Prüfung entwaldungsfreier Lieferketten (EUDR) und MRV für Waldkohlenstoff

Importeure von Rindern, Kakao, Kaffee, Ölpalmen, Kautschuk, Soja und Holzprodukten müssen nachweisen, dass die Waren von Flächen stammen, die nach dem 31. Dezember 2020 nicht entwaldet wurden. Satellitengestützte KI prüft jedes Lieferanten-Polygon gegen Karten zu Waldbedeckung und Veränderung, markiert Risiken und liefert die Belege für die Sorgfaltserklärung. Derselbe Fernerkundungs-Stack, erweitert um LiDAR-basierte Modelle für Kronenhöhe und Biomasse, unterstützt Messung, Berichterstattung und Verifizierung (MRV) von Waldkohlenstoffprojekten.

Problem & Nutzen

• Heute: Marktteilnehmer sammeln Flächenkoordinaten von Tausenden Kleinbauern in Tabellen und PDFs, prüfen Karten nach Augenmaß oder verlassen sich auf Zertifikate. Geodaten fehlen oft, sind ungültig (vertauschte Breiten-/Längengrade, falsche Genauigkeit, sich selbst überlappende Polygone) oder überlappen andere Flächen. Kohlenstoffprojekte stützen sich auf wenige Feld- flächen und regelmäßige Audits durch Dritte.
• KI-Nutzen: automatisierte Validierung der Geodaten, wiederholbares Screening je Fläche auf Entwaldung anhand mehrerer unabhängiger Karten, laufende Überwachung statt einer einmaligen Prüfung und Prüfpfade. Für Kohlenstoff: flächendeckende Schätzungen von Biomasse und Veränderung, die Referenzszenarien und Verlagerungsprüfungen (Leakage) günstiger und transparenter machen.
• Zeitplan der Regulierung: Die Verordnung (EU) 2023/1115 (EUDR) wurde durch die Verordnung (EU) 2025/2650 erneut verschoben: Anwendung ab dem 30. Dezember 2026 für große und mittlere Marktteilnehmer und ab dem 30. Juni 2027 für Kleinst- und Kleinunternehmen, mit vereinfachten Pflichten für nachgelagerte Marktteilnehmer und Händler. Weitere Überprüfungen oder Änderungen des Anwendungsbereichs (z. B. durch einen delegierten Rechtsakt) sollten Sie auf EUR-Lex prüfen, bevor Sie sich auf diese Termine verlassen [1][2].
• Hier werden keine herstellerunabhängigen Zahlen zu Kosteneinsparungen genannt; messen Sie Ihre eigene Ausgangslage.

Varianten

• Importeur / Händler (EUDR-Marktteilnehmer): Lieferanten-Onboarding, Flächenvalidierung, Vorbereitung der DDS für Rohstoffe wie Kakao, Kaffee, Palmöl, Soja, Kautschuk, Rind/Leder, Holz.
• Nachgelagerter Marktteilnehmer / KMU: übernimmt vorgelagerte DDS-Referenzen; prüft und bewahrt sie nach dem vereinfachten Regime auf.
• Rohstofferzeuger / Genossenschaft: erfasst Polygone per Mobil-App und prüft vor dem Versand vor.
• Finanzinstitute und Investoren: Entwaldungsrisiko auf Portfolioebene (Verbindung zu DATA-012).
• Zuständige Behörden: risikobasierte Kontrollen bei Marktteilnehmern auf Grundlage von VIS-038.
• MRV für Waldkohlenstoff: Projektentwickler, Ratingagenturen und Prüfer, die oberirdische Biomasse, Waldschädigung und Leakage im Referenzszenario schätzen (VCS/Verra, Gold Standard, EU-CRCF).
• Variante für Private/Landbesitzer: Kleinwaldbesitzer, die ihren Bestand für Kohlenstoffprogramme dokumentieren.

