Klimabilanz für Lebensmittelhersteller

Im Projekt wurde ein Prototyp für regionalisierte Ökobilanzen (LCA) entwickelt, der Umweltauswirkungen von Nutzpflanzen standortspezifisch berechnet und visualisiert. Ergänzend entstanden eine skalierbare Datenarchitektur sowie Modelle zur Schätzung regionaler Ernteerträge. Die Ergebnisse schaffen eine Grundlage für präzisere und global anwendbare Umweltbewertungen.

Niatsu entwickelte einen Prototyp, der dynamische regionale LCA-Ergebnisse berechnet und visualisiert. Dieser Prototyp dient als beispielhafte Anwendung der regionalisierten LCA-Modelle. Er hebt zudem die Relevanz sowie den Mehrwert einer regionalen Differenzierung in Umweltwirkungsbewertungen hervor. Konkret hat Niatsu regionalisierte LCAs für verschiedene Pflanzenarten (zum Beispiel Weizen) in der Schweiz, Österreich und Deutschland implementiert. In einem zweiten Schritt wurde das Modell auf Palmfrüchte und Mais in Indonesien ausgeweitet, um zu demonstrieren, dass die Technologie auch global anwendbar ist. 

Niatsu entwickelte ein Grundmodell für regionale LCA-Berechnungen, sammelten regionale Daten zu Ernteerträgen, Düngemitteleinsatz und Emissionsfaktoren und verarbeiteten diese in harmonisierte Formate. Das Modell wurde anschliessend in einer interaktiven Visualisierung implementiert, welche über die Cloud verfügbar ist. Selbst in diesem frühen Stadium zeigte der Prototyp, dass regionale Aggregationen neue Erkenntnisse liefern: Innerhalb einzelner Länder lassen sich deutliche Schwankungen der Umweltauswirkungen beobachten, was die Notwendigkeit von dynamischen LCA bestätigt.

Weiter entwickelte Niatsu einen Ansatz, um die Methode zu skalieren und in unser System zu integrieren. Zu diesem Zweck definierten wir eine Software-Architektur, die festlegt, wie Eingabedaten und Ergebnisse der dynamischen LCA in einer Datenbank gespeichert werden. Wir identifizierten die wichtigsten Eingaben zur Berechnung regionaler Umweltauswirkungen – darunter Ernteerträge, Stickstoffdünger, Phosphordünger – und strukturierten diese in ein klares Schema. Durch diese Arbeit wurde das System skalierbar, transparent und ist ausbaufähig.

Um die Abhängigkeit von behördlichen Statistiken zu reduzieren, entwickelten wir eine Ertrags-Engine, die Ernteerträge auf regionaler Ebene schätzt. Durch die Kombination globaler Datensätze mit Satellitendaten liefert sie konsistente Ertragsschätzungen mit globaler Abdeckung. Dadurch können Datenlücken geschlossen, Vergleiche zwischen Regionen ermöglicht und verlässliche Eingaben für unsere Umweltbewertungen bereitgestellt werden. Diese Ertragsdaten sind in die oben beschriebene Datenbankarchitektur integriert und stärken so die Robustheit des Gesamtsystems. Niatsu verfügt nun über 40 Modelle für Nutzpflanzen mit globaler Abdeckung. Eine weitere Validierung der Ergebnisse steht jedoch noch aus. 

Zusätzlich haben wir erste Forschungsarbeiten und die Aufbereitung globaler Bewässerungsdaten auf regionaler Ebene initiiert, mit dem Ziel, diese in das dynamische LCA-Modell zu integrieren. Dies wird die Genauigkeit regionaler Wirkungsabschätzungen weiter erhöhen, da Unterschiede im Wasserverbrauch zwischen Kulturen und Regionen berücksichtigt werden.