Künstliche Intelligenz wandelt die Klimaforschung

Inhaltsverzeichnis

Mehr zum Thema Künstliche Intelligenz (KI)

• Recht: Warum man die Stimme eines Menschen nicht per KI klonen darf
• Multi-Agenten-Systeme: Automatisierte Leistungsanpassung für bessere KI
• Fermdsprachen lernen: Wie man ChatGPT zum Sprechtrainer aufrüstet
• Drei KI-Sprechtrainer im Test: Fremdsprache mit KI lernen
• Gerichtsurteil: Die Rolle des Betriebsrates beim der Einführung von KI-Systemen
• Künstliche Intelligenz wandelt die Klimaforschung
• So könnten ChatGPT & Co. künftig energiesparsamer rechnen
• Transparenz in der KI: Wie Entscheidungen verständlich werden
• Offene Sprachmodelle und wie man mit Ihnen experimentieren kann
• Fehler in KI-Sprachmodellen: Gründe und Auswirkungen auf den produktiven Einsatz

Nicht zuletzt aufgrund des Klimawandels wächst auch die Unsicherheit bezüglich der Wettervorhersage. Es gilt, selbst in regional ungewöhnlichen Lagen möglichst genauer als bisher zu prognostizieren, ob zum Beispiel in den nächsten Tagen bloß mit starkem Wind oder mit einem verheerenden Orkan zu rechnen ist. Aktuelle KI-Verfahren haben die Wetterprognose verbessert. Googles KI-Unternehmen DeepMind stellte Ende 2023 sein System GraphCast vor. Das haben die Google-Entwickler mithilfe maschineller Lernverfahren auf historische Wetterdaten von vier Dekaden trainiert. Mit der Rechenpower von nur einem KI-Prozessor Google TPU v4 sagt GraphCast die Wetterbedingungen bis zu zehn Tage im Voraus schneller und in der großen Mehrzahl auch präziser voraus als der bis dahin maßgebliche Ansatz, der Wettervorhersagen aufwendig numerisch auf einem Supercomputer simuliert.

Andreas Sudmann

Andreas Sudmann forscht als Medienwissenschaftler an der Universität Bonn und ist Koordinator der internationalen Forschungsgruppe HiAICS (How is Artificial Intelligence Changing Science? Research in the Era of Learning Algorithms).​

Derzeit untersucht eine internationale Forschungsgruppe, wie Verfahren der künstlichen Intelligenz, insbesondere auf Grundlage künstlicher neuronaler Netzwerke (KNN) sowie allgemeiner maschineller Lernverfahren (ML), in Praxis und Methoden der wissenschaftlichen Forschung eingreifen. Ein zentraler Fokus des Projekts ist die Klimaforschung.

KI verbessert nicht nur kurzfristige Wetterprognosen, sie hilft zum Beispiel auch, langfristige Entwicklungen des Klimawandels zu prognostizieren sowie überhaupt das komplexe Phänomen Klima besser zu verstehen. Auch dabei dient KI dazu, historische Daten zu analysieren. Bereits Ende 2022 hat ein Forschungsteam an der Sorbonne in Paris einen Ansatz vorgestellt, mit dem es die Veränderungen der sogenannten globalen Oberflächenlufttemperatur (Global Surface Air Temperature – GSAT) von 1900 bis 2014 untersuchte. Der Informatiker Constantin Bône und seine Kollegen analysierten die globalen Veränderungen der mittleren Oberflächentemperatur und überschlugen mit KI-Methoden, zu welchem Anteil sich die steigende Konzentration von Treibhausgasen, menschengemachte Aerosole sowie eine Reihe natürlicher Einflüsse wie Schwankungen der Sonneneinstrahlung und der Ozonschicht darauf ausgewirkt haben. Grundlage für den neuen Ansatz war ein klassisches Convolutional Neural Network (CNN), eine spezifische Variante künstlicher neuronaler Netzwerke, die Forscher bereits seit Jahren für viele KI-getriebene Anwendungen nutzen. Mit KI zu forschen, bedeutet also nicht automatisch, stets die jeweils aktuellsten Modelle einzusetzen.

Immer mehr Wissen. Das digitale Abo für IT und Technik.

So installieren Sie das KI-Framework PyTorch ohne Stress

PyTorch ist das Framework der Wahl fürs Training neuronaler Netze. Wir zeigen die beste Reihenfolge für die Installation und Einrichtung aller Elemente.

---

Künstliche Intelligenz: Die Mathematik hinter neuronalen Netzen

Die Architektur von neuronalen Netzen wird immer komplexer, doch an ihren einfachen elementaren Mechanismen hat sich über die Jahre nichts geändert.

---

Informatiker im Öffentlichen Dienst: Aufgaben, Gehälter und Verbeamtung

Behörden müssen Dienste digitalisieren. Dafür suchen sie nach IT-Fachkräften. Wir zeigen, für wen sich die Karriere eignet – und wie viel Geld man verdient.

---

PyTorch: Eigene Bildgenerierungs-KI mit Python bauen

Künstliche Intelligenz muss nicht kompliziert sein. Mit der PyTorch-Bibliothek bauen Sie Ihren eigenen KI-Bildgenerator in Python. Wir erklären, wie das geht.

---

Ausprobiert: Fritzbox als NAS-Ersatz verwenden​

AVM bietet mit FritzNAS die Option, die Fritzbox zum Netzwerkspeicher zu machen. Wir prüfen, wie sich die Kombi im Vergleich zu herkömmlichen NAS schlägt.​

---

Photovoltaik: Anlagen dimensionieren, Wirtschaftlichkeit berechnen

Das Auslegen einer PV-Anlage mit Speicher ist schwierig. Jahreszeitliche Unterschiede spielen genau so eine Rolle wie steuerliche Fragen und technische Grenzen.

Immer mehr Wissen. Das digitale Abo für IT und Technik.

So installieren Sie das KI-Framework PyTorch ohne Stress

PyTorch ist das Framework der Wahl fürs Training neuronaler Netze. Wir zeigen die beste Reihenfolge für die Installation und Einrichtung aller Elemente.

---

Künstliche Intelligenz: Die Mathematik hinter neuronalen Netzen

Die Architektur von neuronalen Netzen wird immer komplexer, doch an ihren einfachen elementaren Mechanismen hat sich über die Jahre nichts geändert.

---

Informatiker im Öffentlichen Dienst: Aufgaben, Gehälter und Verbeamtung

Behörden müssen Dienste digitalisieren. Dafür suchen sie nach IT-Fachkräften. Wir zeigen, für wen sich die Karriere eignet – und wie viel Geld man verdient.

---

PyTorch: Eigene Bildgenerierungs-KI mit Python bauen

Künstliche Intelligenz muss nicht kompliziert sein. Mit der PyTorch-Bibliothek bauen Sie Ihren eigenen KI-Bildgenerator in Python. Wir erklären, wie das geht.

---

Ausprobiert: Fritzbox als NAS-Ersatz verwenden​

AVM bietet mit FritzNAS die Option, die Fritzbox zum Netzwerkspeicher zu machen. Wir prüfen, wie sich die Kombi im Vergleich zu herkömmlichen NAS schlägt.​

---

Photovoltaik: Anlagen dimensionieren, Wirtschaftlichkeit berechnen

Das Auslegen einer PV-Anlage mit Speicher ist schwierig. Jahreszeitliche Unterschiede spielen genau so eine Rolle wie steuerliche Fragen und technische Grenzen.