Polareis und Landmassen: Wie KI Klimaprognosen besser machen soll

Die KI IceNet berechnet den Rückgang der Eisflächen in der Arktis, andere Modelle beschäftigen sich mit der Eisbildung und Auswirkungen an Land.

Lesezeit: 5 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen

(Bild: Here / shutterstock.com)

Von
  • Boris Hänßler

Die Weltgesundheitsorganisation warnt vor den schwerwiegende Folgen des Klimawandels für den Einzelnen und die öffentliche Gesundheit. Es gäbe zunehmende Fälle von Unterernährung aufgrund von Boden- und Trinkwasserverschmutzung sowie eine verminderte Lebensfähigkeit von Nutzpflanzen. Luftverschmutzung verursacht Atembeschwerden.

An anderer Stelle sorgt der Klimawandel für des Schmelzen des Polareises und die Gefährdung von Lebensraum für die Tiere. Doch die Berechnungen, wann die Arktis eisfrei sein soll, gehen auseinder. Um Folgen wie diese zu konkretisieren, arbeiten Forschende an KI-Systemen, die Prognosen konkreter machen sollen – sei es für feste Landmassen oder für Eisflächen.

So hat etwa das British Antarctic Survey (BAS) mit weiteren Institutionen die KI IceNet entwickelt. Sie soll den Rückgang der Eisflächen in der Arktis prognostizieren. Laut einem Bericht des Arktischen Rates vom Mai 2021 haben sich Luft und Wasser in der Arktis seit 1971 dreimal so schnell erwärmt wie der Rest des Planeten. Eisbären und Meeressäuger verlassen sich auf das Eis als Jagdgebiet und Ruheplatz. Indigene Völker bewegen sich auf Routen, die nicht mehr länger zuverlässig sind.

Klima-Sonderheft von Technology Review

IceNet nutzt ein Deep Learning Verfahren, das aus Computersimulationen der Eisveränderungen seit 1850 lernt, Sechs-Monats-Vorhersagen abzuleiten. Ein anderes Team von Wissenschaftlern am Johns Hopkins University Applied Physics Laboratory hat ein Vorhersagemodell entwickelt, das Satellitenbilder auswertet, um zu prognostizieren, wie schnell sich das Eis in der jeweils kommenden Woche bilden wird.

Auf die Auswirkungen auf feste Landmassen hingegen hat sich ein internationales Forscherteam um Max Callaghan des Berliner Mercator Research Institute on Global Commons and Climate Change fokussiert. Er hatte mit Hilfe von künstlicher Intelligenz mehr als 100.000 publizierte Studien zum Klimawandel klassifiziert und analysiert. Das Ergebnis: Der Klimawandel wirkt sich bereits auf mindestens 80 Prozent der globalen Landfläche aus und betrifft damit Gebiete, auf der rund 85 Prozent der Weltbevölkerung leben. Die untersuchten Studien kamen aus unterschiedlichen Fachgebieten, etwa der Agrarforschung, Biologie, Geophysik, Migrations- und Konfliktforschung.

Für die aufwendige Arbeit gibt es einen guten Grund: Das Wissen über den Klimawandel wächst rapide. Seitdem 1990 der erste Sachstandsbericht des Weltklimarates IPCC erschien, hat sich die Zahl der jährlich veröffentlichten Fachartikel verhundertfacht. In diesem Jahr hatte sogar der eigentliche Bericht des IPCC knapp 4.000 Seiten vorzuweisen, basierend auf 14.000 Studien. Diese Vielzahl an Studien lässt sich ohne Künstliche Intelligenz kaum noch auswerten.

Max Callaghan und sein Team filterten zunächst aus über 600.000 Studien, die sie in den Datenbanken Web of Science und Scopus zum Thema Klimawandel fanden, 102.160 heraus. Für deren Auswertung kam das von Google entwickelte Spracherkennungs-Modell BERT (Bidirectional Encoder Representations from Transformers) zum Einsatz. BERT erkennt die Bedeutung einzelner Wörter in einem Text und setzt sie in Beziehung zu den anderen. Gelernt hat BERT dies durch Training mit unzähligen Texten etwa von Google Books und Wikipedia. Die KI musste dabei Lückentexte füllen. BERT kann somit fehlende Wörter in Texten vorhersagen und daher auch den Inhalt eines Textes schneller und zuverlässiger erfassen als viele andere Modelle.

"Wir hatten für unsere Aufgabe einen mit Metadaten versehenen Datensatz mit etwa knapp 3.000 Studien", sagt Callaghan. "Wir machten uns dann das implizite Wissen des Google-Modells zunutze, so dass wir es in dieser Anwendung nur noch mit einem viel kleineren Datensatz trainieren mussten". Das ist etwa als würde ein Koch ein unbekanntes Rezept zubereiten – dafür muss er nicht sein Handwerk neu lernen – er muss das Gericht aber dennoch üben, ehe er es den Gästen auftischt.

Einfach war es bei einem derart breiten Spektrum an Studien dennoch nicht. Eine Studie kann sich etwa mit den Auswirkungen einer Temperaturveränderung auf die Apfelblüte in einem bestimmten Gebiet beschäftigen. "Das ist eine sehr spezifische Frage, aber das Muster dahinter wiederholt sich in verschiedenen Kontexten", sagt Callaghan. Am Ende gelang es BERT zunächst zu erkennen, ob es in einer Studie um Klimaauswirkungen geht – das System identifizierte dann auch den Ort, die Art der Auswirkung und den Treiber dafür, etwa Temperatur- oder Niederschlagsänderungen.

Mehr von MIT Technology Review Mehr von MIT Technology Review

Die Forscher führten das Ergebnis der Analyse mit geophysikalischen Daten der Klimaforschung zusammen. Mittels Geoparser decodierten sie die Informationen und überführten sie in eine interaktive Karte. Diese besteht aus Gitterzellen, deren Färbung auf die Zahl der Studien in der entsprechenden Region verweist. Die Studie und ihre graphische Auswertung soll Entscheidungsträgern aus Politik, Gesellschaft und Wirtschaft einen realistischen Überblick über die Gesamtsituation liefern – damit sie bessere Entscheidungen treffen können

Die Forscher um Callaghan möchten nun ihre interaktiven Karten mit direkten Links auf die Studien ausstatten. "Wir unterscheiden bei den Studien, die wir identifizieren, allerdings nicht unbedingt zwischen guten und schlechten Auswirkungen", sagt er. Es gehe also nicht in jeder Studie um katastrophale Überschwemmungen oder tödliche Hitzewellen. "In einigen geht es um Verschiebungen in den Migrationsmustern eines bestimmten Schmetterlings oder ähnliches", sagt er. "Letztendlich deutet all dies aber dennoch auf die enormen Auswirkungen hin, die der Klimawandel auf der ganzen Welt hat. Und ich denke, das Ausmaß davon ist ziemlich entmutigend."

Lesen Sie auch

(jle)