Bart Everson - wikimedia commons - CC-BY 2.0
Die Entschlüsselung von Extremwettern
Der Klimawandel führt zu immer heftigeren Überschwemmungen, Dürren und Stürmen. Wie kann die Datenwissenschaft ("Data Science") helfen, diese Extremwetter zu verstehen, um die Menschheit besser zu wappnen?
Wer von Naturkatastrophen spricht, muss zwangsläufig an Extremereignisse denken, die sich schicksalsgleich ereignen, ohne dass wir etwas dagegen tun können. Nur trifft das immer seltener auf die Katastrophen zu, die wir heute erleben: Denn indem der Mensch den Klimawandel antreibt, also fossile Ressourcen in großer Menge aus dem Boden holt und verbrennt, schafft er sich sein Klima selbst. Und sorgt dafür, dass mehr und mehr Extremwetterereignisse auftreten, die uns immer stärker beeinträchtigen.
Zunahme klimabedingter Katastrophen
Seit der Jahrtausendwende gab es einem Bericht des belgischen Forschungszentrums für die Epidemiologie von Naturkatastrophen aus dem Jahr 2015 zufolge im Schnitt 341 klimabedingte Katastrophen pro Jahr - 44 Prozent mehr, als in den Jahren 1994 und 2000 und mehr als doppelt so viele wie noch zwischen 1980 und 1989. (Link zum Bericht "The Human Cost of Natural Disasters - A global perspective"). Unter allen "Naturkatastrophen" stellen Überschwemmungen, Dürren und Stürme in ihrer Zahl geologische Katastrophen wie Erdbeben und Tsunami inzwischen deutlich in den Schatten - sie machen heute mehr als 80 Prozent aller weltweit aufgezeichneten Katastrophen aus.
Weil durch den Klimawandel viele Extremwetter häufiger und stärker ausfallen und mehr und mehr Menschen selbst in Industrieländern ihnen ausgesetzt sind, arbeiten Katastrophenschützer und Wissenschaftler fieberhaft daran, wie wir uns am besten darauf einstellen können. Und zwar nicht erst dann, wenn die Katastrophe passiert ist - so die gängige Praxis -, sondern schon vorbeugend.
Trockenheit in Bouhanifia, Algerien.
Kann die Datenwissenschaft helfen?
Um dem näher zu kommen, haben sich Anfang Oktober 130 Wissenschaftlerinnen und Wissenschaftler aus der ganzen Welt im Schloss Herrenhausen in Hannover zusammengefunden, für die Herrenhäuser Konferenz "Extreme Events – Building Climate Resilient Societies".
In einem kühlen, abgedunkelten Raum sitzen 16 Wissenschaftlerinnen und Wissenschaftler aus den Fächern Ökologie und Ökonomie, Epidemiologie, Meteorologie und Physik. Sie wollen Chancen und Grenzen eines jungen Forschungszweigs ausloten – der Datenwissenschaft (englisch: "Data Science"). Diese verknüpft unterschiedlichste Fachrichtungen miteinander: Mathematikerinnen und Mathematiker sowie Statistikerinnen und Statistiker auf der einen, Forscherinnen und Forscher aus Klimatologie, Geografie und Biologie auf der anderen. Sie hantieren mit großen Datensets (englisch: "Big Data"), aus denen sie mithilfe von statistischen Modellen Extremwetterereignisse zu entschlüsseln und Voraussagen über die Zukunft zu treffen versuchen. "Nur wenn die Folgen katastrophaler Kettenreaktionen aus der Vergangenheit gut verstanden sind, werden wir die Auswirkungen zukünftiger Ereignisse und Klimaszenarien vorwegnehmen können", so formulieren es die Wissenschaftlerinnen und Wissenschaftler.
130 Wissenschaftlerinnen und Wissenschaftler aus 30 Ländern nahmen an der Konferenz "Extreme Events - Building Climate Resilient Socities" im Schloss Herrenhausen teil.
