Schwerwiegende Wetterereignisse, wie z. B. starke Regenfälle, treten weltweit immer häufiger auf. Eine verlässliche Einschätzung dieser Ereignisse kann Leben retten und Eigentum schützen. Forscher des Karlsruher Instituts für Technologie (KIT) haben eine neue Methode vorgestellt, die mithilfe künstlicher Intelligenz (KI) globale Wetterdaten mit geringer Auflösung in hochauflösende Niederschlagskarten umwandelt. Die Methode ist schnell, effizient und ortsunabhängig. Die Ergebnisse wurden in der Zeitschrift npj Climate and Atmospheric Science veröffentlicht: https://doi.org/10.1038/s41612-025-01103-y
„Starke Regenfälle und Überschwemmungen sind in vielen Regionen der Welt viel häufiger als noch vor einigen Jahrzehnten“, sagt Dr. Christian Chwala, Experte für Hydrometeorologie und maschinelles Lernen am Institut für Meteorologie und Klimaforschung (IMK-IFU) am Campus Alpin des KIT in Garmisch-Partenkirchen. „Doch bisher fehlten für viele Orte die Daten, die für eine verlässliche regionale Einschätzung solcher Extremereignisse nötig sind.“ Sein Forschungsteam geht dieses Problem mit einer neuen KI an, die aus niedrig aufgelösten Daten präzise globale Niederschlagskarten erstellen kann. Das Ergebnis ist ein einzigartiges Werkzeug für die Analyse und Bewertung extremer Wetterereignisse, selbst für Regionen mit schlechter Datenabdeckung wie den globalen Süden.
Für ihre Methode nutzen die Forscher historische Daten von Wettermodellen, die den globalen Niederschlag in stündlichen Intervallen mit einer räumlichen Auflösung von etwa 24 Kilometern beschreiben. Ihr generatives KI-Modell (spateGEN-ERA5) wurde nicht nur mit diesen Daten trainiert, sondern lernte auch (aus hochauflösenden Wetterradarmessungen in Deutschland), wie Niederschlagsmuster und Extremereignisse auf verschiedenen Skalen, von grob bis fein, korrelieren. „Unser KI-Modell erzeugt nicht nur eine schärfere Version der Eingabedaten, sondern mehrere physikalisch plausible, hochaufgelöste Niederschlagskarten“, sagt Luca Glawion vom IMK-IFU, der das Modell im Rahmen seiner Doktorarbeit im Forschungsprojekt SCENIC entwickelt hat. „Es werden Details mit einer Auflösung von 2 Kilometern und 10 Minuten sichtbar. Das Modell liefert auch Informationen über die statistische Unsicherheit der Ergebnisse, was besonders bei der Modellierung regionaler Starkregenereignisse von Bedeutung ist.“ Er wies auch darauf hin, dass die Validierung mit Wetterradardaten aus den Vereinigten Staaten und Australien gezeigt hat, dass die Methode auf völlig unterschiedliche klimatische Bedingungen angewendet werden kann.
Überschwemmungsgefahren weltweit richtig einschätzen
Mit der globalen Anwendbarkeit ihrer Methode bieten die Forscher neue Möglichkeiten zur besseren Abschätzung regionaler Klimarisiken. „Gerade in den besonders gefährdeten Regionen fehlen oft die Ressourcen für detaillierte Wetterbeobachtungen“, sagt Dr. Julius Polz vom IMK-IFU, der auch an der Entwicklung des Modells beteiligt war. „Mit unserem Ansatz können wir viel zuverlässiger abschätzen, wo Starkregen und Überschwemmungen drohen, auch in solchen Regionen mit schlechter Datenabdeckung.“ Die neue KI-Methode kann nicht nur zum Katastrophenschutz in Notfällen beitragen, sondern auch bei der Umsetzung effektiverer langfristiger Präventivmaßnahmen wie dem Hochwasserschutz helfen.
Original Publikation
Luca Glawion, Julius Polz, Harald Kunstmann, Benjamin Fersch & Christian Chwala: Global spatio-temporal ERA5 precipitation downscaling to km and sub-hourly scale using generative AI. npj Climate and Atmospheric Science, 2025. DOI: https://doi.org/10.1038/s41612-025-01103-y