So funktioniert es

1. Lieferantendaten-Erfassung (GeoJSON / KML / Shapefile / App-Erfassung, plus Handelsdokumente)
2. Geodaten-Validierung (KBS, Topologie, Fläche, Überlappungen, Flächen <4 ha als Punkt vs. Polygon, Länderabgleich)
3. Überlagerung mit Waldbedeckungs-Baseline (31. Dez. 2020) und Landbedeckungskarten (Konsens mehrerer Produkte)
4. Änderungserkennung auf Sentinel-2- / Landsat- / SAR-Zeitreihen (wolkenrobust, optisch + Radar)
5. Risikobewertung je Fläche + Belege (Aufnahmedaten, Kartenversionen, Konfidenz)
6. Prüfung markierter Flächen durch menschliche Analysten (sehr hochauflösende Bilder, Feldverifikation)
7. Risikobewertung & Minderungsnachweis
8. DDS-Daten
9. EU-Informationssystem (TRACES-basiert)
10. kontinuierliche Überwachung und Warnungen (z. B. neue Rodung nach dem Onboarding) Kohlenstoff-Zweig: Kronenhöhe / Biomasse-Regression (LiDAR + optisch + SAR)
11. Bestand & Änderung + Unsicherheit
12. MRV-Bericht

• KI-Komponenten: semantische Segmentierung von Wald/Nicht-Wald; Modelle zur Änderungserkennung auf Zeit- reihen; Geospatial Foundation Models für Embeddings; Regression von Kronenhöhe und Biomasse aus mit GEDI-LiDAR kalibrierten optischen/SAR-Merkmalen; LLM/Dokumentenanalyse für Lieferantenunterlagen (DOC-006).
• Mensch-in-der-Schleife (Human-in-the-Loop): Der Marktteilnehmer bleibt rechtlich verantwortlich. Analysten prüfen jede markierte oder konfidenzarme Fläche, klären Definitionslücken (Wald im Vergleich zu Baumplantagen, Agroforst, „Waldschädigung“) und entscheiden über Maßnahmen gegenüber Lieferanten. Das Kartenergebnis ist Beleg und Screening, nie eine rechtliche Schlussfolgerung.

Datenaufbereitung

Die zentralen Daten sind die Geokoordinaten der Lieferantenflächen (GeoJSON, KML, Shapefiles, App-Erfassungen) sowie Lieferantenerklärungen, Zertifikate und Handelsdokumente (HS-Codes, Mengen). Sie liegen im ERP- oder Einkaufssystem, in Lieferantenportalen, E-Mail-Anhängen, Excel-Listen und Papierzertifikaten. Satelliten- und Referenzebenen sind extern und sauber.

Typische Lücken: Koordinaten in falschen Formaten oder Bezugssystemen, Punkte, wo Polygone verlangt sind, überlappende oder unplausible Flächen, fehlende Verknüpfungen zwischen Fläche, Lieferant und Liefercharge, eingescannte Zertifikate sowie Lieferantendaten, die schlicht nicht geliefert werden.

Schritte der Aufbereitung: 1. Ein Lieferanten- und Flächenregister mit stabiler ID und einer verantwortlichen Person je Lieferant aufbauen (PREP-004, PREP-011). 2. Vorhandene Koordinaten aus ERP und Tabellen extrahieren (PREP-005, PREP-003). 3. Papierzertifikate digitalisieren und Dokumente auswerten (PREP-006, DOC-006). 4. Automatische Validierung der Geodaten: Koordinatenbezugssystem, Topologie, Fläche, Überlappungen, Länderabgleich. 5. Flächen zur Rückverfolgbarkeit mit Chargen verknüpfen. 6. Mit Analysten eine Testmenge bekannter Fälle aufbauen (PREP-018) und Kartenversionen sowie Bilddaten als Beleg festhalten.

Aufwandsanteil: etwa 40–50 Prozent; das Onboarding der Lieferanten und die Datenqualität überwiegen, nicht die KI.

Umsetzungswege

Welcher Weg für wen

• smb (A): In der EU ansässige EUDR-Plattformen (Satelligence, Meridia und andere) decken Validierung, Satellitenprüfungen und DDS-Übermittlung zu überschaubaren Preisen ab; der Prozess ist standardisiert und fristgetrieben.
• enterprise (B): Große Händler mit Tausenden Flächen brauchen eine eigene Bewertungslogik, ERP- und Handelsdokument-Integration sowie volle Kontrolle über die Nachweise, auf Basis von Copernicus, Sentinel Hub und offenen Referenzebenen.
• developer (B): Auf openEO, Copernicus Data Space und offenen Waldebenen aufbauen; den rechenintensiven Teil selbst zu betreiben (C) lohnt sich erst in großem Maßstab.
• public (B): Behörden und Agenturen nutzen eine souveräne EU-Cloud mit Copernicus-Daten, um die Nachweise unter eigener Kontrolle zu halten und Vergaberegeln einzuhalten.