Video: Öffentlicher Vortrag im Rahmen der Konferenz: Klimawandel - Kriegen wir die Kurve?
Wir suchen Konzepte, um relevante Informationen aus einer Vielzahl heterogener Datenströme zu extrahieren.
Session zu Datenwissenschaft für menschliches Wohlergehen
Dabei versuchen sie unterschiedlichste Datenstränge miteinander zu verknüpfen - von Klimabeobachtungen über Satellitendaten bis zu Wirtschafts- und Bevölkerungsdaten. "Es kommt nicht nur darauf an, möglichst viele Daten zu sammeln", sagt Miguel Mahecha vom Max- Planck-Institut für Biogeochemie in Jena. "Es geht vielmehr darum, Konzepte zu suchen, um relevante Informationen aus einer Vielzahl heterogener Datenströme zu extrahieren."
Mahecha leitete - gemeinsam mit der Epidemiologin Debarati Guha-Sapir - eine von fünf Arbeitsgruppen während der Konferenz zu Extremwettern. Sie widmete sich der Frage, wie Datenwissenschaft dabei helfen kann, das menschliche Wohlergehen zu gewährleisten (Link zum Session report "Session 4 - Data Science for Human Wellbeing"). (Link zum Interview mit Debarati Guha-Sapir "Eine Naturkatastrophe ist wie ein Virus")
Demokratisierung des maschinellen Lernens
Erst seit etwa der Jahrtausendwende erlaubt der Fortschritt in der Rechnerleistung und der Qualität der Beobachtungsdaten, genügend und geeignete Daten zu erheben und zu analysieren. Zudem gibt es erst seit wenigen Jahren digitale Werkzeuge, mit denen jeder diese Daten nutzen kann. Die Fachwelt spricht von einer "Demokratisierung des maschinellen Lernens". Und auch die Klimawissenschaft hat Fortschritte gemacht und kann inzwischen den Fußabdruck des Klimawandels in einzelnen Extremwetterereignissen ausmachen, Attributionswissenschaft nennt sich dieses ebenso junge Fach.
Aber lohnt sich dieser ganze Aufwand des Sammelns und Analysierens der Daten überhaupt? Ist nicht offensichtlich, was zu tun ist, um die Nordseeküste vor Sturmfluten, Europa vor weiteren Hitzewellen oder Ostafrika vor Dürren zu schützen?
Miguel Mahecha vom Max-Planck-Institut für Biogeochemie in Jena leitete die Session 4 gemeinsam mit Debarati Guha-Sapir.
Erst wenn wir alle Bedingungen kennen, können wir die richtigen Schlussfolgerungen ziehen
Nein, sagt Mahecha. Denn die Erfahrungen, die landwirtschaftliche oder forstwirtschaftliche Betriebe oder Küstenbewohnerinnen und -bewohner weitergeben, seien oft subjektive Einschätzungen. Sie gäben Anhaltspunkte, aber um sich wirklich anpassen zu können, brauche es Fakten. Schließlich seien Extremwetter komplexer als viele denken. "Erst wenn wir alle Bedingungen kennen, können wir die richtigen Schlussfolgerungen ziehen", sagt Mahecha. "Wann kommt es zur Katastrophe? Wann kommt es zum Kollaps von Ökosystemen?"
Bislang übersehene Kausalitäten aufdecken
Extremwetter können sich ganz unterschiedlich auf Menschen auswirken, je nachdem wo sie leben und wie sie darauf vorbereitet sind. Ein Erdbeben oder Starkregen selbst bringt die Menschen nicht um, sondern Häuser, die zusammenkrachen oder Abflusssysteme, die versagen. "Unser Ziel ist es, ein Werkzeug zu schaffen, mit dem wir die Folgen von Extremwetter objektivieren und Kausalitäten aufdecken können, die bislang übersehen wurden", sagt Mahecha.
