Umweltbildung als Mittel zur Bekämpfung zunehmender Umweltverschmutzung: ein optimierter, erklärbarer Ansatz der Künstlichen Intelligenz (XAI)

Warum Umweltunterricht wichtig ist

Weltweit schädigen verschmutzte Luft, unsicheres Trinkwasser und wachsende Abfallmengen Menschen und Natur. Libyen steht all diesen Problemen gleichzeitig gegenüber, von belasteten Küsten bis zu ölfleckigen Wüsten. Diese Studie stellt eine einfache, aber kraftvolle Frage: Kann bessere Umweltbildung die Wende bringen — und kann moderne Künstliche Intelligenz (KI) zeigen, welche Unterrichtsformen wirklich etwas bewirken?

Verschmutzungsdruck vor der Haustür

Die Umwelt Libyens steht von mehreren Seiten unter Druck. Unbehandelte Abwässer und industrielle Einleitungen belasten Flüsse, Grundwasser und das Meer. Öl‑ und Gasaktivitäten, Zementwerke und Verkehr verschlechtern die Luftqualität in Städten, während mangelhafte Abfallsammlung dazu führt, dass Müll in offenen Flächen landet oder verbrannt wird. Diese Entwicklungen bedrohen das Meeresleben, Trinkwasser und die öffentliche Gesundheit und tragen zu Atemwegserkrankungen, Krebserkrankungen und durch Wasser übertragenen Infektionen bei. Vor diesem Hintergrund hat das Land begonnen, Umweltthemen in Schul‑ und Hochschulprogramme einzubinden, in der Hoffnung, dass informierte Bürger sauberere Praktiken und politische Maßnahmen vorantreiben.

Der nächsten Generation zuhören

Die Forschenden konzentrierten sich auf Studierende der Umweltwissenschaften und der Umweltbildung an zwei libyschen Universitäten. Mehr als 400 Studierende füllten einen Online‑Fragebogen aus, in dem sie zu ihrem Hintergrund, zur Sorge um Probleme wie Luft‑ und Wasserverschmutzung oder Klimawandel, zu ihrem tatsächlichen Verhalten im Alltag – etwa Recycling, Teilnahme an Aufräumaktionen oder Kauf von Produkten mit weniger Verpackung – und zu ihrem Selbstverständnis in Bezug auf Wissen über Verschmutzung, deren Ursachen und Lösungen befragt wurden. Die meisten Studierenden gaben an, große Besorgnis über Luft‑ und Wasserqualität sowie den Klimawandel zu empfinden, und viele berichteten, bereits umweltfreundliche Gewohnheiten zu pflegen, wie das Trennen von Wertstoffen oder die Teilnahme an Aufräumaktionen. Auch das selbstberichtete Wissen war stark: breite Mehrheiten gaben an, die wichtigsten Schadstoffe, Hauptursachen der Verschmutzung und mögliche Abhilfen zu kennen.

Mit klugen Werkzeugen herausfinden, was wirklich zählt

Um über einfache Durchschnittswerte hinauszugehen, griff das Team auf fortgeschrittene KI‑Methoden zurück. Sie behandelten das Wissen der Studierenden über Lösungen zur Umweltverschmutzung als das zentrale Ergebnis, das sie vorhersagen wollten, und alle anderen Umfrageantworten – Sorge, Bereitschaft zu handeln und berichtete Verhaltensweisen – als mögliche Einflussfaktoren. Sie bauten mehrere Computermodelle, darunter neuronale Netze, Boosted Decision Trees und ein Verfahren namens Gaussian Process Regression. Anschließend verwendeten sie eine Technik namens Bayesian Optimization, um diese Modelle automatisch so feinzujustieren, dass ihre Vorhersagen möglichst genau sind. Darüber hinaus wandten sie einen „erklärbaren KI“-Ansatz an, der jedem Umfragefaktor einen Beitragswert zuweist und so zeigt, wie stark er das Modell dabei unterstützt, das Verständnis der Studierenden für Lösungsmöglichkeiten der Verschmutzung vorherzusagen.

Was das Umweltverständnis der Studierenden prägt

Die Analyse mit erklärbarer KI zeigte, dass nicht alle Fragen gleichermaßen wichtig waren. Die stärksten Verbindungen zu dem Wissen, wie man Verschmutzung bekämpft, kamen von einigen Schlüsselfaktoren: ob die Studierenden die Hauptursachen der Verschmutzung und die wichtigsten Schadstoffe kannten; ob sie routinemäßig getrennte Behälter für Wertstoffe verwendeten; ob sie bereit waren, ihren eigenen Abfall zu reduzieren; und ob sie bereit waren, mit Gruppen zusammenzuarbeiten, die sich dem Umweltschutz widmen. Mit anderen Worten: Sowohl konkretes Wissen als auch praktische, gemeinschaftsorientierte Gewohnheiten scheinen zentral für ein tieferes Verständnis zu sein. Als die Modelle nur mit dieser kleinen Menge einflussreicher Faktoren neu aufgebaut wurden, schnitten sie genauso gut oder besser ab als mit dem vollständigen Fragebogen – insbesondere das optimierte Gaussian‑Process‑Regression‑Modell, das die Wissenswerte der Studierenden zu Lösungen sehr genau vorhersagte.

Von Daten zu Maßnahmen für eine sauberere Zukunft

Für Nicht‑Spezialisten lautet die Hauptbotschaft: Bildung nützt der Umwelt nicht einfach dadurch, dass mehr Fakten in Lehrbücher aufgenommen werden. Entscheidender ist offenbar Unterricht, der reale lokale Probleme mit alltäglichen Handlungen und kollektiven Bemühungen verknüpft und ein klares Verständnis dafür schafft, was Verschmutzung überhaupt verursacht. Durch den Einsatz erklärbarer KI zeigt diese Studie, wie Schulen, Universitäten und politische Entscheidungsträger genau bestimmen können, welche Einstellungen und Verhaltensweisen gefördert werden sollten, damit Studierende zu kompetenten Hütern ihrer Umwelt werden. Obwohl die Arbeit auf libyschen Universitäten basiert und auf selbstberichteten Umfragedaten beruht, bietet der Ansatz eine Blaupause: durchdachte Umweltbildung mit transparenter KI‑Analyse kombinieren, um schlauere, gezieltere Programme zu entwerfen, die Besorgnis in wirksames Handeln verwandeln.

Zitation: Hamad, O.A.M., Baysen, E. & Usman, A.G. Environmental education as a means of combating growing environmental pollution: an optimized- explainable artificial intelligence (XAI) approach. Sci Rep 16, 12647 (2026). https://doi.org/10.1038/s41598-026-42335-z

Schlüsselwörter: Umweltbildung, Verschmutzung, Libyen, künstliche Intelligenz, Verhalten von Studierenden