Ausbildung für eine neue Ära der Wetter- und Klimavorhersage

Maschinelles Lernen entwickelt sich zu einem zentralen Bestandteil des Wandels in der Wetter- und Klimawissenschaft. Innerhalb weniger Jahre haben sich datengestützte Ansätze von Forschungsprototypen zu Systemen entwickelt, die Vorhersagen, digitale Zwillinge, Unsicherheitsabschätzungen, Downscaling, Datenassimilation sowie Anwendungen zur Analyse von Klimaauswirkungen unterstützen können. Diese rasante Entwicklung eröffnet neue Möglichkeiten, wirft aber auch eine praktische Frage für die Fachgemeinschaft auf: Wie können Wissenschaftlerinnen, Meteorologinnen und Entwicklerinnen diese Methoden so weit durchdringen, dass sie sie kritisch anwenden, ihre Grenzen einschätzen und verantwortungsvoll in die Arbeitsabläufe der Erdsystemmodellierung integrieren können?

Das neue dreiteilige Online-Kursprogramm „Machine Learning for Earth Systems Modelling“, das von März bis Dezember 2026 läuft, greift diesen Bedarf als strukturierter Lernpfad auf. Das KIT und die Universität Wageningen entwickelten den Kurs im Rahmen eines vom ECMWF für die Initiative „Destination Earth“ geförderten Auftrags. Das KIT ist für die wissenschaftliche Koordination des Projekts verantwortlich, das von Dr. Dwaipayan Chatterjee aus der Arbeitsgruppe „Atmosphärendynamik“ geleitet wird.

Das Programm folgt einem klaren Aufbau. Kurs 1 bildet den Einstieg und führt in das maschinelle Lernen in der Wetter- und Klimawissenschaft ein; dabei werden Schlüsselkonzepte, die Rolle der KI bei „Destination Earth“, digitale Zwillinge, moderne KI-basierte Vorhersagesysteme sowie verantwortungsvolle KI erläutert. Der Kurs soll das Fachgebiet einem breiten Publikum zugänglich machen – auch Lernenden ohne Programmiererfahrung –, während er gleichzeitig technisch versierten Teilnehmenden eine gemeinsame konzeptionelle Grundlage bietet.

Kurs 2 baut auf dieser Basis auf und vermittelt technische Kompetenzen. Im Mittelpunkt stehen die Architekturen, Datensätze und Arbeitsabläufe hinter KI-basierten Wettervorhersagesystemen, darunter neuronale Netze, graphbasierte und auf Transformern basierende Modelle, Datenverarbeitung, Hochleistungsrechnen, Unsicherheitsquantifizierung, Benchmarking sowie Frameworks wie Anemoi. Praxisorientierte Notebooks und Projektelemente unterstützen die Lernenden dabei, den Schritt vom Verständnis der KI-Vorhersagesysteme hin zur Entwicklung und Evaluierung vereinfachter Versionen zu vollziehen.

Kurs 3 verknüpft diese technischen Fähigkeiten mit fortgeschrittenen Anwendungen in der Erdsystemmodellierung und zukünftigen Forschungsrichtungen. Behandelt werden unter anderem maschinelles Lernen für Extremereignisse wie Überschwemmungen und Waldbrände, Erklärbarkeit und Vertrauen, Foundation Models, hybride Modellierung, Vorhersagen im subsaisonalen bis saisonalen Bereich, Downscaling, gekoppelte Erdsystemkomponenten, ML-basierte Datenassimilation, End-to-End-Modellierung, „Forecast-in-a-Box“ sowie datengestützte wissenschaftliche Erkenntnisgewinnung.

Über das gesamte Programm hinweg verbinden Vorlesungen, Notebooks, Quizze, Webinare, Podiumsdiskussionen und Podcasts wissenschaftliche Konzepte mit operativen Perspektiven und dem fachlichen Austausch innerhalb der Community. Das Ergebnis ist nicht nur ein Trainingsangebot, sondern eine Brücke zwischen Daten, Modellen, Anwendungen und verantwortungsvoller Entscheidungsfindung, die die Teilnehmenden darauf vorbereitet, zur nächsten Generation vertrauenswürdiger, KI-gestützter Wetter- und Klimavorhersagen beizutragen.