiert nach möglichen Methan-Fahnen durchsucht. Das kann die Suche nach Lecks und anderen Quellen beschleunigen. Eine farbige Markierung auf der Karte ist allerdings erst der Anfang einer langen Prüfung.
MAPL-EMIT wertet Daten des NASA-Instruments EMIT aus, das auf der Internationalen Raumstation mit einer räumlichen Auflösung von rund 60 Metern misst. Das Modell sucht in den hyperspektralen Aufnahmen nach dem räumlichen und spektralen Muster einer vom Wind verwehten Methan-Fahne. Es schätzt dabei die Verstärkung, grenzt die Fahne ab und ordnet ihr einen möglichen Ursprungsbereich zu. Der praktische Unterschied liegt in der Skalierung: Statt Szenen nur einzeln und mit viel manueller Sichtung auszuwerten, lassen sich vorhandene Daten gezielter vorsortieren.
Was die neuen Benchmark-Zahlen aussagen
Die finale, in PNAS veröffentlichte Studie berichtet, dass MAPL-EMIT 84 Prozent von 1.580 bekannten, handannotierten Methan-Fahnen aus dem NASA-L2B-Referenzkatalog erfasst habe. Der Vergleich umfasste 1.084 EMIT-Granulen. Nach On-Land- und Clusterfiltern standen 2.209 Modellkandidaten einem konservativeren Referenzkatalog gegenüber; die Autoren beschreiben daraus rund 1,5-mal so viele plausible Fahnen wie im Referenzbestand.
Das ist ein interessanter Fortschritt, aber kein globaler Wahrheitswert. Die 84 Prozent beziehen sich auf bereits bekannte Referenzfahnen. Die Studie selbst nennt verbleibende Fehlalarme und fehlendes vollständiges Ground Truth. In einer Sensitivitätsanalyse mit 20.000 Szenen, in denen wenige Emissionen erwartet wurden, blieben von 1.513 gefilterten Detektionen nach Spektralprüfung 355 wahrscheinlich echt, 1.158 aber unbestätigt. Die Zahlen zeigen, warum ein empfindlicheres Suchsystem nützlich sein kann – und warum ein Treffer nicht ohne weitere Messung als Quelle gelten darf.
Die Karte misst keine Jahresfracht
Ein zentraler Unterschied wird in der öffentlichen Debatte leicht übersehen: Die veröffentlichten MAPL-EMIT-Werte beschreiben eine integrierte Methanverstärkung in ppm-m, also entlang der beobachteten Atmosphärensäule. Daraus wird nicht automatisch eine Emissionsrate in Kilogramm pro Stunde, erst recht keine Jahresfracht.
Für eine belastbare Flussabschätzung braucht es zusätzliche Informationen, vor allem Winddaten und ein Verfahren wie Integrated Mass Enhancement, kurz IME. Auch Wolken, Schatten, dunkle Oberflächen, Gelände und der Zeitpunkt eines Überflugs beeinflussen die Auswertung. EMIT beobachtet eine Anlage zudem nicht kontinuierlich. Wer aus einem einzigen Bild direkt auf die Menge oder die Verantwortung eines Betreibers schließt, überspringt mehrere fachlich notwendige Schritte.
Konfidenz hilft bei der Reihenfolge der Prüfung
Der veröffentlichte Earth-Engine-Katalog unterscheidet deshalb zwischen verschiedenen Konfidenzklassen. High-Confidence-Fahnen wurden nach Angaben des Katalogs mindestens dreimal in zeitlich getrennten EMIT-Beobachtungen erkannt. In einer menschlich geprüften Stichprobe lag die Fehlalarmrate dieser Klasse bei etwa 3 bis 5 Prozent. Medium-Confidence-Kandidaten ohne zeitliche Übereinstimmung hatten in der jeweiligen Katalogstichprobe dagegen etwa 50 bis 55 Prozent Fehlalarme.
Diese Angaben sind keine allgemeingültigen Fehlerquoten für jede Region. Sie zeigen aber, wie ein sinnvoller Einsatz aussehen kann: Mess- und Inspektionsteams können zuerst Kandidaten mit wiederholter Beobachtung, gutem Spektral-Fit und passender Infrastruktur prüfen. Gerade an Deponien oder in Industriegebieten können mehrere Quellen, wechselnder Wind und unruhige Oberflächen die Zuordnung erschweren. Die KI kann dort Suchzeit sparen, sie ersetzt das Anlagenwissen vor Ort nicht.
