Sublineare Algorithmen für die Meteorologie

• Antragstellerinnen / Antragsteller: Professorin Dr. Susanne Crewell; Professor Dr. Christian Sohler
• Fachliche Zuordnung: Theoretische Informatik ; Physik und Chemie der Atmosphäre
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 559931366

Der Klimawandel stellt eine der größten Herausforderungen für die Menschheit dar und die verlässliche Beobachtung und Vorhersage von Klimaentwicklungen ist von größter Wichtigkeit. Eine der Hauptunsicherheitsquellen in der Klimavorhersage ist das fehlende Verständnis, wie Wolken auf den Klimawandel reagieren. Eine bessere Auflösung von Wolken in Zeit und Raum sowohl in Satellitenbeobachtungen als auch in Klimamodellen wird als wichtiger Lösungsweg gesehen. Ein Haupthindernis in dieser Richtung stellen die großen und immer noch extrem schnell anwachsenden Datenmengen dar, die in diesem Zusammenhang verarbeitet werden müssen. Die Verarbeitung solcher Datenmengen mit traditionellen Methoden würde enorme Rechenressourcen benötigen. Die Einschränkungen, die sich aus diesem Big Data Szenario ergeben, führen dazu, dass nur eine Handvoll von Zentren in der Welt Zugriff auf diese Informationen haben werden und so viele Forscher und ganze Regionen ausgeschlossen werden - ganz zu schweigen davon, dass der große Energiebedarf dem Kampf gegen den Klimawandel entgegensteht. Ein solches Szenario ist nicht wünschenswert und daher ist es wichtig, alternative Wege zu finden, die Forschung zum Klimawandel voranzutreiben. In diesem Projekt schlagen wir einen Paradigmenwechsel vor. Anstatt zu versuchen, immer größere Datenmengen durch mehr und mehr Rechenressourcen zu verarbeiten, ist unser Ziel die Entwicklung spezieller hocheffizienter Algorithmen, die eine intelligente Zusammenfassung der Daten erstellen, die (a) signifikant kleiner aus die Originaldaten ist, (b) für Datenanalysezwecke ohne signifikanten Qualitätsverlust verwendet werden kann, und (c) die beweisbare mathematische Garantien erfüllt. Um unsere neuen Algorithmen zu entwickeln, werden wir auf neuen Erkenntnisse aus dem Gebiet der Sublinearen Algorithmen aufbauen, einer Unterdisziplin der Theoretischen Informatik, die sich mit der Entwicklung und Analyse von hocheffizienten Algorithmen für sehr große Datenmengen beschäftigt. Wir werden insbesondere auf Erkenntnisse zu Kernmengen und Skizzen aufbauen. Diese Techniken sind Schlüssel für die Lösung vieler Datenreduktionsprobleme im Umfeld von Datenanalyse. Während Kernmengen und Skizzen effiziente Datenreduktionstechniken sind, sind sie auch sehr problemabhängig. Daher wird eine Kernaufgabe dieses Projekts sein, geeignete Kernmengen und Skizzen für die zu Grunde liegenden Datenanalyseprobleme zu finden. Die Realisierbarkeit unseres Ansatzes werden wir anhand von Spektraldaten aus Satellitenmessungen nachweisen. Unser Ziel ist die Analyse von Datenzusammenfassungen mit einem Bruchteil der Ressourcen, die traditionelle Ansätze benötigen, während wir gleichzeitig neue Einsichten in Wolkencharakteristiken und ihre Prozesse erhalten. Neben Satellitendaten werden wir auch neueste Klimamodelle betrachten und damit potentiell eine Vielzahl Anwendungen ermöglichen.

• DFG-Verfahren: Reinhart Koselleck-Projekte