// SCINEXX — SPAZIO & SCIENZA
KI kann berechnen, wann Klimasysteme ihren Kipppunkt erreichen
Frühwarnung vor dem Umbruch: Ein neues KI-Verfahren konnte in einem vereinfachten Klimamodell vorhersagen, wann eine kühlende Wolkendecke über den Ozeanen zusammenbricht. Die Prognose reichte 2,45 Modelljahre voraus und wich nur um rund elf Tage vom simulierten Kipppunkt ab. Ob solche Warnungen auch anhand realer Klimadaten gelingen, ist bislang offen.
Pasadena (U.S.A.). Das Erdklima verändert sich nicht immer allmählich. Manche seiner Bestandteile könnten beim Überschreiten kritischer Schwellen abrupt in einen anderen Zustand wechseln. Solche Kipppunkte sind besonders riskant, weil die ursprünglichen Verhältnisse danach nur schwer oder gar nicht wiederherzustellen sind.
Ein mögliches Beispiel sind ausgedehnte Stratocumulus-Wolken über den Ozeanen. Diese niedrigen Wolkendecken reflektieren Sonnenlicht und bremsen dadurch die Erwärmung. Modellrechnungen legen nahe, dass sie bei stark steigender CO₂-Konzentration plötzlich großflächig verschwinden könnten. Eine zuverlässige Vorhersage, wann ein solcher Übergang bevorsteht, fehlt bisher.
Forscher des California Institute of Technology (Caltech) haben nun ein KI-Verfahren entwickelt, das solche Übergänge in zeitlich veränderlichen Systemen frühzeitig berechnen soll. Getestet wurde es an vereinfachten Klimasimulationen und an berechneten Luftströmungen über einem Flugzeugflügel. Beide Versuchsreihen zeigen, wie sich ein bevorstehender Zustandswechsel aus Modellrechnungen erschließen lässt.
„Ein Kipppunkt ist der Moment, an dem es kein Zurück mehr gibt, weil das System nicht stationär ist. Teile eines Systems verändern sich so, dass man es nicht mehr in seinen ursprünglichen Zustand zurückversetzen kann. Deshalb gilt ein solcher Übergang als potenziell katastrophal“, erklärt Prof. Anima Anandkumar vom Caltech.
Herkömmliche KI-Modelle lernen aus bekannten Wetter- und Strömungsabläufen, um deren weitere Entwicklung vorherzusagen. Doch wenn sich die Rahmenbedingungen fortlaufend ändern, etwa durch zunehmendes CO₂, passen die früher erlernten Zusammenhänge nicht mehr unbedingt. Genau an dieser Schwierigkeit setzt das neue Verfahren an.
Dafür verwendet das Team einen sogenannten rekurrenten neuronalen Operator (RNO). Dieses KI-Netz verarbeitet nicht nur den aktuellen Zustand eines Systems, sondern speichert auch Informationen über dessen bisherige Entwicklung. Trainiert wird es ausschließlich mit Daten aus der Zeit vor dem Kipppunkt, damit es keinen bereits bekannten Zusammenbruch als Lernvorlage benötigt.
Anschließend berechnet der RNO mögliche künftige Zustände. Die Forscher kontrollieren, wie gut diese Prognosen mit bekannten physikalischen Bedingungen vereinbar sind, etwa mit der Erhaltung von Masse. Wachsen die Abweichungen auffällig, kann dies auf einen bevorstehenden Wechsel des Systemverhaltens hindeuten. Ein statistisches Verfahren soll dabei die Gefahr von Fehlalarmen abschätzen.
„Das System entfernt sich mit der Zeit von seinem bisherigen Zustand, und die physikalischen Gesetze gelten am Kipppunkt nicht mehr in derselben Weise. Wir können physikalische Prinzipien mit rekurrenten neuronalen Operatoren kombinieren, um vorherzusagen, wann ein Kipppunkt wahrscheinlich eintreten wird“, sagt Anandkumar.
Für den Klimatest nutzte das Team ein vereinfachtes Modell der unteren Atmosphäre über dem Meer. Darin nimmt die kühlende Stratocumulus-Bewölkung bei wachsender CO₂-Konzentration zunächst langsam ab, bis sie sprunghaft zusammenbricht. Der Übergang ist mit einer Hysterese verbunden: Eine spätere Verringerung des CO₂-Gehalts stellt die frühere Wolkendecke nicht sofort wieder her.