Seit Generationen sind die Bewohner der Arktis auf das saisonale Meereis angewiesen, das im Laufe des Jahres zu- und abnimmt. Eisbären und Meeressäugetiere nutzen das Eis als Jagd- und Ruhegebiet, Ureinwohner fischen von Öffnungen im Eis aus, die als Polynjas bekannt sind, und nutzen bekannte Routen über das Eis, um von einem Ort zum anderen zu gelangen. Laut einem Bericht des Arktischen Rates vom Mai 2021 haben sich Luft und Wasser in der Arktis seit 1971 dreimal schneller erwärmt als im Rest der Welt. Diese Erwärmung führt dazu, dass sich das Eis auf unvorhersehbare Weise ausdehnt und zusammenzieht.
Einige Wissenschaftler und Forschungsunternehmen nutzen nun Werkzeuge, die auf künstlicher Intelligenz basieren, um genauere und aktuellere Vorhersagen darüber zu treffen, welche Teile des Arktischen Ozeans wann mit Eis bedeckt sein werden. KI-Algorithmen ergänzen bestehende Modelle, die auf physikalischen Grundlagen basieren, um zu verstehen, was an der Meeresoberfläche geschieht, einer dynamischen Zone, in der kalte Unterwasserströmungen auf raue Winde treffen und schwimmende Eisschollen bilden. Diese Informationen werden immer wertvoller für indigene Völker in der Arktis, kommerzielle Fischer in Gegenden wie Alaska und globale Schifffahrtsunternehmen, die an Abkürzungen durch offene Gewässer interessiert sind.
Leslie Canavera, CEO von Polarctic, einer wissenschaftlichen Beratungsfirma in Lorton, Virginia, die KI-gestützte Vorhersagemodelle entwickelt hat, sagt, dass das ungewisse Tempo des Klimawandels dazu führt, dass bestehende Meereismodelle immer ungenauer werden. Das liegt daran, dass sie auf Umweltprozessen basieren, die sich schnell verändern.
„Wir haben kein umfassendes Verständnis des Klimawandels und der Prozesse im [arktischen] System“, sagt Canavera, der dem Stamm der Yup’ik angehört und in Alaska aufgewachsen ist. „Wir haben statistische Modellierung, aber da geht es mehr um Durchschnittswerte. Dann gibt es die künstliche Intelligenz, die Trends im System erkennen und lernen kann.
Bestehende physikalische Modelle enthalten hunderte von Jahren wissenschaftlicher Aufzeichnungen über die Eisbedingungen, die aktuellen Wetterbedingungen, die Geschwindigkeit und Position des polaren Jetstreams, die Wolkenbedeckung und die Meerestemperatur. Die Modelle verwenden diese Daten, um die zukünftige Eisbedeckung abzuschätzen. Allerdings ist für die Berechnung der Zahlen viel Rechenleistung erforderlich, und die Erstellung einer Vorhersage mit herkömmlichen Programmen dauert mehrere Stunden oder Tage.
Doch sobald ein Algorithmus auf die richtige Menge und Art von Daten trainiert ist, kann er Muster in den Klimabedingungen schneller erkennen als physikalisch basierte Modelle, sagt Thomas Anderson, Datenwissenschaftler beim British Antarctic Survey, der ein KI-Eisvorhersagesystem namens IceNet entwickelt hat. „KI-Methoden können einfach tausendmal schneller laufen, wie wir mit unserem Modell IceNet herausgefunden haben“, sagt Anderson. „Und sie lernen automatisch dazu. KI ist nicht intelligenter. Sie ersetzt keine physikalisch basierten Modelle. Ich glaube, die Zukunft liegt darin, beide Informationsquellen zu nutzen.“
Anderson und seine Kollegen haben ihr neues Meereis-Vorhersagemodell im August in der Fachzeitschrift Nature Communications veröffentlicht. IceNet nutzt eine Form der künstlichen Intelligenz, das so genannte Deep Learning (das auch zur automatischen Erkennung von Kreditkartenbetrug, zum Betrieb selbstfahrender Autos und persönlicher digitaler Assistenten eingesetzt wird), um sich selbst zu trainieren und eine sechsmonatige Vorhersage für jedes 25-Kilometer-Quadrat in der Region zu erstellen, die auf Simulationen des arktischen Klimas zwischen 1850 und 2100 sowie auf tatsächlichen Beobachtungsdaten aus den Jahren 1979 bis 2011 basiert. Nach dem Training des Modells und unter Berücksichtigung der aktuellen meteorologischen und ozeanischen Bedingungen übertraf IceNet ein führendes physikalisches Modell bei der saisonalen Vorhersage des Vorhandenseins oder Nichtvorhandenseins von Meereis in jedem Rasterquadrat, insbesondere für die Sommersaison, wenn sich das Eis jedes Jahr zurückzieht, heißt es in der Nature-Studie.
