Hitze, D\u00fcrren, Starkregen, \u00dcberschwemmungen \u2013 Extremwetterereignisse werden im Zuge des Klimawandels h\u00e4ufiger, intensiver und unberechenbarer. In vielen Regionen geh\u00f6ren sie l\u00e4ngst zum Alltag. F\u00fcr eine gest\u00e4rkte und nachhaltige Anpassung an den Klimawandel ist es daher wichtig, nicht nur auf \u00c4nderungen des durchschnittlichen Klimazustands in der Zukunft zu schauen, sondern sich auch gezielt auf extreme Ereignisse vorzubereiten. Dabei hilft ein Werkzeug, das inzwischen in nahezu alle Lebensbereiche Einzug gehalten hat: K\u00fcnstliche Intelligenz (KI). Sie kann komplexe Zusammenh\u00e4nge in gro\u00dfen Datenmengen erkennen und so die Grundlage f\u00fcr Fr\u00fchwarnsysteme, Risikoanalysen und langfristige Anpassungsstrategien schaffen.<\/p>\n
Im Gegensatz zu klassischen Wetter- oder Klimamodellen basiert KI nicht auf physikalischen Gleichungen, sondern auf Daten. Sie lernt, Muster im vermeintlichen Chaos zu erkennen und komplexe Strukturen in vereinfachte Kategorien zu \u00fcbersetzen \u2013 \u00e4hnlich dem menschlichen Gehirn. Unser Nervensystem ordnet den Datenstrom, den unsere Sinnesorgane liefern, in Echtzeit einer Bedeutung zu. Dadurch sind Land unter am Hamburger Fischmarkt w\u00e4hrend einer Sturmflut im Februar 2020 wir beispielsweise in der Lage, Objekte in unserem Sichtfeld oder Ger\u00e4usche zu erkennen. So wie wir als Kinder lernen, Dinge anhand bestimmter Merkmale zu unterscheiden, kann eine KI lernen, in Datenmengen relevante Merkmale zu identifizieren \u2013 und damit ebenfalls zwischen verschiedenen \u201eDingen\u201c zu unterscheiden.<\/p>\n
Ein konkretes Beispiel f\u00fcr den erfolgreichen Einsatz dieser Technik ist eine neue Methode zur dekadischen Sturmflutprognose an der Nordseek\u00fcste, die wir an der Universit\u00e4t Hamburg<\/a> entwickelt haben. Unsere globalen Klimamodelle liefern gro\u00dfr\u00e4umige Vorhersagen f\u00fcr das Sturmklima \u00fcber Europa \u2013 und das bis zu zehn Jahre im Voraus mit vergleichsweise hoher Treffsicherheit. Doch wie sich dieses Sturmklima an bestimmten Orten an der K\u00fcste konkret auswirkt, k\u00f6nnen klassische Modelle nicht pr\u00e4zise genug abbilden. Bisher musste man f\u00fcr solche Vorhersagen regionale Modelle an die globalen Klimamodelle ankoppeln \u2013 ein sehr rechenintensives und aufw\u00e4ndiges Verfahren. Mithilfe von KI l\u00e4sst sich dieser Schritt nun deutlich verk\u00fcrzen.<\/p>\n Wir trainieren ein k\u00fcnstliches neuronales Netzwerk (KNN), das aus dem gro\u00dfr\u00e4umigen Zustand der Atmosph\u00e4re \u2013 also der Wetterlage \u00fcber Europa \u2013 den zu erwartenden Wasserstand an der Nordseek\u00fcste berechnet. Um bei der Analogie zum menschlichen Gehirn zu bleiben: So wie Sie beim Blick auf ein Foto des Haustiers Ihres Nachbarn automatisch erkennen, ob es sich um eine Katze oder einen Hund handelt, erkennt das KNN beim Blick auf eine Wetterkarte \u2013 gewisserma\u00dfen ein \u201eFoto\u201c der Atmosph\u00e4re \u2013, ob das Wasser an der K\u00fcste einige Stunden sp\u00e4ter hoch oder niedrig stehen wird.<\/p>\n Sobald das KNN trainiert ist, kann es innerhalb von Sekunden aus den Vorhersagen eines Klimamodells konkrete Aussagen \u00fcber die Sturmfluth\u00f6hen in Cuxhaven, Esbjerg oder Delfzijl generieren \u2013 und das f\u00fcr die n\u00e4chsten zehn Jahre. Der Vorteil ist enorm: K\u00fcstenschutzbeh\u00f6rden, Kommunen oder Planungsb\u00fcros erhalten ein Werkzeug, das sie bei der mittelfristigen Planung unterst\u00fctzt \u2013 und das deutlich schneller als herk\u00f6mmliche Methoden.