Chancen und Grenzen von KI in der Klimamodellierung

Erdsystemmodelle sind die wichtigsten Werkzeuge, um den physikalischen Zustand der Erde quantitativ zu beschreiben und – z.B. durch Klimamodelle – vorherzusagen, wie er sich in Zukunft durch menschlichen Einfluss verändern könnte. Wie vermehrt eingesetzte Methoden der Künstlichen Intelligenz helfen können, diese Prognosen zu verbessern, und wo die Grenzen der beiden Ansätze liegen, hat ein internationales Team um Christopher Irrgang vom Deutschen GeoForschungsZentrum Potsdam (GFZ) jetzt in einem Perspektiven-Artikel für das Journal Nature Machine Intelligence ausgeführt. Ein wesentlicher Vorschlag: beide Ansätze zu einer selbstlernenden „Neuronalen Erdsystemmodellierung“ zu verschmelzen.