Weg A — Kaufen (Standardsoftware) (für die meisten Marktteilnehmer empfohlen)

• EUDR-Compliance-Plattformen mit Satellitenüberwachung: Satelligence (NL, EU), Meridia (NL, EU), Werkzeuge von Preferred by Nature / NEPCon (DK, EU), Starling (Airbus, FR/EU), Land Sense, Orbify (EU), dazu globale Anbieter wie Planet, Descartes Labs/EarthDaily und Lieferketten-Suiten, die Geo-Risiken integrieren (z. B. Everstream, Sourcemap, TraceX). Prüfen: EU-Hosting, Unterstützung der DDS-/API-Übermittlung, Herkunft der Karten, Export der Nachweise.
• Kohlenstoff-MRV und Ratings: Pachama, Sylvera, Renoster, Chloris Geospatial und offene Projekte; prüfen Sie, ob der jeweilige Standard die Methodik akzeptiert.
• A wählen, wenn: weniger als einige tausend Flächen, kein eigenes GIS-Team, Termindruck.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Daten: Copernicus Data Space Ecosystem (EU), Sentinel Hub / openEO, Google Earth Engine, Microsoft Planetary Computer, Planet- und Airbus-APIs für sehr hochauflösende Bilder (VHR).
• Referenzebenen: die globale Waldbedeckungskarte des JRC für 2020 (Referenz der EUDR-Basislinie), Global Forest Watch / Hansen-Baumverlust, ESA WorldCover, JRC TMF (tropischer Feuchtwald), Ebenen der Forest Data Partnership, RADD-Warnungen, hochauflösende Kronenhöhe von Meta/WRI.
• Orchestrierung: Python (geopandas, rasterio), Workflow-Engine, PostGIS; API des EU-Informationssystems für die DDS-Übermittlung.
• B wählen, wenn: Sie eine eigene Bewertungslogik, ERP-/Handelsdokument-Integration und volle Kontrolle über die Nachweise brauchen.

Weg C — Selbst betreiben (Open Source)

• Stack: STAC-Kataloge (Copernicus), openEO, Open Data Cube, xarray/stackstac, PostGIS, QGIS; Segmentierung mit TorchGeo/segment-geospatial; Geospatial Foundation Models wie Prithvi-EO (IBM/NASA), Clay, TerraMind (ESA/IBM) und Embeddings von AlphaEarth Foundations.
• Hardware: HW1 für die Polygonvalidierung; HW3 für Inferenz im nationalen Maßstab; Speicher ist der größere Kostentreiber als Rechenleistung.
• Betriebsaufwand: braucht GIS- und Fernerkundungs-Ingenieure; laufende Verwaltung der Kartenversionen.

Weg D — Eigenes Training

Lohnt sich für lokale Walddefinitionen (z. B. Kakao-Agroforst im Vergleich zu Wald, Schattenkaffee, Ölpalme im Vergleich zu Naturwald), regionale Biomassemodelle oder die Fusion von Radardaten bei geringer Wolkenfreiheit. Nötig sind gelabelte Referenzpolygone (visuelle Interpretation von VHR-Bildern, Feldflächen, GEDI-/Flug-LiDAR für Biomasse) in einer Größenordnung von Hunderten bis Tausenden je Region; mit unabhängigen Stichproben validieren.

Stand der Technik (2026)

• Globale Karten stimmen am Rand schlecht überein. Die für die EUDR maßgeblichen Walddefinitionen (FAO: >0,5 ha, >10 % Kronendeckung, >5 m) sind schwer nachzubilden; bewährt ist der Konsens mehrerer Karten plus VHR-Prüfung der Abweichungen, statt einem Produkt zu vertrauen.
• Fusion von Radar und optischen Daten (Sentinel-1/2) liefert auch unter Wolken nahezu wöchentliche Rodungswarnungen, z. B. die Systeme RADD und GLAD.
• Geospatial Foundation Models verringern den Bedarf an Labels für Segmentierung und Änderungserkennung; die Gewinne in Benchmarks sind real, doch die regionale Übertragbarkeit sollte lokal getestet werden.
• Kronenhöhe und Biomasse: GEDI-basierte und mit Deep Learning erzeugte Kronenhöhenkarten (Meta/WRI), ESA CCI Biomass sowie die Missionen NASA/ESA NISAR und BIOMASS (2025 gestartet) verbessern die Kartierung der Vorräte; die Unsicherheit auf Flächenebene bleibt groß, besonders in dichtem Tropenwald und oberhalb von etwa 300 Mg/ha (Sättigung).
• Grenzen und Fehlerbilder: Waldschädigung und selektiver Holzeinschlag sind schwer zu erkennen; kleine Plantagen und Agroforst werden mit Wald verwechselt; Rodungen nach 2020 auf Nachbarland sind der Lieferantenfläche ohne korrekte Polygone nicht zuzuordnen; Polygonbetrug (Einreichen einer sauberen Scheinfläche) wird durch Bilder allein nicht erkannt, kombinieren Sie ihn daher mit Plausibilitätsprüfungen von Warenströmen und Mengen (ANOM-011). Kohlenstoffzertifikate: Überbewertung durch schlechte Referenzszenarien ist das wichtigste dokumentierte Integritätsrisiko; betrachten Sie Satellitenergebnisse daher als Eingabe für einen Prüfer, nicht als das Zertifikat selbst.

