(openPR) Bonn, 5. November 2025. Extreme Wetterereignisse wie Starkregen und Hochwasser stellen Frühwarnsysteme weltweit vor wachsende Herausforderungen. Forschende der Rheinischen Friedrich-Wilhelms-Universität Bonn, des Forschungszentrums Jülich (FZJ) und des Lamarr-Instituts für Maschinelles Lernen und Künstliche Intelligenz haben mit RiverMamba ein neues KI-Modell entwickelt, das Flussabflüsse und Überflutungsrisiken präziser vorhersagen kann als bisherige Verfahren. Das Forschungspapier wurde für die NeurIPS 2025 angenommen – ein Zeichen wissenschaftlicher Exzellenz Bonner Forschung. Damit liefert RiverMamba einen wichtigen Beitrag zur Klimaanpassung und Risikovorsorge – Themen, die gerade rund um den UN World Tsunami Awareness Day am 5. November weltweit besondere Aufmerksamkeit erhalten. KI lernt aus Umwelt- und Klimadaten RiverMamba basiert auf der sogenannten Mamba-Architektur, einer neuen Generation von Deep-Learning-Modellen, die besonders effizient mit zeitlich-räumlichen Umwelt- und Klimadaten umgehen kann. Das System wertet kontinuierlich Daten zu Niederschlag, Temperatur, Bodenfeuchte und Fließgeschwindigkeit aus und erkennt darin Muster, die für die Entstehung von Hochwasser entscheidend sind. RiverMamba vereint die Stärken von klassischen, physikalisch-modellbasierten Systemen wie dem Global Flood Awareness System (GloFAS), das global Vorhersagen trifft aber lokale Besonderheiten unvollständig modelliert und sehr rechenintensiv ist, und lokalen, lernbasierten Modellen wie Googles Flood Hub, das zwar sehr effizient aber nur an existierenden Messtellen Flussabflüsse vorhersagen kann. RiverMamba lernt sowohl von Daten physikalisch-modellbasierter Systeme als auch direkt aus umfangreichen Umwelt- und Beobachtungsdaten. So kann es auch dann verlässliche Vorhersagen treffen, wenn Messreihen unvollständig sind oder fehlen – etwa in kleineren Einzugsgebieten oder Regionen mit begrenzter Datenlage. Diese Fähigkeit, komplexe Wechselwirkungen zwischen Wetter, Topografie und Abflussverhalten selbstständig zu modellieren, eröffnet neue Perspektiven für präzisere Hochwasserprognosen weltweit. Bonner KI-Forschung überzeugt international Die Entwicklung entstand unter Leitung von Prof. Dr. Jürgen Gall, Principal Investigator am Lamarr-Institut, in enger Zusammenarbeit mit Transdisciplinary Research Area „Modelling“ (TRA Modelling), dem Sonderforschungsbereichen „Integriertes Graduiertenkolleg im DFG-Sonderforschungsbereich „DETECT – Regionaler Klimawandel: Die Rolle von Landnutzung und Wassermanagement“ (SFB 1502 DETECT) der Universität Bonn und dem Projekt „Ein statistisch robustes Kl-Grundlagenmodell der Atmosphäre für bessere Kurzfristvorhersagen von Extremereignissen“ (RAINA), ein gemeinsames Projekt der Universität Bonn, des Deutschen Wetterdienstes (DWD) und des Forschungszentrums Jülich (FZJ). Das interdisziplinäre Projekt verknüpft KI-Forschung mit Klimamodellierung, Hydrologie und Wettervorhersage – und zeigt, wie exzellente Forschung aus NRW zur Bewältigung globaler Herausforderungen beiträgt. „Mit RiverMamba zeigen wir, wie sich KI gezielt einsetzen lässt, um Umweltprozesse realitätsnäher und effizienter zu modellieren,“ sagt Prof. Dr. Jürgen Gall. „Solche datenbasierten Ansätze können bestehende Frühwarnsysteme sinnvoll ergänzen – ein wichtiger Schritt hin zu verlässlicheren Prognosen bei zunehmenden Extremwetterereignissen.“ Das Forschungsteam stellt seine Ergebnisse am 4. Dezember auf der diesjährigen NeurIPS-Konferenz in San Diego vor – einer der weltweit renommiertesten Fachtagungen für Maschinelles Lernen und Künstliche Intelligenz, auf der jährlich nur ein Bruchteil der eingereichten Beiträge angenommen wird. Die Annahme des Papers unterstreicht die internationale Sichtbarkeit und wissenschaftliche Exzellenz der Bonner Forschung: Spitzenforschung aus NRW trägt maßgeblich zur Weiterentwicklung datenbasierter Umwelt- und Klimamodelle bei.
Disclaimer: Für den obigen Pressetext inkl. etwaiger Bilder/ Videos ist ausschließlich der im Text angegebene Kontakt verantwortlich. Der Webseitenanbieter distanziert sich ausdrücklich von den Inhalten Dritter und macht sich diese nicht zu eigen. Wenn Sie die obigen Informationen redaktionell nutzen möchten, so wenden Sie sich bitte an den obigen Pressekontakt. Bei einer Veröffentlichung bitten wir um ein Belegexemplar oder Quellenennung der URL.
