Ein paar Grundlagen zu KI

Künstliche Intelligenz

Intelligenz ist die Fähigkeit:

• Probleme zu lösen,
• aus Erfahrungen zu lernen, und
• sich an Neues anzupassen.

Heute gibt es noch keine “generelle KI”!

Wie funktioniert (spezialisierte) KI?

Maschinelles Lernen (ML)

Maschinelles Lernen beschreibt Systeme, die Muster aus Daten lernen!

Deep Learning = Tiefe Neuronale Netze

Deep Learning = Spezialisierte Modelle

• Spezialisierte Architekturen für verschiedene Daten
• Automatisches Extrahieren von relevanten Merkmalen aus Rohdaten

Deep Learning = Komplexe Daten und Zusammenhänge

• Hoch-dimensional
• Topologische Strukturen und komplexe Beziehungen

Hydrologische Modellierung mit KI: Beispiel Abfluss

Wieso denn überhaupt?

Komplexe Prozesse

Landschaft ist ein Netzwerk aus Tausenden "Wasserzellen“

Hydrologische Modellierung mit einem Prozessmodell

Etablierte Modelle, aber limitiert: komplexe Handhabe, extrem langsam, keine bahnbrechenden Verbesserungen

KI als Alternative?

Räumlich explizite Modelierung

Lokaler Abfluss und dessen räumlicher Transport wird aus Daten gelernt!

Räumlich explizite Modelle: Neues Feld

Hochauflösende räumliche Modellierung

• Räumlich explizite Vorhersagen
• Bis 60% Genauigkeitssteigerung gegenüber klassischen Modellen
• Skalierbar auf grosse Einzugsgebiete
• Extrem schnell

KI x Geosciences

KI wird heute breit eingesetzt in der Geowissenschaft, z.B. für: Vorhersage von Wetter, Hydrologie, Landwirtschaftserträge, Erdbeben, etc.

• Nur schrittweisen Fortschritt, kein "game changer" wie bei LLMs!
• Aber: Limitierte Interpretierbarkeit und schlechtes Generalisierungsvermögen