Vier Meter tauchen, zehn Tage treiben: Wie KI aus Bojendaten ein Bild des ganzen Ozeans baut
Seit über zwanzig Jahren treiben Tausende autonome Messbojen durch die Weltmeere und liefern Daten aus der Tiefe. Neue Rechenverfahren sollen aus diesen Stichproben nun ein lückenloses Bild machen – ein leiser Wandel in der Ozeanforschung, dessen Nutzen und Grenzen man kennen sollte.
Der Ozean ist groß, tief und für Messgeräte unbequem. Wer wissen will, wie warm und salzig das Wasser in tausend Metern Tiefe irgendwo im Südatlantik ist, kann dort kein Thermometer festschrauben. Genau diese Lücke füllt seit der Jahrtausendwende ein internationales Beobachtungssystem, das nun durch Künstliche Intelligenz eine neue Auswertungsschicht erhält. Anlass für einen Blick auf das Zusammenspiel ist eine Meldung aus der Wissenschaftskommunikation, wonach Forschende maschinelles Lernen nutzen, um aus verstreuten Bojenmessungen den Zustand ganzer Meeresgebiete zu rekonstruieren.
Tausende Bojen als schwimmendes Messnetz
Kern der Ozeanbeobachtung ist das sogenannte Argo-Programm, an dem sich zahlreiche Staaten beteiligen. Rund viertausend autonome Treibbojen sind über alle Ozeane verteilt. Die Geräte sind knapp zwei Meter lang und wenige Dutzend Kilogramm schwer, verankert ist keines davon. Stattdessen folgt jede Boje einem festen Rhythmus: Sie sinkt auf etwa tausend Meter Tiefe, treibt dort rund neun Tage mit der Strömung, taucht anschließend bis auf zweitausend Meter ab und steigt dann langsam wieder an die Oberfläche. Auf diesem Weg misst sie Temperatur und Salzgehalt in verschiedenen Tiefen.
An der Oberfläche funkt die Boje ihre Position und die gesammelten Werte über Satellit an Bodenstationen, wo die Daten eine automatische Qualitätskontrolle durchlaufen und anschließend frei verfügbar sind. Danach beginnt der Zyklus von vorn. Auf diese Weise entsteht seit dem Jahr 2000 ein wachsender Datenschatz aus dem Inneren der Meere – nach und nach ergänzt um Sensoren für Sauerstoff, Nährstoffe und weitere biochemische Größen.
Warum die Messungen allein nicht reichen
So beeindruckend die Flotte ist, so lückenhaft bleibt ihr Bild. Viertausend Bojen klingen nach viel, verteilen sich aber auf eine Wasserfläche, die den größten Teil des Planeten bedeckt. Zwischen zwei Messpunkten können Hunderte Kilometer liegen, zwischen zwei Tauchgängen mehrere Tage. Wirbel, Fronten und kleinräumige Strömungen fallen durch das Raster. Für Klimamodelle, Wettervorhersagen über See oder die Beobachtung von Meeresströmungen braucht es aber flächendeckende Werte, nicht nur einzelne Stichproben.
Hier setzen die neuen Verfahren an. Trainiert auf den historischen Bojendaten und auf den bekannten physikalischen Zusammenhängen zwischen Temperatur, Dichte und Strömung, sollen Modelle des maschinellen Lernens die Lücken zwischen den Messpunkten schließen. Aus einer Handvoll realer Werte schätzen sie, wie der Zustand des Wassers dazwischen wahrscheinlich aussieht – ähnlich wie ein geübtes Auge aus wenigen Höhenpunkten eine ganze Landschaft ableitet.
Ein alter Trick in neuer Form
Ganz neu ist die Grundidee nicht. Die Ozeanografie arbeitet seit Langem mit Interpolation und mit sogenannter Datenassimilation, bei der Messwerte in physikalische Modelle eingespeist werden. Der Reiz der lernenden Systeme liegt darin, dass sie Muster in riesigen Datenmengen erkennen können, für die klassische Verfahren zu langsam oder zu grob wären. Sie ersetzen die Physik nicht, sondern ergänzen sie um eine statistische Abkürzung.
Der Preis dafür ist eine bekannte Schwäche solcher Modelle: Sie sind nur so gut wie die Daten, aus denen sie lernen. In gut vermessenen Regionen wie dem Nordatlantik liefern sie belastbare Schätzungen, in datenarmen Zonen – etwa unter dem Meereis oder in der Tiefsee jenseits der Bojenreichweite – wächst die Unsicherheit. Eine plausibel aussehende Karte ist eben noch keine Messung, und seriöse Anwendungen weisen die geschätzte Unsicherheit deshalb mit aus.
Warum das über die Forschung hinaus zählt
Die Verknüpfung von autonomen Bojen und lernenden Modellen ist mehr als eine akademische Fingerübung. Der Ozean speichert einen Großteil der zusätzlichen Wärme im Klimasystem und beeinflusst Wetter, Fischerei und Schifffahrt. Je feiner und aktueller sein Zustand beschrieben werden kann, desto besser lassen sich Hitzewellen im Meer, Sauerstoffarmut oder Veränderungen von Strömungen früh erkennen. Der Trend zeigt, wohin sich Umweltbeobachtung insgesamt bewegt: weg von der einzelnen Messung, hin zur Kombination vieler Datenquellen mit Rechenmodellen, die daraus ein Gesamtbild formen – mit dem stillen Vorbehalt, dass ein errechnetes Bild seine Grenzen kennt.
Dieser Beitrag ist eine redaktionelle Einordnung eines aktuellen Themas und keine wissenschaftliche Veröffentlichung. Einzelne Kennzahlen zum Beobachtungssystem können je nach Quelle und Stichtag leicht variieren.