„Starkregen und Überschwemmungen sind in vielen Regionen der Welt heute viel häufiger, als noch vor wenigen Jahrzehnten“, sagt Dr. Christian Chwala, Experte für Hydrometeorologie und Maschinelles Lernen am Institut für Meteorologie und Klimaforschung – Atmosphärische Umweltforschung (IMK-IFU), dem Campus Alpin des KIT in Garmisch-Partenkirchen. „Doch bisher fehlten an vielen Orten Daten, um solche Extremereignisse auch regional zuverlässig abzuschätzen.“

Genau hier setzt sein Forschungsteam mit einer neu entwickelten KI an: Sie kann präzise globale Niederschlagskarten aus grob aufgelösten Informationen generieren. So entsteht ein bisher einzigartiges Werkzeug zur Analyse und Abschätzung von Extremwetter, auch für datenarme Regionen wie den globalen Süden.

KI erstellt fein aufgelöste Niederschlagskarten

Für ihre Methode nutzen die Forschenden historische Daten von Wettermodellen, die den globalen Niederschlag in einer räumlichen Auflösung von rund 24 Kilometern und stündlicher Taktung beschreiben. Ihr generatives KI-Modell (SpateGAN-ERA5) trainierte aber nicht nur mit diesen Daten, sondern lernte zusätzlich aus hochaufgelösten Wetterradarmessungen in Deutschland, wie sich Niederschlagsmuster und Extremereignisse auf unterschiedlichen Skalen – von grob bis fein – zueinander verhalten.

„Unser KI-Modell erstellt dadurch nicht einfach eine nachgeschärfte Version der Eingangsdaten, sondern erzeugt mehrere Realisationen physikalisch plausibler, fein aufgelöster Niederschlagskarten“, erläutert Luca Glawion vom IMK-IFU, der das Modell innerhalb seiner Doktorarbeit im Forschungsprojekt SCENIC entwickelt hat. „So werden Details bis 2 Kilometer im 10 Minutentakt sichtbar. Gleichzeitig liefert das Modell Informationen über die statistische Unsicherheit der Ergebnisse, die insbesondere bei der Abbildung von regionalisierten Starkregenereignissen relevant sind.“

Eine Validierung mit Wetterradardaten in den USA und in Australien zeige zudem, dass die Methode sich auf völlig unterschiedliche klimatische Bedingungen anwenden lässt.

Hochwasserrisiken weltweit richtig einschätzen

Durch die globale Anwendbarkeit ihrer Methode eröffnen die Forschenden neue Möglichkeiten, regionale Klimarisiken besser zu bewerten.

„Gerade in den besonders vulnerablen Gebieten fehlen oft die Ressourcen für eine engmaschige Wetterbeobachtung“, sagt Dr. Julius Polz vom IMK-IFU, der ebenfalls an der Entwicklung beteiligt war. „Mit unserem Ansatz können wir künftig auch in solchen datenarmen Gebieten viel zuverlässiger abschätzen, wo Starkregen und Überschwemmungen drohen.“

Die neue KI-Methode könne auf diese Weise zukünftig nicht nur im Ernstfall durch Warnungen zum Katastrophenschutz beitragen, sondern auch dabei helfen, langfristige Präventionsmaßnahmen wie den Hochwasserschutz wirksamer zu gestalten.

Originalpublikation:
Luca Glawion, Julius Polz, Harald Kunstmann, Benjamin Fersch & Christian Chwala: Global spatio-temporal ERA5 precipitation downscaling to km and sub-hourly scale using generative AI. npj Climate and Atmospheric Science, 2025. DOI: https://doi.org/10.1038/s41612-025-01103-y