Gemeinsame Bausteine & Kombinationen

• Gleicher Fernerkundungs-Stack wie VIS-021 (Änderungserkennung), VIS-038 (GAP-Flächenüberwachung), VIS-042 (Methanfahnen), VIS-058 und VIS-061: ein STAC-/openEO-Data-Lake plus GPU-Segmentierungsdienst (HW3) bedient alle.
• Vor-/nachgelagert: DOC-006 (Handelsdokumente, Konnossemente), AGENT-005 (Einkauf und Lieferantenansprache), ANOM-011 (Lieferantenrisiko), DATA-012 (CSRD-/ESRS-Berichterstattung), DATA-021 (Produkt-CO2-Fußabdruck und digitaler Produktpass), SCI-010 (Erdsystemmodelle).

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis zum Onboarding; Preise meist pro Fläche, pro Lieferant oder pro überwachtem Hektar (anbieterspezifisch, Angebote einholen).
• Weg B: 3–6 Monate mit einem kleinen Geodaten-Team; Bilder von Copernicus sind kostenlos, VHR-Bilder sind der Hauptkostenfaktor.
• Weg C/D: 6–12 Monate einschließlich Validierung; laufende Pflege der Karten.
• Kennzahlen: Anteil des Volumens mit gültiger Geolokalisierung, Anteil der geprüften und freigegebenen Flächen, Rate falsch positiver Meldungen bei der Prüfung durch Analysten, Zeit von der Markierung bis zur Klärung, Anteil der Lieferanten mit Hochrisikoflächen, die abgestellt wurden, DDS-Ablehnungsquote; Kohlenstoff: Verzerrung (Bias) und RMSE der Biomasse gegenüber unabhängigen Flächen, ausgewiesene Unsicherheit.

Menschen & Veränderung

Geschäftsführung und Recht/Compliance tragen als Marktteilnehmer die rechtliche Verantwortung und sind daher Sponsoren des Projekts. Die Leitung von Einkauf oder Nachhaltigkeit verantwortet das Lieferanten-Onboarding; die IT bindet ERP- und Handelsdokumentsysteme an; die Dateneigentümer der Lieferanten- und ERP-Daten müssen Exporte freigeben. Lieferanten sind zentrale Beteiligte: Sie müssen Flächendaten liefern, erklären Sie daher Anforderungen, Formate und Fristen früh und bieten Sie einfache Erfassungswerkzeuge an. Ein kleines Analystenteam prüft markierte Flächen in einem Pilot mit einem Rohstoff und wenigen Lieferanten.

Betriebsrat: kommt darauf an. Meist keine Überwachung von Beschäftigten, aber wenn die Plattform Entscheidungen der Analysten pro Person protokolliert, kann § 87 Abs. 1 Nr. 6 BetrVG greifen; informieren Sie nach § 90 Abs. 1 Nr. 3, wenn sich Prozesse ändern.

Datenschutz: Flächenkoordinaten von Kleinbauern können Einzelpersonen identifizieren, daher können personenbezogene Daten betroffen sein; binden Sie die oder den Datenschutzbeauftragten ein, schließen Sie einen AVV mit dem Plattformanbieter und prüfen Sie Rechtsgrundlage und Zweck (PREP-025).

KI-Kompetenz: Unterstützen Sie Analysten mit Schulungen zu den Grenzen von Karten, zu Definitionen (Wald, Plantage, Waldschädigung) und dazu, warum Kartenergebnisse ein Screening und keine rechtliche Schlussfolgerung sind (GUIDE-006).

