"Zeitreihennetzwerke sind eine Möglichkeit, Muster aus Daten mit sehr großem Volumen oder großer Vielfalt zu extrahieren“, sagt Jürgen Kurths vom PIK. „Künstliche Intelligenz erzeugt Daten in neuer Komplexität und führt zu einer neuen Ära der Big Data. Fortschrittliche interdisziplinäre Datenanalyseverfahren helfen, die verborgenen Strukturen inmitten ansonsten chaotischer Datenpunkte zu erfassen, einschließlich Ansätze aus den Bereichen maschinelles Lernen, Data Mining, Statistik, Sprache und Textverarbeitung. In der Folge verwandeln wir die chaotischen Datensätze in etwas Sinnvolles, was es uns ermöglicht, bessere und schnellere Entscheidungen zu treffen." Die Kombination von Netzwerk- und Zeitreihenanalyse ergänzt die verfügbaren Ansätze und ermöglicht eine zuverlässigere Erkennung kausaler Wechselwirkungen im Klimasystem, das Aufdecken von Kipppunkten und Frühwarnsignalen in einer sich verändernden Welt oder auch die Vorhersage von El Niño-Ereignissen.
Das Potsdam-Institut plant, den Einsatz künstlicher Intelligenz zur Analyse großer Datenmengen auszubauen, um besser zu verstehen, wie Klimafolgen die Menschen vor Ort treffen, und wie diese auf solche Schocks reagieren. Dies könnte dazu beitragen, dass man die Bevölkerung in Zukunft vor solchen Risiken besser schützen kann.
Artikel: Yong Zou, Reik V. Donner, Norbert Marwan, Jonathan F. Donges, Jürgen Kurths (2019): Complex network approaches to nonlinear time series analysis. Physics Reports 787 [DOI: /10.1016/j.physrep.2018.10.005]
Weblink zur Studie: https://doi.org/10.1016/j.physrep.2018.10.005
