Wo der Sommer in Europa besonders heiß wird, oder ob sich über dem Pazifik ein ungewöhnlich starker El-Niño entwickelt, können Klimamodelle prognostizieren. Auf globaler Ebene stellen sie bereits die Folgen verschiedener Zukunftsszenarien erfolgreich dar. Doch Vorhersagen über Klimaveränderungen sind nur nützlich, wenn die Erdsystemmodelle möglichst präzise sind.
Zwei Forscherinnen von Klim-QML zeigen deswegen bei Klimakonferenzen in Japan und Österreich, wie das DLR-Team mithilfe von maschinellem Lernen und Quantencomputern Ungenauigkeiten in den Datenauswertungen genau dort verringert, wo turbulentes Chaos herrscht. Am DLR-Institut für Physik der Atmosphäre erforschen sie, wie mit Quanten-maschinellem-Lernen (QML) Klima genauer und schneller modelliert werden kann, auch um Technikfolgenabschätzungen und Mitigationsempfehlungen zu verbessern.
Maschinelles Lernen verbessert Klimamodelle
Atmosphärischer Turbulenzen zu modellieren und vorherzusagen ist besonders herausfordernd: Turbulenzen sind von Natur aus chaotisch und verhalten sich gerade in der atmosphärischen Grenzschicht sehr unterschiedlich. Klim-QML untersucht, wie mit Hilfe von maschinellem Lernen und Quantencomputer Klimamodelle verbessert werden können. Die neusten Ergebnisse präsentierte Mierk Schwabe zuletzt auf dem CMIP Community Workshop 2026 in Kyoto, Japan.
Präzisere Auswertung mit Quantencomputern
Auch beim General Assembly der Europäischen Geowissenschaftlichen Union (EGU26) wird Klim-QML vertreten sein. Auf dieser internationalen Konferenz in Wien vom 3. bis 8. Mai spricht Lena Dogra über die Datenauswertung von Turbulenzen mit Quantencomputern. In jüngster Zeit haben Hybridmodelle, die auf maschinellem Lernen basieren, die Parametrisierungen in den Untersuchungen erfolgreich verbessert. Weil sie datengetrieben arbeiten, können sie die Empirie dahinter präziser auswerten.
Doch verbesserte Klimamodelle, die gerade auf regionaler und lokaler Ebene genauere Vorhersagen treffen sollen, benötigen hohe Rechenleistungen. Wie Quantencomputer dort Abhilfe schaffen können, untersuchen Mierk Schwabe, Lena Dogra und das Team beim DLR-Insitut für Physik der Atmosphäre. Als Referenz vergleichen und evaluieren sie die optimierten Modelle mit realen Wetterphänomenen, um so genauere Vorhersagen über regionale und lokale Veränderungen zu ermöglichen. Solche Untersuchungen führen aber nicht nur zu präziseren Prognosen: Optimierte Klimamodelle helfen auch dabei, die Auswirkungen von verschiedenen Technologien aus Luft- und Raumfahrt, aus Energie- oder Transportsektor zu verstehen.