<\/p>\n Warum genau diese drei Orte? Der Grund liegt im hohen Datenbedarf der KI. Damit sie effizient und zuverl\u00e4ssig lernen kann, ben\u00f6tigt sie m\u00f6glichst viele Daten. Cuxhaven, das d\u00e4nische Esbjerg und Delfzijl in den Niederlanden bieten genau das: detaillierte Wasserstandsbeobachtungen \u00fcber mehrere Jahrzehnte hinweg. Diese Beobachtungen, kombiniert mit ebenso umfangreichen Wetteraufzeichnungen \u00fcber Europa, erm\u00f6glichen ein robustes und m\u00f6glichst fehlerarmes Training der KI.<\/p>\n Was bedeutet das f\u00fcr die Praxis? K\u00fcstenschutz ist teuer \u2013 und gleichzeitig zwingend notwendig. Doch nicht jede Deicherh\u00f6hung oder jeder R\u00fcckzugsraum kann sofort realisiert werden. Hier helfen Prognosen in 10-Jahres-Zeitr\u00e4umen, Priorit\u00e4ten zu setzen. Wenn etwa eine Region in den kommenden zehn Jahren besonders h\u00e4ufig von Sturmfluten betroffen sein wird, k\u00f6nnen Schutzma\u00dfnahmen gezielt vorgezogen oder anstehende Reparaturen regional priorisiert werden.<\/p>\n \u00c4hnliches gilt f\u00fcr andere Extremereignisse: In der Landwirtschaft helfen KI-gest\u00fctzte Vorhersagen zu saisonalen Trockenphasen dabei, Anbaustrategien anzupassen oder Wasserspeicher effizienter zu bewirtschaften. Ebenso k\u00f6nnen KI-basierte Verfahren fr\u00fchzeitig Temperatursignale im Ozean erkennen, die auf eine erh\u00f6hte Wahrscheinlichkeit f\u00fcr hei\u00dfe Sommer \u00fcber Europa hinweisen. Und bei Starkregenereignissen erm\u00f6glicht KI eine dynamische Einsch\u00e4tzung der \u00dcberflutungsgefahr auf Basis aktueller Wetterdaten \u2013 etwa zur Steuerung von Hochwasserr\u00fcckhaltebecken oder zum kurzfristigen Schutz kritischer Infrastruktur.<\/p>\n Doch so leistungsf\u00e4hig KI auch ist \u2013 sie ist kein Wundermittel. K\u00fcnstliche Intelligenz ist nur so gut wie die Daten, mit denen sie trainiert wurde. Sie \u201eversteht\u201c keine physikalischen Zusammenh\u00e4nge, sondern erkennt lediglich statistische Muster. Diese Muster lernt die KI dann besonders gut, wenn ihr eine gro\u00dfe und vielf\u00e4ltige Datengrundlage zur Verf\u00fcgung steht. In unserem Beispiel der Sturmflutprognosen nutzen wir \u00fcber 700.000 Beobachtungen von Wasserst\u00e4nden an der K\u00fcste, gepaart mit ebenso vielen Wetterkarten \u00fcber Europa. Solche Datenmengen sind jedoch nicht f\u00fcr alle Extremereignisse verf\u00fcgbar, was den Einsatz von KI je nach Anwendungsbereich stark einschr\u00e4nken kann. Gerade deshalb ist es wichtig, KI in der Extremereignisforschung nicht isoliert zu betrachten. Vielmehr ist sie ein weiteres, bedeutendes Puzzleteil auf dem Weg zu einem besseren Verst\u00e4ndnis unserer Erde und der Prozesse, die auf ihr ablaufen.<\/p>\n KI bietet gro\u00dfe Chancen f\u00fcr eine nachhaltige Anpassung an den Klimawandel \u2013 insbesondere, wenn es darum geht, sich gezielt auf Extremereignisse vorzubereiten, diese fr\u00fchzeitig zu erkennen oder die zugrundeliegenden Zusammenh\u00e4nge besser zu verstehen. Sie erg\u00e4nzt klassische Wetter- und Klimamodelle um schnelle, effiziente und ortsspezifische Werkzeuge, die Entscheidungstr\u00e4gern in unserer Gesellschaft einen erweiterten Handlungsspielraum er\u00f6ffnen. Unser Beispiel der dekadischen Sturmflutprognosen zeigt: Das ist keine Zukunftsmusik \u2013 sondern Realit\u00e4t.<\/p>\n Dies ist ein Beitrag aus BAUM Insights<\/a> 4\/2025.<\/p>\nNachhaltigkeit durch vorausschauende Anpassung<\/h4>\n
Jedes System hat Grenzen<\/h4>\n
Fazit<\/h4>\n
\n