Beispiel Russland: 2010 traf das Land eine der heftigsten Hitzewellen seit Beginn der Aufzeichnungen. Betroffen waren Landesteile über mehrere Breitengrade hinweg. Wald- und Buschbrände formten gigantische Rauchwolken und erschwerten besonders den Moskauerinnen und Moskauern das Atmen. Etwa 55.000 Todesfälle wurden gezählt. Die Ursache war bald ausgemacht: eine atmosphärische Blockade, die dazu führte, dass sich ein Hochdruckgebiet einrichten konnte und Rekordtemperaturen über längere Zeit vorherrschten. Doch warum die Hitzewelle zur Katastrophe wurde, war damit noch nicht erklärt.
25 Nachwuchswissenschaftlerinnen und -wissenschaftler konnten dank eines Travel grants an der Konferenz teilnehmen.
Diskussionsrunde während des Workshops "Data-Science for Human Wellbeing".
Die ganze Wirkungskette verstehen
2018 nahmen Mahecha und seine Kolleginnen und Kollegen das Wetterereignis mithilfe eines speziellen Algorithmus noch einmal unter die Lupe und suchten nach Rückkopplungseffekten zwischen Atmosphäre und Boden. Sie fanden heraus, dass das Gebiet, das durch Hitze beeinträchtigt war, viel größer war als das Gebiet, in dem die Produktion der Vegetation tatsächlich einbrach.
Wir haben drei Jahre gebraucht, um das Ereignis in seiner ganzen Wirkungskette zu verstehen.
Während das Getreide auf den Ackerflächen in südlicheren Landesteilen vielerorts verdorrte, profitierten die Wälder in höheren Breiten sogar von der Hitze. Das erklärten die Forscherinnen und Forscher mit der unterschiedlichen Effizienz in der Wassernutzung. Die Ernteeinbußen führten sie auch auf einen besonders warmen Frühling zurück, der den Boden bereits ausgetrocknet hatte. "Wir haben drei Jahre gebraucht, um das Ereignis in seiner ganzen Wirkungskette zu verstehen", sagt Mahecha.
Datenanalyse kann für mehr Klarheit sorgen
Auch im Falle der Überschwemmungen, die Bangladesch regelmäßig heimsuchen, konnten Datenwissenschaftlerinnen und Datenwissenschaftler für mehr Klarheit sorgen. Und zwar indem sie neben Klimadaten auch sozioökonomische Daten berücksichtigten. 2010 untersuchte die Ökonomin Azreem Karim vom Bangladesh Institute of Development Studies in Dhaka die Auswirkungen der Regenfälle. Sie verglich Regenfallmengen im Land mit Befragungen von Haushalten. Das Ergebnis, das 2018 im Fachblatt World Development erschien, war auch für Karim eine Überraschung. "Es zeigte sich eine Diskrepanz zwischen beidem", erklärt sie auf der Konferenz in Hannover anhand einer Karte Bangladeschs.
Darauf zu sehen waren blaue Dreiecke, die verdeutlichten, wo den Wetterdaten zufolge außergewöhnlich viel Regen fiel, und rote Dreiecke, die Orte lokalisierten, wo die Menschen sich selbst als Betroffene von Überschwemmungen bezeichneten. Nur im Nordosten des Landes zeigte sich eine klare Übereinstimmung. "Das Ergebnis ist wichtig für Kompensationen", sagt Karim. "Wohin soll das Geld für den Wiederaufbau fließen?"
Die Ökonomin Azreem Karim forscht am Bangladesh Institute of Development Studies in Dhaka.
Daten können die wirklich Betroffenen aufdecken
Vielleicht kann man das Ziel der Datenwissenschaftlerinnen und -wissenschaftler auch so bezeichnen: Sie wollen ganz genau hinschauen, um Muster zu erkennen und so die Extremwetter durchdringen zu können. So auch Malan Ketcha Armand Kablan von der Universität Abidjan in der Elfenbeinküste. 2014 wollte er untersuchen, wie genau sich Hitze und Überschwemmungen auf seine Heimatstadt Abidjan auswirkten, die regelmäßig für schwere Schäden sorgten. Kablan wollte das im Stadtteil Cocody herausfinden, wo nicht nur überdurchschnittlich viel Regen fiel, sondern auch Beobachtungsdaten vorhanden waren - womöglich auch, weil dort die Politelite des Landes wohnt.
