Wie künstliche Intelligenz uns vor Klimagefahren warnen kann

Hitzewellen, Dürren, tropische Wirbelstürme und Flutereignisse gehören zu den sichtbarsten Folgen des Klimawandels. Sie treten immer häufiger und intensiver auf. Damit wächst der Bedarf an Warnsystemen. Die Vereinten Nationen haben deshalb die globale Initiative Early Warnings for All gestartet. Bis 2027 soll jede Person Zugang zu funktionierenden Frühwarnsystemen erhalten. Doch vielerorts stoßen bestehende Systeme an ihre Grenzen. Wirksame Frühwarnsysteme müssen: erstens die Gefahr eines Ereignisses erkennen, zweitens dessen Auswirkungen auf Menschen, Infrastruktur und Ökosysteme vorhersehen und drittens mit effektiven Warnungen angemessene Reaktionen hervorrufen. Genau hier eröffnen KI-basierte Ansätze neue Möglichkeiten. Ein internationales Forschungsteam, unter unserer Leitung am Max-Planck-Institut für Biogeochemie, zeigt auf, welche Schlüsselrolle KI im gesamten Prozess – von der Datenerfassung bis hin zur Kommunikation – spielen kann.

Vorhersagen neu denken: vom Wetter zur Wirkung vor Ort

In den vergangenen Jahrzehnten haben Computermodelle zu enormen Fortschritten bei der Wettervorhersage beigetragen. Bei lokalen, schnellen oder räumlich komplexen Ereignissen stoßen diese Modelle jedoch an ihre Grenzen. Besonders schwierig sind Starkregenereignisse, tropische Zyklone und langanhaltende Dürren. Hinzu kommt, dass die relevantesten Informationen häufig nicht im Wetter selbst, sondern in dessen Auswirkungen auf Menschen, Infrastruktur und Ökosysteme liegen. Genau deshalb muss die Auswirkungsprognose (Impact-Based Forecasting) in den Mittelpunkt moderner Frühwarnsysteme rücken. So führte im Sommer 2022 im Ahrtal aufgrund der Topographie und der Landnutzung ein Starkregen zu einer verheerenden Flut, während ein ähnliches Ereignis in der Uckermark deutlich geringere Konsequenzen hatte. Dort nahm der sandige Boden große Wassermengen problemlos auf.

Die Impact-Vorhersage ist für konventionelle Modelle besonders schwierig, da neben physikalischen Bedingungen auch komplexe ökologische und gesellschaftliche Prozesse beschrieben werden müssen. KI-gestützte Modelle können hier Abhilfe verschaffen. Es reicht, einen Datensatz zu sammeln, egal, ob es sich um präzise physikalische Werte oder um unstrukturierte Daten wie ökonomische Umfragen oder gar Zeitungstexte handelt. Wenn der Datensatz groß genug ist, können mithilfe von maschinellem Lernen komplexe Muster erkannt und so Vorhersagen verbessert werden.

Die gesamte Frühwarnkette im Blick

Ein Frühwarnsystem besteht aus mehreren Schritten: Gefahrenerkennung, Abschätzung der Auswirkungen, Entscheidungsempfehlung und Kommunikation. Wie bei einer Kette ist das System nur so gut wie sein schwächstes Glied. Häufig liegt das Problem nicht bei der Wettervorhersage. So etwa bei der Flutkatastrophe in Valencia im Herbst 2024: Der spanische Wetterdienst prognostizierte den Starkregen, doch dies führte nicht zu den entscheidenden Maßnahmen. Das Problem ist: Prognosen entfalten ihre Wirkung nur, wenn sie bei den Menschen ankommen. Die entscheidende Hürde ist oft die Kommunikation – die sogenannte „letzte Meile“. Warnungen erreichen die Menschen nicht rechtzeitig, sind schwer verständlich oder passen nicht zu den lokalen Bedürfnissen und Sprachen. Manche Bevölkerungsgruppen bleiben ganz außen vor, sei es aufgrund mangelnder technischer Infrastruktur, fehlenden Vertrauens oder kultureller Barrieren.

