Satellitengestützte Erdbeobachtungsdaten sind grundlegend für die Klima- und Umweltforschung. Neben ihrer essentiellen Rolle das Klima zu beobachten, helfen sie in der Bewertung und Evaluierung von Klima- und Erdsystemmodellen. Diese Modelle sind wichtige Werkzeuge, um Klimavorhersagen und Technologiebewertungen für eine nachhaltige Entwicklung einzelner Sektoren wie Energie, Luftfahrt und Verkehr zu liefern. Künstliche Intelligenz (KI) kann helfen, diese Modelle weiter zu verbessern: Ein Forschungsteam unter der Leitung von Prof. Veronika Eyring vom Deutschen Zentrum für Luft- und Raumfahrt (DLR) und der Universität Bremen hat einen Ansatz entwickelt, KI in Erdsystem-Modelle zu integrieren, und hierzu zwei Perspektiven zukünftiger Forschungsschwerpunkte veröffentlicht. Die Genauigkeit und Geschwindigkeit von Vorhersagen soll mithilfe maschineller Lernverfahren maßgeblich verbessert werden. Dieser neuartige Ansatz hat das Potenzial, charakteristische Einschränkungen von Klimamodellen zu verringern, und bringt die KI-Revolution in dieses wichtige Forschungsfeld ein.

Erdsystem-Modelle berücksichtigen wichtige Prozesse der Atmosphäre und ihre Wechselwirkungen auch mit anderen Komponenten des Erdsystems (z. B. Ozean und Land), sodass sie Vorhersagen des Gesamtsystems Erde erstellen. Entsprechend verarbeiten sie große Datenmengen und sind mit Blick auf die Rechenzeit begrenzt in der räumlichen Auflösung. Daraus ergeben sich Ungenauigkeiten und systematische Fehler. Diese zu verbessern, gehört zu den größten Herausforderungen in der Klimamodellierung. Der neu vorgeschlagene Ansatz setzt nun maschinelle Lernverfahren ein, um in den Simulationen die Darstellung von Prozessen zu verbessern, die nicht explizit in den Modellen aufgelöst werden können und die für die Klimadynamik von zentraler Bedeutung sind.

Simulationen mit hochaufgelösten Klimamodellen im Kilometerbereich haben im Vergleich mit Beobachtungsdaten eine höhere Genauigkeit, können aber aufgrund der enormen Rechenkosten derzeit nicht auf Klimazeitskalen von mehreren Jahrzehnten oder länger durchgeführt werden. Der neue Ansatz der Forschenden verbindet Modelle über verschiedene Skalen und unterschiedlicher Prozess-Komplexität mit der systematischen Verwendung von Satellitendaten und KI. Die KI arbeitet dabei vollständig integriert: Sie nimmt zum Beispiel ein Klimamodell mit einer sehr hohen räumlichen Auflösung im Kilometerbereich, lernt den Einfluss eines bestimmten atmosphärischen Prozesses, setzt dieses gelernte KI-Modell in das "grobmaschige" Erdsystem-Modell ein und macht es dadurch genauer - eine bahnbrechende Lösung, die offenbart welches Potenzial allein in den bekannten Datensätzen steckt.

"Satellitengestützte Erdbeobachtungsdaten sind für die Klima- und Umweltforschung von unschätzbarem Wert. Wir können und müssen diese Ressource noch viel intensiver nutzen, um die globalen Vorhersagemodelle zu kalibrieren, zu bewerten und zu verbessern", betont Eyring. "Durch die Kombination von KI mit Erdsystem-Modellen und der Erdbeobachtung werden wir in der Lage sein, die Komplexität des künftigen Erdklimas und der Extremereignisse mit einer noch nie dagewesenen Genauigkeit vorherzusagen."

Der vom deutsch-spanisch-amerikanischen Forschungsteam formulierte Ansatz kann auch eine Grundlage für realistischere digitale Zwillinge des Erdsystems bilden, die skalierbar, benutzerinteraktiv und anpassungsfähig sind. Prof. Gustau Camps-Valls von der Universität Valencia ordnet die Rolle der KI bei diesem maßgeblichen Fortschritt ein: "Durch die Integration von Techniken des maschinellen Lernens in die traditionelle Klimamodellierung können wir erhebliche Fortschritte beim Verständnis komplexer Klima-Interaktionen und der Verbesserung der Vorhersagen machen. Die KI unterstützt uns nicht nur. Sie ist ein wesentlicher Bestandteil der Neudefinition dessen, was unsere Modelle leisten können."

Die jetzt vorgelegte Studie würde, so die Forschenden, einen Meilenstein für die Entwicklung von Klimamodellen markieren. Die mittels KI verbesserten Modelle würden es ermöglichen, Auswirkungen des Klimawandels präziser vorherzusagen und technologische Bewertungen für einzelne Sektoren zu verbessern. Hochauflösende Erdbeobachtungsdaten auf globaler Skala und verbesserte Modellgenauigkeiten seien unerlässlich, um Strategien zur Verringerung der Treibhausgasemissionen zu entwickeln und die Menschen auf die Auswirkungen des Klimawandels vorzubereiten.

Dr. David Lawrence vom NSF National Center for Atmospheric Research ist überzeugt: "Unser vorgeschlagener Ansatz wird es uns ermöglichen, wichtige Erdsystemprozesse mit beispielloser Genauigkeit zu simulieren, und so zu einem entscheidenden Werkzeug für Planer und Entscheidungsträger weltweit werden."

Die Studie ist im September in der Zeitschrift Nature Geoscience erschienen.