Von der Markierung zur tatsächlichen Minderung
Die für den Klimaschutz entscheidende Kette beginnt deshalb nach dem Satellitenhinweis. Ein Kandidat muss mit Wind- und Geländedaten abgeglichen, möglichst erneut beobachtet und durch Luft- oder Vor-Ort-Messungen bestätigt werden. Erst dann lässt sich klären, welche Quelle zuständig ist, wie groß die Emission ist und welche Reparatur oder andere Maßnahme tatsächlich sinnvoll wäre. Ein Vorher-nachher-Nachweis zeigt schließlich, ob die Emission gesunken ist.
Diese Trennung ist keine Formalität. Eine Modellkarte ist kein Bußgeldbescheid und keine automatische Feststellung einer Betreiberverantwortung. Für Kommunen und Anwohner ist sie dennoch relevant: Sie kann dazu beitragen, dass Hinweise nicht im großen Datenbestand verschwinden, sondern bei den richtigen Stellen landen. Der unabhängige Kontext von IEA und UNEP/IMEO spricht ebenfalls für diese mehrstufige Logik aus Satellit, Luftmessung, Bodenmessung, Prüfung und dokumentierter Reaktion.
Europa baut den Rahmen – Deutschland hat andere Schwerpunkte
Die EU-Methanverordnung 2024/1787 verlangt im Energiesektor Messung, Quantifizierung, Monitoring, Berichterstattung und Verifizierung. Sie regelt auch Lecksuche und Reparatur. Artikel 31 sieht ein öffentliches globales, satellitengestütztes Monitoring-Tool für hoch emittierende Ereignisse vor. Das erhöht den Wert nachvollziehbarer Hinweise, belegt aber nicht, dass MAPL-EMIT in einen europäischen Behördenprozess eingebunden ist.
In Deutschland bleibt der Blick auf die Quellen wichtig. Das Umweltbundesamt weist darauf hin, dass fast 80 Prozent der deutschen Methanemissionen aus Landwirtschaft, Landnutzung, Landnutzungsänderung und Forstwirtschaft stammen. Die EU-Verordnung konzentriert sich dagegen vor allem auf fossile Energieinfrastruktur und importierte fossile Energieträger. Bessere Satellitenanalyse kann damit eine Lücke im Wissen über große Emissionsereignisse schließen, sie schafft aber keinen einheitlichen Vollzugsweg für alle Sektoren.
Der Fortschritt liegt im besseren Suchlicht
MAPL-EMIT ist vor allem ein Werkzeug, um aus einem großen Archiv von Satellitenszenen die Fälle herauszufiltern, die eine genauere Prüfung verdienen. Die offene Datenbank, das trainierte Modell und die Inferenzbibliothek machen diesen Ansatz für Forschung und spezialisierte Anwender greifbarer als eine einzelne Projektmeldung. Google Research und die Studienautoren liefern damit einen plausiblen technischen Schritt, nicht den Nachweis, dass die letzte Meile bereits funktioniert.
Entscheidend wird sein, ob aus gut dokumentierten Modellkandidaten bestätigte Messungen, zuständige Reaktionen und nachweislich geminderte Emissionen werden. Erst dann verbindet eine Satellitenkarte die neue Rechenleistung mit dem, worauf es beim Methan am Ende ankommt: weniger Gas in der Atmosphäre.
Quellen und weiterführende Informationen
- Google Research: Mapping global methane emissions from space with deep learning (1. September 2026)
- PNAS: Methane plume mapping from space with deep learning (finale Fassung)
- Google Earth Engine: MAPL-EMIT Plumes
- NASA Earthdata: EMIT Imaging Spectrometer
- EUR-Lex: Verordnung (EU) 2024/1787
- Umweltbundesamt: European Methane Regulation
- IEA: Global Methane Tracker 2026
- UNEP IMEO: Eye on Methane
Hinweis: Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft. Stand: 2026-09-03.