KI bietet neue Möglichkeiten, diese Lücken zu schließen. Sprachmodelle können Warnungen in vielen Sprachen, Dialekten und Formaten erstellen und sie an unterschiedliche Wissensstände anpassen. Generative Modelle können Risikoszenarien visualisieren, indem sie beispielsweise zeigen, wie ein prognostiziertes Hochwasser das unmittelbare Wohnumfeld betreffen würde. Solche zielgruppenspezifischen Kommunikationsformen können Fehlinterpretationen verringern und angemessenes Verhalten fördern.

Grundlagenforschung als Innovationstreiber

KI-basierte Frühwarnsysteme sind derzeit noch Zukunftsmusik. Ein Grund dafür sind die vielen noch offenen technischen und rechtlichen Fragen. Für Antworten und Innovationen ist interdisziplinäre Grundlagenforschung unerlässlich. Betrachten wir beispielsweise Waldbrände in Kanada: Ihre Ursache liegt in regionalen Hitzewellen und lokal vorhandenem Brennmaterial, ihre Auswirkungen können aber auch hunderte Kilometer entfernt auftreten. So etwa in New York, wenn die Luftverschmutzung aufgrund des verwehten Rauchs gesundheitsschädliche Werte erreicht. Solche komplexen Zusammenhänge über verschiedene Skalen hinweg zu modellieren, ist äußerst herausfordernd. Immerhin liefern Satelliten jedes Jahr Petabytes an Daten, die potenziell Antworten liefern können. Als Lösung, um diese Datenmengen zu verarbeiten, bahnen sich neue KI-Modelle (Foundation Models) an. Diese können Informationen aus verschiedenen Datenquellen kombinieren. Es braucht jedoch die Zusammenarbeit zwischen den Geowissenschaften und der Informatik, um die richtigen Trainingsdaten auszuwählen.

Aktuelle KI-Modelle sind noch nicht für Frühwarnsysteme geeignet, da nicht nur einfache Vorhersagen, sondern auch nachvollziehbare Angaben zu Unsicherheiten, Ursache-Wirkungs-Beziehungen und Interventionen benötigt werden. Eine Flutvorhersage mit einer Vorlaufzeit von drei Tagen ist nur bedingt nützlich, es sei denn, sie wird zusätzlich quantifiziert. Bei einer Wahrscheinlichkeit von einem Prozent würde wohl kaum eine ganze Stadt evakuiert werden, bei 70 Prozent allerdings schon. Bei geringeren Wahrscheinlichkeiten können stattdessen einfachere Maßnahmen ergriffen werden, wie das Befestigen von Deichen mit zusätzlichen Sandsäcken. Katastrophenschützer wollen außerdem das KI-Modell befragen können: Was wäre, wenn wir diesen oder jenen Schritt einleiten? Wie verändert sich das Risiko? Dafür ist in KI-Modellen das Verständnis kausaler Zusammenhänge wichtig: Ursachen müssen von Folgen unterschieden werden können. Noch ist das nur selten der Fall.

Ein integrierter und verantwortungsvoller Ansatz

KI-basierte Frühwarnsysteme müssen robust, transparent und ethisch fundiert sein. Sie müssen sich an Prinzipien wie Fairness, Verantwortlichkeit, Nachvollziehbarkeit und Nachhaltigkeit orientieren. Für die Entwicklung von KI-Systemen bedeutet das: Verzerrungen in Daten aufspüren und korrigieren, lokale Gemeinschaften aktiv in die Entwicklung einbinden, Abhängigkeiten vermeiden und offen zugängliche Daten und Modelle fördern. 

Zugleich bietet integrierte KI die Chance, Frühwarnsysteme qualitativ auf eine neue Stufe zu heben. Sie kann Meteorologie, Erdbeobachtung, Geodaten und sozioökonomische Informationen in einem gemeinsamen Modellraum zusammenführen und somit sowohl kurzfristige Gefahren als auch langfristige klimatische Entwicklungen sichtbar machen. Solche Systeme können dazu beitragen, die Resilienz von Gesellschaften zu stärken. So nähern wir uns dem Ziel, Frühwarnsysteme für alle Menschen auf der Erde zu etablieren.

Literaturhinweise