Bedenken: „Belastung für Lieferanten“ – gestaffeltes Onboarding und Unterstützung; „falsche Markierungen“ – menschliche Prüfung jeder markierten Fläche, bevor Maßnahmen gegenüber Lieferanten ergriffen werden (GUIDE-008, GUIDE-009, GUIDE-010).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko (keine Kategorie nach Anhang III); Pflicht zur KI-Kompetenz (Art. 4). Keine Sicherheitskomponente.
• EUDR: Die rechtliche Pflicht bleibt beim Marktteilnehmer (Informationssammlung, Risikobewertung, Risikominderung, DDS und Aufbewahrung der Unterlagen über 5 Jahre). Satelliten-Screening ersetzt nicht die Risikobewertung der Rechtmäßigkeit (Landnutzungsrechte, Arbeit, Rechte indigener Völker).
• DSGVO: Flächenpolygone von Kleinbauern und Landwirten sind personenbezogene Daten, wenn sie mit einer identifizierbaren Person verknüpft sind; nutzen Sie Auftragsverarbeitungsverträge, minimieren Sie Attribute und sichern Sie grenzüberschreitende Übermittlungen in Erzeugerländer ab. Die Veröffentlichung von Polygonen birgt das Risiko von Vergeltung und Wettbewerbsnachteilen.
• Fairness: Der Ausschluss von Kleinbauern ist eine dokumentierte Nebenwirkung; bieten Sie Unterstützung bei der Datenerhebung an und vermeiden Sie pauschale Auslistungen von Lieferanten aufgrund von Kartenrauschen.
• CSRD/ESRS und Kohlenstoffaussagen: Aussagen brauchen eine überprüfbare Methodendokumentation; die EU-Regeln zu Green Claims und der CRCF wirken sich auf das Marketing mit Kohlenstoff aus.
• Gegenmaßnahmen: Konsens mehrerer Karten, menschliche Prüfung, versionierte Nachweise, Genauigkeitsberichte, Beschwerdekanal für Lieferanten.

Erste Schritte

1. Rohstoffe, HS-Codes, Herkunft und Mengen im Anwendungsbereich erfassen; Ihre Rolle (Marktteilnehmer, Händler, nachgelagert) und die Fristen (30. Dezember 2026 / 30. Juni 2027) bestätigen.
2. Polygone/Punkte für eine Pilot-Herkunft sammeln und validieren; zuerst Topologie- und Koordinatenfehler beheben.
3. Einen Vergleich von 2–3 Anbietern (Weg A) an 200 bekannten Flächen durchführen, einschließlich strittiger, und mit den Labels der Analysten abgleichen.
4. Triage der Markierungen, Eskalation und Prozess zur Abstellung bei Lieferanten festlegen; mit Ihrem ERP und den Handelsdokumenten verknüpfen.
5. Überwachung und DDS-Datenexport einrichten; beim Kohlenstoff mit dem Vergleich öffentlicher Biomasseprodukte gegen Ihre eigenen Flächendaten beginnen.

Quellen

1. Regulation (EU) 2023/1115 on deforestation-free products — https://eur-lex.europa.eu/eli/reg/2023/1115/oj
2. European Commission Access2Markets — Delay until December 2026 and other EUDR developments — https://trade.ec.europa.eu/access-to-markets/en/news/delay-until-december-2026-and-other-developments-implementation-eudr-regulation
3. Council of the EU — targeted revision to simplify and postpone the EUDR (18 Dec 2025) — https://www.consilium.europa.eu/en/press/press-releases/2025/12/18/deforestation-council-signs-off-targeted-revision-to-simplify-and-postpone-the-regulation/
4. European Commission — Deforestation Regulation (policy page and EU Forest Observatory) — https://environment.ec.europa.eu/topics/forests/deforestation/regulation-deforestation-free-products_en
5. Global Forest Watch — data and tools — https://www.globalforestwatch.org/
6. Copernicus Data Space Ecosystem — https://dataspace.copernicus.eu/
7. Satelligence — EUDR compliance — https://satelligence.com/
8. Meridia — https://www.meridia.land/
9. Tolan et al. (2024), Very high resolution canopy height maps from RGB imagery (Meta & WRI), Remote Sensing of Environment 300:113888 — https://doi.org/10.1016/j.rse.2023.113888
10. NASA GEDI mission — https://gedi.umd.edu/
11. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj