(openPR) Heidelberg/München/Eichstätt, 26. August 2025. Extreme Wetterlagen wie Starkregen, Wirbelstürme oder Gewitter früher und vor allem präziser vorherzusagen, ist ein wichtiges Forschungsziel. Das wissen auch Eyke Hüllermeier und Tijana Janjić. Beide haben eine Professur inne, der eine an der Universität München, die andere in Eichstätt-Ingolstadt, beide interessieren sich für die Schnittstellen von Maschinellem Lernen, Informatik und Datenwissenschaften. Und gemeinsam haben sie einen Förderantrag bei der Klaus Tschira Stiftung bewilligt bekommen. Darin geht es darum, wie sich die Unsicherheiten bei Wettervorhersagen messen und minimieren lassen.
Saskia Haupt, selbst promovierte Mathematikerin und bei der Klaus Tschira Stiftung zuständige Programm-Managerin Forschung für das auf drei Jahre angelegte Projekt, zögert keine Sekunde mit der Antwort, warum ihr diese Förderung wichtig ist. „Das ist eine überzeugende Verbindung von klassischer Mathematik, Künstlicher Intelligenz und Quantifizierung von Unsicherheiten – am Beispiel einer ganz praktischen Anwendung, nämlich der Wetterprognose. Das passt perfekt zusammen.“
Zu Grunde liegt dem Ganzen das Dilemma, dass Wettervorhersage zwar auf sehr detaillierten, physikalischen Modellen beruhen, die aber trotz aller Komplexität oft ungenau und unsicher sind. Tijana Janjić und Eyke Hüllermeier versuchen das mit Hilfe so genannter Datenassimilation zu lösen. Das heißt, die Vorhersage gleicht beständig die Daten mit aktuellen Messungen ab, so dass im Prozess die Unsicherheit immer kleiner wird.
„Große Datenmengen werden hier effizient und zielgenau genutzt, um das Ergebnis immer besser zu machen“, lobt Haupt. Und weiter: „Das ist innovativ, weil es direkten Impact auf Wettervorhersagen und Klimamodelle erlaubt“.
Eyke Hüllermeier unterstreicht: „Die Vorhersage von Wetterphänomenen ist ein sehr kompliziertes Problem. Die Unsicherheit dabei zu quantifizieren ist essentiell, um sie zu verbessern. Wir haben zwei wichtige Quellen, die Daten aus Wetterbeobachtungen der realen Welt, und unser physikalisches Wissen darüber, was geschieht. Wir wollen beides kombinieren und mit Maschinellem Lernen optimieren.“
Tijana Janjić dazu: „Wettervorhersagen sind ungemein wichtig und ungemein schwierig. Vor allem, wo und wann genau etwas stattfindet, ist extrem schwer vorherzusagen, und noch kniffliger ist es, wenn es um Stürme, Tornados oder Gewitterzellen geht. Um das zu verbessern, müssen wir nicht nur ganz viel wissen, sondern wir müssen auch sagen können, wie zuverlässig unsere Vorhersagen zu dieser Zeit an jenem Ort sind“.
Wie kam es zur Zusammenarbeit der beiden? „Wir waren Kollegin und Kollege an der Ludwig-Maximilians-Universität München und haben schnell herausgefunden, dass wir nicht nur gemeinsame Interessen haben, sondern auch dass unsere Wissensgebiete nahezu komplementär sind“, führt Hüllermeier aus. Außerdem treibt beide an, mit ihrer Forschung auch etwas zum Wohl der Menschheit beizutragen.
Was könnte am Ende einer erfolgreichen dreijährigen Projektphase stehen? „Dann haben wir verlässliche Methoden, um das Wetter besser vorhersagen zu können“, blickt Janjić in eine mögliche Zukunft, und Hüllermeier ergänzt: „Und wir sind den Antworten auf die Frage ein wenig näher gerückt, wie weit wir mit verlässlichen Vorhersagen gehen können. Das ist ein ambitioniertes Ziel, aber vielleicht können wir das ein wenig klarer sehen“.
Universität München (LMU), Institut für Informatik Prof. Dr. Eyke Hüllermeier E-Mail:
Katholische Universität Eichstätt-Ingolstadt, Mathematical Institute for Machine Learning and Data Science, Prof. Dr. Tijana Janjić E-Mail:
Klaus Tschira Stiftung Dr. Saskia Haupt, Programm-Managerin Forschung E-Mail:
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.
