Netzwerktrennungsmodellierung und Quantencomputing zur Entwicklung von Strategien für Brandschneisen

Warum intelligentere Brandschneisen wichtig sind

Im gesamten amerikanischen Westen und weltweit werden Waldbrände immer größer, heißer und näher an Siedlungsgebieten. Eines der wenigen Mittel, die Landmanager vor einem Ausbruch einsetzen können, ist die Brandschneise: ein Streifen aus ausgedünnter oder geräumter Vegetation, der das Voranschreiten eines Feuers verlangsamt. Doch genau zu entscheiden, wo solche Streifen in der Realität angelegt werden sollen, ist ein schwieriges Problem. Diese Studie zeigt, wie Konzepte aus der Netzwerkwissenschaft und dem Quantencomputing helfen können, Brandschneisen strategischer zu platzieren, sodass weniger Fläche gestört werden muss, während mehr Wald — und die in der Nähe liegenden Gemeinden — im schlimmsten Fall geschützt werden.

Den Wald als Netzwerkkarte darstellen

Um das Problem anzugehen, stellten die Forschenden zunächst einen realen Wald in Kalifornien als Netzwerk dar, ähnlich der Art und Weise, wie Epidemiologen die Ausbreitung von Krankheiten modellieren. Sie konzentrierten sich auf eine bestimmte Interessensregion und legten ein feines Gitter von Punkten über die Karte. Jeder Punkt, der auf bewaldetem Gebiet lag, wurde zu einem Knoten im Netzwerk und repräsentierte einen Ort, an dem Feuer entstehen oder hinwegziehen könnte. Informationen wie die Höhe wurden aus Online-Datenquellen entnommen, während einfache Annahmen über Baumhöhe und starke Winde gemacht wurden, die Funken über die Landschaft tragen könnten. Indem Knoten verbunden wurden, die nahe genug beieinander lagen, um einen plausiblen Funkenflug zu erlauben, erzeugte das Team ein Netz von fast 1.500 Waldknoten und mehr als 4.600 Verbindungen, entlang derer sich Feuer ausbreiten konnte.

Brandschneisen als Schnittproblem entwerfen

Sobald der Wald als Netzwerk dargestellt war, wurde die Frage, wo Brandschneisen gebaut werden sollten, zur Frage, wie man das Netz „schneidet“. Ziel war es, das Netzwerk in zwei große, voneinander getrennte Waldstücke zu teilen, wobei eine dritte Gruppe von Knoten dazwischen die Brandschneise darstellt. Wenn ein Feuer in einem der beiden Teile ausbricht, sollte es nicht in den anderen springen können. Die Forschenden gingen außerdem von einer Worst‑Case‑Situation aus: es gibt keine Vorabinformation darüber, wo ein Feuer ausbrechen wird, und es verbrennt alles, was es erreichen kann. Unter diesen Bedingungen ist es sicherer, wenn die beiden Waldstücke möglichst gleich groß sind. So ist unabhängig vom Entstehungsort die maximal brennbare Fläche auf etwa die Hälfte der Landschaft begrenzt, statt auf den Großteil davon.

Quantenrechner die Suche nach besseren Schnitten durchführen lassen

Die beste Möglichkeit zu finden, ein großes Netzwerk mit möglichst wenigen Schnitten in zwei gleich große Teile zu teilen, ist eine ausgesprochen schwierige mathematische Aufgabe, insbesondere weil die Zahl der Kombinationsmöglichkeiten explodiert. Das Team formulierte das Problem als eine Art eingeschränkte Ja‑oder‑Nein‑Frage für jeden Knoten: Gehört er auf die linke Seite, auf die rechte Seite oder zur Brandschneise? Anschließend nutzten sie D‑Waves „Hybrid“-Quantum-Solver, der einen Quantenannealer mit klassischen Computern kombiniert, um in Sekundenbruchteilen nach nahezu optimalen Lösungen zu suchen. Zum Vergleich führten sie die gleiche Problemstellung auch mit zwei traditionellen Optimierungsprogrammen aus, CPLEX und SCIP. In einem kleineren Testnetzwerk fanden alle drei Methoden gleich gute Lösungen, wobei CPLEX am schnellsten war, D‑Wave dicht dahinter und SCIP deutlich langsamer. Im Gegensatz zu CPLEX konnte der quantum‑unterstützte Ansatz jedoch auch das großskalige Waldnetzwerk bearbeiten.

Die traditionelle Kammregel übertreffen

Um zu bewerten, ob dieser High‑Tech‑Ansatz den Aufwand rechtfertigt, verglichen die Forschenden ihn mit einer einfachen Faustregel, die in der Praxis oft verwendet wird: Brandschneisen entlang eines Kammrückens anlegen. Im kalifornischen Netzwerk erforderte die Kammregel das Freiräumen der Äquivalenz von 190 Acres und ließ eine Seite des Waldes deutlich größer als die andere. Im Gegensatz dazu benötigte eine optimierte Lösung nur etwa 114 Acres Brandschneise – 76 Acres weniger als die Kammregel – und hielt die beiden Waldabschnitte ähnlich unausgeglichen. Eine andere Lösung verwendete etwas mehr Fläche als die Kammregel, etwa 209 Acres, erzielte jedoch eine deutlich gleichmäßigere Aufteilung und verringerte damit im schlimmsten Fall die maximal mögliche Brandfläche um fast 18 Prozent. Diese Beispiele verdeutlichen einen wichtigen Zielkonflikt: Mehr oder breitere Brandschneisen können besseren Schutz bieten, gehen jedoch zu Lasten einer stärkeren Flächenstörung.

Was das für die zukünftige Brandbekämpfung bedeutet

Für Nicht‑Spezialisten lautet die Kernbotschaft: Wir können fortgeschrittene Mathematik und aufkommende Quantenhardware nicht nur für abstrakte Probleme nutzen, sondern auch, um drängende Umweltfragen zu lösen. Indem man die Ausbreitung von Waldbränden wie die Ausbreitung eines Virus über ein Kontaktnetzwerk behandelt und sorgfältig auswählt, welche „Verbindungen“ durch Brandschneisen durchtrennt werden, können Manager mehr Wald schützen und gleichzeitig weniger Fläche roden. Die konkreten Zahlen in dieser Studie beziehen sich auf eine Region und auf vereinfachte Brandannahmen, aber der Ansatz ist allgemein: Mit besseren Daten zu Winden, Brennstoffen und Wetter könnten ähnliche Optimierungswerkzeuge nuanciertere Entscheidungen unterstützen, die Sicherheit, Kosten und ökologische Auswirkungen abwägen. In einer Welt mit häufigeren und heftigeren Waldbränden könnte eine intelligentere Planung, wo Brandschneisen angelegt werden, den Unterschied ausmachen zwischen dem Verlust der Hälfte einer Landschaft und dem Verlust fast der gesamten Fläche.

Zitation: Dent, S., Stoddard, K., Smith, M. et al. Network separation modeling and quantum computing for developing wildfire fuelbreak strategy. Commun Eng 5, 32 (2026). https://doi.org/10.1038/s44172-026-00585-9

Schlüsselwörter: Waldbrandminderung, Planung von Brandschneisen, Netzwerkmodellierung, Quantencomputing, Forstmanagement