Er erstellte einen Fragebogen, mit dem er 500 Haushalte abklapperte, und speiste seine Ergebnisse in ein Modell mit dem Namen MOVE, das aus Europa stammte, und dessen Parameter er für Abidjan verändern musste - also etwa, welcher Schwellenwert bei einem Niederschlag zur Katastrophe führt oder wie Kanalisationen ausgelegt sind. Das Ergebnis: Von den Überschwemmungen waren sowohl die armen als auch die reichen Bewohnerinnen und Bewohner betroffen, von der Hitze aber vor allem die armen. Als Folge arbeiten die Behörden derzeit daran, in den Armenvierteln die Grünflächen auszuweiten.
Malan Ketcha Armand Kablan forscht an der Universität Abidjan, Elfenbeinküste.
Fallstricke in der Datennutzung
In die Datenwissenschaft wird viel Hoffnung gelegt, um auch in Zeiten eines extremeren Wetters bestehen zu können. Allerdings muss die Disziplin noch Herausforderungen meistern. Das liegt zum einen an den Daten selbst: Manchmal fehlen sie ganz, werden zurückgehalten oder sind unvollständig. Manchmal sind sie aber auch einfach nicht klar abgegrenzt und damit nicht zu gebrauchen.
Eine ähnlich hohe Hürde besteht darin, die Daten richtig zu nutzen. Etwa die der internationalen Katastrophendatenbank EM-DAT. Je nach Zuschnitt können ganz unterschiedliche Ergebnisse herauskommen. "Unser Ziel ist nicht ein Algorithmus, der alles erklärt, sondern vertrauenswürdige Daten zu bekommen", sagt Mahecha.
So sind sich die Teilnehmerinnen und Teilnehmer der Extremwetterkonferenz einig, dass jeder, der mit den Daten hantieren will, zunächst dafür ausgebildet werden und mögliche Fallstricke erkennen muss. "Die Vision muss darin bestehen, ein tiefes Verständnis des Informationsflusses von den ersten Schritten der Datenerzeugung bis zur endgültigen Interpretation zu erlangen", heißt es in einem Bericht der Gruppe.
Debarati Guha-Sapir leitet das Forschungszentrum für die Epidemiologie von Katastrophen (CRED) an der Universität Louvain in Brüssel, sie organisierte die Session zur Datenwissenschaft gemeinsam mit Miguel Mahecha.
Der Workshop "Data Science for Human Wellbeing" gab den teilnehmenden Wissenschaftlerinnen und Wissenschaftlern für drei Tage Zeit zu regem Austausch.
Wie können die ethischen Probleme von Datensammlung gelöst werden?
Besonders schwierig ist es, die Daten vom Abstrakten ins Konkrete zu übersetzen, also dort wo Wetter für Menschen spürbar wird. Dabei stehen die Datenforscherinnen und -forscher auch ethischen Problemen gegenüber: Welche Daten dürfen sie nach einer "Naturkatastrophe" erheben und verwenden? Wie können sie unaufdringlich vorgehen und gleichzeitig Daten erhalten, die brauchbar und vergleichbar sind?
"Eine Statistik für ein Land ist einfach zu machen", sagt Mahecha. "Wenn man aber versucht, diese auf eine Region oder einzelne Haushalte herunter zu brechen, wird es knifflig." Denn dann müsse man verstehen, warum Betroffenen-Zahlen abnehmen oder zunehmen. Erst dann aber wird es oft interessant und politisch relevant. Und dann können Mahecha, Karimi und Kablan ihre stärkste Karte ausspielen: die Daten selbst sprechen lassen.
