Verbesserte Klimavorhersagen mit KI: DKRZ beim UPCLIV-Workshop

Der „Open Workshop on Understanding and Predicting Annual to Multi-Decadal Climate Variations” brachte Forschende aus den Horizon-Europe-Projekten ASPECT, EXPECT und I4C, sowie der Projekte DCPP und EPESC des Weltklimaforschungsprogramms (WCRP) zusammen - unter ihnen auch Kollegen vom DKRZ. Der Workshop konzentrierte sich darauf, wie man das Verständnis sowie die Vorhersage von Klimaschwankungen und Extremereignissen für die nächsten 1 bis 30 Jahre verbessern kann.

Die Teilnehmenden stellten die neuesten Fortschritte bei der Identifizierung von Klimatreibern, der Bewertung von Vorhersagen, der Entwicklung neuer Methoden und der besseren Darstellung von Vorhersagemechanismen in Modellsystemen vor. Die Veranstaltung förderte zudem neue Kooperationen und präsentierte innovative Werkzeuge, darunter Methoden des maschinellen Lernens.

Vertreter:innen des DKRZ zeigten, wie fortgeschrittene Deep-Learning-Werkzeuge die integrierte Attribution und Vorhersage unterstützen können – insbesondere durch eine Verbesserung der Qualität und Nutzbarkeit von Beobachtungsdaten, die für die Entwicklung und Bewertung von Klimamodellen wesentlich sind. 
Christopher Kadow, Leiter der DKRZ-Abteilung Datenanalyse, erläuterte, wie Transfer-Learning-Netzwerke saisonale bis jährliche Klimavorhersagen für die Nordatlantik-Europa-Region verbessern können. Seine Ergebnisse zeigten, dass KI robuste Signale selbst aus spärlichen Beobachtungen herausfiltern kann. 
In einem Posterbeitrag bewertete Étienne Plésiat mehrere Deep-Learning-Architekturen zur Ergänzung fehlender Werte in zwei wichtigen Beobachtungsdatensätzen, HadEX-CAM und GPCC. Seine Arbeit unterstrich die Bedeutung zuverlässiger und vollständiger Daten für eine genaue Klimaüberwachung und -vorhersage.

 Der Workshop bot den DKRZ-Forschenden auch die Möglichkeit, sich mit Kolleg:innen aus verschiedenen Projekten zu vernetzen. Sie diskutierten, wie die Deep-Learning-Werkzeuge des DKRZ in neuen wissenschaftlichen Bereichen eingesetzt werden können, um die integrierte Attribution und Vorhersage in den kommenden Jahren weiter voranzubringen.

Weitere Informationen: https://expect-project.eu/news/advancing-climate-understanding-and-predictability-highlights-from-the-2025-upcliv-workshop/