Die Arbeitsgruppe Klimainformatik entwickelt innovative Data Science Methoden für ein besseres Verständnis des Klimasystems und des Klimawandels.
Die Erde ist eines der am meisten beobachteten komplexen dynamischen Systeme. Satelliten und Wetterstationen stellen seit Jahrzehnten und teilweise bis ins vorletzte Jahrhundert Messreihen für fast alle Teile der Erde bereit. Diese Beobachtungsdatensätze werden ergänzt durch globale Klimamodelle, die die physikalischen Gesetze der Atmosphäre und Ozeane simulieren und uns damit Projektionen für zukünftige Klimaentwicklungen geben können - abhängig von verschiedenen Szenarien des menschlichen Einflusses.
Dennoch stecken die Datenanalysemethoden der Klimaforschung noch in den Kinderschuhen. Dies liegt an mehreren Herausforderungen. Zum einen ist das Klimasystem hochgradig nichtlinear und Prozesse interagieren auf verschiedenen Zeitskalen miteinander. Weiterhin repräsentieren die gemessenen Daten nie alle relevanten Prozesse und Datensätze enthalten Lücken sowie Messunsicherheiten. Zuletzt sind Klimadaten meist sehr hochdimensional und Datensätze bewegen sich leicht im Tera- und Petabyte-Bereich
Das Ziel der Arbeitsgruppe Klimainformatik ist die Entwicklung von neuen Methoden, die diesen Herausforderungen gewachsen sind, basierend auf Ansätzen aus dem Bereich der kausalen Inferenz, des Maschinellen Lernens und insbesondere Deep Learning, sowie der nichtlinearen Zeitreihenanalyse.