Big Data in der Klimaforschung

In der soeben in der Zeitschrift Nature Climate Change erschienenen Studie vergleicht das Autoren-Team rund um Benedikt Knüsel typische Big Data-Vorhersagen mit Vorhersagen in der Klimaforschung. Anhand eines konzeptionellen Rahmens zeigen die Forschenden auf, dass zwischen klassischen wissenschaftlichen Arbeiten und «reinem» Big Data mehrere Zwischenstufen existieren. Diese reichen von Forschungsansätzen mit klassischen Klimadaten, die mittels maschinellem Lernen ausgewertet werden, bis zu Studien, die Zusammenhänge zwischen Daten aus sozialen Medien wie beispielsweise Twitter mit realen Unwetterschäden auswerten.

Basierend auf dieser Klassifikation machen die Autorinnen und Autoren Vorschläge dafür, unter welchen Voraussetzungen und für welche Fragestellungen in der Klimaforschung Big-Data-Ansätze besonders erfolgversprechend sind. Die Anwendung von Big-Data-Elementen in der Klimaforschung erfordert Annahmen über die hinreichende Konstanz von Zusammenhängen, die gestützt auf Hintergrundwissen über die untersuchten Systeme getroffen werden müssen. Daher halten die Autorinnen und Autoren Big-Data-Elemente besonders dann für nützlich, wenn sie mit klassischen wissenschaftlichen Ansätzen kombiniert werden. Potenzial hierfür orten sie insbesondere bei sozioökonomischen Fragestellungen, z.B. in der Klimafolgenforschung oder beim Produzieren von Klimadienstleistungen.

Die Studie ist das Resultat einer interdisziplinären Zusammenarbeit zwischen Forscherinnen und Forschern aus dem Institut für Umweltentscheidungen (IED) und dem Institut für Atmosphäre und Klima (IAC) am D-USYS, die über das nationale Forschungsprogramm «Big Data» (NFP 75) finanziert wird.