Ein anderes Team von Wissenschaftlern am Johns Hopkins University Applied Physics Laboratory hat ein Vorhersagemodell entwickelt, das eine Form der künstlichen Intelligenz, so genannte neuronale Netze, nutzt, um Satellitenbilder der Meeresoberfläche zu analysieren und Vorhersagen darüber zu treffen, wie schnell sich das Eis in der kommenden Woche bilden wird. Neuronale Netze sind in der Lage, digitale Pixel schneller zu sortieren als Menschen und werden beispielsweise in Algorithmen zur Gesichtserkennung eingesetzt. Das JHUAPL-Modell verwendet digitale Satellitenbilder und kombiniert sie mit meteorologischen Daten, die gleichzeitig am Boden gesammelt werden”, erklärt Christine Piatko, leitende Wissenschaftlerin des Labors und Hauptverantwortliche für das Projekt.
Derzeit erstellen Meteorologen des US National Ice Center in Colorado wöchentliche Eisvorhersagen für die Arktis von Hand, indem sie Satellitenbilder aus der Umlaufbahn analysieren und mit historischen Daten vergleichen. Doch diese Methode könnte nicht mehr ausreichen, denn die Eisdecke des Nordpolarmeeres schrumpft rapide. Nach Schätzungen einer Gruppe von 21 Forschungsinstituten, die im Jahr 2020 veröffentlicht wurden, könnte das Meer bis 2050 in den Sommermonaten völlig eisfrei sein.
Die Öffnung des Arktischen Ozeans bedeutet mehr Schiffsverkehr, und mehr Schiffe bedeuten, dass bessere Vorhersagen nötig sind”, sagt Piatko. Bisher reichten physikalische Modelle und manuelle Schätzungen der Eisbedeckung aus. Die Prognostiker mussten nur Vorhersagen für einige wenige Schiffe oder für spezielle Missionen machen“, sagt Piatko. „Aber mit zunehmender Aktivität sind verschiedene Szenarien denkbar, in denen Informationen in kürzerer Zeit benötigt werden. Wir versuchen, diesen Bedarf zu antizipieren.
Mit der Registrierung stimmen Sie unseren Nutzungsbedingungen (einschließlich des Verzichts auf Sammelklagen und der Schiedsgerichtsklausel), unserer Datenschutzerklärung und der Cookie-Erklärung zu und erklären sich damit einverstanden, Marketing- und kontobezogene E-Mails von WIRED zu erhalten. Sie können sich jederzeit abmelden. Diese Website ist durch reCAPTCHA geschützt und unterliegt den Datenschutzbestimmungen und Nutzungsbedingungen von Google.
Canavera von Polarctic arbeitet mit kanadischen Behörden zusammen, um Eisvorhersagen für die Bewohner des Territoriums Nunavut zu erstellen und ein besseres Verständnis für kritische Gebiete zu entwickeln, in denen sich die Nahrungsressourcen aufgrund des Klimawandels verändern. Ein weiteres Projekt namens SmartIce nutzt Daten von kleinen, batteriebetriebenen Sensoren, die in das Meereis eingebettet sind und sowohl die Temperatur als auch die Eisdicke aufzeichnen.
Ihr Unternehmen entwickelt auch lokalisierte Meereisvorhersagen für kommerzielle Fischer in Alaska, die am Rande des Eises fischen wollen, einem produktiven Gebiet für Kabeljau und Krabben. „Man muss genau vorhersagen können, wo die Eiskante sein wird und wie sie sich verändert. Denn wenn das Eis zu schnell kommt oder die Vorhersage falsch ist, können die Fischer ihre Fanggeräte verlieren – sie werden zu Geisterplastik im Meer und haben keinen Ertrag mehr“, sagt Canavera. „Wir hoffen, dass wir dieses Problem erkennen und eine Lösung entwickeln können.
Die Vorhersage des Meereises ist nur eine Anwendung künstlicher Intelligenz, mit der Wissenschaftler versuchen, den Klimawandel zu verstehen. KI-Algorithmen können auch zur Vorhersage von Stromangebot und -nachfrage, Kohlendioxidemissionen, zur automatischen Erkennung von Methanlecks und sogar zur Vorhersage von Verbesserungen der Energieeffizienz von Bürogebäuden und Wohnhäusern eingesetzt werden, heißt es in einem Papier einer Gruppe von 22 renommierten Computerwissenschaftlern, das 2019 auf der weltweit führenden KI-Konferenz NeurIPS vorgestellt wird.
Anderson und seine Icenet-Kollegen wollen die Genauigkeit des IceNet-Modells verbessern, um die Eisbedingungen mit höherer Auflösung vorhersagen zu können, bis hin zu Rastern von einigen hundert Metern statt 25 Kilometern. KI-Modelle seien jedoch kein Ersatz für das Vor-Ort-Wissen der arktischen Küstenbewohner. „Es gibt nichts Besseres, als an der Küste zu stehen und zu sagen: ‘Wissen Sie, ich kann heute nicht aufs Meereis hinaus, weil das Eis zu dünn ist oder es keine Plattform gibt’“, sagt er. „Aber diese Vorhersagen können den Menschen ein allgemeines Gefühl dafür geben, wie sich das Eis um sie herum entwickelt. Das füllt eine wirklich große und wichtige Lücke, in der Fortschritte in der KI-Vorhersage einen großen Unterschied machen könnten.
